08图像压缩1-16解读.pptx

问题1 编码的基础知识 数据是用来表示信息的。如果不同的方法为表 示给定量的信息使用了不同的数据量，那么 使用较多数据量的方法中，有些数据必然是代 表了无用的信息，或者是重复地表示了其它数 据已表示的信息，这就是数据冗余的概念。 数据冗余的概念 编码冗余 像素间的冗余(空间和时间冗余) 心理视觉冗余(不相关信息) 三种基本的数据冗余 　编码冗余－如果一个图像的灰度级编码，使用了多 于实际需要的编码符号，就称该图像包 含了编码冗余 例如：黑白二值图像编码 如果用8位表示该图像的像素，我们就说该图像存在编码冗余，因为该图像的像素只有两个灰度，用一位即可表示 　像素间冗余－图像中的单一像素值可以根据与这个 　　　　　　　　像素相邻的像素进行适当的预测 例如：原图像数据：234 223 231 238 235 压缩后数据：234 -11 8 7 -3 心理视觉冗余－正常视觉处理过程中各种信息的相 　　　　　　　　对重要程度不同，那些不十分重要 　　　　　　　　的信息称做心理视觉冗余 由于消除心理视觉冗余数据会导致一定量信息的丢失， 所以这一过程通常称为量化 心理视冗余压缩是不可恢复的，量化的结果导致了数据 有损压缩 图像压缩模型 信源编码器：减少或消除输入图像中的编码冗余、 像素间冗余及心理视觉冗余 信源编码器 转换器：减少像素间冗余 量化器：减少心理视觉冗余，该步操作是不可逆的 符号编码器：减少编码冗余 并不是每个图像压缩系统都必须包含这3种操作，如进 行无误差压缩时，必须去掉量化器 反向转换器：与转换器过程相反 符号解码器：与符号编码器过程相反 没有与量化器相对应的逆过程，因为量化过程不可逆 信源解码器 压缩的分类 按压缩技术所依据的和使用的数学理论和计算方法分类 　　　　统计编码（Stastical Coding） 　　　　预测编码（Predictive Coding） 　　　　变换编码（Transform Coding）三大类。 按压缩过程的可逆性分类 熵压缩法 冗余度压缩法 熵压缩法是不可逆压缩，又称有损压缩。 预测编码，变换编码属于这一类。 冗余度压缩法是可逆压缩，又称无损压缩。 著名的霍夫曼(Huffman)编码、 香农（Shannon)编码/算术编码就属于这一类。 压缩编码名词术语 图像熵： 设 数字图像像素灰度集合为W1、 W2、 Wk 、WM 　其对应出现的概率分别为P1、 P2、… Pk 、 … PM 　图像嫡定义为 图像熵表示图像各个灰度级比特数的统计平均值 设βk 为灰度级k对应的码长（二进制代码的位数） 其出现的概率为pk，图像的平均码长R为 图像的平均码长 平均码长R总是大于或等于图像的熵H 编码效率 冗余度 r越小，说明可压缩的余地越小。 压缩比 压缩比的物理意义是被压缩掉的数据占源数据的百分比。 例如：若压缩后的代码长度与原数据代码长度相同，压缩 比为0，若压缩后代码长度接近于0，则压缩比接近 100%；若压缩后的代码长度是原数据长度的30%， 压缩 比为70%。 据上表数据，计算其信源的墒、平均码长、编码效率及 冗余度？ 熵 平均码长 编码效率 冗余度 码子 　信息 概率 01 u1 0.25 10 u2 0.25 11 u3 0.20 000 u4 0.15 0010 u5 0.10 0011 u6 0.05 压缩编码系统的评价 基于压缩编码参数的基本评价 1、当R≥H 设计出无失能真编码，当R≈H ，称其为最佳 编码，它既不丢失信息又不引起图像失真，又占用 最 少的比特数。例如下面要介绍的霍夫曼编码即属 最佳 编码方法。 2、 RH 必然丢失信息而引起图像失真，这就是在允许失真条件下的一些失真编码方法。 均方信噪比： SNRms值越大，保真度越好。 　基于图像保真度准则的评价 　客观保真度准则 原图像 解压后原图像的近似 erms值越小，保真度越好 均方根误差： 主观保真度 值　　等　级 　　　描　述 1 极好 2　　好 3　　过得去 4　　勉强可以 5　　差 6　　不可用 具有极高品质的图像，和希望的一样好 高品质图像，感觉良好，干扰可以接受 具有可接受的品质，干扰不是不可接受的　　　　　　接受 品质不良的图像，希望能得到改进