数字电视第3章图像压缩编码原理

1、武汉理工大学信息工程学院图像图像压缩编码压缩编码技术是学习数字电视的重点内容技术是学习数字电视的重点内容为什么要进行图像压缩？（图像压缩的目的）为什么要进行图像压缩？（图像压缩的目的）一路彩色电视未经压缩时的数据量为：一路彩色电视未经压缩时的数据量为：Y 13.5MHzY 13.5MHz8bit=108Mb/s8bit=108Mb/sU 6.75MHzU 6.75MHz8bit=54Mb/s8bit=54Mb/sV 6.75MHzV 6.75MHz8bit=54Mb/s 8bit=54Mb/s 合计合计=216Mb/s=216Mb/s此速率已经超过四次群的传输速率，相当于此速率已经超过四次群的

2、传输速率，相当于30003000多多个话路个话路图像信号是有必要也有可能被压缩图像信号是有必要也有可能被压缩武汉理工大学信息工程学院武汉理工大学信息工程学院武汉理工大学信息工程学院武汉理工大学信息工程学院相同颜色之间相同颜色之间的数据压缩的数据压缩武汉理工大学信息工程学院武汉理工大学信息工程学院图像中物体表面纹理等结构存在冗余图像中物体表面纹理等结构存在冗余武汉理工大学信息工程学院武汉理工大学信息工程学院武汉理工大学信息工程学院武汉理工大学信息工程学院武汉理工大学信息工程学院武汉理工大学信息工程学院武汉理工大学信息工程学院 空间冗余反映了一帧图像内相邻像素之间的相关性，任何一个像素都可以由与它

3、相邻的且己被编码的像素来进行预测估计，因此可以进行帧内预测编码。 时间冗余反映了图像帧与帧之间的相关性，因此也可以进行帧间预测编码。武汉理工大学信息工程学院武汉理工大学信息工程学院322 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帧内的像素来预测当前像素.前值预测、一维预测和二维预测。武汉理工大学信息工程学院帧帧CBCBXAXAt2.帧间预测武汉理工大学信息工程学院武汉理工大学信息工程学院)2exp(21)(neeneep武汉理工大学信息工程学院绝对值小的预测误差主要出现在图像的平坦区，量化误差容易被察觉，因此应该细量化；而绝对值大的预测误

4、差主要出现在图像亮度的突变区，由于“掩盖效应”人眼对该区域的量化误差不敏感，因此可以粗量化。武汉理工大学信息工程学院324 图像帧间编码中的运动处理电视节目前后帧运动图像的内容差别不大 1运动处理原理 第一个过程为运动估计(Motion Estimation，ME)。 第二个过程为运动补偿(Motion Compensation，MC)。武汉理工大学信息工程学院2运动估计的方法可以看出，如果直接求柄帧图像对应坐标之间的差值，运动物体部分两帧之间差值会很大。若能对运动物体部分进行运动估计和运动补偿，将大大减小差值。运动估值的方法有很多，如块匹配法、像素递归法、相位相关法和针对摄像机本身运动引起画

5、面整体运动的参数估值武汉理工大学信息工程学院3块匹配法 把图像分成若干子块，设子块图像是由NN个像素组成的像块,并假设一个像块内的所有像素作一致的平移运动块匹配法中，需要选择几个重要参数，如估值块大小、搜索窗口大小、最佳匹配准则和和快速搜索法等。武汉理工大学信息工程学院(1)估值块大小(NM)估值块大小的选择应该综合考虑图像细节构成和计算量等因素。在视频压缩编码标准中，运动估值宏块的大小为1616像素，称之为宏块(Macroblock)。(2)最佳匹配准则判断两个宏块问最佳匹配淮则有很多种，较为常用的准则有以下几种。最小均方差值(MSE)准则定义为MAD最小准则定义为武汉理工大学信息工程学院(

6、3)搜索窗口大小 搜索窗口的选择应综合考虑帧间运动位移的可能大小和计算量等因素。Dm越大，计算次数越多。(4)快速搜索法武汉理工大学信息工程学院(5)分级搜索预测编码方法的特点武汉理工大学信息工程学院常用的图像正交变换有：离散傅立叶变换(DFT)、最佳变换(KL)、离散余弦变换(DCT)及沃尔什变换(WH)等。 (1)一般来说图像变换不是对整幅图像一次进行，而是在存储器中把一幅图像分成许多NN的像决，然后依次将每个方块内的NN个祥点同时送人变换器进行变换运算。武汉理工大学信息工程学院1010210102),(),(NuNvNxNyvuFyxf武汉理工大学信息工程学院武汉理工大学信息工程学院武汉

7、理工大学信息工程学院武汉理工大学信息工程学院武汉理工大学信息工程学院。可以证明这8个基波中任何两个不同频率的基波对应样值相乘后的代数和都为零，只有相同频率的基波本身的对应样值相乘后代数和不为零。这就是正交变换的特性。武汉理工大学信息工程学院武汉理工大学信息工程学院武汉理工大学信息工程学院 二维变换核函数a(x，y；u,v)按 x，y，u,v 分别展开后得到的是NN个NN点的像块组，又称为基图像。武汉理工大学信息工程学院 88的的DCT基图像示意图基图像示意图 二维DcT从物理概念来理解，是将空间像素的几何分布变换为空间频率分布，武汉理工大学信息工程学院一个88点的像块f(x,y)是由88个基图

8、像和系数线性加权构成，其中系数代表各个图像所占分量的大小。我们可以利用基图像来计算DCT变换，计算F(5，5)只需将像块f(x，y)4对应的基图像a(x,y;5,5)进行点点相乘并求和武汉理工大学信息工程学院 在F(u,v)系数矩阵中，F(o，o)对应于图像f(x，y)的平均亮度，称为直流(DC)系数；其余的63个系数称为交流(AC)系数，从左向右表示水平空间频率增加的方向，从上向下表示垂直空间频率增加的方向。武汉理工大学信息工程学院亮度像块各点的样值幅度比较均匀，空间域具有较大的相关性。由图可见系数块F(u,v)中的能量分布非常不均匀，体现了正交变换的能量守恒性、能量集中性和去相关的性质。武

9、汉理工大学信息工程学院武汉理工大学信息工程学院333 量化器变换，只是将图像从一个空间域方阵变换成变换域中的一个方阵，其元素个数并未减少，这样并不能减少数据率。 变换编码中的量化器是用降低系数的精度来消除不必要的系数的，低频区进行细量化，在高频区进行组量化。武汉理工大学信息工程学院武汉理工大学信息工程学院武汉理工大学信息工程学院编码中对图像带来失真： (1)舍去高频系数而使图像产生模糊； (2)对某些系数采用粗量化而产生颗粒状结构； (3)像块的划分使相邻像块人为地造成亮度不连续像块尺寸选择:像块尺寸88越大，所计人的相关像素越多，变换后就可以去除更多的相关性，码率也越低，解码后图像酌均方误差

10、也越小。像块尺寸88越大，计算量越大.武汉理工大学信息工程学院1)(1Niixp武汉理工大学信息工程学院Entropy(Entropy(熵熵) )的概念的概念平均，就得到了信息熵平均，就得到了信息熵(entropy)。信息熵就是平均信息量。信息熵就是平均信息量。 mjjjppxH1log)(mjjp11武汉理工大学信息工程学院mjjjLpL1 如果对字符如果对字符a aj j的的编码长度编码长度为为L Lj j，则信号，则信号L L的的平均码长为：平均码长为：m: m: 信号中所出现不同字符的个数。信号中所出现不同字符的个数。武汉理工大学信息工程学院平均码长平均码长H(X)(H(X)(稍大于稍

11、大于H(X):H(X):平均码长平均码长H(X):H(X):平均码长平均码长H(X): f fm mfS2fS- fS- 2fS0f抽样频率抽样频率 f fS S 00且为整数）的倍数，就会使分析且为整数）的倍数，就会使分析的数据量大大减少。使用这样的缩放因子和平移参数的小的数据量大大减少。使用这样的缩放因子和平移参数的小波变换称为双尺度小波变换（波变换称为双尺度小波变换（Dyadic Wavelet TransformDyadic Wavelet Transform），），它是离散小波变换（它是离散小波变换（Discrete Wavelet TransformDiscrete Wavelet

12、 Transform， DWTDWT）的一种形式。通常离散小波变换就是指双尺度小波变换。的一种形式。通常离散小波变换就是指双尺度小波变换。 武汉理工大学信息工程学院 执行离散小波变换的有效方法是使用滤波器，它是一种执行离散小波变换的有效方法是使用滤波器，它是一种信号分解的方法，信号分解的方法， 又常称为双通道子带编码。又常称为双通道子带编码。 SAD滤波器组低通高通小波分解示意图小波分解示意图2. 2. 离散小波变换（离散小波变换（DWTDWT）武汉理工大学信息工程学院 信号的低频分量是最重要的，而高频分量只起一个修饰信号的低频分量是最重要的，而高频分量只起一个修饰的作用。如同一个人的声音一样

13、，把高频分量去掉后，听起的作用。如同一个人的声音一样，把高频分量去掉后，听起来声音会发生改变，但还能听出说的是什么内容，但如果来声音会发生改变，但还能听出说的是什么内容，但如果把低频分量删除后，就会什么内容也听不出来了。把低频分量删除后，就会什么内容也听不出来了。 2. 2. 离散小波变换（离散小波变换（DWTDWT）武汉理工大学信息工程学院多级信号分解示意图多级信号分解示意图（a） 信号分解；信号分解； (b) 小波分小波分解解； （c）小波分解树）小波分解树 cA3cD3cA2cD2SLo_DHi_DA1D1Lo_DHi_DA2D2Lo_DHi_DA3D3Lo_D：低通滤波器；Hi_D：高

14、通滤波器(a)ScA1cD1(b)(c)ScA1cD1cA2cD2cA3cD3一级分解一级分解对低频分量连续分解对低频分量连续分解,可得到信号不同分辨率下的可得到信号不同分辨率下的低频分量低频分量,也称为信号的多分也称为信号的多分辨率分析辨率分析分解的级数取决于分解的级数取决于要分析的信号数据特征要分析的信号数据特征及用户的具体需要。及用户的具体需要。 武汉理工大学信息工程学院SDA1000个采样点1000个采样点1000个采样点ScDcA1000个采样点约500个DWT系数约500个DWT系数表示下采样表示下采样 对于一个信号，如采用上述方法，理论上产生的数据量对于一个信号，如采用上述方法，

15、理论上产生的数据量将是原始数据的两倍。于是，根据奈奎斯特（将是原始数据的两倍。于是，根据奈奎斯特（NyquistNyquist）采样）采样定理，定理， 可用下采样的方法来减少数据量，即在每个通道内每可用下采样的方法来减少数据量，即在每个通道内每两个样本数据取一个，便可得到离散小波变换的系数两个样本数据取一个，便可得到离散小波变换的系数（CoefficientCoefficient），）， 分别用分别用cAcA和和cDcD表示。表示。 2. 2. 离散小波变换（离散小波变换（DWTDWT）武汉理工大学信息工程学院 利用信号的小波分解的系数还原出原始信号，这一过程称为利用信号的小波分解的系数还原出

16、原始信号，这一过程称为小波重构（小波重构（Wavelet ReconstructionWavelet Reconstruction）或叫小波合成（）或叫小波合成（Wavelet Wavelet SynthesisSynthesis）。这一合成过程的数学运算叫做逆离散小波变换）。这一合成过程的数学运算叫做逆离散小波变换（Inverse Discrete Wavelet TransformInverse Discrete Wavelet Transform， IDWTIDWT）。）。 SHLHL武汉理工大学信息工程学院 小波分解的近似系数和细节系数可以重构出原始信号。同样，小波分解的近似系数和细节

17、系数可以重构出原始信号。同样，可由近似系数和细节系数分别重构出信号的近似值或细节值，可由近似系数和细节系数分别重构出信号的近似值或细节值，这时只要近似系数或细节系数置为零即可。这时只要近似系数或细节系数置为零即可。 重构近似和细节信号示意（a） 重构近似信号； (b) 重构细节信号 A1HL1000个 样 点0约 500个 0cA1约 500个 近 似 分 量(a)D1HL1000个 样 点(b)约 500个 0约 500个 近 似 分 量0cD1武汉理工大学信息工程学院 2 2）多层重构）多层重构 在上图中，重构出信号的近似值在上图中，重构出信号的近似值A A1 1与细节值与细节值D D1

18、1之后，则之后，则原信号可用原信号可用A A1 1D D1 1S S重构出来。对应于信号的多层小波分解，重构出来。对应于信号的多层小波分解，小波的多层重构如下图：小波的多层重构如下图：A3D3A2D2SA1D1重构过程为：重构过程为：A A3 3+ +D D3 3A A2 2 A A2 2+ +D D2 2A A1 1 A A1 1+ +D D1 1S S 武汉理工大学信息工程学院 2 2）多层重构）多层重构信号重构中，滤波器的选择非常重要，关系到能否重构出信号重构中，滤波器的选择非常重要，关系到能否重构出满意的原始信号。低通分解滤波器（满意的原始信号。低通分解滤波器（L L）和高通分解滤波器

19、）和高通分解滤波器（H H）及重构滤波器组（）及重构滤波器组（LL和和HH）构成一个系统，这个系）构成一个系统，这个系统称为正交镜像滤波器（统称为正交镜像滤波器（Quadrature Mirror FiltersQuadrature Mirror Filters， QMFQMF）系统。系统。 S1000HL500250250DW T小 波 系 数S1000LIDW THHLLH武汉理工大学信息工程学院 4. 4. 小波包分析小波包分析 小波分析是将信号分解为近似与细节两部分，近似部分又小波分析是将信号分解为近似与细节两部分，近似部分又可以分解成第二层近似与细节，可以这样重复下去。对于一个可以分

20、解成第二层近似与细节，可以这样重复下去。对于一个N N层分解来说，层分解来说， 有有N N+1+1个分解信号的途径。个分解信号的途径。 而小波包分析的细节与近似部分一样，也可以分解，对于而小波包分析的细节与近似部分一样，也可以分解，对于N N层分解，它产生层分解，它产生2 2N N个不同的途径。个不同的途径。 AAA3DAA3AA2SA1ADA3DDA3DA2AAD3DAD3AD2D1ADD3DDD3DD2武汉理工大学信息工程学院 4. 4. 小波包分析小波包分析 小波包分解也可得到一个分解树，小波包分解也可得到一个分解树， 称其为小波包分解树称其为小波包分解树（Wavelet Packet

21、Decomposition TreeWavelet Packet Decomposition Tree），）， 这种树是一个完这种树是一个完整的二叉树。小波包分解方法是小波分解的一般化，整的二叉树。小波包分解方法是小波分解的一般化， 可为信可为信号分析提供更丰富和更详细的信息。信号号分析提供更丰富和更详细的信息。信号S S可表示为可表示为AAAA2 2ADAADA3 3DDADDA3 3D D1 1等。等。 AAA3DAA3AA2SA1ADA3DDA3DA2AAD3DAD3AD2D1ADD3DDD3DD2武汉理工大学信息工程学院 5. 5. 二维离散小波变换二维离散小波变换 将二维信号在不同尺

22、度上的分解，将二维信号在不同尺度上的分解， 得到原始信号的近得到原始信号的近似值和细节值。由于信号是二维的，因此分解也是二维的。似值和细节值。由于信号是二维的，因此分解也是二维的。分解的结果为：分解的结果为： 近似分量近似分量cAcA、 水平细节分量水平细节分量cHcH、 垂直垂直细节分量细节分量cVcV和对角细节分量和对角细节分量cDcD。同样也可以利用二维小波。同样也可以利用二维小波分解的结果在不同尺度上重构信号。分解的结果在不同尺度上重构信号。武汉理工大学信息工程学院二维小波分解和重构过程示意图（a） 二维DWT； (b) 二维IDWT (b)Lo_R21Lo_R12Hi_R12行列列cAj1cHj