数字图像编码概述.pptxVIP

;数字图像编码概述 ;知识冗余 ：有些图像中包含的信息与某些先验的基础知识有关。 视觉冗余 ：人眼不能感知或不敏感的那部分图像信息。 结构冗余 ：在有些图像的部分区域内存在着非常强的纹理结构，或者在图像的各个部分之间有某种关系 。 图像数据的这些冗余信息为图像压缩编码提供了依据。用各种冗余信息，压缩编码技术能够很好地解决在将模拟信号转换为数字信号后所产生的带宽需求增加的问题，它是使数字信号走上实用化的关键技术之一。 ; 不同的应用场合和不同的图??内容有不同的压缩方法。根据对压缩编码后的图像进行重建的准确程度可将常用的图像编码方法分为三类： （1） 信息保持编码。这一类编码技术主要应用在图像的数字存储方面。图像的数字存储可以实现高速“写”和“读”。 （2） 保真度编码。此类编码技术多应用在数字电视技术和静止图像通信、工业、贸易和娱乐等方面。 （3） 特征提取。在图像识别、分析和分类等技术中，往往并不需要全部图像信息，而只要对感兴趣的部分特征信息进行编码即可压缩数据。 ; 图像压缩编码系统的原理图，如图6.6所示。 图6.6 图像压缩编码系统的原理图框图 1.2 图像编码的常用方法 1、熵编码 熵编码是纯粹基于信号统计特性的编码技术，是一种无损编码，解码后能无失真地恢复原图像。熵编码的基本原理是给出现概率较大的符号赋予一个短码字，而给出现概率较小的符号赋予一个长码字，从而使得最终的平均码长很; 小。常见的熵编码方法有游程编码、Huffman编码和算术编码三种。 (1) 游程编码 游程编码又叫行程编码，其原理很简单，即将具有相同值的连续串用其串长和一个代表值来代替，该连续串就称为行程，串长称为行程长度。 例如，有一字符串“aaaabbbccdfffff”，假设每个像素用8bit编码，共需15×8bit＝120bit。则经行程长度编码后，该字符串可以只用“4a3b2c1d5f”来表示,只需10×8bit=80bit。 （2）哈夫曼（Huffman）编码 Huffman编码是一种常用的数据压缩编码方法，是Huffman于1952年建立的一种不等 ; 长最佳编码方法。根据信息论中信源编码理论，当平均码长R大于等于图像熵H时，总可设计出一种无失真编码。 哈夫曼编码的一般算法如下： l首先统计信源中各符号出现的概率，按符号出现的概率从大到小排序。 l?把最小的两个概率相加合并成新的概率，与剩余的概率组成新的概率集合。 对新的概率集合重新排序，再次把其中最小的两个概率相加，组成新的概率集合，如此重复进行，直到最后两个概率的和为1。 ; 分配码字。码字分配从最后一步开始反向进行，对于每次相加的两个概率，给大的赋“0”，小的赋“1”（也可以全部相反， 如果两个概率相等， 则从中任选一个赋“0”，另一个赋“1”即可），读出时由该符号开始一直走到最后的概率和“1”， 将路线上所遇到的“0”和“1”按最低位到最高位的顺序排好，就是该符号的哈夫曼编码。 例6.1 设一幅灰度级为8（分别用S0、S1、S2、S3、S4、S5、 S6、S7表示）的图像中，各灰度所对应的概率分别为0.40、0.18、0.10、0.10、0.07、0.06、0.05、0.04。现对其进行哈夫曼编码，编码过程如图6.1所示，具体步骤如下： ; 首先对信源概率从大到小排序，选出最小的两个概率（0.04和0.05），相加得0.09，与其他概率组成新的概率集合{0.40，0.18，0.10，0.10，0.07，0.06，0.09}。 l对新的概率集合重新排序，选出最小的两个概率（0.06和0.07），相加得0.13，组成新的概率集合{0.40，0.18，0.10，0.10，0.09，0.13}。 l对新的概率集合重新排序，选出最小的两个概率（0.10和0.09），相加得0.19，组成新的概率集合{0.40，0.18，0.13，0.10，0.19}。 对新的概率集合重新排序，选出最小的两个概率（0.13和0.10），相加得0.23，组成新的概率集合{0.40，0.19，0.18，0.23}。 对新的概率集合重新排序， 选出最小的两个概; 率（0.19和0.18），相加得0.37，组成新的概率集合{0.40， 0.23， 0.37}。 对新的概率集合重新排序， 选出最小的两个概率（0.23和0.37），相加得0.60，组成新的概率集合{0.40， 0.60}。 直到最后两个概率（0.60和0.40）相加和为1。 分配码字。从最后一步反向进行，首先给最后相加的两个概率（0.60和0.40）分配码字，由