(完整word版)图像编码基本方法.docVIP

一、霍夫曼编码 (Huffman Codes) 最佳编码定理： 在变长编码中， 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， 如果码字 长度严格按照符号出现概率大小的相反的顺序排列， 则平均码字长度 一定小于按任何其他符号顺序排列方式的平均码字长度。 霍夫曼编码已被证明具有最优变长码性质， 平均码长最短，接近熵值。 x1 x2 xm X pm ， 霍夫曼编码步骤：设信源 X 有 m 个符号 (消息 ) p1 p2 1. 把信源 X 中的消息按概率从大到小顺序排列， 2. 把最后两个出现概率最小的消息合并成一个消息 ,从而使信源的消息数减少，并同时再按信源符号（消息）出现的概率从大到小排列； X o x1o x2o 3. 3. 重复上述 2 步骤 ,直到信源最后为 p1o p2o 为止； 4. 将被合并的消息分别赋予 1 和 0，并对最后的两个消息也相应的赋予 1 和 0； 通过上述步骤就可构成最优变长码 (Huffman Codes) 。 例： X Pi 码字编码过程 x1 0.25 10 x2 0.25 01 x3 0.20 11 x4 0.15 000 x5 0.10 0100 x6 0.05 1100 则平均码长、平均信息量、编码效率、冗余度为分别为： N 2 2 0.25 2 0.20 3 0.15 4 0.1 4 0.05 2.45 H ( 2 0.25 log 0.25 0.2 log 0.2 0.15 log 0.15 0.1 log 0.1 0.05 log 0.05) 2.42 98% Rd 2% 二 预测编码（ Predictive encoding ） 在各类编码方法中， 预测编码是比较易于实现的， 如微分（差分）脉冲编码调制（ DPCM ）方法。在这种方法中，每一个象素灰度值，用先前扫描过的象素灰度值去减， 求出他们的差值， 此差值称为预测误差，预测误差被量化和编码与传送。 接收端再将此差值与预测值相加，重建原始图像象素信号。由于量化和传送的仅是误差信号，根据 一般扫描图像信号在空间及时间邻域内个象素的相关性， 预测误差分布更加集中，即熵值比原来图象小， 可用较少的单位象素比特率进行编码，使得图象数据得以压缩。 当输入图象信号是模拟信号时， “量化”过程中的信息损失不可 避免的。 N 1 ? Qi X N 1 X 预测器预测值 i 1 Q i eN X N ? 其中 应适当选择使预测误差最小，即使 X N 最小。 然后，非均匀量化此预测误差 eN ，就能产生最小均方误差的最 佳 eN ˊ，经编码后发送。接收端解码得到的 eN 加上预测值就能再现 X N ，它与原始图象的存在误差为 g N X N X N 。 这里关键的问题是选择适当的 Qi ，使预测效果最好，即预测差 值的方差最小。 对于隔行扫描的电视图象通常有 f (x, y) 1 1 1 f ( x, y 1) f (x 1, y) f ( x 1, y 1) 2 4 4 或 f (x, y) 1 f ( x, y 1) 1 f (x 1, y) 1 f (x 1, y 1) 1 f (x 1, y 1) 2 4 8 8 其它预测方法有： 1. 1. 前值预测，用 f x, y 同一行中临近前面一象素预测，即 ^ f x, yf x, y 1 2. 一维预测，用同一行中前面若干象素预测； 3. 二维预测，用几行内象素预测； 4. 三维预测，利用相邻两帧图像信号的相关性预测。 三 变换编码（ Transform encoding ） 前面图象变换章节已经说明图象变换会使图象信号能量在空间 重新分布，其中低频成分占据能量的绝大部分， 而高频成分所占比重很小，根据统计编码的原理，能量分布集中，熵值最小，可实现平均码长最短。 变换编码的基本原理是将原来在空域描述的图象信号， 变换到另外一些正交空间中去， 用变换系数来表示原始图象， 并对变换系数进行编码。一般来说在变换域里描述要比在空域简单， 因为图象的相关性明显下降。尽管变换本身并不带来数据压缩， 但由于变换图象的能量大部分只集中于少数几个变换系数上， 采用量化和熵编码则可以有效地压缩图象的编码比特率。 根据上面的原理变换编码的一般过程如下 : 输入图象 变换 量化 编码器 -- - 译码器 逆变换 输出 常用的变换编码所使用的变换有离散余弦变换（ DCT）和 沃尔什 --哈达玛变换（ WHT ）。 变换后图象能量更加集中， 在量化和编码时， 结合人类视觉心理因素等，采用“区域取样”或“阈值取样”等方法，保留变换系数中幅值较大的元素， 进行量化编码， 而大多数幅值小或某些特定区域的变换系数将全部当作零处理。 四 方