基于预测编码的图像压缩方法的研究

一、图像压缩：

（１）什么是图像压缩
减少表示数字图像时需要的数据量。

（２）图像压缩的基本原理

　图像数据之所以能被压缩，就是因为数据中存在着冗余。图像数据的冗余主要表现为:图像中相邻像素间的相关性引起的空间冗余;图像序列中不同帧之间存在相关性引起的时间冗余;不同彩色平面或频谱带的相关性引起的频谱冗余。数据压缩的目的就是通过去除这些数据冗余来减少表示数据所需的比特数。由于图像数据量的庞大,在存储、传输、处理时非常困难,因此图像数据的压缩就显得非常重要。
　 图像压缩是数据压缩技术在数字图像上的应用，目的是减少图像数据中的冗余信息从而用更加高效的格式存储和传输数据。

（３）图像压缩基本方法

　图像压缩可以是有损数据压缩也可以是无损数据压缩。对于如绘制的技术图、图表或者漫画优先使用无损压缩，这是因为有损压缩方法，尤其是在低的位速条件下将会带来压缩失真。如医疗图像或者用于存档的扫描图像等这些有价值的内容的压缩也尽量选择无损压缩方法。有损方法非常适合于自然的图像，例如一些应用中图像的微小损失是可以接受的(有时是无法感知的)，这样就可以大幅度地减小位速。

二、预测编码：

（1）预测编码来源：

对自然景象、人物图像统计分析看出，低亮度层次的像素有较大的概率，如图1所示，而经过对大量图像差值信号统计，其概率分布如图2所示；幅度差值越大的差值信号出现的概率越小，而零值或接近零值的差值信号出现的概率最大。这表现在一幅图像中都含有亮度值恒定或者变化很小的大面积区域，从而使差值信号的80%~90%落在约16~18个量化层中。因此利用图像水平方向（或垂直方向）两个像素真实的离散幅度相减而得到它们的差值，然后对差值进行编码、传送就能达到压缩图像数据的目的，预测法的图像压缩编码就是在这基础上发展起来的。

（2）什么是预测编码？

预测编码数据压缩技术建立在信号数据的相关性上， 它根据某一模型，利用以前的样本值对新样本进行预测，以此减少数据在时间和空间上的相关性，从而达到压缩数据的目的，但在实际预测编码时 ，一般不是建立在数据源的数学模型上，而是基于估计理论,现代统计学理论，这是因为数据源的数学模型很难建立，有时根本无法得到其数学模型，例如时变随机系统。预测编码的算法有很多，在图像编码常用的是DPCM(different Pulse Code Modulation),即：差分脉冲编码调制方法。