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。
