否则进入一般模式量化梯度g1g2g3失真与否.PPT

2007/12/21 視訊串流\Streaming Video Part-2 Compression Digital image/video Lossy and Lossless compression Image compression Video compression 視訊串流\Streaming Video Part-2-0 Compression Digital image/video Lossy and Lossless compression Image compression Video compression Digital Image A two-dimensional function f(x,y) presenting the intensity or gray-level amplitudes of pixels at spatial coordinates (x, y) Image Processing Enhancement, equalization, detection, … Pattern Recognition 視訊串流\Streaming Video Part-2-1 Compression Digital image/video Lossy and Lossless compression Image compression Video compression Part-2-1-0 無失真壓縮方法與標準 Lossless compression Entropy(熵) If the base 2 is selected, the resulted unit of information is called a bit 編碼冗贅 coding redundancy; bitrate redundancy 平均位元數：每一個符號編碼長度與出現機率之乘積和 一般無失真資料壓縮模式 第一步：令自由節點為所有的樹葉； 第二步：從自由節點中找出加權值最小的兩個節點； 第三步：為這兩個節點做一個父親節點，它的加權值為這兩個兒子節點的加權值和； 第四步：將父親節點加入自由節點的行列，而兩個兒子節點則從自由節點的行列中除名； 第五步：從父親節點做到兩個兒子節點的兩枝樹枝，一枝給0另一枝給1； 第六步：重覆執行第二步到第五步，直到只剩下一個自由節點，此為樹根。 Huffman 編碼 Huffman 編碼 Huffman 編碼可以很容易地就證明它是所有即時碼中最好的 Huffman 編碼在許多資料壓縮標準中被採用 例如，由 CCITT 所提出之傳真壓縮標準及JPEG, MPEG 等 任何即時碼的平均編碼長度都大於等於其熵值 算術編碼 Huffman 編碼已經被證明是即時碼中最好的 只要編碼方法是給每個符號一個整數個位元的碼，那麼它的效能就無法超過 Huffman 編碼 Huffman 編碼的問題在於碼的長度必須是整數。 假如一個符號的出現機率是 1/3，最好的編碼應該是用差不多1.6 個位元來編碼這個符號 Huffman編碼卻只能選擇用一個位元或兩個位元來編碼這個符號 無論那一種選擇都將導致壓縮效能跟理論上的推測有段距離 算術編碼 假設我們所採用的模式計算出某個符號的出現機率為 0.9，那麼它的最佳編碼長度應該是 0.15 個位元 Huffman 編碼即使只使用一個位元來編碼它，也比實際所需高六倍 Fax 二元影像 算術編碼避開了一個符號一個碼的想法 它採取用一個實數來表示一串符號的新點子 算術編碼 算術編碼之解碼 解碼的程序剛好反過來 由範圍表我們知道 0.2572167752 落在 0.2 到 0.3 的範圍內（符號 B 之範圍），因此第一個符號必然是 B 將 B 的影響從 0.2572167752 除去 首先減去 B 的 l 值得到 0.0572167752 然後除以 B 的範圍，h-l=0.1，這樣做之後我們得到0.572167752 然後，再從範圍表裡找出這個數字落在那個符號的範圍內 那也就是我們下一個解碼出的符號，I 重複以上的步驟直到 l 變回 0 為止 算術編碼性質 算術編碼的編碼過程是根據輸入符號將實數之可能範圍逐漸縮小 新範圍的大小跟該符號的出現機率大小成正比 解碼則反過來，範圍依解碼出的符號之出現機率大小或快或慢地擴張 和 Huffman 編碼比起來，算術編碼看起來好像比較複雜，但實際寫成程式兩者卻差不了多少 至於壓縮結果算術編碼則比Huffman編碼好一些 Golomb Rice 編碼 幾何機率分布 p(n)=(1-p)pn 如果 p 表示 0 出現的機率，那麼 p(n) 就表示連續出現 n 個 0 後出現非 0 的機率 令 n=mq+r 將