图像压缩课件.PPTX

第8章 图像压缩;图像压缩;8.1 基础知识;数据冗余的类别 ;8.1.1 编码冗余; Code1的平均比特数Lavg为8比特，因为对所有的rk都有l1(rk)=8比特 Code2的Lavg=0.25(2)+0.47(1)+0.25(3)+0.03(3)=1.81比特 C=8/1.81=4.42 R=1-1/4.42=0.774 表示Code1数据中有77.4%的数据是冗余的。;8.1.2 空间冗余和时间冗余;8.1.3 不相关冗余（视觉冗余）;8.1.4 图像信息的度量;8.1.5 保真度准则;8.1.5 保真度准则;8.1.6 图像压缩模型;8.1.6 图像压缩模型;8.1.7 图像格式、容器和压缩标准;8.2 一些基本压缩方法8.2.1 霍夫曼编码;例 :设有编码输入X={x1,x2,x3,x4,x5,x6} 其频率分布分别为 P(x1)=0.4，P(x2)=0.3，P(x3)=0.1，P(x4)=0.1，P(x5)=0.06，P(x6)=0.04 现求其最佳霍夫曼编码。 W={w1,w2,w3,w4,w5,w6} Huffman编码过程下图所示： ;注意: Huffman编码是唯一可译码。短码不作长码的起始部分。 Huffman编码是最佳的 ，其平均码长相同 ，不影响编码效率和数??压缩性能。 由于Huffman码的码长参差不齐，因此，存在一个输入、输出速率匹配问题。解决的办法是设置一定容量的缓冲存储器 Huffman码在存储或传输过程中，如果出现误码，可能会引起误码的连续传播 Huffman编码对不同信源其编码效率也不尽相同。 Huffman编码应用时，均需要与其他编码结合起来使用，才能进一步提高数据压缩比。 ;8.2.2 Golomb编码;8.2.3 算术编码;假设消息占据整个半开区间[0,1)。如下表所示。该区间开始时根据每个信源符号出现的概率被分为4个区域。 ;8.2.4 LZW编码;例：下列子图像中 39 39 126 126 39 39 126 126 39 39 126 126 39 39 126 126 用LZW编码。;每个连续的灰度值称之为“当前可识别序列”的第一列的一个变量链接。该变量最初为空。 对每一个链接的序列搜索字典，如果找到了，如表中第一行的情况，则用新链接且可识别的序列（即位于字典中的序列）代替它。如果没有找到链接的序列，则将当前可识别序列的地址作为下一个编码值输出，并将链接但不可识别的序列添加到字典中，当前可识别的序列则初始化为当前的像素值。;8.2.5 行程编码(RLE);8.2.6 基于符号的编码;JBIG2压缩;8.2.7 比特平面编码;a. 一幅256比特单色图像 b-h.图a中图像的4个最高有效二进制编码和格雷编码比特平面;8.2.8 块变换编码;变换选择;变换选择;变换选择;8.2.9 预测编码; 如果预测比较准确，那么误差信号就会很小。这样一来，在同等精度要求条件下，就可以用较少的比特进行编码，达到数据压缩的目的。预测编码也成为差分脉冲编码调制（DPCM），既可以在1帧图像内进行帧内预测编码，也可以在多帧图像之间进行帧间预测编码。预测编码的基本技术是信号的最佳预测和最佳量化。 ? DPCM(差值脉冲编码调制)基本原理 预测编码是根据某一种模型，利用以前的(已收到)一个或几个样值，对当前的(正在接收的)样本值进行预测，对当前样本实际值和预测值之差(差值)进行编码。显然如果模型足够好，图像样本时间上相关性很强，一定可以获得较高的压缩比。 基于相邻像素之间的相关性强的特点，利用 时刻前已知像素的灰度 对 作预测得 差值 将 作为量化器的输入信号，则量化器的输出信号 量化误差 ;2. DPCM预测方法 前值预测：通过来预测 ??? 一维预测：通过同一扫描行的前若干个已知像素来预测 ?? 二维预测：通过同一扫描行和前几扫描行的前若干个已知像素来预测 ??? 三维预测：通过二维预测+前几帧的帧间预测 3. 最佳量化器的设计 设 为输入灰度图像， 是量化值图像， 为输入图像灰度概率密度函数， 于是有 设量化的总层数为 ，其中 为判决电平，当 时，设量化值为 ，量化误差为