ch6图像压缩与编码(二)_PPT幻灯片

6.3.2 有损压缩:有损预测编码
• DM(Delta modulation)有损预测编码 – 算法分析
粒状噪音
溢出过载
6.3.2 有损压缩:有损预测编码
• DM(Delta modulation)有损预测编码 – 算法分析
• 在n=14到19变化快的区域，太小以至不能表示输入 的最大的变化，发生一个被称为溢出过载的失真。
• 有损预测编码
输入图像
fn
^
ên = Q( fn - fn)
en
ên
+
量化器
-
压缩图像
符号 编码
预测器
fn
6.3.2 有损压缩:有损预测编码
• 有损预测解码
压缩图像
符号 解码
^
fn = ên + fnên+fn
+
预测器
fn
解压缩图像
6.3.2 有损压缩:有损预测编码
• 有损预测编码
– 上述方案的压缩编码中，预测器的输入是fn， 而解压缩中的预测器的输入是fn ，要使用相 同的预测器，编码方案要进行修改。
– 这两种压缩方法的根本差别在于有没有量化模块
6.3.1 有损压缩：引言
• 源数据编码与解码的模型（复习）
– 源数据编码的模型
映射器
量化器
符号 编码器
– 源数据解码的模型
符号 解码器
反向 映射器
6.3.1 有损压缩：引言
• 量化器基本思想：
– 减少数据量的最简单的办法是将图像量化成较少的灰 度级，通过减少图像的灰度级来实现图像的压缩
（预测误差）
‘e1 = +6.5 (因为e1 > 0 )
（量化误差）
解码 ‘f1 = ‘e1+^f1 = 6.5+14 = 20.5 （重构结果）
f1- ‘f1 = (15 – 20.5) = –5.5 （重构误差）
6.3.2 有损压缩:有损预测编码
• DM(Delta modulation)有损预测编码
– 举例： = 1， = 6.5
输入
编码
解码
误差
n f ^f e e f ^f f
f-f
0 14 - - - 14.0 - 14.0 0.0
1 15 14.0 1.0 6.5 20.5 14.0 20.5 -5.5
2 14 20.5 -6.5 -6.5 14.0 20.5 14.0 0.0
3 15 14.0 1.0 6.5 20.5 14.0 20.5 -5.5
• 在n= 0到7相对平滑的区域，太大以至不能表示输 入的最小变化，出现了粒状噪音
• 在大多数图像中，这两种现象导致:
– 对象边缘的钝化 – 平滑区域表面粒状的失真
6.3.2 有损压缩:有损预测编码
• DM(Delta modulation)有损预测编码 – 算法分析
• 在所有有损预测压缩中都会出现误差。误差的严 重程度取决于使用的量化方法和预测方法之间的 相互作用
6.3.1 有损压缩：引言
• 有损压缩引言
– 有损压缩是：
• 通过牺牲图像的准确率来达到加大压缩率的目的 • 如果我们容忍解压缩后的结果中有一定的误差，那么压缩率可
以显著提高
– 有损压缩方法的压缩比：
• 在图像压缩比大于30:1时，仍然能够重构图像 • 在图像压缩比为10:1到20:1时，重构图像与原图几乎没有差别 • 无损压缩的压缩比很少有能超过3:1的
.. . . . . . .
.
14 29 20.5 8.5 6.5 27.0 20.5 27.0 2.0
15 37 27.0 10.0 6.5 33.5 27.0 33.5 3.5
16 47 33.5 13.5 6.5 40.0 33.5 40.0 7.0
17 62 40.0 22.0 6.5 46.5 40.0 46.5 15.5
编码
fn 预测器
解压
预测器
fn
6.3.2 有损压缩:有损预测编码
• 修改后的有损预测编码
ên = Q( fn - f^n)
输入图像 fn +
-
en
ên
量化器
fn
预测器
fn +
+
符号 压缩图像 编码
^
fn = ên + fn
6.3.2 有损压缩:有损预测编码
• DM(Delta modulation)有损预测编码
6.3.2 有损压缩:有损预测编码
• DM(Delta modulation)有损预测编码
– 举例： = 1， = 6.5
计算：两个像素 f0 =14、f1 =15
n= 0 ^f0 = f0 = 14，
n=1，^f1 = f0 =(1)(14) = 14
（预测结果）
编码 e1 = 15 – 14 = 1
– Lloyd-Max量化器
6.3.2 有损压缩:有损预测编码
• 有损预测的基本思想
对无损预测压缩的误差进行量化，通过消除 视觉心理冗余，达到对图像进一步压缩的目的。 – 算法的演变
a) 无损预测压缩的基础是：
• 原图像值fn与预测值^fn之间的误差en。有公式： en = fn – ^fn
• 解码与编码使用相同的预测器
– 量化器和预测器的定义：
• 量化器
en =
+ -
en > 0
其它
• 预测器
是一个正常数
en用1位编码
^fn = fn-1 一般是一个小于1的预测系数
6.3.2 有损压缩:有损预测编码
• DM(Delta modulation)有损预测编码 – 量化器
设： = 6.5 ‘e
+6.5 e
-6.5
6.3.2 有损压缩:有损预测编码
• 编码
^
en = fn – fn
m
fn(x,y) = round[i f (x, y-i)]
i=1
i=1/m
输入图像
fn
en
+ -
符号 编码
压缩图像
预测器
最接近 的整数
fn
6.3.2 有损压缩:有损预测编码
• 解码
^
fn = en + fn
压缩图像
符号 en +
解码
+
fn
fn
预测器
解压缩图像
6.3.2 有损压缩:有损预测编码
– 算法的演变
b) 有损预测编码的演变——引入量化：
将en量化： ên = Q(en); 用
近似fn
^
fn = ên + fn fn fn
^
编码： ên = Q( fn - fn)
解码： fn = ên +^fn
6.3.2 有损压缩:有损预测编码
• 尽管存在这种相互作用
– 这种量化是不可逆的，因而解码时图像有损失
t
t3
如果输入是256 个灰度级，对 灰度级量化后输出，只剩下4个层次，
t2
数据量被大大减少。
t1
s1 s2 s3 s
6.3.2 有损压缩:有损预测编码
• 有损预测编码的基本思想 • DM有损预测编码 • 最优预测器
– 马尔可夫Markov预测器
• 最优量化器