第6讲-静止图像编码幻灯片.pptVIP

静止图像的编码 静止图像的采样与量化 图像压缩分类 变换域编码 — DCT变换 JPEG标准 JPEG2000标准 静止图像的采样与量化 静止图像采样 空间轴上二维伸展，时间轴上一点。 图像的色彩由人眼决定，三元色RGB。 图像的数字化 在二维平面上，将图像划分为一个个很小的方块，每个方块内近似具有同样的色彩。这样的方块称为像素。 实际应用中，像素数决定于图像输出设备的分辨率。若分辨率较低，则每个像素对应的方块较大，就能明显看到块的结构，如大屏幕电视。 静止图像采样，量化 如果图像的细节很精致（如电视台专用的测试信号），则像素分割仍无法体现细节。类似时域的奈奎斯特采样定理。 每个像素有对应的色彩，有不同的色彩分量。直接的色彩空间是RGB，每个分量采用8bit量化，一共可以表示 种色彩，基本上可以接近原始的真实色彩。 人眼实际上对亮度信号更敏感，因此可以将色彩空间进行变换，得到YUV分量，每个分量依旧采用8bit量化。 电视信号测试图 图像压缩分类 图像为什么可以压缩？ 熵冗余 像素间具有相关性 不同的符号具有不同的概率 视觉冗余 不是所有的细节都可见 不是所有的细节都需要看到 人眼的视觉特性，比如对亮度比色度敏感，对黄、绿等颜色更敏感等等。 图像压缩的分类 对于一些特定要求的图像，如地图、遥感或航拍的图像，医疗图片，警用图片等，对细节要求很高，而且一旦出现失真，影响极大，此时一般用无损压缩。 对于娱乐用图片，如照片，广告，文字等，人们关心的重点是整体的视觉效果，因此可以使用有损压缩，以获得更好的压缩比。 有损编码与无损编码 无损编码（压缩比1.5-3） 无失真 完全可复原 不利用人的视觉特性 有损编码（压缩比10-200） 有失真 可复原 利用了人的视觉特性 无损编码，游程编码 一般采用熵编码，包括Huffman编码，香农编码，LZW编码，算数编码，游程编码等。 游程编码适用于二值图像，或者有大片同色部分的图像。典型应用是传真的图像。 在二值图像中，一定是0，1交替出现，因此，如果假设每行都从0开始，则编码时只需记录连续像素的个数，而不必记录像素的颜色。 比如像素为000101110010001，游程编码后然后可以对多元序列进行Huffman编码。 香农编码（一） 根据香农定理，对二进制码，码字长度满足下面公式，其中ti为该码字长度，Pi为该符号出现的概率 香农编码步骤 将信息符号按出现的概率由大到小顺序排列 按上面公式计算各概率对应的码字长度ti 计算各概率对应的累加概率ai a1 = 0, a2 = P2, a3 = P2+P1, a4 = P3+P2+P1, … 将累加概率转换为2进制小数，取前ti位，即为香农编码的结果 香农编码（二） 举例 Y1概率0.40 t1=2 a1=0 00 Y2概率0.18 t1=3 a1=0.4 011 Y3概率0.10 t1=4 a1=0.58 1001 Y4概率0.10 t1=4 a1=0.68 1010 Y5概率0.07 t1=4 a1=0.78 1100 Y6概率0.06 t1=5 a1=0.85 11011 Y7概率0.05 t1=5 a1=0.91 11101 Y8概率0.04 t1=5 a1=0.96 11110 算数编码（一） 20世纪60年代由Elias提出，是信息保持型编码，无须为一个符号设定一个码字。 举例说明 信源4个符号，a--1/2, b--1/4,c--1/8,d--1/8.要对aabc…进行编码 利用单位长度的矩形来表示，指针起点为0，宽度为1。 第一个符号是a，指针指向0+1(宽度)*0.011(a的起始位置)=0.011，宽度变为1(宽度)*0.1(a的宽度)=0.1 算数编码（二） 第二个符号是a，指针指向0.011+0.1(宽度)*0.011(a的起始位置)=0.1001，宽度变为0.1(宽度)*0.1(a的宽度)=0.01 第三个符号是b，指针指向0.1001+0.01(宽度)*0.001(b的起始位置)=0.10011，宽度变为0.01(宽度)*0.01(b的宽度)=0.0001 第四个符号是c，指针指向0.10011+0.0001(宽度)*0.111(c的起始位置)=0.1010011，宽度变为0.0001(宽度)*0.001(c的宽度)=0.0000001 算数编码（三） 解码过程，码字为0.1010011 在0-1空间里定位，由于0.0110111，所以第1个符号为a [0.1010011-0.0