4.3.1有损压缩:引言 第四章图像压缩第三节有损压缩 量化器的定义 阶梯形量化函数t=q(s),是一个s的奇函数(即q(-s) q(s)),它可以通过L/2、s;和t来完全描述,从 而定义了一个量化器。 -S;被称为量化器的决策级(阈值) t被称为量化器的重构级(代表级)。 L是量化器的级数。 由于习惯的原因,S被认为是映射到t,如果它在半 开区间(51S;+1]
第 四 章 图 像 压 缩 第 三 节 有 损 压 缩 4.3.1 有损压缩：引言 • 量化器的定义 – 阶梯形量化函数t = q(s)，是一个s的奇函数（即q(-s) = -q(s)），它可以通过L/2、si和ti来完全描述，从 而定义了一个量化器。 – si 被称为量化器的决策级（阈值）； ti 被称为量化器的重构级（代表级）。 L是量化器的级数。 – 由于习惯的原因，si被认为是映射到ti，如果它在半 开区间(si ,si+1 ]
第四章一 4.3.1有损压缩:引言 量化器的定义 output 图像压缩第三节有损压缩 (L/2) 重构级(代表级) t=q(s) S I(L/2)-1 (/2)- input 决策级(阈值) tu)量化的对象可能是负数
第 四 章 图 像 压 缩 第 三 节 有 损 压 缩 4.3.1 有损压缩：引言 • 量化器的定义 s input 1 s2 S(L/2)-1 output s t t1 t2 t(L/2) -t(L/2) S-[(L/2)-1] t = q(s) 决策级（阈值） 重构级（代表级） 量化的对象可能是负数
第 432有损压缩有损预测编码 像 有损预测编码的基本思想 压 缩 DM有损预测编码 第 最优预测器与最优量化器的选择 节 最优预测器 有 马尔可夫 Markov预测器 损 压 最优量化器 缩 Loyd-Max量化器
第 四 章 图 像 压 缩 第 三 节 有 损 压 缩 4.3.2 有损压缩:有损预测编码 • 有损预测编码的基本思想 • DM有损预测编码 • 最优预测器与最优量化器的选择 • 最优预测器 – 马尔可夫Markov预测器 • 最优量化器 – Lloyd-Max量化器
第 贾43.2有损压缩有损预测编码 图像压缩 有损预测的基本思想 对无损预测压缩的误差讲行量化,通过消除 第视觉心理冗余,达到对图像进一步压缩的目的 算法的演变 一节有损压缩 a)无损预测压缩的基础是 原图像值与预测值^之间的误差en。有公式 =f-Af 解码与编码使用相同的预测器
第 四 章 图 像 压 缩 第 三 节 有 损 压 缩 4.3.2 有损压缩:有损预测编码 • 有损预测的基本思想 对无损预测压缩的误差进行量化，通过消除 视觉心理冗余，达到对图像进一步压缩的目的。 – 算法的演变 a) 无损预测压缩的基础是： • 原图像值fn与预测值^fn之间的误差en。有公式： en = fn – ^fn • 解码与编码使用相同的预测器
第 432有损压缩有损预测编码 像 压 编码n=fn-fn 缩 m f (x, y)=round 2a f(x, y-i)I a=1/m 第 节 输入图像 n n 有损压缩 编码 压缩图像 预测 最接近 的整数后
第 四 章 图 像 压 缩 第 三 节 有 损 压 缩 4.3.2 有损压缩:有损预测编码 ^ • 编码 en = fn – fn + - 符号 编码 预测器 最接近 的整数 压缩图像 输入图像 e fn n fn m fn (x,y) = round[i f (x, y-i)] i=1/m i=1