介绍
- 最近研究 CABAC 熵编码原理，因此在剖析 CABAC 熵编码原理之前，先复习下算术编码的原理。
- 算术编码是图像压缩的主要算法之一。 是一种无损数据压缩方法，也是一种熵编码的方法。和其它熵编码方法不同的地方在于，其他的熵编码方法通常是把输入的消息分割为符号，然后对每个符号进行编码，而算术编码是直接把整个输入的消息编码为一个数，一个满足(0.0 ≤ n<1.0)的小数n。
算术编码原理
算术编码是一种数据压缩技术，它将信息源中的符号序列映射到一个单一的实数上。这种编码方法利用了符号的概率分布，将符号序列转换为一个在0和1之间的实数，这个实数的值与符号序列的概率成比例。算术编码的基本思想是将整个概率空间视为一个区间，然后根据每个符号的概率来划分这个区间。
以下是算术编码的一般步骤：
初始化：初始化一个区间，通常是[0,1)。
符号概率：确定信息源中每个符号的概率。
区间划分：根据每个符号的概率，将当前区间划分为子区间。每个子区间的长度与对应符号的概率成比例。
符号编码：当需要编码一个符号时，将当前区间调整为对应符号的子区间，并更新区间的端点。
重复：重复步骤4，直到所有符号都被编码。
输出：最终，编码过程结束时，区间的端点将非常接近，输出这个区间的端点之间的实数。
解码：解码过程是编码过程的逆过程。从输出的实数开始，根据每个符号的概率逐步确定原始符号序列。
算术编码的优点包括：
- 高效率：由于利用了概率信息，算术编码通常能够实现比传统编码方法更高的压缩比。
- 无长度限制：编码结果是一个实数，理论上可以无限长，不受编码长度的限制。
算术编码也有一些缺点：
- 实现复杂性：相比于其他编码方法，算术编码的实现更为复杂。
- 精度问题：由于涉及到实数运算，可能会遇到精度问题，特别是在处理非常大的数据集时。
算术编码在文本压缩、图像压缩和多媒体数据压缩等领域有广泛的应用。
算术编码示例
传统编码
传统的编码是通过符号映射实现，通过将符号和码字一一对应，比如下表的每个符号的码字，如果想编码"world"编成码流，则为：100 010 011 001 000
算术编码
- 算术编码与传统的编码不同，算术编码不是将单个符号映射成一个码字，而是从整个序列考虑，将输入的符号依据它的概率映射到[0,1)内的一个小区间上，如此递归地进行区间映射，最后得到一个小区间，从该区间内选取一个代表性的小数作为实际的编码输出。
- 如下表，每个符号的概率（假设），如果想编码的符号只有 d、l、o、r、w 这五个，那么它们的总概率就是 1，因此想要编码出“world”的码字的算术编码的过程如下：
- 根据概率设定各符号在[0, 1)区间上的初始区间：
- “world”的第一个符号 w 映射的区间在[0.7, 1) 之间，区间大小为 0.3；
- 需要根据该符号的概率分割[0.7, 1) 上的区间，如下：
- “world”的第二个符号 o 映射的区间在[0.76, 0.82) 之间， 区间大小为 0.06；
- 需要根据符号的概率进一步分割[0.76, 0.82) 上的区间；
- “world”的第三个符号 r 映射的区间在[0.784, 0.802)之间，区间大小为 0.018；
- 需要根据符号的概率进一步分割[0.784, 0.802)上的区间；
- “world”的第四个符号 l 映射的区间在[0.7858, 0.7876)之间， 区间大小为0.0018；
- 需要根据符号的概率进一步分割[0.7858, 0.7876)上的区间；
- “world”的第五个符号 d 映射的区间在[0.7858 0.78598 )之间，区间大小为0.00018；
- 从区间[0.7858 0.78598 )中任意取一个代表性的小数，比如 0.78585 就是最终编码“world”的输出值，再将小数转化为对应的二进制，去掉整数和小数点，即为最终的输出算术编码；
- 解码就是相反过程。
- 根据概率设定各符号在[0, 1)区间上的初始区间：
二进制算术编码
- 二进制算术编码和算术编码一样，但输入的只有“0”、“1”两个符号，即输入的是二进制串；
- 设输入符号串为s，中的符号分为两种：MPS(Most Probability Symbol)，LPS(Low Probality Symbol)，分别代表出现概率大小的符号，需要根据实际情况进行调整。如果输入的二进制串中的“0”较多，“1”较少，那么MPS = “0”，LPS =“1”；
- LPS 出现的概率 p_lps，则 MPS 的概率就为 1-p_lps；
- 接着按照算术编码的步骤编码输入的符号串；
688
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
