多媒体技术07压缩与熵编码.ppt

第二篇 压缩与编码 数字信号的压缩与编码是多媒体的核心技术和重要内容 音频信号的差分/自适应/LPC编码就是典型的压缩编码 本篇内容： 第7章 压缩与熵编码——书上第4章 第8章 DCT与JPEG编码——书上第5章第6节 第9章 MPEG编码——书上第12章和第13章 第10章 小波变换与JPEG 2000编码——书上第8章和第9章 第11章 分形压缩——自加 第7章 压缩与编码 由于多媒体信号的数据量巨大，为了节省存储空间和传输带宽，需进行压缩编码 多媒体数据的压缩方法，可以分成三大类，其中熵编码是基础，源编码是重点，而将它们二者相结合的混合编码则是各种编码标准所采用的主要方法 本章主要介绍压缩的基本概念和若干常用的熵编码算法 源编码和混合编码将在以后几章中介绍 7.1 压缩概论 本节先压缩的基本概念，包括 压缩的需要与可能 算法的特点与分类 一般的编码过程 压缩与编码 数据压缩(data compression) 与信号编码(signal coding)往往含义相同 压缩(compress) 解压缩/还原/重构(decompress) 编码(encode/coding) 解码/译码(decode) 相关学科：信息论、数学、信号处理、数据压缩、编码理论和方法 7.1.1 压缩的需要与可能 一. 压缩的需要 多媒体信号的数据量巨大，如： 一幅1024*1024真彩图有3MB 5分钟的CD音乐有50.47MB 90分钟的PAL视频数字化后有203.68GB 为了节省存储空间和传输带宽，进行实时高质的多媒体通信，必须对多媒体数据进行压缩编码 二. 压缩的可能 多媒体数据和人类的感觉存在着各种冗余，如： 空间冗余：图像的相邻像素相关 时间冗余：相邻音频样本/视频帧相关 频率冗余：相邻的频谱值相关，人对高频信号不敏感或分辨率低 听觉冗余：人耳的低音听阈高、强纯音的频率屏蔽、相邻声音的时域屏蔽 视觉冗余：人眼对亮度变化比对色彩的变化更敏感、对高亮区的量化误差不敏感、视网膜分频道 7.1.2 压缩算法的特点与分类 一．特点 用于多媒体数据的压缩方法众多，可按主要的特点分成不同类型： 1. 有/无损 无损压缩：能够无失真地从压缩后的数据重构，准确地还原原始数据。可用于对数据的准确性要求严格的场合。如差分编码、RLE、Huffman编码、LZW编码、算术编码 有损压缩：有失真，不能完全准确地恢复原始数据，重构的数据只是原始数据的一个近似。可用于对数据的准确性要求不高的场合。如预测编码、音感编码、分形压缩、小波压缩、JPEG/MPEG 2. 对称性 若编解码算法的复杂性/所需时间差不多，则为对称的编码方法。多数压缩算法都是对称的 不对称的一般是编码难而解码容易（如Huffman编码与分形编码）。但用于密码学的编码方法则相反，是编码容易，而解码则非常非常难 3. 帧间/内 在视频编码中会同时用到帧内与帧间的编码方法 帧内编码是指在一帧图像内独立完成的编码方法，同静态图像的编码，如JPEG 而帧间编码则需要参照前后帧才能进行编解码，并在编码过程中考虑对帧之间的时间冗余的压缩，如MPEG 4. 实时性 在有些多媒体的应用场合，需要实时处理或传输数据，编解码一般要求延时≤50ms。这需要简单/快速/高效的算法和高速/复杂的处理芯片 5. 分级处理 有些压缩算法可以同时处理不同分辨率、不同传输速率、不同质量水平的多媒体数据，如JPEG2000、MPEG-2/4 二．分类 1. 熵编码 熵编码(entropy encoding)是一类利用数据的统计信息进行压缩的无语义数据流的无损编码。如RLE、LZW、Huffman编码 2. 信源编码 （信）源编码(source coding)是一类利用信号原数据在时间域和频率域中的相关性和冗余进行压缩的有语义编码。种类繁多，可进一步分为 预测编码：利用先前和现在的数据对在时间或空间上相邻的下面或后来的数据进行预测，从而达到压缩的目的。如DM、ADPCM 变换编码：采用各种数学变换方法，将原时间域或空间域的数据变换到频率域或其他域，利用数据在变换域中的冗余或人类感觉的特征来进行压缩。如DCT、DWT 分层编码：将原数据在时空域或频率域上分成若干子区域，利用人类感觉的特征进行压缩编码，然后再合并。如子采样、子带编码 其他编码：如矢量量化、运动补偿、音感编码 3. 混合编码混合编码(hybrid coding) = 熵编码 + 源编码大多数压缩标准都采用混合编码的方法进行数据压缩，一般是先利用信源编码进行有损压缩，再利用熵编码做进一步的无损压缩。如H.261、H.263、JPEG、MPEG常见编码方法 7.1.3 编码过程 一．编码准备 模数转换(A/D)： A/D 连续模拟信号 —? 离散数字信号