图像编码(一)PPT课件.pptx

图象压缩与编码;图象压缩与编码;图象压缩与编码;图象压缩与编码;图象压缩与编码;图象压缩与编码;信源编码的基本概念;无失真编码; 要辨识1到32中选定的某一个数，可先提问：“是否大于16？”，得到回答就消去半数可能事件。每提问一次得到回答，可以得到1bit信息量（二进制位）。这里共需5次，因此所需的信息量为 。; 信息量：从N个数选定一个数s的概率为p(s)，且等概率，p(s)=1/N。; s作为灰度，共q级，出现概率均等时，p(si)=1/q，; 当p1=1/2， p2=1- p1 =1/2时， H(s)=1为最大值。如图所示。;熵的性质： （1）熵是一个非负数，即总有H(s)≥0。 （2）当其中一个符号sj的出现概率p(sj)=1时，其余符号si(i≠j)的出现概率p(si) =0，H(s)=0。 （3）当各个si出现的概率相同时，则最大平均信息量为log2 q。 （4）熵值总有H(s) ≤ log2 q。 ;(一) 无失真编码定理 可以证明，在无干扰的条件下，存在一种无失真的编码方法，使编码的平均长度 L与信源的熵H(s)任意地接近，即L=H(s)+ε，其中ε为任意小的正数，但以H(s)为其下限，即L≥H(s)，这就是香农(Shannon)无干扰编码定理。 ?;(二) 熵与相关性、冗余度的关系 对于无失真图象的编码，原始图象数据的压缩存在一个下限，即平均码组长度不能小于原始图象的熵，而理论上的最佳编码的平均码长无限接近原始图象的熵。 ? 原始图象冗余度定义为：; 将编码效率定义为：; 若原始图象的平均比特率为n，编码后的平均比特率为nd，则压缩比C定义为：;无失真编码; 非等概率分布时的熵，一般有H1(s) HM(s)=L，因而冗余度r=L/H1(s)-10， 还有可能压缩。 （2）有限马尔可夫(Markov)信源的熵 又称有限记忆信源，它的统计特性要用转移概率或条件概率来描述。 m阶Markov信源，是指某个符号si出现的概率只与前面m个符号有关。; 设s={s1, s2,…, sq}，则转移概率 p(si/si1, si2,…, sim)乃是前m个符号为si1, si2,…, sim时，第 m+1个符号为si的概率。 信息量 I(si/si1, si2,…, sim)=-log2 p(si/si1, si2,…, sim) ; 对符号表取平均的信息量 ; 再考虑序列si1, si2,…, sim发生的概率， 可将m阶Markov信源的熵定义为：; 在多数情况下，只是相邻的少数符号间的相关性比较大，因此，可以用阶数较低的Markov过程作为信源近似的数学模型。特别是对零阶Markov信源（即独立信源）只要考虑q个可能输入值s1, s2,…, sq出现的概率p(si)， 可定义一级熵：; 对1阶Markov信源，要考虑两个相邻符号的联合概率p(si1, si)， 可定义二级熵：;注意： m+1级熵是m+1个输入值同时编码所需的比特数的下限。 ;相邻符号完全相关， H(si/si1)= 0，H2 =H1； 相邻符号完全不相关时，H(si/si1)=H1 ，H2 =2H1 ；; （四）高效的编码方法 无干扰编码定理只指出存在一种无失真的编码，可使 。它并没有指出具体的编码方法。下面介绍几种具体的编码方法。 （1）Huffman码 它是长度不均匀，平均长度最短的即时可译码。;无失真编码; 信号源 s={s1, s2, s3, s4, s5, s6}，其概率分布为p1=0.4 p2=0.3 p3=0.1 p4=0.1 p5=0.06 p6=0.04，求最佳Huffman码。; 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元0，对概率小的赋予码元1。;输入 S1 S2 S3 S4 S5 S6;输入 S1 S2 S3 S4 S5 S6;输入 S1 S2 S3 S4 S5 S6;输入 S1 S2 S3 S4 S5 S6;输入 S1 S2 S3 S4 S5 S6;输入 S1 S2 S3 S4 S5 S6;输入 S1 S2 S3 S4 S5 S6;输入 S1 S2 S3 S4 S5 S6;输入 S1 S2 S3 S4 S5 S6;输入 S1 S2 S3 S4 S5