(完美版)图像有损压缩应用与实例.精品文档.pptVIP

图像有损压缩应用与实例;1.有损图像压缩基本知识介绍;2.图像有损压缩技术;;变换编码的原理;变换编码是一种间接编码方法。它是将原始信号经过数学上的正交变换后，得到一系列的变换系数，再对这些系数进行量化、编码、传输。图3是变换编码系统方框图。

;图中接收端输出信号与输入信号的误差是因为输入端采用量化器的量化误差所致。当经过正交变换后的协方差矩阵为一对角矩阵，且具有最小均方误差时，该变换称为最佳变换，也称Karhunen-Loeve变换（K-L变换）。如果变换后的协方差矩阵接近对角矩阵，该类变换称为准最佳变换，典型的有DCT（离散余弦变换）、DFT（离散傅立叶变换）、WHT等。;离散余弦变换（DCT）; 为了压缩RGB彩色图像，这项工作必须进行三遍，因为JPEG分别得处理每个颜色成分，R成分第一个被压缩，然后是G成分，最后是B成分。而一个8x8矩阵的64个值，每个值都带有各自的x，y坐标，这样我们就有了一个像素的三维表示法，称作控件表达式或空间域。通过DCT变换，空间表达式就转化为频谱表达式或频率域。从而达到了数据压缩的目的。

DCT式目前最佳的图像变换，它有很多优点。DCT是正交变换，它可以将8x8图像空间表达式转换为频率域，只需要用少量的数据点表示图像；DCT产生的系数很容易被量化，因此能获得好的块压缩；DCT算法的性能很好，它有快速算法，如采用快速傅立叶变换可以进行高效的运算，因此它在硬件和软件中都容易实现；而且DCT算法是对称的，所以利用逆DCT算法可以用来解压缩图像。;有损压缩的优缺点;有损压缩的特点是保持颜色的逐渐变化，删除图像中颜色的突然变化。生物学中的大量实验证明，人类大脑会利用与附近最接近的颜色来填补所丢失的颜色。例如，对于蓝色天空背景上的一朵白云，有损压缩的方法就是删除图像中景物边缘的某些颜色部分。当在屏幕上看这幅图时，大脑会利用在景物上看到的颜色填补所丢失的颜色部分。利用有损压缩技术，某些数据被有意地删除了，而被取消的数据也不再恢复。无可否认，利用有损压缩技术可以大大地压缩文件的数据，但是会影响图像质量。如果使用了有损压缩的图像仅在屏幕上显示，可能对图像质量影响不太大，至少对于人类眼睛的识别程度来说区别不大。可是，如果要把一幅经过有损压缩技术处理的图像用高分辨率打印机打印出来，那么图像质量就会有明显的受损痕迹。

;基于JEPG的——

静止图像有损压缩;图像处理步骤;;实验程序：;程序结果;例如，对于蓝色天空背景上的一朵白云，有损压缩的方法就是删除图像中景物边缘的某些颜色部分。

通过DCT变换，空间表达式就转化为频谱表达式或频率域。

对图像进行DCT变换并且量化

对原始8*8块亮度值进行预测

图3是变换编码系统方框图。

有损图像压缩基本知识介绍

在傅立叶级数展开式中，如果被展开的函数式是偶函数，那么其傅立叶级数中只包含余弦项，再将其离散化可导出余弦变换，因此称之为离散余弦变换。

矩阵的数值为0~256，故采用减去128的方法以便产生的图

基于JEPG的——

静止图像有损压缩

当用户得到有损压缩文件的时候，譬如为了节省下载时间，解压文件与原始文件在数据位的层面上看可能会大相径庭，但是对于多数实用目的来说，人耳或者人眼并不能分辨出二者之间的区别。

DCT是正交变换，它可以将8x8图像空间表达式转换为频率域，只需要用少量的数据点表示图像；

如果使用了有损压缩的图像仅在屏幕上显示，可能对图像质量影响不太大，至少对于人类眼睛的识别程度来说区别不大。

矩阵的数值为0~256，故采用减去128的方法以便产生的图

如果预测比较准确，误差就会很小。

生物学中的大量实验证明，人类大脑会利用与附近最接近的颜色来填补所丢失的颜色。;实验程序：;此步产生Y，U，V三个分量的直方图，方便与量化后的

图像进行比较从而了解失真产生的情况。;;对原始8*8块亮度值进行预测

变换编码是一种间接编码方法。

图像的量化是造成图像像素细节损失的一步。

有损压缩广泛应用于语音，图像和视频数据的压缩。

虽然不能完全恢复原始数据，但是所损失的部分对理解原始图像的影响缩小，却换来了大得多的压缩比。

从量化表来看，按斜对角线分割成两

对Y，U，V分别进行处理.

图像进行比较从而了解失真产生的情况。

生物学中的大量实验证明，人类大脑会利用与附近最接近的颜色来填补所丢失的颜色。

对原始8*8块亮度值进行预测

矩阵的数值为0~256，故采用减去128的方法以便产生的图

如我们已经看到的那样，原因就是信号只含有少量的频率成分。

预测编码中典型的压缩方法有脉冲编码调制（PCMPulseCodeModulation）、差分脉冲编码调制（DPCM，DifferentialPulseCodeModulation）、自适应差分脉冲编码调制（ADPCM，Adapt