《The H.264 advanced video compression standard》读书笔记-3.3-3.4

3.3.2 Spatial model: intra prediction

 帧内预测： 如果图像样本是安装光栅扫描的顺序 进行编码的，当前块中相邻的上和左部分就是已经编码的并且可以被使用（编/解码器在这个时候都可以获取到这些数据）

空间外推，如图3.24.

并且相邻的图像块之间有高度的相关性，所以只需要使用 current block 紧邻的上/左两个部分的像素进行预测就可以获得一个相对小的 残差值。

3.4 Image model

 从预测模型中获得的数据是 残差帧——两个图像的差值，所以两个图像相关性越好，差值越小，效果也越好，残差帧中用到的移动补偿 和 帧内的空间预测就很好地利用这点，所以经过移动补偿和帧内预测之后的图像数据，已经是有较少的相关性了（存储的是差值），而对于总的 目的而已就是为了减少 冗余数据达到压缩的目的，也就是说最终存储的单个数据之间相似性越少，冗余度越低，Image model， 就是用来进一步减少存储数据之间的相关性的，冗余度低的数据更易于压缩和熵编码。

practical image models typically,典型的image models, 有三个主要组成：

1 转换，去相关性并且压缩数据  2 量化，降低转换数据的精度  3 重新排序，将重要信息组织在一起重新排序