信息熵与压缩编码基础

什么是信息熵

定义:按照香农的理论,在有限的互斥和联合穷举事件合集中,熵为事件的信息量的平均值,也称事件的平均信息量。
在数学上表示为发
在这里插入图片描述
在这里插入图片描述

例题

一串消息包含A,B,C,D,E共5类符号,其内容是AABBBBAAAACCCCCCCCCEEEEEEDDDDEEEEEEEEEEEEE, 请问其信息熵是多少?如果分别采用香农-凡诺编码,霍夫曼编码,压缩率分别是多少?
在这里插入图片描述
在这里插入图片描述
采用香农-凡诺编码<

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据提供的引用内容,我们可以得知对于彩色图像的像素值进行哈夫曼编码和解码,可以分为将像素值的R、G、B值作为独立符号和将像素值的R、G、B值作为联合符号两种情况。而对于任意Q符号N重信源的R进制哈夫曼编码,需要用户输入信源的概率分布,展示编码结果、平均码长、信源编码效率。因此,我们可以根据这些信息回答选取任意图像,对其进行哈夫曼编码,计算平均码字长度,信息熵压缩比及编码效率的问题。 以下是对于选取任意图像,对其进行哈夫曼编码,计算平均码字长度,信息熵压缩比及编码效率的步骤和代码实现: 1. 读取图像并将其转换为灰度图像 ```matlab img = imread('image.jpg'); % 读取图像 gray_img = rgb2gray(img); % 将图像转换为灰度图像 ``` 2. 计算灰度图像的像素值的概率分布 ```matlab pixel_num = imhist(gray_img); % 计算每个像素值的数量 pixel_prob = pixel_num / sum(pixel_num); % 计算每个像素值的概率分布 ``` 3. 对灰度图像的像素值进行哈夫曼编码 ```matlab [dict, avglen] = huffmandict(0:255, pixel_prob); % 哈夫曼编码 huffman_code = huffmanenco(gray_img(:), dict); % 获取编码结果 ``` 4. 计算信息熵和平均码字长度 ```matlab entropy = -sum(pixel_prob .* log2(pixel_prob)); % 计算信息熵 avglen = sum(pixel_prob .* cellfun('length', dict(:, 2))); % 计算平均码字长度 ``` 5. 计算压缩比和编码效率 ```matlab img_size = numel(gray_img); % 计算原始图像大小 code_size = numel(huffman_code); % 计算编码后的图像大小 compression_ratio = img_size / code_size; % 计算压缩比 coding_efficiency = entropy / avglen; % 计算编码效率 ``` 6. 输出结果 ```matlab fprintf('信息熵:%.4f\n', entropy); fprintf('平均码字长度:%.4f\n', avglen); fprintf('压缩比:%.4f\n', compression_ratio); fprintf('编码效率:%.4f\n', coding_efficiency); ```

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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