图像压缩原理基础与JEPG压缩.pdfVIP

图像压缩原理基础 引言 未经压缩的多媒体（图形，音频，视频）数据要求很大的存储容量和传输带宽。尽管大容量存储器， 处理器速度，和数字通信系统在快速进步，但对数据存储容量和数据通信的需求仍然超越当前技术。近来 兴起的数据密集的基于多媒体的Web 应用不但需要信号和图像的更有效的编码方式，而且要求对这些信 号做基于 存储和通信技术的压缩。 静止图像的压缩，已经有ISO （国际标准化组织）和IEC （国际电工技术委员会）建立的联合图像 专家组即 JPEG 标准。这些编码器的在低比特率时的低性能主要时因为内在的基于块的离散余弦变换 (DCT)。近来，小波变换正成为图像压缩领域的前沿技术。基于小波的编码有效改进了更高压缩比的画面 质量。在最近几年，人们开发和实现了多种强大和完善的基于小波的图像压缩方法，这在后面会讨论到。 因为这许多优势，未来的JPEG-2000 标准 ，对有力的竞争者都是基于小波的压缩算法。 首先，对压缩的新手，我们简单介绍图像压缩的一些概念，简短回顾基于DCT 的JPEG 标准和更流 行的基于小波的图像编码方法。其次，我们涉及一些现代流行的成熟的基于小波的技术，包括我们当前正 在追踪的。简要介绍即将到来的基于小波的JPEG-2000 图像压缩标准的要实现的目标。 背景：我们为什么需要压缩? 表 1 的数据展示了储存，传输这些未经压缩的数据，从单一的文本到动态的视频数据，所需要的硬盘 空间，传输带宽，传输时间。 上面的这些例子清楚的表明，图像，音频和视频数据要求相当大的存储空间，带宽和传输时间。对于现阶 段的技术，唯一的解决方案是，把多媒体数据在存储和传输前进行压缩，接收后再解压然后播放。例如， 对32:1 的压缩比，在质量可以接受的情况下，空间，带宽和传输时间可以缩小到原来的1/32。 压缩背后的原理是什么？ 大多数图像都有个共同特点，即相邻象素是相关的，所以存在冗余信息。冗余度压缩在于消除原信号 （图像/视频）的重复信息。不相干压缩则忽略部分不会被信号接收者，即人类视觉系统（HVS）察觉的信 号。一般地，视频信息中存在3 种冗余： 空间冗余: 临近像素的相关性。 光谱冗余: 不同色彩平面或光谱带之间的相关性。 时间冗余: 图像序列（视频应用中）中相邻帧之间的相关性。 压缩技术有哪些分类？ 这里介绍压缩技术的2 种分类方法。 无损压缩 vs. 有损压缩: 对无损压缩方法，压缩后复原的图像，在数值上与原图像完全相同。然而 无损压缩收到的压缩效果很有限。经过有损压缩然后重建的图像相对原来的图像质量会降低。这常常是由 于压缩方法完全丢弃了冗余信息。然而，有损的压缩方法能够实现高得多的压缩。正常观测条件下，感觉 不到明显的损失（视觉无损）。 预测编码 vs. 变换编码: 在预测编码中，已经发送或存在的信息用来预测新的值，只对差值编码。 由于这是在图像或空间域上完成，所以相对容易实现并且很适合局部图像特征。差值脉冲编码调制(DPCM) 是预测编码的一个典型例子。另一方面，变换编码，先用一些已知的变换将图像在空间域的表示转化为另 一种不同的表示，再对变换后的值（系数）编码。这种方法相对预测编码可实现更高的压缩率，尽管计算 代价更高。 典型的图像编码器是什么样的呢？ 图1 是一个典型的有损图像压缩系统。由紧密连接的三个构件组成，即(a)信源编码器，(b)量化器， 和(c)熵编码器。通过应用一个线性变换来减少图像数据的相关性，量化变换结果的系数，对结果应用熵编 码来完成压缩。 信源编码器（或线性变换器） 在过去几年里，发展了包括离散傅立叶变换(DFT)，离散余弦变换 (DCT) ，离散小波变换(DWT) 等等多种线性变换，它们各有优缺点。 量化器 量化器通过降低值的精度来减少存储变换后的系数需要的比特数。这是一个多到一的映射，所以是一 个有损的过程并且是编码器压缩的主要来源。量化可以在单个系数上进行，叫做标量量化(SQ)。也可以在 一组系数上同时进行，叫向量量化(VQ)。统一和非统一的量化器都可以使用，这取决于手头的问题。 熵编码器 熵编码器进一步无损地压缩量化了的值以提高总体的压缩效果。它利用一个模型来准确确定各个量化 值的概率然后产生基于这些概率的合适的编码，从而让输出的编码流小于输入流。最常用的熵编码器是哈 夫曼编码器和算术编码器，尽管对要求很快执行速度的应用行程编码(RLE)已经证明很有效。 需要注意的是，要获