多媒體技術原理及應用(馬華東第二版)第二章(編輯修改稿)
2025-07-12 19:44 本頁面
【文章內容簡介】 CAM 法國、俄羅斯等國采用制式。同樣采用625條線和 25幀 , 但與 NTSC和 PAL相比 , 其基礎技術是采用頻率調制 , 傳播方式也不同于以上兩種。 常用 數(shù)據(jù)壓縮技術 數(shù)據(jù)壓縮的基本原理 ? 傳統(tǒng)上用模擬方式表示聲音和圖象信息 易出故障，常產(chǎn)生噪音和信號丟失，且拷貝過程中噪音和誤差逐步積累； 模擬信號不適合數(shù)字計算機加工處理。 ? 數(shù)字化處理：巨大的數(shù)據(jù)量 ? 采樣定理 : 僅當采樣頻率 ≥ 2倍的原始信號頻率時 ,才能保證采樣后信號可被保真地恢復為原始信號 。 ? 采用 8bit數(shù)字化 ,從而 1秒鐘電視信號的數(shù)據(jù)量約為 。 即約為 100Mbps。 650MB的 CDROM僅能存約 1分鐘的原始電視數(shù)據(jù) 。 若 HDTV(), 一張CDROM還存不下 6秒鐘的 HDTV圖象 。 ? 人說話的音頻一般在 20Hz到 4KHz, 即人類語音的帶寬為 4KHz。 依據(jù)采樣定理 , 設數(shù)字化精度為 8b, 則 1秒鐘信號量為 64Kbits。 因此 , 人講 1分鐘話的數(shù)據(jù)量為 480KB。 ? 數(shù)字化處理的關鍵問題－數(shù)據(jù)壓縮 壓縮的基礎－數(shù)據(jù)冗余 ? 空間冗余 ? 時間冗余 ? 信息熵冗余 ? 結構冗余 ? 知識冗余 ? 視覺冗余 ? 其它冗余 空間冗余 ? 這是圖象數(shù)據(jù)中經(jīng)常存在的一種冗余。 ? 在同一幅圖象中 ,規(guī)則物體和規(guī)則背景的表面物理特性具有相關性 ,這些相關性的光成象結構在數(shù)字化圖象中就表現(xiàn)為數(shù)據(jù)冗余。 時間冗余 ? 這是序列圖象和語音數(shù)據(jù)中所經(jīng)常包含的冗余。 ? 圖象序列中的兩幅相鄰的圖象之間有較大的相關性 ,這反映為時間冗余。 ? 人在說話時發(fā)音音頻是一連續(xù)的漸變過程 ,而不是一個完全時間上獨立的過程 ,因而存在時間冗余。 信息熵冗余 ? 信息熵是指一組數(shù)據(jù)所攜帶的信息量 ,它定義為： H=∑i=0N1Pilog2Pi N為數(shù)據(jù)類數(shù)或碼元個數(shù) , Pi為碼元 yi發(fā)生的概率 . ? 為使信息編碼單位數(shù)據(jù)量 d接近于或等于 H,應設： d=∑i=0N1Pib(yi) 其中 b(yi)是分配給碼元 yi的比特數(shù) , 理論上應取b(yi)=log2Pi. 實際一般取 b(y0)=b(y1)=…=b(yK1). ? 例如 , 英文字母編碼碼元長為 7bit, 即b(y0)=b(y1)= … =b(yK1)=7, 這樣 d必然大于 H, 由此帶來的冗余稱為信息熵冗余或編碼冗余。 結構冗余 ? 有些圖象從大域上看存著非常強的紋理結構，我們稱它們在結構上存在有冗余 . ? 例如布紋圖象和草席圖象 知識冗余 ? 有許多圖象的理解與某些基礎知識有相當大的相關性 。 ? 例如 ,人臉的圖象有固定的結構 。 比如說嘴的上方有鼻子 , 鼻子的上方有眼睛 , 鼻子位于正臉圖象的中線上等等 。 ? 這類規(guī)律性的結構可由先驗知識和背景知識得到 , 我們稱此類冗余為知識冗余 。 視覺冗余 ? 人類視覺系統(tǒng)對于圖象場的任何變化 ,并不是都能感知的。 ? 例如 ,對于圖象的編碼處理時 ,由于壓縮或量化截斷引入了噪聲而使圖象發(fā)生了一些變化 ,如果這些變化不能為視覺所感知 ,仍認為圖象足夠好。 ? 事實上人類視覺系統(tǒng)一般分辨能力約為 26灰度等級 ,而一般圖象量化采用 28灰度等級 ,這類冗余我們稱為視覺冗余。 其他冗余 ? 例如由圖象的空間非定常特性所帶來的冗余。 常用的數(shù)據(jù)壓縮技術 ? 根據(jù)解碼后數(shù)據(jù)與原始數(shù)據(jù)是否完全一致，數(shù)據(jù)壓縮方法劃分為兩類 ： ? 可逆編碼 (無失真編碼 ) 解碼圖象與原始圖象嚴格相同，壓縮大約在 2:1到 5:1之間。如Huffman編碼、算術編碼、行程長度編碼等 。 ? 不可逆編碼 (有失真編碼 ) 還原圖象與原始圖象存在一定的誤差，但視覺效果一般可以接受，壓縮比可以從幾倍到上百倍來調節(jié)。常用的有變換編碼和預測編碼 ? 根據(jù)壓縮的原理分類： ? 預測編碼 利用空間中相鄰數(shù)據(jù)的相關性來預測未來點的數(shù)據(jù)。差分脈沖編碼調制 (DPCM)和自適應差分脈沖編碼調制 (ADPCM)。 ? 變換編碼 將圖象時域信號變換到頻域空間處理。時域空間有強相關信號 , 反映在頻域上是某些特定區(qū)域內能量集中 , 從而實現(xiàn)壓縮 . 正交變換如離散余弦變換 , 離散付立葉變換和 WalshHadamard變換 . ? 量化與向量量化編碼 為了使整體量化失真最小 , 就必須依照統(tǒng)計的概率分布設計最優(yōu)的量化器。已知最優(yōu)量化器是 Max量化器。對象元點進行量化時 , 也可以考慮一次量化多個點的向量量化。 ? 信息熵編碼 根據(jù)信息熵原理 ,讓出現(xiàn)概率大的用短的碼字表達 ,反之用長的碼字表示。最常見的方法如Huffman編碼、 Shannon編碼以及算術編碼
教學教案相關推薦
鄂ICP備17016276號-1