基于哈夫曼編碼的圖像編解碼系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)-在線瀏覽
2025-08-11 00:38本頁(yè)面
【正文】 后的圖像像素?cái)?shù)據(jù)及壓縮比。無(wú)損壓縮編碼ABSTRACTThis paper firstly introduces the theoretical knowledge of image pression. Then, it analyses the principle and method of Huffman coding and using Huffman coding principle and methods, pression coding design is made for two images on the MATLAB software. Also gain the pression information and Huffman coding table. What’s more, pressed image pixel data and pression ratio are analyzed. Key words： Image pression。 Huffman encoding。要占用很多的資源，花很高的費(fèi)用。例如1；一幅512x512的灰度圖象的比特?cái)?shù)為512x512x8=256k 。把它數(shù)字化，每幀512x512象素，每象素的R、G、B三分量分別占8 bit，總比特?cái)?shù)為90x60x24x3x512x512x8bit=97,200M。所以，對(duì)圖像數(shù)據(jù)進(jìn)行壓縮顯得非常必要。在以上的條件下，其為數(shù)據(jù)壓縮提供了可能性。在信息論中稱為信源編碼。在圖像的同一行相鄰象素之間，相鄰象素之間，活動(dòng)圖像的相鄰幀的對(duì)應(yīng)象素之間往往存在很強(qiáng)的相關(guān)性，去除或減少這些相關(guān)性，也即去除或減少圖像信息中的冗余度也就實(shí)現(xiàn)了對(duì)數(shù)字圖像的壓縮。相鄰幀間對(duì)應(yīng)象素之間的相關(guān)性稱做時(shí)域相關(guān)性。人的視覺(jué)對(duì)于邊緣急劇變化不敏感(視覺(jué)掩蓋效應(yīng))，對(duì)顏色分辨力弱，利用這些特征可以在相應(yīng)部分適當(dāng)降低編碼精度而使人從視覺(jué)上并不感覺(jué)到圖像質(zhì)量的下降，從而達(dá)到對(duì)數(shù)字圖像壓縮的目的。壓縮技術(shù)分為無(wú)損壓縮和有損壓縮兩大類，前者在解碼時(shí)可以精確地恢復(fù)原圖像，沒(méi)有任何損失；后者在解碼時(shí)只能近似原圖像，不能無(wú)失真地恢復(fù)原圖像。則其信息量定義為:由此可見(jiàn)一個(gè)消息出現(xiàn)的可能性越小，其信息量就越多，其出現(xiàn)對(duì)信息的貢獻(xiàn)量越大，反之亦然。在圖像壓縮中，壓縮比是一個(gè)重要的衡量指標(biāo)。即，對(duì)于出現(xiàn)概率大的信息符號(hào)編以短字長(zhǎng)的碼，對(duì)于出現(xiàn)概率小的信息符號(hào)編以長(zhǎng)字長(zhǎng)的碼。它是一種無(wú)損編碼方法。，然后再把最末兩個(gè)符號(hào)的概率加起來(lái)，合成一個(gè)概率。例如：假設(shè)信源符號(hào)為【a、b、c、d、e、f、g】，其出現(xiàn)的概率相應(yīng)的為【、】，一共7個(gè)字符，對(duì)其進(jìn)行哈夫曼編碼，算法如下：首先按照每個(gè)字符出現(xiàn)的頻率大小從左到右排列：；選出最小的兩個(gè)值作為葉子節(jié)點(diǎn)構(gòu)成一棵二叉樹(shù)，值較大的葉子節(jié)點(diǎn)在左，兩個(gè)葉子節(jié)點(diǎn)對(duì)應(yīng)的頻率之和作為根節(jié)點(diǎn)。得到一棵哈夫曼樹(shù)，如下圖所示：a、b、c、d、e、f、g七個(gè)字符的哈夫曼編碼分別是：0000000、001100010，可以看到,符號(hào)只能出現(xiàn)在樹(shù)葉上,任何一個(gè)字符的路徑都不會(huì)是另一字符路徑的前綴路徑。因?yàn)榇鎯?chǔ)哈夫曼樹(shù)的信息需要一定的存儲(chǔ)空間；（2）利用哈夫曼編碼，若用于通信網(wǎng)絡(luò)，會(huì)引起較大的延時(shí)；（3）對(duì)較大文件進(jìn)行編碼，會(huì)出現(xiàn)頻繁的磁盤讀寫訪問(wèn)，降低了數(shù)據(jù)編碼的速度。部分程序如下：function [huffcode，info]=codeing（vector）p=probability（vector）； %計(jì)算各元素出現(xiàn)的概率simbols=find（p）； %尋找出現(xiàn)的所有元素p=p（simbols）；[p，sortindex]=sort（p）； %概率從小到大排列simbols=simbols（sortindex）；%將元素按照出現(xiàn)概率排列l(wèi)en=length（simbols）；%產(chǎn)生碼字（2）把出現(xiàn)的元素概率最小的兩個(gè)相加合并成新的概率，與剩余的概率組成新的概率集合，直到剩下最后兩個(gè)概率。部分程序如下：pad=8mod（len，8）；if pad0；string=[string uint8（zeros（1，pad））]；endcols=length（string）/8；%計(jì)算壓縮后的向量string=reshape（string，8，cols）；weights=2.^（0:7）；huffcode =uint8 （weights*double （string））；% 編碼字符串湊成一個(gè)%字節(jié)一個(gè)字節(jié)存在huffcodecodeword=codeword（simbols）；%保存實(shí)際有出現(xiàn)元素對(duì)應(yīng)的碼字（4）把整字節(jié)存儲(chǔ)的huffcode 一位一位取出，轉(zhuǎn)為字符串，去掉原來(lái)為湊整字節(jié)數(shù)所添加的零進(jìn)行解碼。uint839。pad=%d\n39。ratio=%f\n39。maxcodelen=%d\n39。X=imread(39。)。 [zipped,info]=huffencode(data)。subplot(121)。title(39。)subplot(122)。title(39。)whos data unzipped zippedfprintf(39。,)。ratio=%f\n39。 %=壓縮率fprintf(39。,)。uint839。input argument must be a uint8 vector39。 end [m,n]=size(vector)。 f=frequency(vector)
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1