第10章图像编码有损编码.pptxVIP

10.3 有损压缩编码 ;源数据编码与解码的模型 源数据编码的模型 源数据解码的模型;量化器基本思想： 减少数据量的最简单的办法是将图像量化成较少的灰度级，通过减少图像的灰度级来实现 这种量化是不可逆的，因而解码时图像有损失;;编码 en = fn – ^fn;解码 fn = en + ^fn;b) 有损预测的演变： 将en量化： ên = Q(en); 用?fn = ên + ^fn近似fn ； 编码： ên = Q( fn - ^fn)； 解码： ?fn = ên + ^fn；;有损预测编码 ên = Q( fn - ^fn);有损预测解码 ?fn = ên + ^fn;有损预测编码 上述方案的压缩编码中，预测器的输入是fn，而解压缩中的预测器的输入是?fn ，要使用相同的预测器，编码方案要进行修改。;修改后的有损预测编码 ên = Q( fn - ^fn); DM(Delta modulation)有损预测编码 量化器和预测器的定义： 量化器 +? en 0 ?是一个正常数 -? 其它 ?en用1位编码 预测器 ^fn = ? ?fn-1 ?一般是一个小于1的预测系数 ;n; 举例：? = 1，? = 6.5 计算： n= 0，f0 = f0 = 14， n=1，^f1 = (1)(14) = 14, e1 = 15 – 14 = 1, ‘e1 = +6.5 (因为e1 0)， ‘f1 = 6.5 + 14 = 20.5， （重构结果） f1- ‘f1 = (15 – 20.5) = –5.5（重构误差）;算法分析 在n=14到19变化快的区域，?太小以至不能表示输入的最大的变化，发生一个被称为溢出过载的失真。 在n= 0到7相对平滑的区域，?太大以至不能表示输入的最小变化，出现了粒状噪声。 在大多数图像中，这两种现象导致对象边缘的钝化和平滑区域表面粒状的失真。;最优预测器与最优量化器的选择 使均方预测误差： 最小的预测器和量化器，被称为最优预测器和最优量化器。;; 变换编码的基本思想——举例 原始图像 相应的DCT系数; 实现变换压缩算法的主要问题 变换的选择 子图尺寸的选择 ;变换的选择 1）Karhunen-Loeve变换(KLT) 2）离散傅立叶变换（DFT） 3）离散余弦变换（DCT） 4）Walsh-Hadamard变换（WHT） 5）小波变换 ;子图尺寸的选择 子图尺寸的选择有三个原则： 1) 如果n是子图的维数，n应该是2的整数次方。 2) n一般选为8x8或16x16。 3) 随着n的增加，块效应相应减少。;10.4 静态图像压缩标准—JPEG 编 码; 下面针对基于DCT的顺序式基本系统编码来说明JPEG的编码方法。 ; 1） 数据分块 对图像进行编码前，将每个分量图像分割成不重叠的8×8像素块， 每一个8×8像素块称为一个数据单元（DU）。在彩色图像中， JPEG分别压缩图像的每个彩色分量。编码前一般先将图像从RGB空间转换到YCbCr空间，再把各分量图像分割成8×8数据块。 ; 2） DCT处理 图像数据块分割后，即以MCU为单位顺序将DU进行二维离散余弦变换。对每个8×8的数据块DU进行DCT后， 得到的64个系数代表了该图像块的频率成分，其中低频分量集中在左上角， 高频分量分布在右下角。系数矩阵左上角的叫做直流（DC）系数，它代表了该数据块的平均值，其余63个叫交流（AC）系数。 ; 3） 系数量化 在DCT处理中得到的64个系数中，低频分量包含了图像亮度等主要信息。在从空间域到频域的变换中，图像中的缓慢变化比快速变化更易引起人眼的注意， 所以在重建图像时，低频分量的重要性高于高频分量。因而在编码时可以忽略高频分量， 从而达到压缩的目的，这也是量化的根据和目的。 ; 理论上，对不同的空间分辨率、数据精度等情况，应该有不同的量化表。不过，一般采用图中所示的量化表，可取得较好的视觉效果。对Y采用细量化，而对Cb和Cr采用粗量化。由于量化表中左上角的值较小，而右下角的值较大， 因而起到了保持低频分量、 抑制高频分量的作用。 ; 4） Z形扫描 DCT系数量化后，用Z（Zigzag）形扫描将其变成一维数列，将有利于熵编码。 ; 5） DC系数编码