電視原理課件之圖像壓縮編碼原理(編輯修改稿)
2025-03-26 04:56 本頁面
【文章內(nèi)容簡介】 ,1,… ,N1)的二維 DCT定義為 正變換： ? ????????10102)12(c o s2)12(c o s),()()(2),(NxNyNvyNuxyxfNvCuCvuF?? （ 3 19 ）反變換： ? ????????10102)12(c o s2)12(c o s),()()(2),(NuNvNvyNuxvuFvCuCNyxf?? （ 3 20 ） 其中 1,1,0,。1,1,0, ???? NyxNvu ?? ????????0,10,21)(),(vuvuvCuC? (2) 二維變換核函數(shù) a(x， y； u， v)按 x， y，u， v分別展開后得到的是 N N個(gè) N N點(diǎn)的像塊組 ， 又稱為基圖像 。 一個(gè) 8 8的DCT基圖像示意如圖 315所示 。 圖315 88的DCT基圖像示意圖 ? DCT編碼中對(duì)圖像帶來失真的主要原 (1)舍去高頻系數(shù)而使圖像產(chǎn)生模糊； (2)對(duì)某些系數(shù)采用粗量化而產(chǎn)生顆粒 (3)像塊的劃分使相鄰像塊人為地造成亮度不連續(xù) ， 即塊效應(yīng) 。 統(tǒng) 計(jì) 編 碼 ? ? 1． 對(duì)于某一離散無記憶信源 X的符號(hào)集xi(i=1,2,… ， N)， 假設(shè)每個(gè)符號(hào) x i是統(tǒng)計(jì)獨(dú)立的，出現(xiàn)的概率為 p(xi), ，則符號(hào) xi所攜帶的信息量定義為 I(xi)=log2(1/p(xi)) 1)(1???Niixp? 2． 信息 “ 熵 ” 如果將信源所有可能時(shí)間的信息量進(jìn)行平均 ， 就得到了信源中每個(gè)符號(hào)的平均信息量 ， 又稱為信息的熵 ， 可表示為 )(log)())(/1(log)()( 2121iNiiiNii xpxpxpxpXH ????? ????? 哈夫曼 (Huffman) Huffman編碼方法就是利用了這個(gè)定理 ，它是一種效率高 、 方法簡單的編碼 。 信源中符號(hào)出現(xiàn)的概率相差越大 ， Huffman編碼效果越好 。 ? 1． Huffman (1)把信源符號(hào) x i(i=1,2,… ,N)按出現(xiàn) (2)對(duì)兩個(gè)概率最小的符號(hào)分別分配以“ 0”和“ 1”，然后把這兩個(gè)概率相加作 (3)將這個(gè)新的輔助符號(hào)與其他符號(hào)一 (4)跳到第 2步，直到出現(xiàn)概率相加為 1 (5)用線將符號(hào)連接起來，從而得到一個(gè)碼樹，樹的 N個(gè)端點(diǎn)對(duì)應(yīng) N個(gè)信源符號(hào)； (6)從最后一個(gè)概率為 1的節(jié)點(diǎn)開始，沿著到達(dá)信源的每個(gè)符號(hào)，將一路遇到的二進(jìn)制碼“ 0”或“ 1”順序排列起來，就 ? 2． Huffman ? 3． Huffman (1)Huffman方法構(gòu)造出來的碼不是惟一的 ， 主要有兩個(gè)原因：一是在兩個(gè)符號(hào)概率相加給兩條支路分配 “ 0” 和 “ 1” 時(shí) ，這一選擇是任意的；二是當(dāng)兩個(gè)消息的概率相等時(shí) ， 0， 1分配也是隨意的 。 (2)Huffman編碼對(duì)不同的信源，其編碼效率是不同的。 (3)Huffman編碼中，沒有一個(gè)碼字是另一個(gè)碼字的前綴，因此，每個(gè)碼字惟一可譯。 ? ? 1． 在算術(shù)編
化學(xué)相關(guān)推薦
鄂ICP備17016276號(hào)-1