第3章 图像编码MATLAB版.pptVIP

第3章图像编码 3.1 图像编码基础 3.1.1 图像压缩编码的必要性 3.1.2 图像压缩编码的可能性 3.1.3 图像压缩编码的分类 3.1.4 图像压缩编码的评价 3.1.1 图像压缩编码的必要性 3.1.2 图像压缩编码的可能性 3.1.3 图像压缩编码的分类 3.1.4 图像压缩编码的评价 3.2 信息论基础与熵编码 3.2.1 赫夫曼编码 3.2.2 香农编码 3.2.3 算术编码 3.2.4 行程编码 3.2.1 赫夫曼编码 3.2.2 香农编码 3.2.3 算术编码 3.2.4 行程编码 3.3 预测编码 3.3.1 DPCM原理 3.3.2 最佳线性预测编码 3.3.3 自适应预测编码 3.3.1 DPCM原理 3.3.2 最佳线性预测编码 3.3.3 自适应预测编码 3.4 变换编码 3.4.1 变换选择 3.4.2 子图像尺寸选择 3.4.3 比特分配 3.4.4 DCT编码的MATLAB示例 3.4.1 变换选择 3.4.2 子图像尺寸选择 3.4.3 比特分配 傅立叶变换仅次于最佳变换。 而且可以证明它渐进地等价于KL变换。 当趋向无穷大时，傅立叶变换系数趋于非相关。 也就是说，如果图像尺寸大于像素之间的相关距离，则傅立叶变换的压缩性能与KL变换将没有多大差别。 1．基于FFT的图像压缩技术 （1）blkproc函数。 它能够将图像块排列成向量，其语法格式为： b=im2col(a, [m n], block_type) 其功能是将图像a的每一个m×n块转换成一列，重新组合成矩阵b。 block_type指定排列的方式，当block_type为distinct时，图像块不重叠；当block_type为sliding时，图像块滑动。 （2）im2col函数。 它用于将向量重新排列成图像块，其语法格式为： b=col2im(a, [m n],[mm nn], block_type) 其功能是将图像a的每一列重新排列成m×n的图像块。 block_type指定排列的方式，当block_type为distinct时，图像块不重叠；当block_type为sliding时，图像块滑动，并用这些图像块组合成mm×nn图像。 （3）col2im函数。 它用于计算图像x的二维快速傅立叶变换，输出矩阵的大小与其输入的图像x相同。 （5）ifft2(x)函数。 它用于计算图像x的二维快速傅立叶逆变换。 （4）fft2(x)函数。 行程编码（Run Length Encoding，RLE）是一种利用空间冗余度压缩图像的方法，对某些相同灰度级成片连续出现的图像，行程编码也是一种高效的编码方法，特别是对二值图像，效果尤为显著。 图3-6 一行图像的行程编码图 1．差值图像的统计特性 由图像的统计特性可知，相邻像素之间有较强的相关性，即相邻像素的灰度值相同或相近，因此，某像素的值可根据以前已知的几个像素值来估计、猜测。 预测编码的基本思想是通过仅提取每个像素中的新信息并对它们编码来消除像素间的冗余，这里一个像素的新信息定义为该像素的当前或现实值与预测值的差，即如果已知图像一个像素离散幅度的真实值，利用其相邻像素的相关性，预测它的可能数值，再求两者差；或者说利用这种具有预测性质的差值，再量化、编码传输，其效果更佳，这一方法就称为DPCM法。 2．预测编码的基本原理 图3-10 DPCM系统原理框图 3．预测编码的类型 图3-11 二维预测示意图 线性预测编码忽略了像素的个性，它存在以下缺点，从而影响图像质量。 ① 对灰度有突变的地方，会有较大的预测误差，致使重建图像的边缘模糊，分辨率降低。 ② 对灰度变化缓慢区域，其差值信号应为零，但因其预测值偏大而使重构图像有颗粒噪声。 图3-13是一个典型的变换编码系统。 编码器执行4个步骤：子图像分割、变换、量化和编码。 图3-13 变换编码系统 从图3-13可见，变换编码并不是一次对整幅图像进行变换和编码，而是将图像分成（常用的为8或16）个子图像后分别处理。 这是因为： （1）小块图像的变换计算容易。 （2）距离较远的像素之间的相关性比距离近的像素之间的相关性小。 * * 3.1 图像编码基础 3.2 信息论基础与熵编码 3.3 预测编码 3.4 变换编码 图像编码与压缩从本质上来说就是对要处理的图像源数据按一定的规则进行变换和组合，从而达到以尽可能少的代码（符号）来表示尽可能多的数据信息。