ch7_图像压缩.ppt

第7章 图像压缩 7.1 基本概念 概述 数据冗余 图像保真度和质量 7.1 基本概念 举例1：对于电视画面的分辨率640*480、每分量8b/像素的彩色图像，每秒30帧，则一秒钟的数据量为：640*480*3*8*30=221.12M ，1张CD可存640M，如果不进行压缩，1张CD则仅可以存放2.89秒的数据 举例2：目前的WWW互联网包含大量的图像信息，如果图像信息的数据量太大，会使本来就已经非常紧张的网络带宽变得更加不堪重负（World Wide Web变成了World Wide Wait） 7.1 基本概念 7.1 基本概念 7.1 基本概念 7.1 基本概念 7.1 基本概念 7.1 基本概念 7.1 基本概念 7.1.1 编码冗余  7.1.1 编码冗余  7.1.1 编码冗余  7.1.1 编码冗余  7.1.1 编码冗余  7.1.1 编码冗余  7.1.2 像素间冗余  7.1.3 心理视觉冗余  7.1.3 心理视觉冗余  7.1.4 保真度准则 7.1.4 保真度准则 常用的准则有均方误差、均方根误差、均方信噪比、基本信噪比和峰值信噪比。令f(x,y)表示输入图， 表示对f(x,y)先压缩后解压缩得到的f(x,y)的近似 7.1.4 保真度准则 7.1.4 保真度准则 7.1.4 保真度准则 7.2 图像压缩模型 7.2 图像压缩模型 7.2 图像压缩模型 7.2 图像压缩模型 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 7.3 信息论基础 基本编码定理 7.3 信息论基础 1．香农信息保持编码定理 香农信息论已证明，信源熵是进行无失真编码的理论极限。低于此极限的无失真编码方法是不存在的，这是熵编码的理论基础。而且可以证明，考虑像素间的相关性，使用高阶熵一定可以获得更高的压缩比。 7.3 信息论基础 变长编码定理：若一个离散无记忆信源X具有熵H(X)，并有r个码元符号集，则总可以找到一种无失真信源编码，构成单义可译码，使其平均码长满足： 7.3 信息论基础 3．变长最佳编码定理 在变长编码中，对出现概率大的信息符号赋予短码字，而对于出现概率小的信息符号赋予长码字。如果码字长度严格按照所对应符号出现概率大小逆序排列，则编码结果平均码字长度一定小于任何其他排列形式. 7.4 无误差编码 7.4 无误差编码 7.4.1 变长编码——霍夫曼编码 7.4.1 变长编码——霍夫曼编码 7.4.1 变长编码——霍夫曼编码 7.4.1 变长编码——霍夫曼编码 7.4.1 变长编码——霍夫曼编码 Huffman编码的特点 7.4.1 变长编码 其它接近最佳的变长编码：为什么需要？ 7.4.1 变长编码——算术编码 算术编码不是将单个信源符号映射成一个码字，而是把整个信源表示为实数线上的0到1之间的一个区间,其长度等于该序列的概率，再在该区间内选择一个代表性的小数，转化为二进制作为实际的编码输出。消息序列中的每个元素都要缩短为一个区间。消息序列中元素越多，所得到的区间就越小，当区间变小时，就需要更多的数位来表示这个区间。采用算术编码每个符号的平均编码长度可以为小数。 7.4.1 变长编码——算术编码 假设信源符号为{00, 01, 10, 11}，这些符号的概率分别为 { 0.1, 0.4, 0.2, 0.3 }，根据这些概率可把间隔[0, 1)分成4个子间隔：[0, 0.1), [0.1, 0.5), [0.5, 0.7), [0.7, 1) 。 符号 00 01 10 11 概率 0.1 0.4 0.2 0.3 初始编码间隔 [0, 0.1) [0.1, 0.5) [0.5, 0.7) [0.7, 1) 如果二进制消息序列的输入为：10 00 11 00 10 11 01。 7.4.1 变长编码——算术编码 7.4.1 变长编码——算术编码 7.4.1 变长编码——算术编码 步骤 间隔 译码符号