图像数据压缩原理

由于图像数据之间存在着一定的冗余,所以使得数据的压缩成为可能。信息论的创始人Shannon提出把数据看作是信息和冗余度(redundancy)的组合。所谓冗余度,是由于一副图像的各像素之间存在着很大的相关性,可利用一些编码的方法删去它们,从而达到减少冗余压缩数据的目的。为了去掉数据中的冗余,常常要考虑信号源的统计特性,或建立信号源的统计模型。

图像的冗余包括以下几种:

(1)空间冗余:像素点之间的相关性。
(2)时间冗余:活动图像的两个连续帧之间的冗余。
(3)信息熵冗余:单位信息量大于其熵。
(4)结构冗余:图像的区域上存在非常强的纹理结构。
(5)知识冗余:有固定的结构,如人的头像。
(6)视觉冗余:某些图像的失真是人眼不易觉察的。

压缩原理

对数字图像进行压缩通常利用两个基本原理:

(1) 数字图像的相关性。

在图像的同一行相邻像素之间、活动图像的相邻帧的对应像素之间往往存在很强的相关性,去除或减少这些相关性,也就去除或减少图像信息中的冗余度,即实现了对数字图像的压缩。

(2) 人的视觉心理特征。

人的视觉对于边缘急剧变化不敏感(视觉掩盖效应),对颜色分辨力弱,利用这些特征可以在相应部分适当降低编码精度,而使人从视觉上并不感觉到图像质量的下降,从而达到对数字图像压缩的目的。

常用图像压缩编码方法的分类

编码压缩方法有许多种,从不同的角度出发有不同的分类方法,比如从信息论角度出发可分 为两大类:

(1)冗余度压缩方法,也称无损压缩,信息保持编码或熵编码。具体讲就是解码图像和压缩 编码前的图像严格相同,没有失真,从数学上讲是一种可逆运算。

(2)信息量压缩方法,也称有损压缩,失真度编码或熵压缩编码。也就是讲解码图像和原始图像是有差别的,允许有一定的失真。

应用在多媒体中的图像压缩编码方法,从压缩编码算法原理上可以分类为:

(1)无损压缩编码种类
• 哈夫曼编码
• 算术编码
• 行程编码
• Lempel zev编码

(2)有损压缩编码种类
• 预测编码:DPCM,运动补偿
• 频率域方法:正文变换编码(如DCT),子带编码
• 空间域方法:统计分块编码
• 模型方法:分形编码,模型基编码
• 基于重要性:滤波,子采样,比特分配,矢量量化

(3)混合编码 •JBIG,H261,JPEG,MPEG等技术标准

衡量一个压缩编码方法优劣的重要指标

(1)压缩比要高,有几倍、几十倍,也有几百乃至几千倍;

(2)压缩与解压缩要快,算法要简单,硬件实现容易;

(3)解压缩的图像质量要好。

选用编码方法时一定要考虑图像信源本身的统计特征;多媒体系统(硬件和 软件产品)的适应能力;应用环境以及技术标准。

本文部分转载自网络,仅供学习参考。

推荐阅读