编码(coding).docVIP

9 编码(coding) Image Compression and Coding (Basic Ideas and New trends) 为什么要压缩 视频图象： 515(512(8(3(25bits/s(150Mbits/s=19MBytes/s(70,000MB/hr (1) 存储 VCD 640MB（100倍） (2) 传输： Cable 1.5~1 0Mbs ATM up to 34 Mbs Mobile Communication 10Kbs~1Mbs (3) 播放速度 2．为什么能压缩？（结合具体方法，数据的冗余度，相关性） 基本概念 失真/不失真：为什么失真 均方信噪比 均方根信噪比 3．如何压缩，寻找相关性 (数据量是否等于信息量 信息量与数据量的关系 I=D-du 其中 I, D,du ——分别是信息量、数据量、冗余量。 (数据冗余的类别 空间冗余2. 时间冗余 3 .信息熵冗余（编码冗余） 4．结构冗余5. 知识冗余 6. 视觉冗余 7 .其它冗余 (数据压缩处理包括两个过程： (编码过程——便于存储、传输 (解码过程 (数据压缩的分类（按压缩是完全可恢复） (可逆编码方法（Reversible Coding, information preserving coding） (不可逆编码方法（non-reversible coding） ( 按方法原理分类 象素编码 预测编码 变换编码 其它方法 (PCM (调制 (频带编码 (混合编码 (行程编码 (1D DPCM (阈值编码 (二值/图形编码 (位平面编码 (2D DPCM (多维技术 (彩色图象编码 (帧间预测 (自适应编码 (矢量量化 (自适应编码 (金字塔编码 其它分类方法： 预测编码 2.变换编码 3.量化与向量量化编码 4．信息熵编码5. 结构编码 6 .基于知识的编码 ( 信息和熵的概念 ( 信息是用不确定性的量度定的。 (一个消息的可能性愈小，其信息量愈多； (而消息的可能性愈大，其信息量愈少； ( 信息量 是指从N个相等可能事件中选出一个事件所需要的信息度量或含量 例如，要从64个数中选定某一个数，可先提问“是否大于32？”在64个数中选定某一个数所需的信息量是 设: 从N个数中选定一个数x的概率为P(x)，假定选定任意一个数的概率都相等，即，因此定义信息量 熵：如果将信源所有可能事件的信息量进行平均，就得到信息的“熵”（entropy）, 熵就是平均信息量。 信源x的符号集为，设出现的概率为，则信息x的熵为 上式取以2为底的对数 根据shannon（香农）无噪声编码定理，对于熵为H的信号源对其无失真编码所可能的比特数为比特/每个表示，这里为一任意小的正数，因此可能达到的最大压缩比为： 其中B是原始图象的平均比特率，且定义压缩比为： 熵编码（Huffman Coding） Symbol Binary ( Huffman Code code S0 000(0.25) 0 (0.54) 0 (1.0) 00 S1 001(0.21) 0 (0.46) 1 10 S2 010(0.15) 0 (0.29) 1 010 S3 011(0.14) 1 1 011 S4 100(0.0625) 0 (0.125) 0 (0.25) 1100 S5 101(0.0625) 1 1 1101 S6 110(0.0625) 0 (0.125) 1110 S7 111(0.0625) 1 1111 平均码长 3.0 2.781(熵)