Chap10图象压缩与编码.ppt

Chap10图象压缩与编码.ppt

ID:52621788

大小:1.08 MB

页数:64页

时间:2020-04-11

Chap10图象压缩与编码.ppt_第1页
Chap10图象压缩与编码.ppt_第2页
Chap10图象压缩与编码.ppt_第3页
Chap10图象压缩与编码.ppt_第4页
Chap10图象压缩与编码.ppt_第5页
资源描述:

《Chap10图象压缩与编码.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、Chap10图象压缩与编码要点:信息量,熵,联合熵,率失真函数编码效率,冗余度,压缩比无失真编码,有失真编码霍夫曼编码行程编码预测编码DCT编码混合编码图象压缩与编码数字图象通常要求很大的比特数,这给图象的传输和存储带来相当大的困难。要占用很多的资源,花很高的费用。如一幅512x512的黑白图象的比特数为512x512x8=2,097,152bit=256k。再如一部90分钟的彩色电影,每秒放映24帧。把它数字化,每帧512x512象素,每象素的R、G、B三分量分别占8bit,总比特数为图象压缩与编码90x60x24x3x512x512x8bit=97,

2、200M。如一张CD光盘可存600兆字节数据,这部电影光图象(还有声音)就需要160张CD光盘用来存储。对图象数据进行压缩显得非常必要。本章讨论的问题:在满足一定条件下,能否减小图象bit数,以及用什么样的编码方法使之减少。英文字母出现相对频率字母ABCDEFGHIJKLM百分比8.21.52.84.312.72.22.06.17.00.20.84.02.4字母NOPQRSTUVWXYZ百分比6.77.51.90.16.06.39.12.81.02.40.22.00.1英文字母出现相对频率图象编码—密码点击图片播放视频某个图形或物品也可以作为密码。图象编

3、码—密码虹膜与指纹。图象压缩与编码1.图象数据压缩是可能的:一般原始图象中存在很大的冗余度。用户通常允许图象失真。当信道的分辨率不及原始图象的分辨率时,降低输入的原始图象的分辨率对输出图象分辨率影响不大。用户对原始图象的信号不全都感兴趣,可用特征提取和图象识别的方法,丢掉大量无用的信息。提取有用的信息,使必须传输和存储的图象数据大大减少。图象压缩与编码2.原始图象越有规则,各象素之间的相关性越强,它可能压缩的数据就越多。值得指出的是:当前采用的编码方法得到的结果,离可能压缩的极限还相差很远,这说明图象数据压缩的潜力是很大的,直到目前为止,它还是个正在继续

4、研究的领域。图象压缩与编码3.图象结构的性质,大体上可分为两大类,一类是具有一定图形特征的结构,另一类是具有一定概率统计特性的结构。基于不同的图象结构特性,应采用不同的压缩编码方法。图象压缩与编码4.全面评价一种编码方法的优劣,除了看它的编码效率、实时性和失真度以外,还要看它的设备复杂程度,是否经济与实用。常采用混合编码的方案,以求在性能和经济上取得折衷。随着计算方法及VLSI的发展,使许多高效而又比较复杂的编码方法在工程上有实现的可能。信源编码的基本概念图象数据压缩的目的是在满足一定图象质量条件下,用尽可能少的比特数来表示原始图象,以提高图象传输的效率

5、和减少图象存储的容量,在信息论中称为信源编码。信源编码可分为两大类,一类是无失真编码,另一类是有失真编码或称限失真编码。无失真编码无失真编码又称信息保持编码或可逆的无误差编码。信息量:从N个相等可能发生的事件中,选出其中一个事件所需的信息度量,称为信息量。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。无失真编码定义信息量:从N个数选定一个数s的概率为p(s),且等概率,p(s)=1/N。熵:设信源符号表为s={s

6、1,s2,…,sq},其概率分布为P(s)={p(s1),p(s2),…,p(sq)},则信源的熵为无失真编码s作为灰度,共q级,出现概率均等时,p(si)=1/q,当灰度只有两级时,即si=0,1,且0出现概率为p1,1出现概率为p2=1-p1,其熵无失真编码当p1=1/2,p2=1-p1=1/2时,H(s)=1为最大值。如图所示。无失真编码熵的性质:(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

7、量为log2q。(4)熵值总有H(s)≤log2q。无失真编码(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。无失真编码(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:无失真编码将编码效率定义为:冗余度接近于0,或编码

8、效率接近于1的编码称为高效码。无失真编码若原始图象的平均比特率为n,编码后的平均

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。