图像编码——霍夫曼编码

《图像编码——霍夫曼编码》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、编号：题目名称图像编码——霍夫曼编码学生姓名学号学院信息科学与工程学院专业年级2009级通信一班指导教师职称老师填写时间2012年10月27日12摘 要进入21世纪，人类已步入信息社会，新信息技术革命使人类被日益增多的多媒体信息所包围，这也正好迎合了人类对要示提高视觉信息的需求。多媒体信息主要有三种形式：文本、声音和图像。从信息传输的发展史（电报、电话、传真、收音机、电视机直至现在的网络）可以看出，人们逐渐将信息传输的重点从声音转向图像，然而图像是三种信息形式中数据量最大的，这给图像的传输和存储带来了极大的困难。对于巨大

2、的数字图像数据量，如果不经过压缩，不仅超出了计算机的存储和处理能力，而且在现有的通信信道的传输速率下，是无法完成大量多媒体信息实时传输的，数字图像高速传输和存贮所需要的巨大容量已成为推广数字图像通信和最大障碍。因此，为了存储、处理和传输这些数据，必须进行压缩。　　图像压缩之所以能够进行压缩是因为原始图像数据是高度相关的，存在很大的数据冗余。数字图像包含的冗余信息一般有以下几种：空间冗余、时间冗余、信息熵冗余、统计冗余、结构冗余、视觉冗余以及知识冗余等。图像压缩算法就是要在保证图像一定的重建质量的同时，尽可能多的去除这些冗

3、余信息，以达到对图像压缩的目的。关键词：图像处理,图像压缩,压缩算法,图像编码,霍夫曼编码1.图像数据压缩原理对数字图像进行压缩通常利用两个基本原理:一是数字图像的相关性。在图像的同一行相邻象素之间，相邻象素之间，活动图像的相邻帧的对应象素之间往往存在很强的相关性，去除或减少这些相关性，也即去除或减少图像信息中的冗余度也就实现了对数字图像的压缩。帧内象素的相关称做空域相关性。相邻帧间对应象素之间的相关性称做时域相关性。二是人的视觉心理特征。人的视觉对于边缘急剧变化不敏感(视觉掩盖效应)，对颜色分辨力弱，利用这些特征可以在

4、相应部分适当降低编码精度而使人从视觉上并不感觉到图像质量的下降，从而达到对数字图像压缩的目的。12图像数据压缩的目的是在满足一定图像质量的条件下，用尽可能少的比特数来表示原始图像，以提高图像传输的效率和减少图像存储的容量，在信息论中称为信源编码。图像压缩是通过删除图像数据中冗余的或者不必要的部分来减小图像数据量的技术，压缩过程就是编码过程，解压缩过程就是解码过程。压缩技术分为无损压缩和有损压缩两大类，前者在解码时可以精确地恢复原图像，没有任何损失；后者在解码时只能近似原图像，不能无失真地恢复原图像。　　假设有一个无记忆的

5、信源,它产生的消息为{ai},1≤i≤N,其出现的概率是已知的,记为P(ai)。则其信息量定义为:由此可见一个消息出现的可能性越小，其信息量就越多，其出现对信息的贡献量越大，反之亦然。　　信源的平均信息量称为“熵”（entropy），可以表示为：对上式取以2为底的对数时，单位为比特（bits）：　　根据香农（Shannon）无噪声编码定理，对于熵为H的信号源，对其进行无失真编码所可能达到的最低比特数为，这里为一任意小的正数，因此可能达到的　最大压缩比：其中B是原始图像的平均比特率。　　在图像压缩中，压缩比是一个重要的衡量

6、指标。可以定义压缩比为：2.霍夫曼编码Huffman编码在无损压缩的编码方法中，它是一种有效的编码方法。它是霍夫曼博士在1952年根据可变长最佳编码定理提出的。依据信源数据中各信号出现的频率分配不同长度的编码。其基本思想是在编码过程中，对出现频率越高的值，分配越短的编码长度，相应地对出现频率越低的值则分配较长的编码长度，12它是一种无损编码方法。采用霍夫曼编码方法的实质是针对统计结果对字符本身重新编码，而不是对重复字符或重复子串编码，得到的单位像素的比特数最接近图像的实际熵值。　　例如，在英文中，e的出现概率很高，而z的

7、出现概率则最低。当利用哈夫曼编码对一篇英文进行压缩时，e极有可能用一个位(bit)来表示，而z则可能花去25个位（不是26）。用普通的表示方法时，每个英文字母均占用一个字节（byte），即8个位。二者相比，e使用了一般编码的1/8的长度，z则使用了3倍多。倘若我们能实现对于英文中各个字母出现概率的较准确的估算，就可以大幅度提高无损压缩的比例。　　例如：假设信源符号为【a、b、c、d、e、f、g】，其出现的概率相应的为【0.25、0.025、0.025、0.05、0.35、0.25、0.05】，一共7个字符，对其进行huf

8、fman编码，算法如下：　　首先按照每个字符出现的频率大小从左到右排列：0.35、0.25、0.25、0.05、0.05、0.025、0.025；选出最小的两个值作为叶子节点构成一棵二叉树，值较大的叶子节点在左，两个叶子节点对应的频率之和作为根节点。把原排列中最小的两个节点删除，新的根节点插入排列保持大小从左到右的排