第7章图像压缩编码(第二版)PPT.ppt

7.4 位平面编码 所谓位平面编码，就是将一幅灰 度图像或彩色图像分解为多幅二值图 像, 然后对二值图像应用二值图像编 码方法，以达到对多值图像编码的目 的。 一幅m位的灰度级图像的灰度值可用多项式表示为： （7.44） 其中，xi∈[0，1]。 也就是说，图像的同一个比特位的系数的集合就是一个二值图像，称为一个“位平面”。位平面编号从0开始，直到 m-1。将m 个位平面组合，显然又可以恢复原来的灰度图像。 7.4.1　位平面分解 举例来说，对于一幅N×N的灰度图像，若每个像素用m 位表示，就可以从每个像素的二进制表示中取出相同位置上的一位，这样就形成了一幅N×N 的二值图像，称该二值图像为原灰度图像的一个位平面。 对于一幅256 灰度级的图像来说，每个像素用一个8 位的字节表示，该图像就可以分解成8 个位平面，平面0 由原图像中像素的最低位组成，平面1 由原图像中像素的此低位组成，…，平面7 由原图像中像素的最高位组成。 7.4.1　位平面分解 原图像的一个像素对应8位 位平面7 (最高位) 位平面0 (最低位) 0 1 0 1 0 1 0 1 85 灰度图像 图7.12 8位图像的位平面分解图示 7.4.1　位平面分解 图7.13 一幅8位图像及其该图像的8个位平面二值图像 7.4.1　位平面分解 7.4.2　位平面的格雷码分解编码 多数图像中的大多数相邻像素值具有渐变的特征，但若采用二进制码进行位平面分解，就会导致各位平面中相关性的减小。 比如，若灰度图像中的两个相邻像素是127和128，它们显然比较接近，但其二进制编码却分别为 0 1 1 1 1 1 1 1 和 1 0 0 0 0 0 0 0 也即,灰度图像中相邻像素间的很小变化，却引起了所有位平面值的突变，从而降低了位平面图像的相关性，也即降低了位平面图像的压缩效率。 由于两个相邻值的格雷码之间只有一位是不同的，这样就可保持相邻像素间较强的相关性，所以一般采用格雷码（Gray）进行位平面分解编码。 7.4.2　位平面的格雷码分解编码 采用格雷码进行位平面分解编码的思想是: 如果用一个m 位的灰度编码gm-1…g2g1g0 表示图像，那么图像中这个m 位的灰度编码gm-1…g2g1g0 的所有gi 就组成了第i 个位平面二值图像。 7.4.2　位平面的格雷码分解编码 （7.45） 设反映灰度值大小的m 位二进制编码为xm-1…x2x1x0，与其对应的m 位格雷码为gm-1…g2g1g0 ，则有： 7.4.2　位平面的格雷码分解编码 比如： 127： 0 1 1 1 1 1 1 1 而对于：128： 1 0 0 0 0 0 0 0 对应的格雷码为对应的格雷码为◆ 仅有一位不同。 7.4.2　位平面的格雷码分解编码 7.5 游程编码 ◆一般把具有相同灰度值的一些像素组成的序列称为一个游程。 ◆把取相同灰度值的若干连续像素点的数目称为游程长度，简称游长。 ◆在黑白图像中，像素点为黑和白，或者说像素只取0和1两个灰度值，这样，就把连续白点和连续黑点的数目分别称为白长和黑长。 ◆因为黑白图像像素点只取两个灰度值，所以与灰度图像相比，黑白图像相邻像素点 的相关性更强，游程编码正好利用了这种相 关性。 ◆游程编码的基本思想是：只存储一个代表某个灰度值的码，后面是它的游程长度，这样同样的灰度值码就不必存储多次。 7.2.3 图像编码模型 2. 信道编码器与信道解码器（续7） 例7.1.1 解码： （3）当传输不正确，且假设第6位传输错误时，解码器的输入应为： 且： ◆校验码 ，说明第6位传输有错误。 正确值： 7.2.3 图像编码模型 3. 信源编码器模型与信源解码器模型 ◆ 在信息论中，把通过减少冗余来压缩数据的过程称为信源编码。 ◆ 信源编码器的作用就是减少或消除输入图像中的编码冗余。 7.2.3 图像编码模型 3. 信源编码器模型与信源解码器模型 ◆信源编码器与信源解码器的应用模式 信 源 编码器 信 源 解码器 信 道 解码器 信道 信 道 编码器 编码器 解码器 7.2.3 图像编码模型 3. 信源编码器模型与信源解码器模型 ◆信源编码器