多媒体计算机技术-6.pptVIP

谢 谢！ 计算机与信息技术学院 3.3 图像压缩技术简介 2. 变换编码（小波变换、图像） 变换编码是有失真编码的一种重要的编码类型。在变换编码中，原始数据从初始空间或者时间域进行数学变换，使得信号中最重要的部分（例如包含最大能量的最重要的系数）在变换域中易于识别，并且集中出现，可以重点处理；相反使能量较少的部分较分散，可以进行粗处理。例如，将时域信号变换到频域，因为声音、图像大部分信息都是低频信号，在频域中比较集中，再进行采样编码可以压缩数据。该变换过程是逆过程，使用反变换可以恢复原始数据。（注意，规律性！） 正交编码（以图像压缩为例）的基本过程为： 1）首先通过正交变换将图象从空间域转化到 频率域，由于图象的能量大部分分布在低频部 分，高频部分的系数很小； 2）为了便于后面的编码，对变换域系数进行量化，量化后的系数分布呈现出尖锐的曲线， 有利于后续的熵编码； 3）最后利用哈夫曼和算术等无损压缩编码方 法对其进行熵编码，从而达到压缩。 变换（正交变换） 具有以下几个性质：(1)熵保持特性 即图象经正交变换后不丢失任 何信息；(2)能量保持 即变换前后能量相等；(3)能量重新分配 即能量在空间的分布发生变 换，对一般的图象来说，变换后能量大部分集中 在低频部分，高频部分的系数较小，因此可通过 去除高频成分而达到压缩的效果； (4)去相关性 即可以将高度相关的空间样值变 为相关性较弱的变换参数． 常见的正交变换包括有：离散傅氏变换（DFT）、KLT变换、离散余弦变换（DCT）、小波变换（WT）等等。 量化原理 量化是使数据比特率下降的一个强有力的措施。 量化输入值动态范围很大，需要以多比特数表示一个数值，量化输出只能取有限个整数，称量化级。每个量化输入被强迫归一到与其接近的某个输出，即量化到某个级。量化处理总是把一批输入量化到一个输出级上，所以量化是个多对一的处理过程，量化中有信息丢失，或者说，会引起量化误差(量化噪声)。 量化是多媒体数据压缩技术的核心！ 举例（基于小波变换的图像压缩） [例]假设有一幅灰度图像 A 用矩阵表示 灰度图像 A（矩阵） 小波变换 系数矩阵 A’ 量化 例如：设置一个阈值δ，例如δ=5的细节系数就把它当作“0”看待。 系数矩阵 A’（量化） 33 0 0 0 0 0 0 0 0 ……….. –27 熵编码（RLE、Huffman等） 解码（解压缩） 需要说明的是，以上压缩编码方法效率比较低（压缩比小）， 其原因在于未充分利用变换系数的规律性。 优秀图像压缩算法（EZW） （1）简介 1993年，Shapiro, J. M.提出了著名的EZW(Embedded Zerotree Wavelet, 嵌入零树小波)图像压缩编码算法。 “小波”是指该算法以离散小波变换为基础，以大的小波变换系数比小的小波变换系数更重要，以及高频子带中的小系数可以被抛弃的事实为背景。 “零树”是指小波变换系数之间的一种数据结构，因为离散小波变换是一种多分辨率的分解方法，每一级分解都会产生表示图像比较粗糙(低频图像)和比较精细(高频图像)的小波系数，在同一方向和相同空间位置上的所有小波系数之间的关系可用一棵树的形式表示，如果树根和它的子孙的小波系数的绝对值小于某个给定的阈值T(threshold)，那么这棵树就叫做零树。 “嵌入”是渐进编码技术(progressive encoding)的另一种说法，其含义是指一幅图像可以分解成一幅低分辨率图像和分辨率由低到高的表示图像细节的许多子图像，图像合成的过程与分解的过程相反，使用子图像生成许多分辨率不同的图像。 EZW编码指的是，按照用户对图像分辨率的要求，编码器可以进行多次编码，每进行一次编码，阈值降低1/2，水平和垂直方向上的图像分辨率各提高1倍。编码从最低分辨率图像开始扫描，每当遇到幅度大于阈值的正系数就用符号P表示，幅度小于阈值的系数用符号N表示，树根节点上的系数幅度小于阈值而树枝中有大于阈值的非零树用符号Z表示，零树用符号T表示。 小波图像编码(wavelet image coding)的一般结构如