第七章 多媒体技术(版本1)modified.pptVIP

7.4.1 多媒体数据压缩概述 7.4 多媒体数据压缩 ３、结构冗余 　　有些图像的纹理区，图像的像素值存在着明显的分布模式。于是，已知分布模式，可以通过某一过程生成图像。 ４、知识冗余 　　有些图像的理解与某些基础知识有相当大的相关性。例如，人脸的图像有固定的结构。 5、视觉冗余 　人类的视觉系统对图像场的敏感区是非均匀和非线性的。然而，在记录原始的图像数据时，通常假定视觉系统是线性的和均匀的，对视觉敏感和 不敏感的部分同等对待，从而产生了比理想编码(即把视觉敏感和不敏感的部分区分开来编码)更多的数据，这就是视觉冗余。 7.4.1 多媒体数据压缩概述 7.4 多媒体数据压缩 无环路目录结构 6、图像区域的相同性冗余 　　在图像中的两个或多个区域所对应的所有像素值相同或相近，从而产生的数据重复性存储。 7、纹理的统计冗余 　　有些图像纹理尽管不严格服从某一分布规律，但是它在统计的意义上服从某一分布规律，因此利用这种性质也可以减少表示图像的数据量。 7.4.1 多媒体数据压缩概述 7.4 多媒体数据压缩 多媒体数据压缩方法分类 压缩编码方法 游程长度编码 变换编码 赫夫曼编码 算术编码 LZW编码 预测编码 图像压缩标准 JPEG 矢量量化编码 子带编码 帧间预测编码 统计编码 K_L变换 离散余弦变换 自适应差分脉冲编码调制 差分脉冲编码调制 分形编码 小波变换 其他编码 MPEG H.261 7.4.2 多媒体数据压缩的主要方法 7.4 多媒体数据压缩 统计编码 １、哈夫曼编码 Huffman 编码就是利用变字长最佳编码，实现信源符号按概率大小顺序排列。Huffman 编码是一种构造二叉树的方法。它是从树叶到树根生成二叉树。　 　　统计编码的理论基础是信息论。根据香农信息论，只要信源(即要压缩的对象)不是等概率分布，就存在着数据压缩的可能性。统计编码的典型代表是霍夫曼编码和算术编码。 7.4.2 多媒体数据压缩的主要方法 7.4 多媒体数据压缩 例如，对下面这串出现了五种字符的信息( 40 个字符长 ): cabcedeacacdeddaaabaababaaabbacdebaceada(40个) a --16个 b --7个 c -- 6个 d--6个 e--5个 信源符号按概率大小顺序排列： 出现概率最小的两个符号概率相加合成一个概率。 将合成概率看成一个新组合符号概率，重复上述做法，直到最后只剩下两个符号概率为止。 反过来逐步向前编码，每一步有两个分支各赋予一个二进制码，可以对概率大的编码为1. 0.15 c 0.175 b 0.125 e 0.15 d 0.4 a 0.275 0.325 0.6 1 a - 0 b - 101 c - 101 d - 110 e - 111 1 1 1 1 0 0 0 0 7.4.2 多媒体数据压缩的主要方法 7.4 多媒体数据压缩 2、算术编码 　算术编码方法是将被编码的信息表示成实数0和1之间的一个间隔。信息越长编码表示它的间隙就越小，表示这一间隙所须二进位就越多，大概率符号出现的概率越大对应于区间愈宽，可用长度较短的码字表示；小概率符号出现概率越小层间愈窄，需要较长码字表示。信息源中连续的符号根据某一模式生成概率的大小来减少间隔。可能出现的符号要比不太可能出现的符号减少范围少，因此只增加了较少的比特位。　 7.4.2 多媒体数据压缩的主要方法 7.4 多媒体数据压缩 预测编码 　　预测编码的基本思想是：建立一个模型，这个模型利用以往的样本数据，对下一个新的样本值进行预测，将预测所得的值与实际值相减得到一个差值，再对该差值进行编码。由于差值很小，可以减少编码的码位。预测编码方法分为线性预测和非线性预测编码。 １、线性预测编码－差值脉冲编码调制DPCM 所编码的是样本值极其预测值的差分，即量化的是已知样本值与预测值之间的差值，DPCM是从过去的几个采样值的线性组合来预测和推断现在的采样值，进而用实际的采样值与预测采样值之差（称做预测误差）及线性预测系数进行编码，从而达到信息压缩的一种方法。　 7.4.2 多媒体数据压缩的主要方法 7.4 多媒体数据压缩 ２、非线性预测编码－自适应预测编码ADPCM 　　ADPCM是在DPCM的方法上进一步改进，通过调整量化步长，对不同频段设置不同的量化字长，使数据得到进一步的压缩。 　自适应量化使辆化间隔大小的变化自动地去适应输入信号大小的变化。它根据信号分布不均匀的特点，使系统具有随输入信号的变化而改变量化区间的大小，以保持输入量化器的信号基本均匀的能力，自适应量化必须具有对输入信号进行估计的能力，有了估值才能确定响应的改变量。若估值在信号的输入端进行，称之