第5章 图像编码(第2讲)PPT.ppt

第三步，重复上述步骤，直到信源最后为 形式为止。 第四步，将被合并的消息分别赋以1和0或0和1。对最后 X0 也对 和 对应地赋以1和0或0和1。 通过上述步骤就可以构成最优变长码（哈夫曼码）。下面举例说明具体构成方法。 信源X的哈夫曼编码图 0.45 0.30 0.55 码字 消息 概率 0 1 1 0 1 1 0 0 0 0 0 1 0 0 0 1 1 0.25 0.25 0.20 0.15 0.10 0.05 0 1 0 1 0.25 0.25 0.20 0 1 0.30 0.25 0 1 0 1 0.15 0.45 例：求下述信源的哈夫曼码 码 字 消 息 概 率 码 字 消 息 概 率 0 1 u1 0.25 1 0 u1 0.25 1 0 u2 0.25 0 1 u2 0.25 1 1 u3 0.20 0 0 u3 0.20 0 0 0 u4 0.15 1 1 1 u4 0.15 0 0 1 0 u5 0.10 1 1 0 1 u5 0.10 0 0 1 1 u6 0.05 1 1 0 0 u6 0.05 0.45 0.30 0.55 码字 消息 概率 0 1 1 0 1 1 0 0 0 0 0 1 0 0 0 1 1 0.25 0.25 0.20 0.15 0.10 0.05 0 1 0 1 0.25 0.25 0.20 0 1 0.30 0.25 0 1 0 1 0.15 0.45 计算信源的熵，平均码长，效率及冗余度： 码 字 消 息 概 率 码 字 消 息 概 率 0 1 u1 0.25 1 0 u1 0.25 1 0 u2 0.25 0 1 u2 0.25 1 1 u3 0.20 0 0 u3 0.20 0 0 0 u4 0.15 1 1 1 u4 0.15 0 0 1 0 u5 0.10 1 1 0 1 u5 0.10 0 0 1 1 u6 0.05 1 1 0 0 u6 0.05 所以，对于信源 X 的哈夫曼码的编码效率为98％，尚 2％的冗余度。 第二章 数字图像处理基础 * 数字图像处理基础 第5章 图像编码 （第二讲） 补充概念 信源：信息的来源，实际通信中常见的信源有：语音、文字、图像、数据…。在信息论中，信源是产生消息（符号）、消息序列以及连续消息的来源。在数学上，信源是产生随机变量、随机序列和随机过程的源。 离散信源的分类： （1）无记忆信源：所发出的消息（符号）之间是相互独立的，没有统计相关性； （2）记忆信源：发出的各个符号之间不是相互独立的，各个符号出现的概率是有关联的。 5.4 统计编码 高效编码的主要方法是什么？ 可能去除信源中的冗余成份，从而以最少的数码率传递最大的信息量。冗余度存在于像素间的相关性及像素值出现概率的不均等性之中。对于有记忆性信源来说首先要去除像素间的相关性，从而达到压缩数码率的目的。 什么是统计编码？ 对于无记忆性信源来说，像素间没有相关性，可以利用像素灰度值出现概率的不均等性，采用某种编码方法，达到压缩数码率的目的。 这种根据像素灰度值出现概率的分布特性而进行的压缩编码叫统计编码。 5.4.2 几种常用的统计编码法 5.4.1 编码效率与冗余度 设某个无记忆信源共有Ｍ个消息，记作 。其中消息 各自出现的概率分别为 。可把这个信源用下式表示 (5—22) 根据该信源的消息集合，在字母集中选取符号进行编码 。一般情况下取二元字母集A{1, 0}。通常，这一离散信源中的各个消息出现的概率并不相等。根据信息论中熵的定义，可计算出该信源的熵： 式中H(X)代表熵，Pi 代表第i个消息出现的概率。 例如，设一离散信源如下 由式(5—23)可算出该信源的熵 比特/消息 设对应于每个消息的码字由 Ni 个符号组成。也就是说每个消息所对应的码字长度各为 Ni 。那么，每个消息的平均码长可用下式表示 式中 代表平均码长，Ｍ为信源中包含的消息的个数，Pi 为第i个消息出现的概率，Ni 为第i个消息对应的码长。就平均而言，每个符号所含有的熵为 编码符号是在字母集 A 中选取的。如果编码后形成一个新的等概率的无记忆信源，字母数为n，那么，它的最大熵应为 logan比特/符号，因此，这是极限值。 如果