实验四图像压缩编码介绍

实验四图像压缩编码介绍（精选3篇）

1.实验四图像压缩编码介绍 篇一

图像类型编码时间t（s）信噪比PSNR（dB）无噪声图像5832.87含噪声图像1（方差50）20528.47含噪声图像2（方差100）39226.69含噪声图像3（方差200）75024.36

3 图像小波域的去噪方法

小波分析用于图像去噪处理，主要是针对图像信号与噪声信号经小波变换后在不同的分辨率呈现不同的规律，在不同的分辨率下，设定阈值门限，调整小波系数，达到图像去噪目的。

在小波系数进行取舍之前，实际上按照一定准则（或者阈值化）将小波系数划分为两类：一类是重要的、规则的小波系数；另一类是被看作非重要的或者受噪声干扰较大的小波系数。通常以小波系数的绝对值作为小波系数的.分类单元。小波系数绝对值趋向于零，意味道着小波系数所包含的信息量并且强烈地受噪声干扰。最常用的阈值化去噪方法：一是默认阈值消噪处理，即在消噪处理过程中采用程序中设定的阈值，对分解信号进行分类处理，以求消除噪声；二是给定软（或硬）阈值消噪处理，阈值通过某一个经验公式获得，该阈值比默认的阈值去噪效果更有说服力。

对于“软阈值化”，绝对值小于阈值δ的小波系数数值用零代替；绝对值大于阈值δ的小波系数数值用δ来缩减。如下所示：

式中，W表示小波系数的数值；sgn(・)是符号函数，当数值大于零，符号为正，反之符号为负。对于“硬阈值化”，仅仅保留绝对值大于阈值δ的小波系数，并且被保留系数与系数相同（没有被缩减），如下式所示：

两种方法各有差异，前者具有连续性，在数学上容易处理，后者更接近实际应用。

阈值化处理的关键在于选择合适的并值δ。如果阈值门太小，处理后的信号仍有噪声存在；阈值太大，重要的图像特征将被滤掉，引起偏差。大多数阈值的选取过程是针对一组小波系数，即根据本组小波系数的统计特性，计算出一个阈值δ。Donoho等提出了一种典型的阈值选取方式，从理论上说明阈值与噪声的方差成正比，为：

其中，Nj表示第j层子带上小波系数的个数。

通过对信号的收缩阈值处理，能较好去除噪声，提高重构图像的信噪比和图像的编码效率。

2.实验四图像压缩编码介绍 篇二

1 图像压缩编码的可行性研究

图像数据的压缩机理来自两个方面:一是利用图像中存在大量冗余度可供压缩;二是利用人眼的视觉特性。

1.1 图像数据的冗余度

1) 空间冗余:在一幅图像中规则的物体和规则的背景具有很强的相关性;

2) 时间冗余:电视图像序列中相邻两幅图像之间有较大的相关性;

3) 结构冗余和知识冗余:图像从大面积上看常存在有纹理结构, 称之为结构冗余;

4) 视觉冗余:人眼的视觉系统对于图像的感知是非均匀和非线性的, 对图像的变化并不都能察觉出来。

1.2 人眼的视觉特性

1) 亮度辨别阈值:当景物的亮度在背景亮度基础上增加很少时, 人眼是辨别不出的, 只有当亮度增加到某一数值时, 人眼才能感觉其亮度有变化。人眼刚刚能察觉的亮度变化值称为亮度辨别阈值;

2) 视觉阈值:视觉阈值是指干扰或失真刚好可以被察觉的门限值, 低于它就察觉不出来, 高于它才看得出来, 这是一个统计值;

3) 空间分辨力:空间分辨力是指对一幅图像相邻像素的灰度和细节的分辨力, 视觉对于不同图像内容的分辨力不同。

2 图像压缩编码方法研究

图像编码的过程可以概括成图1所示的3个步骤, 原始图像经映射变换后的数据, 经量化器和熵编码器成为码流输出。目前, 常见的编码方法有如下几种:

2.1 预测编码

预测编码是根据某一模型利用过去的样值对当前样值进行预测, 然后将当前样值的实际值与预测值相减得到一个误差值, 只对这一预测误差值进行编码。预测方法:1) 帧内预测帧内预测利用图像信号的空间相关性来压缩图像的空间冗余, 根据前面已经传送的同一帧内的像素来预测当前像素;2) 帧间预测:电视图像在相邻帧之间存在很强的相关性;3) 预测系数的选择:预测系数的选择通常采用最优线性预测法, 选择预测系数a1, a2, …, an-1使误差信号en的均方值最小;4) 自适应预测:自适应预测又称为非线性预测。可以利用预测误差作为控制信息, 因为预测误差的大小反映了图像信号的相关性。

2.2 正交变换编码

变换编码 (Transform Coding) 的基本思想是将在通常的欧几里德几何空间 (空间域) 描写的图像信号变换到另外的向量空间 (变换域) 进行描写, 然后再根据图像在变换域中系数的特点和人眼的视觉特性进行编码。

2.3 哈夫曼 (Huffman) 编码

Huffman编码方法就是利用了这个定理, 它是一种效率高、方法简单的编码。信源中符号出现的概率相差越大, Huffman编码效果越好。

Huffman编码步骤:1) 把信源符号xi (i=1, 2, …, N) 按出现概率的值由大到小的顺序排列;2) 对两个概率最小的符号分别分配以“0”和“1”, 然后把这两个概率相加作为一个新的辅助符号的概率;3) 将这个新的辅助符号与其他符号一起重新按概率大小顺序排列;4) 跳到第2步, 直到出现概率相加为1为止;5) 用线将符号连接起来, 从而得到一个码树, 树的N个端点对应N个信源符号;6) 从最后一个概率为1的节点开始, 沿着到达信源的每个符号, 将一路遇到的二进制码“0”或“1”顺序排列起来, 就是端点所对应的信源符号的码字。由于Huffman方法构造出来的码不是惟一的, 主要有两个原因:一是在两个符号概率相加给两条支路分配“0”和“1”时, 这一选择是任意的;二是当两个消息的概率相等时, 0, 1分配也是随意的。Huffman编码对不同的信源, 其编码效率是不同的。7) Huffman编码中, 没有一个码字是另一个码字的前缀。因此, 每个码字惟一可译。

2.4 子带编码

子带编码的基本思想是利用带通滤波器组将信道频带分割成若干个子频带 (Subband) , 将子频带搬移至零频处进行子带取样, 再对每一个子带用一个与其统计特性相适配的编码器进行图像数据压缩。另外, 子带编码还有以下优点:1) 一个子带的编码噪声在解码后只局限于该子带内, 不会扩散到其他子带。这样, 即使有的子带信号较弱, 也不会被其他子带的编码噪声所掩盖;2) 可以根据主观视觉特性, 将有限的数码率在各个子带之间合理分配, 有利于提高图像的主观质量;3) 通过频带分解, 各个子带的抽样频率可以成倍下降。

3 结论

图像编码是各类图像信息传输、存贮产品的一项核心技术。图像编码技术的进展已使那些制约因素不再成为瓶颈, 从而推动了各类图像通信系统的推广和应用。

摘要：图像信息占据大量的存储容量, 而且传输的带宽有限, 因此, 对图像进行压缩编码已经变得非常重要了, 本文笔者首先分析了图像压缩编码的可行性, 然后详细的对当前较常用的压缩编码方法进行了探讨。

关键词：图像,压缩编码,冗余度,预测编码

参考文献

[1]董士海.图像格式编程指南.北京:清华大学出版社, 1994.

[2]张远鹏, 董海, 周文灵.计算机图像处理技术基础.北京:北京大学出版社, 1996.

[3]章毓晋.图象处理和分析, 北京:清华大学出版社, 1999.

3.实验四图像压缩编码介绍 篇三

随着计算机技术、现代通信技术和电信网络技术的迅猛发展,图像的数字化带来海量数据处理,因此,对图像数据的处理——编码压缩以便存储、传输便成为该领域首要解决的核心问题之一。图像的压缩及编码受清晰度、色彩度、失真度等约束,也就有了很大的挑战性和必要性。

表1描述了几种重要的未经压缩信源信号的原始数据速率[4]。可见,海量的数据必须作压缩处理。图像数据可进行压缩的可能性:原始图像数据是高度相关的,存在着很大的冗余度;据人眼的生理特性-视觉冗余度:对亮度信号的分辨率高于颜色的空间分辨率,可对图像作主观图像质量几乎没有下降的处理。图像数据压缩技术就是研究如何利用数据的冗余性来减少图像数据量的方法。

2 图像压缩

图像数据的压缩分无失真(或无损)编码和限失真(或有损)编码[1],前者不会丢失数据信息,但压缩率较小;后者会造成失真,但这些失真可以控制在一定的限度内,不致影响使用效果。为此,尽可能提高压缩比同时又保证图像的质量是亟需研究、解决的课题。作者对静态图像的国际压缩标准——JPE G深入的研究、探讨和改进,该方案有较高的压缩比、信噪比等良好性能。JPEG是公认的最佳的静态图像压缩标准,但因含噪图像的去除相关性差的“瓶颈”,本文提出一种鉴于数字图像的噪声模型,对图像去噪处理后再作JPEG基本系统图像压缩编码的方案,见图1。

3 噪声模型

通常图像的生成、传输或变换(如成像、复制、扫描、数字化和传输等)过程中,总会受到各种噪声干扰,因此数字图像中含有各种大量噪声。空间图像上表现在为一些斑点,使原本连续的灰度变得忽大忽小,轮廓变得模糊、位移以致使人形成错像。这样对数字图像的分析、观察和处理造成不利。

噪声实际上是一种相对图像数据的无效数据,从而使各像素之间的相关性大大降低,而图像压缩的核心即去除像素间的相关性,对含噪的图像处理效果是很差的,原因是图像中的噪声对图像的编码压缩起了破坏作用。要对信号中的噪声进行有效的处理,就需要建立噪声模型,如何建立高效、快速的模型是值得研究的课题。去除噪声[2]的常用方法有两类:空域和频域,空域中采用邻域平均,频域中采用低通滤波。从频谱分析可知,噪声频谱通常在高频段,因此,本文采用二维低通滤波器去除噪声的方法,相应在空间域中的操作即:图像和系统响应函数进行卷积:

g(m,n)为去噪后图像,H为滤波器响应函数(模板矩阵),f(m,n)为含噪图像。该实验H采用以下几个模板。

实验结果表明,以上噪声模型取得了良好去噪效果(具体见图4、5)。对高频成分的干扰图像,用此方法可以大大提高图像的信噪比,得到较高的压缩比及图像的其他处理要求。

4 JPEG编解码

JPEG(联合图像专家组)是由国际标准组织(ISO)和国际电话电报咨询委员会(CCITT)为静态图像建立的第1个国际数字图像压缩标准,JPEG是目前静态图像压缩格式中压缩比最高的。JPEG编码按工作模式可分为[2]:(1)基于DCT变换的顺序型操作模式;(2)基于DCT渐进型操作模式;(3)基于DPCM的无损编码(顺序型)操作模式;(4)基于多分辨率编码的(渐进型)操作模式。基于DCT变换的顺序型操作模式是JPEG标准的核心,它是JPEG标准的基本系统,操作简单且、的图像编码高效,应用场合广泛。本实验在去噪模型的基础上对JPEG的基本系统作了研究和探讨。

4.1 JPEG编码

编码原理[3]见图2。

(1)FDCT

JPEG处理的图像源是以帧为单位,而通常BMP图像的组成单位是RGB的,需先转换成YCr Cb格式:一个亮度分量,两个色度分量。这样原图像就变换成3帧数据,JPEG分别对每一帧进行编码,JPEG的最小处理单元是8×8的图像子块。8×8点的方块经过二维的DCT变换:

M=N=8代入上式FDCT,得到正向DC T。

(2)量化

量化即经过DCT变换的图像的每个系数根据量化表除以各自对应的量化步长,得到量化系数。量化步长的大小决定了图像失真度的大小,量化是失真的本源:

此处取整采用四舍五入的方式,S(u,v)为量化表。JPEG通过对每个DCT系数量化步长设计,结合人类视觉特性:人眼视觉系统的频率响应随空间频率增加而下降,而且对两个色度分量比亮度分量要快得多,为此JPEG推荐了亮度分量和色度分量量化表的系数[5]。

(3)熵编码

经量化器处理的系数被分成直流(DC)和交流(AC)系数,F(0,0)即为DC系数,除F(0,0)以外的是AC系数。因为经过DCT变换、量化,8×8的方块的绝大部分系数变成了0,据编码经验知,连续0的个数越多编码效率越高,为此JPEG采用了Z形扫描方式。JPEG基本系统的熵编码采用平均压缩比最高的Huffman编码[5]。

4.2 JPEG解码

解码原理[3]见图3。压缩后的图像数据是JPEG专有格式,比其他图像格式占存储空间要小得多,尤其对像素相关性较强的图像。相对应Huffman编码,熵解码器用同一编码表。解码的数据经反量化:

得到较连续的能量幅度,再经逆DCT变换(IDCT)(M=N=8,C(x)同上),还原为8×8的像素块,拼接这些像素块即得到JPEG解压的重建图像。

5 实验与结论

本文采用两幅图:灰度较为均衡的Lena图和灰度级变化较大的Darwin图。试验结果见图4、图5,评价恢复图像质量时一般用以下公式。

(1)峰值信噪比(PSNR):

(2)归一化均方误差e(NMSE):

其中,为原始图像,为重建复原图像,J、K为图像的总行数和总列数。本实验采用的两幅源图像是256×256×256 bmp。

(3)均方根误差RMSE:

(4)压缩比(CR):CR=压缩前图像大小(bit)/压缩后图像大小(bit)。

在评估标准中,为减小计算工作量没有使用归一化均方误差:NMSE,而是采用均方根误差:RMSE。各项指标结果如表2。分析以上数据可以较直观地看出:在未使用该方案的含噪原始图像,JPEG压缩比较小;而采用本文的噪声模型作预处理后再用JPEG压缩后,压缩比由原来4倍增加到6倍多,效果很明显。均方根误差(RMSE)和信噪比(PSNR)也得到相应的改善。另外,所采用的噪声模型的种类不同,处理效果各有区别。这是因为所含噪声的不同,模型处理(卷积运算)结果就不同本文采用的两幅实验图像含随机噪声,试验可知:模型1(H1)相对其他模型有更好的适应性。所以建立合适的模型以便更好地去除噪声显得尤为重要,无论是对于数字图像处理,还是其他领域,都是一个很值得研究的方向。从表2还可得知,两幅图的处理结果有一定差别:原因是Lena图的灰度较为均衡、丰富,而Darwin图的灰度级变化大。由JPEG的压缩原理得知:Lena图比Da r win图的压缩比要大,相应地RMSE和PSNR两指标也不同。

6结束语

本算法研究方案实现了较高压缩比、信噪比等良好性能,具有广泛的应用价值。改算法思想同样适用于其他压缩算法。特别是强调处理效果而无苛刻时间要求的情况,如美术工艺、医学图像等静态图像的加工处理均可采用该算法思想:即先用噪声模型对含噪图像预处理,再用其他压缩算法压缩以得到更高的压缩比。随着对静态图像压缩技术的要求的更一步提高,静态图像压缩算法的研究将有更大突破。

参考文献

[1]张春田,苏育挺,张静等.数字图像压缩编码[M].北京:清华大学出版社,2006

[2]吴乐南,徐孟侠.数据压缩[M].北京:电子工业出版社,2005.

[3]沈振元,聂志泉,赵雪荷.通信系统原理[M].西安电子科技大学出版社,2004.

[4]GIBSON J D,BERGER T,LOOKABAUGH T,etal.多媒体数字压缩原理与标准[Z].北京:电子工业出版社,2000.