数字图像处理 阮秋琦 期末复习 #3 图像编码

第五章 图像编码

5.1 保真度准则

5.1.1 客观保真度

1. 输入输出图像的均方根误差
2. 输入输出图像的均方根信噪比

误差定义为$$e(x,y)=g(x,y)-f(x,y)$$
则均方误差为$${\bar{e}}^2=\frac{1}{N^2}\sum \sum e^2(x,y)$$
均方根误差为$$rms=\sqrt{{\bar{e}}^2}$$
均方信噪比：$$(\frac{S}{N}{)}_{ms}=\frac{\sum \sum g^2(x,y)}{\sum \sum e^2(x,y)}$$
均方根信噪比为$$rms=\sqrt{(\frac{S}{N}{)}_{ms}}$$

5.1.2 主观保真度

绝对尺度：

1. 优秀的：具有极高质量的图像
2. 好的：是可供观赏的高质量的图像，干扰并不令人讨厌
3. 可通过的：图像质量可以接受，干扰不讨厌
4. 边缘的：图像质量较低，希望能加以改善， 干扰有些讨厌
5. 劣等的：图像质量很差，尚能观看，干 扰显著地令人讨厌
6. 不能用：图像质量非常之差，无法观看

妨害准则：

1. 没有妨害感觉
2. 有妨害，但不讨厌
3. 能感到妨害，但没有干扰
4. 妨害严重，并有明显干扰
5. 不能接收信息

品质准则

5.2 统计编码

5.2.1 霍夫曼编码

设信源$$X=\left\{\begin{array}{c}{u}_1,u_2,\dots ,u_M\\ p_1,p_2,\dots ,p_M\end{array}\right\}$$
在这里，u表示灰度，p表示该灰度的频率，则霍夫曼编码流程如下：

1. 首先对$(u,p)$按$p$的大小进行从大到小的排序
2. 将最后两个消息合并，分别赋值0或1
3. 重复1-2

5.2.2 仙农－费诺（Shannon–Fano）编码

1. 按频率排序，书本采取从大到小
2. 将符号集合划分为两个子集，使得两个子集的频率之和尽量相等。
3. 对每个子集分配0或1
4. 重复1-3

5.3 预测编码

预测编码是一种基于预测误差的压缩方法，对误差进行编码而不是样本，它利用图像中相邻像素之间的关系来减小数据的冗余，从而实现图像的有效压缩。

5.3.1 $\Delta M$编码

△M编码性能主要由斜率过载特性、量化噪声以及量化信噪比等性能来衡量。

5.4 变换编码

5.4.1 正交变换编码

通过正交变换把图像从空间域转换为能量比较集中的变换域，然后对变换系数进行编码，从而达到缩减比特率的目的。
正交变换编码具有以下性质：

1. 正交变换具有熵保持性质：通过正交变换不丢失信息
2. 正交变换有能量保持性质：由帕斯维尔能量保持性质得到。
3. 能量重新分配与集中：可以采用熵压缩法来压缩数据；在质量允许的情况下，舍弃一些能量较小的系数，或者对能量较小的谱点分配较少的比特。
4. 去相关特性：正交变换可以使高度相关的空间样值变为相关性很弱的变换系数，有可能使相关的空间域转变为不相关的变换域，去除存在于相关性之中的冗余度