图像压缩奥秘.docxVIP

图像压缩的奥秘2013-02-07小编: 等待宿命?计算机?暂无评论?字号:?大?小?热度:?45°本文所有文字的HTML文件大约有25000个字节。这小于你从这个网页上下载的任何一个图像文件。因为图像文件通常比文字文件大得多，并由于网页包含许多常被传送因而传速变慢的图像，将图像以一种压缩快送方式传送变得非常重要。在这篇文章中我们将看到一个JPEG文件怎样利用尽量小的计算机存储来表示图像。我们也将讨论一些JPEG背后的数学。被更广泛地称为数据压缩的论题问的是：“我们怎样以紧凑、有效的方式表示信息？”除了图像文件外，通常要压缩数据、影像、音乐文件。例如，如何压缩8个GB的iPod Nano的2000首歌曲？问题的关键是通过某种方式组织信息，揭示出可被消除的固有的多余之处。在这篇文章中，我们将用下图作为例子，探讨JPEG基线压缩算法（JPEG为“联合图像专家组”的英文单词第一个字母组成的缩写）。一些压缩算法是无损的，它们保留所有的原始信息。其他的一些，如JPEG基线算法，是有损的，某些信息会被丢失，但仅仅是那些被判断为不重要的信息。在着手之前，我们先天真地确定这张图需要多少计算机存储。首先，图像被布置在一个矩形的像素网格，其尺寸为250×375，总共有93750像素。各像素的颜色通过指定多少比例的红、绿和蓝色的颜色混合在一起来确定。每个颜色分量被表示为0和255之间的一个整数，因此需要一个字节的计算机存储。因此，每个像素需要3个字节的存储空间，这意味着整个图像应该要求93750×3=281250字节。然而，这里显示的JPEG图只有32414个字节，换言之，它已被压缩了大约9倍。我们将描述怎样用压缩过的小文件表示图像，并怎样从被压缩的文件重构图像。压缩算法首先，图像被分成8×8的块状像素。因为每一块都与其他块无关地被处理，我们集中讨论单独一块。特别，我们考察下图中划出阴影的那一块。这里是同一小块放大后的样子，其中每个像素看上去更明显。注意所有8×8像素之间没有太大的变化（但其他块则不一定）。记得数据压缩的目的是以揭示一些多余性的方式表达数据。我们可以想到把每个像素的颜色表示为由红、绿、蓝分量组成的一个三维向量(R,G,B)。在典型的图像中，这些分量之间有巨大的相关性。由于这个理由，我们将使用一个颜色空间变换，它产生一个新的向量，其分量代表亮度Y及蓝色和红色的色度，分别记为Cb和Cr：??YCbCr??=??0.29900?0.168740.500000.58700?0.33126?0.418690.114000.50000?0.08131????RGB??.亮度描述了像素的光亮性，而色度则携带有关色调的信息。这三个量通常比(R,G,B)的分量的相关性低。此外，心理视觉实验表明，人的眼睛对亮度比色度更加敏感，这意味着我们可以忽视色度较大的变化，而不会影响我们对图像的感知。由于这种转变是可逆的，我们将能够从向量(Y,Cb,Cr)恢复向量(R,G,B)。当我们希望重建图像时，这是很重要的。（确切地说，我们通常会让色度分量加上128，使得它们表示为0和255之间的数。）当我们将这种变换用到我们的块中的每个像素后，我们得到对应于每个分量的三个新块。这些由下图所示，较亮的像素对应较大的值。如通常所见的，亮度比色度具有较多的变化。由此缘故，通过假设色度在2×2小块上为常数，有时可以得到较大的压缩比，因此记录较少的值。例如，图像编辑软件Gimp当将一个图像存为JPEG文件时，提供了以下的菜单：“Subsampling”选项允许抽取色度值不同方式的选择。这里同样值得注意的是“Quality”参数，它的重要性在下面将变得很清楚。离散余弦变换现在我们到达压缩算法的核心。我们的期望是，这块8×8像素上向量(Y,Cb,Cr)分量的变化相当温和，如上例所示。我们不记录各个分量的值，而是记录比方说平均值以及每个像素值与平均值相差多少。在许多情况下，我们能期待与这些平均值的差相当小，因此可以安全地忽略。这是现在将要解释的离散余弦变换(DCT)的本质。我们先集中于这块中某一行的三个分量当中的一个，想象这8个值由f0,f1,…,f7代表。我们想以某种方式表示这些值使得它们的变化变得更明显。为此，我们把这些值视为由一个函数fx给出，其中x从0到7之间取值，并把该函数写出余弦函数的一个线性组合：fx=12∑w=07CwFwcos[π(2x+1)w16].不要担心Cw（除了C0=1/2√外，对所有w都有Cw=1）前面的因子1/2。这个表达式的重要之处在于它把fx用具有变化的频率、带有系数Fw的余弦函数的一个线性组合来表示。下图显示的是对应于频率w的其中4个余弦函数的图像：当然，具有较高频率的余弦函数显示了更快的变化。因此，如果值fx相对慢地改变，较大频率的系数Fw将相对小。