基于图象的图形结构特性的编码方法任何编码技术成功与否,最终取决于它于给定的图象的结构匹配得如何 。
设计一个好的编码器,首先是了解原始图象数据结构,然后选择一种适应于那种结构的最佳编码方法 。
在某些应用中,原始图象显示出一些简单的图形结构,如灰度级较少的气象云图
,大幅人头像等,边界往往是感兴趣的结构特征 。
基于图象的图形结构特性的编码方法另外,有一些图象的图形结构不很明显,或者图形结构很复杂,呈现很大的随机性,这类图象从大量的统计数据中可以找到一些规律性的东西,
如马尔可夫随机场的转移概率,平稳随机场的协方差矩阵等 。
等值线编码由于灰度级是有限的,可以将一幅数字图象看成由许多等灰度区构成的
。 每条等值线刻划出一条等灰度区的边界 。 若将各个灰度区边界的位置和灰度级进行编码,传输,在接收端就可以重现原始图象,因各个灰度区内部的象素可不编码,从而使数据得到大量压缩 。
实 例等值线适合等值线编码的图适合等值线编码的图适合等值线编码的图适合等值线编码的图适合等值线编码的图等值线编码关键：
1) 确定等值线起点 。
2) 在起点确定以后,用一组码字 （ 或一组移动方向的序列 ） 划出该边界 。
步骤：
1) 用 IP算法确定最左上角为第一条边界的起点 IP,并记下该点位置和灰度级 。
2) 用 T算法刻划出第一条边界,对它所经过的每点赋予一个标志符,以示该灰度区边界已编码 。
等值线编码步骤：
3) 再用 IP算法确定下一个新边界的起点,
T算法确定下一个新边界,轮流使用这两种算法,直到找不出新边界的起点为止 。
4) 对每一条等值线的序号,灰度级,起始点的位置和等值线围绕边界移动的方向
（ 上,下,左,右 ） 序列进行编码 。
等值线编码等值线围绕边界移动的方向：上,下,
左,右分别用 00,10,11,01来表示 。 这样的 移动的方向序列编码称为 Freeman链码 。
等值线编码对灰度级数目较少,细节不多的图象有较高的编码效率 。 反之,编码效率不高 。
行程编码对某些相同灰度级成片连续出现的图象
（ 如洪水图 ）,行程编码也是一种高效的编码方法 。 特别是对二值图象,效果尤为显著 。
（ 一 ） 一维行程编码对图象进行行扫描时,行内各象素的灰度级可组成一个整数序列 x1,x2,…,xN。 在行程编码中,我们将这个序列映射成整数对 (gk,lk),其中 gk表示灰度级,lk表示行程实 例适合行程编码的图适合行程编码的图适合行程编码的图适合行程编码的图行程编码长度,等于具有相同灰度级的相邻象素的数目 。
行程长度 lk是一个随机变量,其分布具有很大的不均匀性 。 采用 B码编码更为合适 。
（ 二 ） 二维行程编码一维行程编码：只考虑消除每行内象素
（ 或水平分解元素 ） 的相关性,未考虑行间象素 （ 垂直分解元素 ） 的相关性 。
行程编码
（ 二 ） 二维行程编码二维行程编码考虑两个方向分解元素之间的相关性 。
（ 1） 预测微分量化编码 （ PDQ）
分解元素阵列 → 整数对 Δ1和 Δ2序列
Δ1—— 相 继 行 行 程 起 始 点 之 间 的 差 值
Δ2—— 相继行行程长度之间的差值 l2-l1
它们与,新起始,和,消失,标志符一起,用来表示亮面积的开端和结束；然后对它们进行编码 。
预测微分量化编码图示
l2
l1
Δ1
新起始新起始消失行程编码
（ 2） 双重增量编码 （ DDC）
对 Δ 1和 Δ 3进行编码
Δ 3—— 后边界在相继行上的差分一般用 B码对 PDQ,DDC编码。
双重增量编码图示
Δ1
新起始新起始消失
Δ3
实 例原图象文件：
33120字节行程编码文件：
32224字节压缩比：
1.028
原图象文件：
73160字节行程编码文件：
66432字节压缩比：
1.101
原图象文件：
181644字节行程编码文件：
117848字节压缩比：
1.541
原图象文件：
65816字节行程编码文件：
67204字节压缩比：
0.979
原图象文件：
17464字节行程编码文件：
7660字节压缩比：
2,280
原图象文件：
66616字节行程编码文件：
67352字节压缩比：
0.989
原图象文件：
72768字节行程编码文件：
72972字节压缩比：
0.997
原图象文件：
277560字节行程编码文件：
279860字节压缩比：
0.992
原图象文件：
66616字节行程编码文件：
9272字节压缩比：
7.185
基于图象统计特性的编码方法预测编码在已知 xi1,xi2,…,xim的条件下，来确定
xi，其熵的值总是比较小的 —— 条件熵性质。
用 xi1,xi2,…,xim来预测 xi的值，预测值一般较接近于 xi,对于 编码比对 xi直接编码的 Bit数少。
),,,(? 21 imiii xxxfx
ii xx
预测编码预测器
),,,(? 11 nmnmnn xxxfx?可以是固定的，也可以是自适应的；可以是线性的，也可以是非线性的。
预测器设计得越好，对输入的数据压缩就越多。
预测编码
（一）一维线性预测预测的阶数。预测系数，其中，
性预测，的线性组合，则称为线是若
ma
knxanxnxnxnd
knxanx
xxxx
k
m
k
k
m
k
k
nmnmnn
1
1
11
)()()(?)()(
)()(?
,,,
预测编码
（ 1）最佳线性预测选 ak使 σ2d(n)最小。
设 x(n)是广义平稳的，且 d(n)均值为 0，
则
)13(10)()(
0
})]()({[)}({
1
2
)(
1
222
)(
miikRaiR
a
knxanxEndE
m
k
k
i
nd
m
k
knd
可得：
令
预测编码假设 x(n)是各态历经的，且训练样本数 N
相当大，则 x(n)的自相关函数
N
n
knxnxNkRkR
1
)()(1)()(
把 (3-1)式 写成矩阵形式：
)(
)2(
)1(
)0()2()1(
)2()0()1(
)1()1()0(
2
1
mR
R
R
a
a
a
RmRmR
mRRR
mRRR
m
预测编码方程的解 a1,a2,…,am 便是 一组最佳的预测系数。压缩效果可用方差 σ2d(n)来衡量
，
原始序列相关性越强,R(k)越大,σ2d(n)
越小,压缩效果越显著；原始序列互不相关，即 R(k) =0,k≠0，则,σ2d(n)= σ2x(n)一点也不能压缩。
m
k
knxnd kRa
1
2
)(
2
)( )(
预测编码 -DPCM系统量化器 编码器 解码器预测器 预测器
nx?
nx nd
预测编码
（ 2）自适应线性预测若 x(n)是非平稳的，或是分段近似广义平稳，则可采用边送数据边测量与估计
x(n)的自相关函数，求出相应的最佳预测系数，随之，相应的最佳预测系数随着
x(n)的统计特性的变化而变化，这就是自适应线性预测。
预测编码
（二）二维线性预测原始图象用 f (m,n)表示预测的差值定义为
Z—— 对象素 f(m,n)进行预测的相关点的集合。
Zlk
lk lnkmfanmf
),(
,),(),(?
),(?),(),( nmfnmfnmd
预测区域 Z
符因果型 非因果型 半因果型变换编码变换编码 通常是指将某种正交变换作为映射变换,用变换系数来表示原始图象
,对变换系数进行编码 。
若输入是广义平稳序列,则存在一种最佳的正交变换 —— 卡洛变换 。 所谓最佳：
1.变换系数互不相关；
2.数值较大的方差出现在少数系数中,即能量高度集中 。
这样,可在允许的总的均方误差一定的条件下,将数据减到最少 。
变换编码由于卡洛变换 (KLT)的基向量是原始图象协方差矩阵的特征向量,对于不同的图象,有着不同的最佳基向量 。 基向量不是固定的,所以一般没有快速算法,因此只宜于作理论分析和试验用 。
实用上用得较多的是离散傅立叶变换
(DFT),离散余弦变换 (DCT),离散小波变换 (DWT)和沃尔什 — 哈达玛变换 (WHT)。
它们的基向量是固定的,有比较成熟的快速算法 。
变换编码
（ 一 ） 变换形式采用变换编码时,首先将已给的 N*N图象分为若干子图象阵列 。 对于一维 （ 某行或某列 ）
变换编码,子图象阵列的大小是 1*n,其中 n<N
,它们可用向量 X=(x1,x2,…,xn)T表示 。 设 A是
n*n的 正 交 矩 阵,则 列 形 式 的 正 交 变 换 为：
Y=AX
行形式,YT=XTAT
在二维变换编码中,子图象通常是 n*n的方阵
,其中 n<N。 形式同一维变换编码类似 。
变换编码
（ 二 ） 变换性能
（ 1） 变换系数方差的分布变换压缩的基本依据是变换系数的方差
2k比较集中,常将系数按方差大小的顺序排列,作出变换系数方差的分布函数,以说明方差?2k的集中程度 。
（ 2） 率失真函数 R(D)
采用正交变换后的 R(D)比变换前降低很多 。
变换编码
（ 三 ） 编码的考虑
（ 1） 变换类型从均方误差最小和主观质量两个观点看,最好的变 换是 KLT,其 次是
DCT,DWT,DFT和 WHT。
变换编码变换编码变换编码
（ 2） 量化方案采用分组量化方法：对每一系数 ykl使用不同的量化器,有不同的量化级和级间间隔,对于方差?2kl小于某一门限的系数可以去掉,只对保留的系数进行编码 。 对于人眼最敏感的空间频率相应的变换系数以及?2kl较大的系数,应分配较多的比特数；而对概率 P(ykl)较大的系数,应分配较少的比特数 。
变换编码
（ 3） 子图象大小减小 n可以减少计算量 。 另一方面,n
越大,所计入的相关象素越多,总的均方差性能改善越多 。 然而,大多数图象仅在约 20个相邻象素之间有较大的相关性 。 n>16后,再增加 n对性能的改善作用不大 。
变换编码实 例
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
BMP文件：
66616字节
JPEG文件：
18837字节压缩比：
3.536
BMP文件：
65816字节
JPEG文件：
31587字节压缩比：
2.084
BMP文件：
65816字节
JPEG文件：
22033字节压缩比：
2.987
BMP文件：
65816字节
JPEG文件：
17238字节压缩比：
3.818
BMP文件：
65816字节
JPEG文件：
10421字节压缩比：
6.316
混合编码预测编码,利用邻近象素在灰度上的相关性,对某一象素的灰度预测偏差进行编码 。
变换编码,利用整块子图象所有象素在灰度上的相关性,对变换系数进行编码 。
混合编码,既用到预测编码,又用到变换编码的编码方法 。
混合编码对电视图象：
（ 1） 帧内混合编码：
在水平方向利用一维变换编码；
在垂直方向利用 DPCM（ 差值脉冲编码调制 ） 预测编码 。
（ 2） 帧间混合编码：
帧内用二维变换编码；
帧间用一维 DPCM编码 。
MPEG
点击图片播放视频基于图象特征提取的数据压缩方法图象中的信息只有一部分或很小的一部分对接收者是有用的,应予以保留,存储或传输；而其余对接收者来说是无用的信息,可认为是多余的 。
要求事先能对原始图象中所含的信息进行分类,鉴别 。
编码时只对具有某些特征的有用信息进行编码,这样,可以使图象数据得到较大的压缩 。
Human:人类
Humane:仁慈的；人道的；慈爱的
Inhumanity:残酷；暴虐
Humanely,富人情地,慈悲地
Humaneness:深情,慈悲
Humanics:人类学
Humanism:人道主义； 人文主义
Humanist:人道主义者,人文主义者
Humanistic:人文主义的
Humanitarian:慈善家；人道主义者；博爱主义者
Humanitarianism:人道主义；博爱主义利用 相关性可以帮助记忆
Humanities,人文学科
Humanity:仁慈；人道；博爱
Humanization,人类化,教化
Humanize:使有人性；感化
Humankind:人类
Humanly:用人力 ; 在人类的范围内
Humanness:为人,人性,为人的资格
Humanoid:有人的特点的
Humus:腐殖质；腐殖土
Humic:腐殖的
Humble:卑下的；地位或职务低下；的谦逊的；恭顺的
Humiliate:羞辱；使丢脸
Hummock:小丘,山岗
Hump:小园丘,峰丘,驼峰,驼背
Humid:潮湿的；湿气重的
Humoral,体液的,温性的,由体液引起的
Humor:幽默；心情；体液 （ 中古时认为决定人的健康和性格 ）
Humoursome:情绪不定的,易怒的,想入非非的
Exhume:掘出,发掘
Inhume:埋葬,把,..土葬
Terms
Image compression:图象压缩
Image coding:图象编码
Encoding,编码
Decoding,解码，译码
Cryptography,密码学
Decompression,解压
Encoder,编码器
Decoder,解码器
Redundant,冗余的
Terms
Irrelevant,不相干的
Compression ratio,压缩比
Dictionary-based encoding techniques,基于字典的编码技术
Statistical encoding method,统计编码方法
Lossless image compression,无损图象压缩
Reversible encoding,可逆编码
Error-free encoding,无误差编码
Information preserving encoding,信息保持编码
Terms
Lossy image compression,有损图象压缩
Fidelity,保真度
Encoding model,编码模型
Information,信息
Source of messages,信源，消息源
Memoryless source of messages,无记忆信源
Memory source of messages,有记忆信源
Entropy,熵
Terms
Huffman coding:霍夫曼编码
B code,B码
Shift code,移位码
Run,行程
Run length encoding (RLE),行程编码
Contour encoding,轮廓编码
LZW algorithm,Lemple-Ziv-Welch编码
Isoprefrence curves,等值线，等优线
Freeman’s chain code,Freeman链码
Terms
Mapping,映射
Scalar quantization,标量量化
Rate distortion theory,率失真理论
Date rate,数据率
Distortion,失真度
Rate distortion function:率失真函数
Reconstruction error,重构误差
Transform image encoding,变换图象编码
Block encoding,块编码
Terms
Bit allocation,位分配，比特分配
Differential encoding:微分编码
Predictive encoding,预测编码
Predictor,预测器
Predictive coefficient,预测系数
Differential pulse code modulation (DPCM),
微分脉冲编码调制
Hybrid encoding,混合编码
Terms
Pyramid algorithm,金字塔算法
Laplacian pyramid coding,拉普拉斯金字塔编码
Windowed Fourier transform,加窗傅立叶变换
Short-time Fourier transform (STFT),短时傅立叶变换
Gabor transform,Gabor变换
Time-frequency analysis,时频分析
Terms
Subband coding,子带编码
Karhunen-Loeve transform,卡 -洛变换
K-L transform,卡 -洛变换
Singular value decomposition transform,奇异值分解变换
SVD transform:奇异值分解变换
Eigenvalue,特征值
Eigenvector,特征向量
Hartley transform,哈特雷变换
Terms
Hadamard transform,哈达玛变换
Walsh transform,沃尔什变换
Slant transform,斜变换
Haar transform,哈尔变换
Markov process,马尔科夫过程
Covariance matrix,协方差矩阵
设计一个好的编码器,首先是了解原始图象数据结构,然后选择一种适应于那种结构的最佳编码方法 。
在某些应用中,原始图象显示出一些简单的图形结构,如灰度级较少的气象云图
,大幅人头像等,边界往往是感兴趣的结构特征 。
基于图象的图形结构特性的编码方法另外,有一些图象的图形结构不很明显,或者图形结构很复杂,呈现很大的随机性,这类图象从大量的统计数据中可以找到一些规律性的东西,
如马尔可夫随机场的转移概率,平稳随机场的协方差矩阵等 。
等值线编码由于灰度级是有限的,可以将一幅数字图象看成由许多等灰度区构成的
。 每条等值线刻划出一条等灰度区的边界 。 若将各个灰度区边界的位置和灰度级进行编码,传输,在接收端就可以重现原始图象,因各个灰度区内部的象素可不编码,从而使数据得到大量压缩 。
实 例等值线适合等值线编码的图适合等值线编码的图适合等值线编码的图适合等值线编码的图适合等值线编码的图等值线编码关键：
1) 确定等值线起点 。
2) 在起点确定以后,用一组码字 （ 或一组移动方向的序列 ） 划出该边界 。
步骤：
1) 用 IP算法确定最左上角为第一条边界的起点 IP,并记下该点位置和灰度级 。
2) 用 T算法刻划出第一条边界,对它所经过的每点赋予一个标志符,以示该灰度区边界已编码 。
等值线编码步骤：
3) 再用 IP算法确定下一个新边界的起点,
T算法确定下一个新边界,轮流使用这两种算法,直到找不出新边界的起点为止 。
4) 对每一条等值线的序号,灰度级,起始点的位置和等值线围绕边界移动的方向
（ 上,下,左,右 ） 序列进行编码 。
等值线编码等值线围绕边界移动的方向：上,下,
左,右分别用 00,10,11,01来表示 。 这样的 移动的方向序列编码称为 Freeman链码 。
等值线编码对灰度级数目较少,细节不多的图象有较高的编码效率 。 反之,编码效率不高 。
行程编码对某些相同灰度级成片连续出现的图象
（ 如洪水图 ）,行程编码也是一种高效的编码方法 。 特别是对二值图象,效果尤为显著 。
（ 一 ） 一维行程编码对图象进行行扫描时,行内各象素的灰度级可组成一个整数序列 x1,x2,…,xN。 在行程编码中,我们将这个序列映射成整数对 (gk,lk),其中 gk表示灰度级,lk表示行程实 例适合行程编码的图适合行程编码的图适合行程编码的图适合行程编码的图行程编码长度,等于具有相同灰度级的相邻象素的数目 。
行程长度 lk是一个随机变量,其分布具有很大的不均匀性 。 采用 B码编码更为合适 。
（ 二 ） 二维行程编码一维行程编码：只考虑消除每行内象素
（ 或水平分解元素 ） 的相关性,未考虑行间象素 （ 垂直分解元素 ） 的相关性 。
行程编码
（ 二 ） 二维行程编码二维行程编码考虑两个方向分解元素之间的相关性 。
（ 1） 预测微分量化编码 （ PDQ）
分解元素阵列 → 整数对 Δ1和 Δ2序列
Δ1—— 相 继 行 行 程 起 始 点 之 间 的 差 值
Δ2—— 相继行行程长度之间的差值 l2-l1
它们与,新起始,和,消失,标志符一起,用来表示亮面积的开端和结束；然后对它们进行编码 。
预测微分量化编码图示
l2
l1
Δ1
新起始新起始消失行程编码
（ 2） 双重增量编码 （ DDC）
对 Δ 1和 Δ 3进行编码
Δ 3—— 后边界在相继行上的差分一般用 B码对 PDQ,DDC编码。
双重增量编码图示
Δ1
新起始新起始消失
Δ3
实 例原图象文件：
33120字节行程编码文件：
32224字节压缩比：
1.028
原图象文件：
73160字节行程编码文件：
66432字节压缩比：
1.101
原图象文件：
181644字节行程编码文件：
117848字节压缩比：
1.541
原图象文件：
65816字节行程编码文件：
67204字节压缩比：
0.979
原图象文件：
17464字节行程编码文件：
7660字节压缩比：
2,280
原图象文件：
66616字节行程编码文件：
67352字节压缩比：
0.989
原图象文件：
72768字节行程编码文件：
72972字节压缩比：
0.997
原图象文件：
277560字节行程编码文件：
279860字节压缩比：
0.992
原图象文件：
66616字节行程编码文件：
9272字节压缩比：
7.185
基于图象统计特性的编码方法预测编码在已知 xi1,xi2,…,xim的条件下，来确定
xi，其熵的值总是比较小的 —— 条件熵性质。
用 xi1,xi2,…,xim来预测 xi的值，预测值一般较接近于 xi,对于 编码比对 xi直接编码的 Bit数少。
),,,(? 21 imiii xxxfx
ii xx
预测编码预测器
),,,(? 11 nmnmnn xxxfx?可以是固定的，也可以是自适应的；可以是线性的，也可以是非线性的。
预测器设计得越好，对输入的数据压缩就越多。
预测编码
（一）一维线性预测预测的阶数。预测系数，其中，
性预测，的线性组合，则称为线是若
ma
knxanxnxnxnd
knxanx
xxxx
k
m
k
k
m
k
k
nmnmnn
1
1
11
)()()(?)()(
)()(?
,,,
预测编码
（ 1）最佳线性预测选 ak使 σ2d(n)最小。
设 x(n)是广义平稳的，且 d(n)均值为 0，
则
)13(10)()(
0
})]()({[)}({
1
2
)(
1
222
)(
miikRaiR
a
knxanxEndE
m
k
k
i
nd
m
k
knd
可得：
令
预测编码假设 x(n)是各态历经的，且训练样本数 N
相当大，则 x(n)的自相关函数
N
n
knxnxNkRkR
1
)()(1)()(
把 (3-1)式 写成矩阵形式：
)(
)2(
)1(
)0()2()1(
)2()0()1(
)1()1()0(
2
1
mR
R
R
a
a
a
RmRmR
mRRR
mRRR
m
预测编码方程的解 a1,a2,…,am 便是 一组最佳的预测系数。压缩效果可用方差 σ2d(n)来衡量
，
原始序列相关性越强,R(k)越大,σ2d(n)
越小,压缩效果越显著；原始序列互不相关，即 R(k) =0,k≠0，则,σ2d(n)= σ2x(n)一点也不能压缩。
m
k
knxnd kRa
1
2
)(
2
)( )(
预测编码 -DPCM系统量化器 编码器 解码器预测器 预测器
nx?
nx nd
预测编码
（ 2）自适应线性预测若 x(n)是非平稳的，或是分段近似广义平稳，则可采用边送数据边测量与估计
x(n)的自相关函数，求出相应的最佳预测系数，随之，相应的最佳预测系数随着
x(n)的统计特性的变化而变化，这就是自适应线性预测。
预测编码
（二）二维线性预测原始图象用 f (m,n)表示预测的差值定义为
Z—— 对象素 f(m,n)进行预测的相关点的集合。
Zlk
lk lnkmfanmf
),(
,),(),(?
),(?),(),( nmfnmfnmd
预测区域 Z
符因果型 非因果型 半因果型变换编码变换编码 通常是指将某种正交变换作为映射变换,用变换系数来表示原始图象
,对变换系数进行编码 。
若输入是广义平稳序列,则存在一种最佳的正交变换 —— 卡洛变换 。 所谓最佳：
1.变换系数互不相关；
2.数值较大的方差出现在少数系数中,即能量高度集中 。
这样,可在允许的总的均方误差一定的条件下,将数据减到最少 。
变换编码由于卡洛变换 (KLT)的基向量是原始图象协方差矩阵的特征向量,对于不同的图象,有着不同的最佳基向量 。 基向量不是固定的,所以一般没有快速算法,因此只宜于作理论分析和试验用 。
实用上用得较多的是离散傅立叶变换
(DFT),离散余弦变换 (DCT),离散小波变换 (DWT)和沃尔什 — 哈达玛变换 (WHT)。
它们的基向量是固定的,有比较成熟的快速算法 。
变换编码
（ 一 ） 变换形式采用变换编码时,首先将已给的 N*N图象分为若干子图象阵列 。 对于一维 （ 某行或某列 ）
变换编码,子图象阵列的大小是 1*n,其中 n<N
,它们可用向量 X=(x1,x2,…,xn)T表示 。 设 A是
n*n的 正 交 矩 阵,则 列 形 式 的 正 交 变 换 为：
Y=AX
行形式,YT=XTAT
在二维变换编码中,子图象通常是 n*n的方阵
,其中 n<N。 形式同一维变换编码类似 。
变换编码
（ 二 ） 变换性能
（ 1） 变换系数方差的分布变换压缩的基本依据是变换系数的方差
2k比较集中,常将系数按方差大小的顺序排列,作出变换系数方差的分布函数,以说明方差?2k的集中程度 。
（ 2） 率失真函数 R(D)
采用正交变换后的 R(D)比变换前降低很多 。
变换编码
（ 三 ） 编码的考虑
（ 1） 变换类型从均方误差最小和主观质量两个观点看,最好的变 换是 KLT,其 次是
DCT,DWT,DFT和 WHT。
变换编码变换编码变换编码
（ 2） 量化方案采用分组量化方法：对每一系数 ykl使用不同的量化器,有不同的量化级和级间间隔,对于方差?2kl小于某一门限的系数可以去掉,只对保留的系数进行编码 。 对于人眼最敏感的空间频率相应的变换系数以及?2kl较大的系数,应分配较多的比特数；而对概率 P(ykl)较大的系数,应分配较少的比特数 。
变换编码
（ 3） 子图象大小减小 n可以减少计算量 。 另一方面,n
越大,所计入的相关象素越多,总的均方差性能改善越多 。 然而,大多数图象仅在约 20个相邻象素之间有较大的相关性 。 n>16后,再增加 n对性能的改善作用不大 。
变换编码实 例
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
DCT编码
BMP文件：
66616字节
JPEG文件：
18837字节压缩比：
3.536
BMP文件：
65816字节
JPEG文件：
31587字节压缩比：
2.084
BMP文件：
65816字节
JPEG文件：
22033字节压缩比：
2.987
BMP文件：
65816字节
JPEG文件：
17238字节压缩比：
3.818
BMP文件：
65816字节
JPEG文件：
10421字节压缩比：
6.316
混合编码预测编码,利用邻近象素在灰度上的相关性,对某一象素的灰度预测偏差进行编码 。
变换编码,利用整块子图象所有象素在灰度上的相关性,对变换系数进行编码 。
混合编码,既用到预测编码,又用到变换编码的编码方法 。
混合编码对电视图象：
（ 1） 帧内混合编码：
在水平方向利用一维变换编码；
在垂直方向利用 DPCM（ 差值脉冲编码调制 ） 预测编码 。
（ 2） 帧间混合编码：
帧内用二维变换编码；
帧间用一维 DPCM编码 。
MPEG
点击图片播放视频基于图象特征提取的数据压缩方法图象中的信息只有一部分或很小的一部分对接收者是有用的,应予以保留,存储或传输；而其余对接收者来说是无用的信息,可认为是多余的 。
要求事先能对原始图象中所含的信息进行分类,鉴别 。
编码时只对具有某些特征的有用信息进行编码,这样,可以使图象数据得到较大的压缩 。
Human:人类
Humane:仁慈的；人道的；慈爱的
Inhumanity:残酷；暴虐
Humanely,富人情地,慈悲地
Humaneness:深情,慈悲
Humanics:人类学
Humanism:人道主义； 人文主义
Humanist:人道主义者,人文主义者
Humanistic:人文主义的
Humanitarian:慈善家；人道主义者；博爱主义者
Humanitarianism:人道主义；博爱主义利用 相关性可以帮助记忆
Humanities,人文学科
Humanity:仁慈；人道；博爱
Humanization,人类化,教化
Humanize:使有人性；感化
Humankind:人类
Humanly:用人力 ; 在人类的范围内
Humanness:为人,人性,为人的资格
Humanoid:有人的特点的
Humus:腐殖质；腐殖土
Humic:腐殖的
Humble:卑下的；地位或职务低下；的谦逊的；恭顺的
Humiliate:羞辱；使丢脸
Hummock:小丘,山岗
Hump:小园丘,峰丘,驼峰,驼背
Humid:潮湿的；湿气重的
Humoral,体液的,温性的,由体液引起的
Humor:幽默；心情；体液 （ 中古时认为决定人的健康和性格 ）
Humoursome:情绪不定的,易怒的,想入非非的
Exhume:掘出,发掘
Inhume:埋葬,把,..土葬
Terms
Image compression:图象压缩
Image coding:图象编码
Encoding,编码
Decoding,解码，译码
Cryptography,密码学
Decompression,解压
Encoder,编码器
Decoder,解码器
Redundant,冗余的
Terms
Irrelevant,不相干的
Compression ratio,压缩比
Dictionary-based encoding techniques,基于字典的编码技术
Statistical encoding method,统计编码方法
Lossless image compression,无损图象压缩
Reversible encoding,可逆编码
Error-free encoding,无误差编码
Information preserving encoding,信息保持编码
Terms
Lossy image compression,有损图象压缩
Fidelity,保真度
Encoding model,编码模型
Information,信息
Source of messages,信源，消息源
Memoryless source of messages,无记忆信源
Memory source of messages,有记忆信源
Entropy,熵
Terms
Huffman coding:霍夫曼编码
B code,B码
Shift code,移位码
Run,行程
Run length encoding (RLE),行程编码
Contour encoding,轮廓编码
LZW algorithm,Lemple-Ziv-Welch编码
Isoprefrence curves,等值线，等优线
Freeman’s chain code,Freeman链码
Terms
Mapping,映射
Scalar quantization,标量量化
Rate distortion theory,率失真理论
Date rate,数据率
Distortion,失真度
Rate distortion function:率失真函数
Reconstruction error,重构误差
Transform image encoding,变换图象编码
Block encoding,块编码
Terms
Bit allocation,位分配，比特分配
Differential encoding:微分编码
Predictive encoding,预测编码
Predictor,预测器
Predictive coefficient,预测系数
Differential pulse code modulation (DPCM),
微分脉冲编码调制
Hybrid encoding,混合编码
Terms
Pyramid algorithm,金字塔算法
Laplacian pyramid coding,拉普拉斯金字塔编码
Windowed Fourier transform,加窗傅立叶变换
Short-time Fourier transform (STFT),短时傅立叶变换
Gabor transform,Gabor变换
Time-frequency analysis,时频分析
Terms
Subband coding,子带编码
Karhunen-Loeve transform,卡 -洛变换
K-L transform,卡 -洛变换
Singular value decomposition transform,奇异值分解变换
SVD transform:奇异值分解变换
Eigenvalue,特征值
Eigenvector,特征向量
Hartley transform,哈特雷变换
Terms
Hadamard transform,哈达玛变换
Walsh transform,沃尔什变换
Slant transform,斜变换
Haar transform,哈尔变换
Markov process,马尔科夫过程
Covariance matrix,协方差矩阵
