第7章图像编码.ppt

编码冗余 如果一个图像的灰度级编码，使用了多于实际需要的编码符号，就称该图像包含了编码冗余 例：如果用8位表示下面图像的像素，我们就说该图像存在着编码冗余，因为该图像的像素只有两个灰度，用一位即可表示。 像素冗余 由于任何给定的像素值，原理上都可以通过它的相邻像素预测到，单个像素携带的信息相对是小的。对于一个图像，很多单个像素对视觉的贡献是冗余的。这是建立在对邻居值预测的基础上。 例：原图像数据：234 223 231 238 235 压缩后数据：234 11 -8 -7 3，我们可以对一些接近于零的像素不进行存储，从而减小了数据量 视觉信息冗余 一些信息在一般视觉处理中比其它信息的相对重要程度要小，这种信息就被称为视觉心理冗余。 　冗余　　　　相关 　压缩　　　去相关 7.1.2 图像编码的分类 7.1.5 图像传输中的压缩模型 源数据编码：完成原数据的压缩。 通道编码：为了抗干扰，增加一些容错、校验位、版权保护，实际上是增加冗余。 通道：如Internet、广播、通讯、可移动介质。 2. 哈夫曼编码 哈夫曼(Huffman)编码是一种常用的压缩编码方法，是Huffman于1952年为压缩文本文件建立的。 基本思想 通过减少编码冗余来达到压缩的目的。 统计符号的出现概率，建立一个概率统计表 将最常出现(概率大的)的符号用最短的编码， 最少出现的符号用最长的编码。 例子:编码过程(思考编码是否唯一) 解码过程 哈夫曼编码 常用的且有效的方法是将图像分割成若干的小块，对每块进行独立的Huffman编码 Huffman编码流程 Huffman解码流程 霍夫曼编码的局限性 利用霍夫曼编码，每个符号的编码长度只能为整数，所以如果源符号集的概率分布不是2的n次方的形式，则无法达到熵极限。 输入符号数受限于可实现的码表尺寸 译码复杂 需要实现知道输入符号集的概率分布 没有错误保护功能 行程编码（RLE） 对于有大面积色块的图像，压缩效果很好 对于纷杂的图像，压缩效果不好，最坏情况下（图像中每两个相邻点的颜色都不同 ），会使数据量加倍，所以现在单纯采用行程编码的压缩算法用得并不多，PCX文件算是其中之一 二维行程编码 二维行程编码要解决的核心问题是：将二维排列的像素，采用某种方式转化成一维排列的方式。之后按照一维行程编码方式进行编码 两种典型的二维行程编码的排列方式 例1： 数据量：64*8=512(bit) 二维行程编码 1) 原始数据所需存储空间: 字典式（LZ）编码 LZW编码 字典式（LZ）编码 LZW编码 LZ编码与传统统计编码比较 LZ字典编码专利限制 ZIP格式的诞生 ZIP格式的诞生 LZW性能分析 LZW编码算法流程 LZW译码算法的具体执行步骤如下： 步骤1：在开始译码时词典包含所有可能的前缀根(Root)； 步骤2：cW：=码字流中的第一个码字； 步骤3：输出当前缀-符串string.cW到码字流； 步骤4：先前码字pW：= 当前码字cW； 步骤5：当前码字cW：= 码字流中的下一个码字； 步骤6：判断先前缀-符串string.pW是否在词典中? (1) 如果“是”：???? ①把先前缀-符串string.pW输出到字符流；???? ②当前前缀P：=先前缀-符串string.pW；???? ③当前字符C：=当前前缀-符串string.cW的第一个字符；???? ④把缀-符串P+C添加到词典；? (2) 如果“否”：???? ①当前前缀P：=先前缀-符串string.pW；???? ②当前字符C：=当前缀-符串string.cW的第一个字符；???? ③输出缀-符串P+C到字符流，然后把它添加到词典中。 步骤7：判断码字流中是否还有码字要译? (1) 如果“是”，就返回到步骤4；? (2) 如果“否”，结束。 LZW编码实例 要编码字串: abcdabababcd 预测编码是统计冗余数据压缩理论的三个重要分支之一。 预测编码的理论基础是现代统计学和控制论，它主要减少了数据在时间和空间上的相关性。 对于静止图像来说，预测编码将被图像变换编码所取代。 而预测编码对于视频信号来说，它充分利用了连续帧之间的统计冗余性，是当今主流技术并且还会流行于未来。 预测编码的基本原理 预测编码的基本原理 DPCM(差分脉冲编码）工作原理 预测编码器 如果没有量化器，那么就是无损编码 如果有量化器，则是有损编码 无损预测编码 举例：公式： 中取： m = 2，a1 = a2 = 1/2 混合编码 练习