图像压缩处理 - 预测编码

最新推荐文章于 2022-04-24 23:05:43 发布
最新推荐文章于 2022-04-24 23:05:43 发布
阅读量2.5k 收藏 7
点赞数 2
分类专栏： 图像处理 文章标签： 预测编码 帧间预测 帧内预测 线性预测 视频压缩
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/keke_Memory/article/details/106737207
版权

文章目录

概念

预测编码是属于时间领域的编码法。利用前面已经出现了的符号来预测目前的符号，然后将实际上的符号与预测符号得到预测误差，将此误差编码并送出。

应用

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

预测编码基本思想

通过对每个像素中像素当前实际值和预测值的差进行提取和编码，以此来消除像素间的冗余。

线性预测

LPC, Linear predictive coding）是主要用于音频信号处理与语音处理中根据线性预测模型的信息用压缩形式表示数字语音信号。它是最有效的语音分析技术之一，也是低位速下编码方法高质量语音最有用的方法之一，它能够提供非常精确的语音参数预测。

在这里插入图片描述
平均方差
Mean Squared Error(MSE)
在这里插入图片描述

帧内预测

Intra Prediction
帧内/帧间预测是利用像素之间的相关性来去除空间冗余和时间冗余。手段是为当前编码块构造尽可能准确的预测块，从而得到能量较小的残差块。目的是能量较小的残差块可以减少传输比特。

帧内编码用于视频编码（压缩中），通过对已经编码的同一帧内的像素来计算预测值以进行有效的编码从而减少空间冗余，即像素之间的相关性。 预测块P是基于已编码重建快和当前块形成的，当前块减去这个预测块，将差值进行编码。

帧间预测

Inter Prediction
采用基于快的运动补偿从一个或者多个先前编码的图像帧中产生的一个预测模型的

方法：
在这里插入图片描述

帧内&帧间预测

在这里插入图片描述

kxwang_
关注
  • 2
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
MATLAB图像预测编码DPCM（绝对可用）！
10-25
可实现1维和2维预测编码、传输误码 带有界面 简洁明了 值得下载！！！
图像的线性预测编码 matlab
05-03
帧内DPCM的编解码方法(预测、量化)及其压缩性能。 一维前值预测DPCM编解码程序，预测系数取(1,0,0,0) 二维前值预测DPCM编解码程序，预测系数取(1/2,1/4,0,1/4) 本实验采用15个量化分层的主观量化器，其量化电平分别取(0,±5,±7,±10,±17,±28,±39,±52,±67)。
基于LMS的图像自适应预测编码
04-18
为了提高图像编码预测器的预测性能，提出了一种低复杂度，高效的自适应预测方法。采用LMS（Least Mean Square）自适应滤波技术进行预测，并对预测值进行减邻域均值的改进，有效克服了图像的非零均值和非平稳性特征，满足LMS算法的要求，使预测性能得以提高 。通过对不同图像的仿真结果表明，该方法的预测差值图像的熵比GAP算法和MED算法的差值图像的熵要小0.1 bit/piexl左右，均方误差（MSE）也要小于后两者的均方误差。
图像压缩编码
07-24
常用图像压缩编码码matlab实现。包括：DM编码、变换编码（FFT和DCT）、算术编码、行程编码、Huffman编码、线性预测编码和一个近似的JPEG编码过程。非常适合入门用户实践。
数字图像处理- 图像压缩
ooo222555的博客
04-24 2511
目的：编程对图像进行线性预测编码处理。 要求：能够编程实现对图像进行压缩处理。 根据图1中二阶线性预测编码原理的示意图，图中a1=1，a2= -1，编写线性预测编码代码对一幅灰度图像进行压缩。 图1 二阶线性预测编码原理 1) 算法或流程图 读入图像，并打印展示原图像 转换源图像速度类型为double型 得到原图像的高度和宽度参数 设置存放预测值的矩阵初始值为零 将256列矩阵扩展至257列 利用双重for循环计算预测后的值, 并将预测后的值放入相应位置 计算原值与预测值的差.
【转】预测编码
weixin_30466421的博客
06-21 1528
原文地址：http://wenku.baidu.com/view/8cd8e219a2161479171128f7.html 1.1定义 预测编码是数据压缩理论的一个重要分支。根据离散信号之间存在一定相关性特点，利用前面的一个或多个信号对下一个信号进行预测，然后对实际值和预值的差（预测误差）进行编码。如果预测比较准确，那么误差信号就会很小，就可以用较少的码位进行编码，以达到数据压缩的目的。 ...
预测&编码
beryl2017的博客
08-16 5464
预测编码，顾名思义预测就是利用前面的一个或者多个信号对下一个信号进行预测。预测编码就是根据离散信号之间存在的一定相关性特点进行预测，不同的是预测编码是对实际值与预测值的差值进行编码。 如果预测的足够准确，那么误差信号就会很小，这样需要的码位也会大大减少，达到数据压缩的目的。举个例子： 收端解码时预测过程与发端相同，预测器也相同，收端输出的信号是发端的近似值，两者误差是： Ps：每行最开始的几个像素无法预测，需要其他的编码方式编码 有损的预测编码—DPCM编码 预测编码是一种有损编码。所谓的
【视频编解码-05】预测编码详解-帧内预测
春秋繁露
02-27 2356
定义 预测编码最基本的思想是不直接对信号进行编码，而是用前一信号对当前信号做出预测，对当前信号与预测值的差值进行编码传送。 为什么要用差值来编码呢？ 举个例子，假设图片是4x4，且没个像素点都是255，那么对255进行二进制编码至少需要8位，如果我们假设预测值是255，那么差值就是255-255=0，那么仅仅对0进行编码一位即可，这样就大大减少了码元的个数。 什么是帧内预测呢？ 帧内预测的目的就是使用比完整一帧少很多的数据来表示当前的一帧。 为什么可以进行帧内预测呢？ 一般的，相邻像素的亮度和色度值经常是非
图像处理的预测编码源代码
11-12
关于Matlab的图像处理中预测编码的相关代码,简单易懂,较为基础,适合学习.
图像压缩编码码matlab实现，包括线性预测编码，算术编码，行程编码，变换编码，DM编码，jpeg
04-04
图像压缩编码码matlab实现，包括线性预测编码，算术编码，行程编码，变换编码，DM编码，jpeg x = double(x) - 128; %像素层次移动-128 [xm, xn] = size(x); %得到像素尺寸 t = dctmtx(8); %得到8*8DCT矩阵 %将图像分割成8*8子图像，进行DCT，然后进行量化 y = blkproc(x, [8,8], 'P1*x*P2', t, t'); m = [16 11 10 16 24 40 51 61 %JPEG量化步长矩阵 12 12 14 19 26 58 60 55 14 13 16 24 40 57 69 56 14 17 22 29 51 87 80 62 18 22 37 56 68 109 103 77 24 35 55 64 81 104 113 92 49 64 78 87 103 121 120 101 72 92 95 98 112 110 103 99]*quality;
图像预测编码
11-27
图像预测编码 C#语言编写 绝对可以运行
数字图像的压缩编码.ppt
01-05
数字图像处理——图像编码PPT，详细讲解：预测编码、统计编码、变换编码、位平面编码、静止图像压缩编码实例、图像压缩的国际标准简介
matlab图像压缩编码.rar
12-02
Matlab实现常用图像压缩编码。包含DM编码、变换编码（FFT和DCT）、算术编码、行程编码、Huffman编码、线性预测编码和一个近似的JPEG编码过程
图像处理 无损压缩-哈夫曼编码（可变字长符号编码）
keke_Memory的博客
06-11 4274
定义 哈夫曼编码，又称为霍夫曼编码，是一种字符编码。 在计算机数据压缩处理中，霍夫曼编码使用变长编码表()对源符号（如文件中的一个字母）进行编码，其中变长编码表是通过一种评估来源符号出现几率的方法得到的，出现几率高的字母使用较短的编码，反之出现几率低的则使用较长的编码，这便使编码之后的字符串的平均长度、期望值降低，从而达到无损压缩数据的目的。 定长长和变长编码比较 定长编码：fixed length coding (FLC)，如定长一字节或者定长二字节 变长编码：virable length coding（
图像处理 有损压缩-变换编码
keke_Memory的博客
06-12 3499
什么是压缩变换编码 变换编码是对诸如音频信号或摄影图像之类的“自然”数据进行数据压缩的一种类型。 转换通常本身是无损的（完全可逆的），但可用于实现更好的（更有针对性的）量化，从而导致原始输入的质量降低（无损压缩）。 压缩变换编码目的 将数据（图像/视频）转换成易于压缩的形式。 如何进行 像素 A B C D 原格式 像素点 存储位数 （Bits） A 8 B 8 C 8 D 8 Total 32 变换过程 变换 逆变换 X0 = A A
数字图像处理-图像压缩
keke_Memory的博客
04-17 2684
图像压缩介绍 概念 图像压缩是图像编码的一种典型用途。数据压缩的对象是数据，大的数据量并不代表含有大的信息量。图像压缩就是除去图像中多余的数据而对信息没有本质的影响。 目的 图像编码压缩的主要目的是用尽可能少的bits去表示一副图像，于此同时，图像的质量和信息得以保留。减少数据量的基本原理是除去其中多余的数据。 冗余(redundancy) ： 空间冗余(Spatial redundancy)...
图像处理 有损压缩变换-离散余弦变换
keke_Memory的博客
06-13 1835
文章目录离散余弦变换概念形式应用特征变换步骤 离散余弦变换概念 离散余弦变换（英语：discrete cosine transform, DCT）是与傅里叶变换相关的一种变换，类似于离散傅里叶变换，但是只使用实数。离散余弦变换相当于一个长度大概是它两倍的离散傅里叶变换。 形式 余弦波信号 时间域和频域的转换 应用 离散余弦变换，经常被信号处理和图像处理使用，用于对信号和图像（包括静止图像和运动图像）进行有损数据压缩。 特征 强大的“能量压缩”特性：大多数自然信号（包括声音和图像）能量都集中在离
图像处理 有损压缩变换-傅里叶变换
keke_Memory的博客
06-13 1225
文章目录傅里叶变换概念定义帕瑟瓦尔定理 傅里叶变换概念 傅里叶变换（Fourier transform）是一种线性积分变换，用于信号在时域（或空域）和频域之间的变换。 将函数（通常是时间的函数或信号）分解为三角函数（正弦和/或余弦函数）或三角函数积分的线性组合形式的组成频率。 经傅里叶变换生成的函数称作原函数的傅里叶变换，亦称频谱。在许多情况下，傅里叶变换是可逆的，用一个复数表示变换后的振幅和相位。 定义 时域函数 频域函数 （连续）傅里叶变换将可积函数 f : R->C 表示成复指数函数的积分或
MATLAB压缩图像预测编码代码
最新发布
05-22
以下是一个简单的 MATLAB 图像压缩预测编码代码示例： ```matlab % 读取图像 I = imread('lena.bmp'); % 转换为灰度图像 I = rgb2gray(I); % 显示图像 imshow(I); % 设置预测器类型 % 使用差分预测器 predictor = 1; % 将图像划分为 8x8 的块 block_size = 8; [m, n] = size(I); n_blocks_m = floor(m / block_size); n_blocks_n = floor(n / block_size); blocks = cell(n_blocks_m, n_blocks_n); for i = 1:n_blocks_m for j = 1:n_blocks_n blocks{i, j} = I((i-1)*block_size+1:i*block_size, (j-1)*block_size+1:j*block_size); end end % 压缩每个块 for i = 1:n_blocks_m for j = 1:n_blocks_n % 获取当前块 block = blocks{i, j}; % 应用预测器 if i == 1 && j == 1 % 第一个块使用零预测 predicted_block = zeros(size(block)); elseif i == 1 % 第一行块使用行预测 predicted_block = blocks{i, j-1}; elseif j == 1 % 第一列块使用列预测 predicted_block = blocks{i-1, j}; else % 其他块使用差分预测 if predictor == 1 % 差分预测 predicted_block = block - blocks{i, j-1}; else % 中值预测 predicted_block = medfilt2(blocks{i-1:i, j-1:j}); predicted_block = predicted_block(2:end, 2:end); end end % 将预测的块转换为整数 predicted_block = round(predicted_block); % 计算误差 error_block = block - predicted_block; % 将误差转换为整数 error_block = round(error_block); % 将误差编码 encoded_block = rle(error_block(:)); % 存储编码后的块 blocks{i, j} = encoded_block; end end % 解压缩每个块 for i = 1:n_blocks_m for j = 1:n_blocks_n % 获取当前块的编码 encoded_block = blocks{i, j}; % 解码误差 error_block = irle(encoded_block); % 将误差转换为浮点数 error_block = double(error_block); % 应用预测器 if i == 1 && j == 1 % 第一个块使用零预测 predicted_block = zeros(size(error_block)); elseif i == 1 % 第一行块使用行预测 predicted_block = blocks{i, j-1}; elseif j == 1 % 第一列块使用列预测 predicted_block = blocks{i-1, j}; else % 其他块使用差分预测 if predictor == 1 % 差分预测 predicted_block = blocks{i, j-1}; else % 中值预测 predicted_block = medfilt2(blocks{i-1:i, j-1:j}); predicted_block = predicted_block(2:end, 2:end); end end % 将预测的块转换为浮点数 predicted_block = double(predicted_block); % 重建块 decoded_block = predicted_block + error_block; % 存储重建后的块 blocks{i, j} = decoded_block; end end % 合并块以重建图像 reconstructed_image = zeros(m, n); for i = 1:n_blocks_m for j = 1:n_blocks_n reconstructed_image((i-1)*block_size+1:i*block_size, (j-1)*block_size+1:j*block_size) = blocks{i, j}; end end % 显示重建后的图像 imshow(reconstructed_image, []); ``` 注：该代码只实现了简单的差分预测编码，需要根据实际情况进行修改和优化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

kxwang_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值