圖像壓縮方法綜述

《圖像壓縮方法綜述》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。

1、圖像壓縮方法綜述圖像壓縮方法綜述陳清早(電信科學技術研究院PT1400158)摘要：圖像壓縮編碼技術就是對要處理的圖像數(shù)據(jù)按一定的規(guī)則進行變換和組合,從而達到以盡可能少的數(shù)據(jù)流(代碼)來表示盡可能多的數(shù)據(jù)信息。由于圖像數(shù)據(jù)量的龐大,在存儲、傳輸、處理時非常困難,因此圖像數(shù)據(jù)的壓縮就顯得非常重要。圖像壓縮分為無損圖像壓縮和有損圖像壓縮或者分為變換編碼、統(tǒng)計編碼。在這里，我們簡單的介紹幾種幾種圖像壓縮編碼的方法，如：DCT編碼、DWT編碼、哈夫曼(Huffman)編碼和算術編碼。關鍵字：圖像壓縮；DCT壓縮編碼；DWT壓縮編碼；哈夫曼編碼；算術編碼行處理的方法。在空間上具有強

2、相關的信號，反1引言映在頻域上是在某些特定的區(qū)域內能量常常被集在隨著計算機與數(shù)字通信技術的迅速發(fā)展,中在一起，或者是系數(shù)矩陣的分布具有某些規(guī)律。特別是網絡和多媒體技術的興起,大數(shù)據(jù)量的圖我們可以利用這些規(guī)律在頻域上減少量化比特像信息會給存儲器的存儲容量、通信信道的帶寬數(shù)，達到壓縮的目的。也就是說，圖像變換本身以及計算機的處理速度增加極大的壓力。為了解并不能壓縮數(shù)據(jù)，但變換后圖像大部分能量集中決這個問題,必須進行壓縮處理。圖像數(shù)據(jù)之所以到了少數(shù)幾個變換系數(shù)上，再采用適當?shù)牧炕湍鼙粔嚎s，就是因為數(shù)據(jù)中存在著冗余。圖像數(shù)熵編碼便可以有效地壓縮圖像。量化是對經過據(jù)的冗余主要表現(xiàn)

3、為：圖像中相鄰像素間的相關DCT變換后的頻率系數(shù)進行量化，其目的是減小性引起的空間冗余；圖像序列中不同幀之間存在非“0”系數(shù)的幅度以及增加“0”值系數(shù)的數(shù)目，相關性引起的時間冗余；不同彩色平面或頻譜帶它是圖像質量下降的最主要原因。的相關性引起的頻譜冗余。數(shù)據(jù)壓縮的目的就是圖像經DCT變換以后，DCT系數(shù)之間的相關通過去除這些數(shù)據(jù)冗余來減少表示數(shù)據(jù)所需的比性就會變小。而且大部分能量集中在少數(shù)的系數(shù)特數(shù)。信息時代帶來了“信息爆炸”，使數(shù)據(jù)量大上，因此，DCT變換在圖像壓縮中非常有用，是增，無論傳輸或存儲都需要對數(shù)據(jù)進行有效的壓有損圖像壓縮國際標準JPEG的核心。從原理上講縮。

4、因此圖像數(shù)據(jù)的壓縮就顯得非常重要。可以對整幅圖像進行DCT變換，但由于圖像各部在此，我們主要介紹變換編碼的DCT編碼和位上細節(jié)的豐富程度不同，這種整體處理的方式DWT編碼和統(tǒng)計編碼的哈夫曼(Huffman)編碼和效果不好。為此，發(fā)送者首先將輸入圖像分解為算術編碼。8*8或16*16塊，然后再對每個圖像塊進行二維DCT變換，接著再對DCT系數(shù)進行量化、編碼和2變換編碼傳輸；接收者通過對量化的DCT系數(shù)進行解碼，變換編碼是將空域中描述的圖像數(shù)據(jù)經過某并對每個圖像塊進行的二維DCT反變換。最后將種正交變換轉換到另一個變換域(頻率域)中進行操作完成后所有的塊拼接起來構成一幅單一的

5、圖描述，變換后的結果是一批變換系數(shù)，然后對這像。對于一般的圖像而言，大多數(shù)DCT系數(shù)值都些變換系數(shù)進行編碼處理，從而達到壓縮圖像數(shù)接近于0，所以去掉這些系數(shù)不會對重建圖像的質據(jù)的目的。主要的變換編碼有DCT編碼和DWT編量產生較大影響。因此，利用DCT進行圖像壓縮碼確實可以節(jié)約大量的存儲空間。1.1DCT編碼由于圖像可看成二維數(shù)據(jù)矩陣，所以在圖像DCT編碼屬于正交變換編碼方式，用于去除編碼中多采用二維正交變換方式，然而其正交變圖像數(shù)據(jù)的空間冗余。變換編碼就是將圖像光強換的計算量太大，所以在實用中變換編碼并不是矩陣(時域信號)變換到系數(shù)空間(頻域信號)上進對整幅圖像進行變換

6、和編碼，而是將圖像分成若1圖像壓縮方法綜述干個n×n的子圖像分別處理。這是因為小塊圖像號的高尺度，即高頻信息。因此，原始信號通過的變換計算比較容易，而且距離較遠的像素之間兩個相互濾波器產生兩個信號。的相關性比距離較近的像素之間的相關性要小。通過不斷的分解過程，將近似信號連續(xù)分解，實踐證明4×4、8×8、16×16適合圖像壓縮，這就可以將信號分解成許多低分辨率成分。理論上是因為：分解可以無限制的進行下去，但事實上，分解可如果子圖像尺寸取得太小，雖然計算速度快，以進行到細節(jié)（高頻）只包含單個樣本為止。因實現(xiàn)簡單，但壓縮能力有限；如果子圖像尺寸取此，在實際應用中，一般依據(jù)信號的

7、特征或者合得太大，雖然去相關效果好，因為DCT等正弦類適的標準來選擇適當?shù)姆纸鈱訑?shù)。小波分解可以變換均漸近最佳化，同時也漸近飽和，由于圖像使人們在任意尺度觀察信號，只需所采用的小波本身的相關性很小，反而使得壓縮效果不明顯，函數(shù)的尺度合適。小波分解將信號分解為近似分并且增加了計算的復雜度。量和細節(jié)分量，它們在應用中分別有不同的特點。1.2DWT編碼比如，對含有噪聲的信號，噪聲分量的主要能量小波變換是Fourier變換的改進。它被認為是集中在小波分解的細節(jié)分量中，對細節(jié)分量做進繼Fourier分析之后的又一有效的時頻分析方法。一步