图像压缩章节课程实例.pptVIP

霍夫曼编码 等长码：对于一个消息集合中的不同消息，用相同长度的不同码字表示，编解码简单，编码效率不高。 变长码：与等长码相对应，对于一个消息集合中的不同消息，也可以用不同长度的码字表示，编码效率高，编码解码复杂。 霍夫曼编码是一种利用信息符号概率分布特性的变字长的编码方法。对于出现概率大的信息符号编以短字长的码，对于出现概率小的信息符号编以长字长的码。 方法： 将信源符号按出现概率从大到小排成一列，然后把最末两个符号的概率相加，合成一个概率。 把这个符号的概率与其余符号的概率按从大到小排列，然后再把最末两个符号的概率加起来，合成一个概率。 重复上述做法，直到最后剩下两个概率为止。 从最后一步剩下的两个概率开始逐步向前进行编码。每步只需对两个分支各赋予一个二进制码，如对概率大的赋予码0，对概率小的赋予码1。 哈夫曼编码效率 信源熵为： H=-∑Pilog2Pi =-(0.19log20.19+0.2log20.2 +0.03log20.03+0.22log20.22+0.15log20.15+0.02log20.02+0.06log20.06+0.13log20.13) =2.7016比特/符号 平均码字长度：R=∑βiPi R= ∑βiPi =0.19×3+0.2 × 2+0.03 × 5+0.22 × 3+0.15 × 3+0.02 × 5+4 × 0.06+3 × 0.13 =2.74比特/符号 编码效率：η=H/R(%) η=H/R=2.7016/2.74=98.6% 霍夫曼解码 例：编码串001000101101111进行霍夫曼解码。 首先按照顺序编历霍夫曼树，遇到00，对应像素1，故解码得1； 接着解码得编串变为1000101101111，遇到10001，对应系数2，故解码得2； …… 因此求得编码串的解码结果为5个像素值1,2,3,7,0 4. 算术编码 从理论上分析，采用哈夫曼编码可以获得最佳信源字符编码效果; 实际应用中，由于信源字符出现的概率并非满足2的负幂次方，因此往往无法达到理论上的编码效率和信息压缩比; 算术编码的特点 算术编码是信息保持型编码，它不像哈夫曼编码，无需为一个符号设定一个码字; 算术编码分为固定方式和自适应方式两种编码; 选择不同的编码方式，将直接影响到编码效率; 自适应算术编码的方式，无需先定义概率模型，适合于无法知道信源字符概率分布的情况; 当信源字符出现的概率比较接近时，算术编码效率高于哈夫曼编码的效率，在图像通信中常用它来取代哈夫曼编码; 实现算术编码算法的硬件比哈夫曼编码复杂。 编码原理 算术编码方法是将被编码的信源消息表示成0-1之间的一个间隔，即小数区间，消息越长，编码表示它的间隔就越小; 以小数表示间隔，表示的间隔越小所需的二进制位数就越多，码字就越长。反之，间隔越大，编码所需的二进制位数就少，码字就短。 算术编码将被编码的图像数据看作是由多个符号组成的字符序列，对该序列递归地进行算术运算后，成为一个二进制分数; 接收端解码过程也是算术运算，由二进制分数重建图像符号序列。 第10章 图像压缩 刘 星 本章的知识和技术热点 图像压缩理论 DCT变换和量化 预测编码 霍夫曼编解码 算术编码 游程编码 JPEG和JPEG2000压缩标准 一.图像压缩理论 为什么要进行图像压缩 图像数据压缩的可能性 图像冗余 图像数据压缩技术的重要指标 图像数据压缩的应用领域 图像编码中的保真度准则 图像压缩模型 1.为什么要进行图像压缩？ 数字图像通常要求很大的比特数，这给图像的传输和存储带来相当大的困难。要占用很多的资源，花很高的费用。 如一幅512*512的灰度图象的比特数为 512*512*8=256k 再如一部90分钟的彩色电影，每秒放映24帧。把它数字化，每帧512*512象素，每象素的R、G、B三分量分别占8 bit，总比特数为 90*60*24*3*512*512*8bit=97,200M。 如一张CD光盘可存600兆字节数据，这部电影光图像（还有声音）就需要160张CD光盘用来存储。 对图像数据进行压缩显得非常必要。 2.图像数据压缩的可能性 一般原始图像中存在很大的冗余度。 用户通常允许图像失真。 当信道的分辨率不及原始图像的分辨率时，降低输入的原始图像的分辨率对输出图像分辨率影响不大。 用户对原始图像的信号不全都感兴趣，可用特征提取和图像识别的方法，丢掉大量无用的信息。提取有用的信息，使必须传输和存储的图像数据大大减少。 设：n1和n2是在两个表达相同信