数据压缩补充知识——量化器（Lloyd-Max条件推导）

目录

        一、基础知识

        二、条件推导

        三、重要结论

---

一、基础知识

Lloyd-Max标量量化器（非均匀量化器）：也成为称为pdf-最佳量化器 

简单说明一下量化需要考虑的要点：

 Lloyd-Max量化器：在信源符号概率分布函数fx值大的时候，减小量化区间；在fx小的时候，增大量化区间（出现次数多，细量化，出现次数少，粗量化）

这里引出了两个重要的结论：

⚪ 判断门限应该取在相邻量化输出电平的重点

⚪重建电平应该取在量化间隔的质心

下面来推导这两个重要结论：

二、条件推导

公式太不方便打啦，直接手写也方便理解~

三、重要结论

1、对于均匀分布的信号，采用均匀量化器能得到最好的量化效果

2、对于非均匀分布的信号，采用Llyod-Max量化器能得到最好的结果（当输入信号也为均匀分布时，Llyod-Max量化器的结果和均匀量化器的结果相同）

        虽然我们已经知道了，对于非均匀分布的信号，采用Llyod-Max量化器能取得最好的结果（类似于，密的地方，细量化；疏的地方，粗量化，最终得到的量化结果肯定比采用均匀量化的好）

        但是在压缩系统中，还有一个非常重要的问题需要我们考虑——我们要将量化后的结果输入熵编码，最终得到编码后的码流。而熵编码（以典型的Huffman编码为例），最希望输入的其实是一个概率分布很不均的信号，Huffman编码可以对概率大的符号采用短码，对概率小的符号采用长码，从而降低平均码长，提高压缩效率。

再次回顾一下非均匀量化的图像：

1、2、3、4，量化后，这四个区间的符号出现概率（可以看每个颜色块的面积）其实是非常相近的，也就是非常类似于均匀分布。

而均匀量化器量化后，

 3、4、5、6、7、8，这几块量化后符号的出现概率明显是非常不同的，也就是非均匀分布的。

总结一下上面得到的结论： 

        非均匀量化——输出的概率分布均匀分布——不适合熵编码

        均匀量化——输出的概率分布非均匀分布——适合熵编码

        当然我们直接使用均匀量化即可！