【数字图像处理与应用】Lecture 16 图像压缩(2)

数字图像处理与应用 Class 16. 20200622

Lecture 16 Compression

--Lossless Image Compression

  #Variable length coding(Eliminate coding redundancies)

         Huffman coding

         Arithmetic coding

  #LZW coding (Reduce interpixel redundancies)

  #Hybrid Coding

--Lossy Image Compression

---

Arithmetic coding

源符号和码字之间不存在一一对应关系。

一个完整的源符号序列被分配一个算术码字。

码字定义了0到1之间的实数区间。

随着消息中符号数量的增加，用于表示它的间隔会变小。

而表示间隔所需的信息单位(比特)的数量也会变大。

栗子：

对于编码的信息源为“dacab”，每个源符号的概率为:P(a)=0.4,P(b)=0.2,P(c)=0.2, P(d)=0.2

在编码过程开始时，假设信息源占据整个半开区间[0,1)，根据概率将每个符号的初始区间初步细分为四个区域:a=[0,0.4)， b=[0.4, 0.6)， c=[0.6, 0.8)， d=[0.8, 1.0)

对于“d”的第一个编码符号，其初始间隔为[0.8,1.0);

对于第二个符号“a”，因为前一个符号“d”被限制在[0.8,1.0)中，所以“a”的值应该在[0,0.4)子区间[0.8,1.0)中，那么

  即符号“da”的编码间隔在[0.8,0.88)。

其中StartN、EndN为新间隔的开始和结束位置，StartB为前间隔的开始位置，LB为前间隔的长度。LeftC和RightC是当前代码间隔的左右边界。

对于第三个符号“c”，它应该在[0.8,0.88)的子区间[0.6,0.8)内，则: 

对于第四个符号“a”:

对于第五个符号“b”:

现在，源信息“dacab”已经被描述为一个实数区间[0.85056,0.85144]，或者说在这个区间内的任意实数都可以用来表示源信息。

我们可以将区间[0.85056,0.85144)表示为二进制形式[0.110110011011,0.110110011110]。

我们发现0.1101100111在这个区间内，且长度最短。然后将其作为输入序列符号“dacab”的输出。

因为所有编码的结果都包括“0”。，则可以删除它，并以1101100111作为本例的算术编码结果。

每个字符用8bit，5个字符共40bit，现在只需用10bit。