914775-数字图像处理-图像压缩编码第五讲正交变换编码

系数使得 Y 误差不大。 总之，选择合适的A和相应的A1，使变换系数Y之间 的相关性全部解除和使Y的方差高度集中，就称为
最佳变换。
国家级精品资源共享课
最佳变换A选择的准则： 若选择变换矩阵A，使 Y 为对角阵，那么变换系 数之间的相关性可完全解除。接着选择集中主要能 量的Y系数前M项，则得到的 Y 将引起小的误差， 使Y的截尾误差小。
国家级精品资源共享课
解码部分由与编码部分相反排列的一系列逆操作模 块构成。由于量化是不可逆的，所以解码部分没有 对应的模块。
国家级精品资源共享课
5.5.2 正交变换的性质
正交变换具有如下的性质： (1) 正交变换是熵保持的，说明正交变换前后不丢失
信息。因此用图像各像素灰度存储或传送和用变 换系数去存储或传输一样。 (2) 正交变换熵能量保持的。 (3) 正交变换重新分配能量。常用的正交变换，如傅 立叶变换，能力集中于低频区，在低频区变换系 数能量大而高频区系数能力小得多。这样可用
国家级精品资源共享课
5.5.3 变换编码的数学分析
设A为正交矩阵，则有
Y=AX
（5-10）
由于A为正交矩阵，有
AAT=AA-1=E
传输或存储利用变换得到的Y，在接收端，经逆变
换可恢复X
X=A-1 Y=ATY
若在允许失真的情况下，传输和存储只用Y的前
M(M<N)个分量，这样就得到Y的近似值:
国家级精品资源共享课
是个随机变量的方差，非对角元素是它们的
协方差。
• 定义一个线性变换T，它可由任何X向量产生一个新向量Y： Nhomakorabea•
Y T ( X M x ) （5-13）
• 式中，T的各行是Mx的特征向量，即T的行向 量就是Mx的特征向量。
国家级精品资源共享课
➢ 变换得到的Y是期望为零的随机向量。Y的协 方差矩阵可以由X的协方差矩阵决定：
国家级精品资源共享课
思路： 一幅N×N 图像先被分割为n×n的子图像， 通过变换这些子图像得到(N/n)2个n×n个子图像变
换数组。变换的目的是解除每个子图像内部像素之 间的相关性或将尽可能多的信息集中到尽可能少的 变换系数上。量化时有选择性地消除或粗糙地量化 携带信息最少地系数，因为它们对重建的子图像的 质量影响最小。最后，对量化了的系数进行编码 （常利用变长编码）。
国家级精品资源共享课
➢ 变换编码的原理 如下图：
图象 f(x,y)
正交 变换
F(u,v)
F (u, v)
样本 选择
F (u, v)
量化 编码
F (u, v)
重建
f(x,y)
➢ 图像数据经过正交变换后，空域中的总能量 在变换域中得到保持，但像素之间的相关性 下降，能量将会重新分布，并集中在变换域 中少数的变换系数上，因此，选择少数F(u,v) 来重建图像就可以达到压缩数据的目的，并 且重建图像仅引入较小误差。
最佳变换的核心在于经变换后能使 Y 为对角阵。 若采用某种变换矩阵A，变换后的 Y 接近于对角阵， 则这种变换称为准最佳变换。
国家级精品资源共享课
K-L变换 是能满足均方误差准则下最佳变换。 K-L变换与图像数据有关，运算复杂，没有快速算 法，因此K-L变换在使用性受到了很大的限制。 傅立叶变换、沃尔什变换、离散余弦变换， 是常用 的准最佳变换。
每个分量xi都是随机变量。X的均值（平均向 量）可以由L个样本向量来估计向量Mx：
M x
1 L
L l 1
Xl
国家级精品资源共享课
（5-11）
➢ Mx协方差矩阵可以由
Mx
E{( X
M x )( X
M x )T }
1 L
L l 1
Xl
XlT
MlMlT
（5-12）
来估计。协方差矩阵是实对称的。对角元素
国家级精品资源共享课
5.5.4卡胡南-列夫变换（K-L）
对于NN的矩阵T，有N个标量λi， i=1,2,…,N,能使|T-λiI|=0 则λi叫做矩阵 T的特征值。
另外，N个满足 TVi iVi 的向量Vi叫做T 的特征向量，这些特征向量构成一个正交基 集。
设X是一个N1的随机向量，也就是说，X的
国家级精品资源共享课
根据式(5-10)得：
Y E[( AX AX )(AX AX )T ] AE[( X X )( X X )T ]AT
AX AT
可见，Y的协方差 Y 可由 X 作二维正交变换得到。 X 是图像固有的，因此关键是要选择合适的A，使 变换系数Y之间有更小的相关性。另外去掉了一些
本次课内容： １．正交变换编码：变换编码原理，卡胡南-列夫变换，离 散余弦变换 ２．图像编码的国际标准：静止图像压缩标准，运动图像压缩标准
国家级精品资源共享课
5.5 正交变换编码
从理论上，采用正交变换 不能直接对图像数据进行有效的 压缩，但正交变换改变了图像数 据的表现形式，为编码压缩提供 了可能。
国家级精品资源共享课
熵编码中不等长码来分配码长，能量大的系数分 配较少的比特数，从而达到压缩的目的。同理，也 可以用零代替能量较小的系数的方法压缩。
(4) 去相关性质。正交变换把空间域中高度相关的 像素灰度值变为相关很弱或不相关得频率域系数。 显然这样能去掉存在于相关性中的冗余度。
总之，正交变换可把空间域中高度相关的像素灰度 值变为相关性很弱或不相关的频率域系数。
国家级精品资源共享课
5.5.1 变换编码原理
变换编码不是直接对空域图像信号编码，而 是首先将图像数据经过某种正交变换（如傅立叶 变换（DFT），离散余弦变换（DCT），K-L变换 等等）另一个正交矢量空间(称之为变换域)，产 生一批变换系数，然后对这些变换系数进行编码 处理，从而达到压缩图像数据的目的。
Y [ y0, y1, y2,..., yM 1]T
来重建X, 得到利用Y的近似值X的近似值为：
X A1T Y
式中，A1为M×M阵。只要A1选择恰当就可以保证 重建图像的失真在一定允许限度内。关键的问题是 如何选择A和A1，使之既能得到最大压缩又不造成 严重失真。为此要研究X的统计性质。
国家级精品资源共享课
国家级精品资源共享课
数字图像处理
（Digital Image Processing）
山东科技大学
国家级精品资源共享课
国家级精品资源共享课
图像压缩编码
山东科技大学 郑永果教授
国家级精品资源共享课
第五章 图像压缩编码
已讲解内容 1. 图像压缩的概念 图像压缩，“数据”与“信息” 数据冗余，编码冗余、像素间冗余、心理视觉冗余 无误差（亦称无失真、无损、信息保持）编码和有误差 （有失真或有损）编码 图像编码模型，信源编码，信源解码，信道编码，信道 解码 图像保真度准则，客观保真度准则，主观保真度准则 2. 统计编码方法: 图像的霍夫曼编码、算术编码、 3. 无失真编码:位平面编码，二值图像编码，行程编码，无损预测编码 4．有误差压缩编码： 有损预测编码，
Y T X T T
（5-14）
因为T的各行是Φx的特征向量，故Φy是一个
对角阵，对角元素是的Φx特征值。因此
λ1 ··· 0
··· ···
Φy＝
0 ··· λN
这些也是的Φx特征值。 ➢ 随机向量Y是由互不相关的随机变量组成的，
因此线性变换T起到了消除变量间的相关性的 作用。
国家级精品资源共享课
对于 X=[x0, x1, x2 , … , xn-1]T ， X的均值为: X E[X ]
X的协方差矩阵为： X E[(X X )(X X )T ]
同理，对于 Y=[ y0, y1, y2 , … , yn-1]T Y的均值为: Y E[Y ] Y的协方差矩阵为： Y E[(Y Y)(Y Y)T ] 根据式(6.5.3)得：