第6章 图像压缩编码PPT.ppt

编码效率： 信源熵： 平均码长： (十进制数字/符号) (十进制数字/符号) 编码效率： 冗余度： 平均码长十分接近无噪声信源编码定理所设定的理论极限，信源熵。编码序列的长度越长，算数编码就越接近无噪声编码极限。 二进制表示： 最短二进制码为 平均码长： (二进制数字/符号) (二进制数字/符号) 信源熵： ★据大量数据表明，算数编码一般比哈夫曼编码效率高5%以上。在H.263视频编码标准中算术编码代替了哈弗曼编码。 去掉小数点及其前的字符，可得到该字符序列的算数编码： 1. 线性预测(predictive coding) 6.3 预测编码 编码思想 (1)认为相邻像素间有相关性，信息有冗余。当前像素值可以用以前的像素值来获得。 (2)用已知的像素值来估计待编码像素，然后计算估计值与待编码像素之间的误差值，最后将这个差值进行编码传输。由于差值往往小于像素值，因而编码要小。 (3)预测是通过m个以前像素的线性组合来生成的。 (4) 去除像素冗余。 (5) 前m个像素可用哈夫曼编码。 预测编码分为有损编码和无损编码 预测就是用已知的信息估计未知的信息。 2 无损压缩系统构成 由这个整数计算出预测误差为 最后符号编码器对该误差值进行变长编码以进一步消除图像的编码冗余并输出压缩数据流。图像解码时，输入压缩数据流，符号解码器对收到的变长码进行反变换从而无失真地恢复预测误差,并实行反运算，即 1）预测误差的表示 举例： F = {154,159,151,149,139,121,112,109,129} m = 2 ? = ? 预测值 f2 = 1/2 * (154 + 159) ? 156 e2 = 151 - 156 = -5 f3 = 1/2 * (159 + 151) = 155 e3 = 149 – 155 = -6 f4 = 1/2 * (151 + 149) = 150 e4 = 139 – 150 = -11 f5 = 1/2 * (149 + 139) = 144 e5 = 121 – 144 = -23 f6 = 1/2 * (139 + 121) = 130 e6 = 112 – 130 = -18 f7 = 1/2 * (121 + 112) ? 116 e6 = 109 – 116 = -7 f8 = 1/2 * (112 + 109) ? 110 e6 = 129 – 110 = 19 大多数情况下是根据它的前几个像素值的某种线性组合来生成预测值 这样的预测方法称为线性预测法。其中，m为线性预测所用到前几个像素的个数，也称为线性预测的阶，round表示四舍五入或取整运算。如果仅由同一行的前几个像素来估计，则称为一维图像压缩编码， 为预测系数。 由对图像自左至右，自上至下扫描过程中所遇到的前几个像素表示，则称为二维预测编码。一维图像预测编码经常用于黑白图像的压缩。二维预测编码常用于灰度图像及彩色图像的压缩 2）预测值的计算 线性预测中，最重要而且最难的是预测系数的确定 。根据线性预测理论，上述问题可以看作是一个AR模型的求解问题，可以用最小二乘法估计及相关矩估计来求出预测系数。 优缺点。 实验确定在某种意义下的最佳预测系数。例如： 3）预测系数的求解 3 有损预测编码 在图像压缩过程中，对数据的压缩通常真正体现在量化阶段。一般意义上的量化是把模拟信号变为数字信号的过程，但对于图像处理而言，量化有时表现为把数字信号变为数字信号。由于量化器只能取有限多个量化级，因此不可避免地会引入误差，该误差称为量化误差，由于量化误差对图像的影响与噪声相似，有时也称量化误差为量化噪声。量化误差是造成压缩失真最主要的原因。量化过程是不可逆的，量化误差是不可恢复的，因此，加入量化器的图像压缩系统通常是有损压缩系统。 在无损预测编码模型中加入量化器就成为实际中使用的有损预测编码系统 。 符号 编码 压缩图像 +? - en 输入图像 fn 量化器 ên 预测器 ? fn +? + ?fn ^ ?fn = ên + fn 1）修正后的预测编码器 2）量化器 量化器基本思想：减少数据量的最简单的办法是将图像量化成较少的灰度 级，通过减少图像的灰度级来实现图像的压缩。这种量化是不可逆的，因而 解码时图像有损失。有标量量化、矢量量化，均匀量化、非均匀量化等 数字图像处理（Di