不规则区域图像编码综述
图像编码技术综述
图像编码技术综述现如今，图像已经成为人们日常生活中不可或缺的一部分。
然而，在数字化时代，随着图像数据的爆炸性增长，如何高效地存储和传输图像数据成为一个重要的课题。
图像编码技术应运而生，并在图像处理领域中发挥着重要作用。
本文将全面综述几种常见的图像编码技术，包括无损编码和有损编码。
一、无损编码无损编码是指在压缩图像数据时不引入任何失真。
它适用于那些对图像质量要求比较高的应用场景，比如医学图像等。
以下将介绍几种常见的无损编码算法。
1. 无差异预测编码（PCM）PCM（Pulse Code Modulation）是一种最基本的无损编码方法。
它通过将连续的模拟信号转换为离散的数字信号，然后利用离散量化将每个样本转化为一个固定的编码值。
PCM编码虽然简单高效，但是对于图像数据量比较大的情况下，需消耗大量存储空间。
2. 预测编码预测编码利用图像中的空间相关性，通过预测像素值，然后只编码预测残差。
它能够显著减少冗余信息的传输。
常见的预测编码方法有差分编码（DPCM）和自适应预测编码（APC）。
DPCM根据前一个像素估计当前像素的值，而APC则根据图像块之间的相关性进行预测。
二、有损编码有损编码是指在压缩图像数据的同时，对图像质量进行一定的牺牲。
它适用于那些对图像质量要求相对较低并且要求高压缩率的应用场景，如数字广播等。
以下将介绍几种常见的有损编码算法。
1. 基于变换的编码基于变换的编码方法首先对图像进行变换，以提取图像的能量集中部分，然后再对变换后的系数进行压缩。
其中最著名的就是离散余弦变换（DCT）编码。
它将图像转换到频域，能够将图像的许多能量集中在较低频率部分，从而实现更高的压缩率。
2. 预测编码与无损编码中的预测编码类似，有损编码中的预测编码方法也是通过预测像素值来减少冗余信息的传输。
然而，有损编码中的预测编码方法通常会对预测误差进行量化和编码，以降低图像的质量。
编码就是一种典型的基于预测编码的视频编码标准，它在图像质量和压缩率之间取得了良好的平衡。
图形编码知识点总结
图形编码知识点总结一、概念图形编码是一种用来表示和传输图像信息的技术。
它是数字图像处理技术的一部分，用来把图像信息转换成数字信号，以便能够存储和传输。
图形编码技术是基于数字信号处理的基础上，通过压缩技术和编码方式，将图像信息转化成数字信号并保存在计算机或其他数字媒体上。
二、图像编码的分类1、无损编码无损编码是指在保持图像质量不变的情况下，将图像数据进行压缩，并进行编码以便于传输和存储。
常见的无损编码算法有无损压缩算法、赫夫曼编码和算术编码等。
无损编码的优点是能够保持图像质量不变，但缺点是无损编码算法产生的文件体积大，传输和存储成本高。
2、有损编码有损编码是指在一定情况下，将图像数据进行压缩并编码，在达到一定压缩比的同时，牺牲一定图像质量的编码方式。
有损编码通过舍弃图像数据中的一些细节信息，将图像数据压缩至较小的存储空间。
有损编码的优点是可以取得较大的压缩比，降低存储和传输成本，但缺点是会对图像质量造成一定程度的影响。
三、图像编码的基本原理1、信号采样信号采样是图像编码的第一步，它是将连续的图像信号转化为离散的数据点。
通过对图像进行采样，可以获得图像在空间和时间上的离散表示。
2、量化量化是将采样得到的离散数据映射为有限数量的离散数值。
量化的目标是将连续的图像信号转化为离散的数字信号集合，以方便图像编码和传输。
3、编码编码是将量化后的离散数据进行数字化处理，通过一定的编码方式将图像数据压缩并进行编码以便传输和存储。
编码方式常见有熵编码、差分编码、矢量量化和小波变换等。
四、常见的图像编码技术1、JPEGJPEG是一种常见的有损图像压缩标准，它采用的是DCT变换和量化技术，能够取得较大的压缩比。
JPEG压缩技术在图像编码中应用广泛，被用于数字摄影、网络传输和数字视频等领域。
2、PNGPNG是一种无损图像压缩标准，它将图像数据进行无损压缩和编码，以便于图像的存储和传输。
PNG压缩技术在需要无损图像保真度的场合得到广泛应用。
不规则区域图像编码综述
ｆ ．Ｃ ｌｇ ｆ ｒａｉ ｃ ｎｅ＆Ｅ ｇｎｅｎ ，Ｌ ｒｈ ｕＵ ｉ ｒ ｔ ａｔ ｏ ａ ｓ ３０ ０ ｈｎ ； ｏｌ ｅｏ Ｉ ｏ ｔｎＳｉ ｃ １ ｅ ｆｎ ｍ ｏ ｅ ｎ ｉ ｒ ｇ ａｚｏ ｎ ｅ ｉ ，Ｌ ｒｈｕＧ ｎｕ７ ０ ０ ，Ｃ ｉ ｅｉ ｔ ｖ ｓｙ ｚ ａ ２ ｈｎ ｉ ｕ ｎＳ ｔ ｌｅ ａ ｎｈＣｎｅ ｉ ｕ ｎＧ ｎｕ７２ ５ ，Ｃ ｉａ ．Ｃ ｉａＪｕ ａ ａｅｉ ｕｃ ｅｔ ，Ｊ ｑ ａ ａｓ ３ ７ ０ ｈ ） ｑ ｌｔ Ｌ ｒ ｕ ｎ
维普资讯
第２ ６卷 第 ６期
２０ ０ ６年 ６ 月
文章编号 ：０ １ ０ １ ２ ０ ） ６—１５ ０ １０ —９８ （ ０ ６ ０ ３ １— ３
计 算机应 用
Ｃｏ ｍｐｕ ｅ ｐ ｉａｉ ｎ ｔ ｒＡｐ ｌ ｔｏ ｓ ｃ
Ｖｏ ＿ ６ Ｎｏ ６ ｌ２ ．
Ａ ｓ ｒ ｃ ：Ｔ ｅ ｉ ｅ ｕ ａ ｅ ｉｎ ｍａ ｅ ｃ ｄ ｎ ｔ ｏ ｓ ｉ ｈ ｅ ｒ ｎ ｓ ｉ ｈｓ ｉ ｌ ， ｈ ｖ ｏ ｖ ｏ ｓ ｐ ｔｎ ｉｌ ｆ ｂ ｔ ａ ｔ ｈ ｒ ｇ ｌｒ ｒ ｇ ｏ ｉ ｇ ｏ ｉ ｇ ｍｅｈ ｄ ， ｔ ｔ ｅ ｎ ｗｅ ｏ ｅ ｎ ｔ ｉ ｅｄ ｒ ｓ ｆ ａ ｅ ｂ ｉｕ ｏｅ ｔ ｏ ａ
０ 弓言 ｌ
“ 第一代” 图像 编码技 术在 去 除图像 数 据的线 性相 关性 方面进行 了深入的研究 ， 出发 点是 消除 图像数据 的统计冗 其
１ 几种 区域 编码方法 的比较
图１ 所示为三种典型图像编码方案。图 １ ｂ为 ＪＥ （ ） ＰＧ所
图像编码技术综述(七)
图像编码技术综述引言在数字化时代，我们日常生活中接触到的大量图像都需要进行编码和压缩，以便高效地存储和传输。
图像编码技术在图像处理领域扮演着重要的角色。
本文将对图像编码技术进行综述，探讨其原理、分类以及应用。
一、图像编码技术的原理1. 人眼视觉系统人眼是感知图像的媒介，因此图像编码技术需要充分考虑人眼视觉系统的特点。
人眼对亮度和颜色的敏感度不同，对细节和纹理的感知能力有限。
图像编码技术可以利用这些特点，对图像进行有损或无损压缩，以达到节约存储空间和传输带宽的目的。
2. 常见的图像编码技术常见的图像编码技术主要分为无损编码和有损编码两种。
无损编码技术保持图像的完整性，不丢失任何像素信息。
主要包括无损预测编码和无损变换编码。
有损编码技术在尽可能保留图像主要特征的基础上，通过舍弃部分冗余信息实现更高程度的压缩。
常见的有损编码技术包括基于变换的编码、基于预测的编码以及基于向量量化的编码等。
二、图像编码技术的分类1. 无损编码技术无损编码技术通过采用不同的编码算法来实现无损压缩，具有保真性好、还原度高的特点。
无损编码技术主要分为无损预测编码和无损变换编码两类。
无损预测编码是在编码每个像素时，将其与周围像素进行预测，并将预测误差进行编码。
无损预测编码技术的代表性算法有差分编码和无损预测编码。
无损变换编码在编码前对图像进行变换操作，将图像转化为频域或其它特定域，从而减小图像冗余。
离散余弦变换（DCT）是广泛应用的无损变换编码算法。
2. 有损编码技术有损编码技术通过舍弃一定的信息来实现更高程度的压缩，其压缩比远高于无损编码技术。
有损编码技术主要分为基于变换的编码、基于预测的编码和基于向量量化的编码三类。
基于变换的编码采用变换算法将图像转化为频域或其它特定域，然后通过舍弃高频分量来减小图像冗余。
离散余弦变换（DCT）和小波变换是常见的基于变换的编码技术。
基于预测的编码是通过对图像进行预测，然后将预测误差进行编码。
图像的编码简介
第4节图像编码简介一．图像压缩的基本概念与数字音频类似，数字图像的数据量是非常大的，存贮时会占用大量空间，在数据传输时数码率非常高，这对通信信道及网络都造成很大压力。
因此，图像处理的重要内容之一就是图像的压缩编码。
图像数据的压缩基于两点：1．原始图像信息存在着很大的冗余度，数据之间存在着相关性，如相邻像素之间颜色的相关性等。
2．其次是因为在多媒体系统的应用领域中，人眼是图像信息的接收端。
因此，可利用人的视觉对于边缘急剧变化不敏感（视觉掩盖效应），以及人眼对图像的亮度信息敏感、对颜色分辨率弱的特点实现高压缩比，而解压缩后的图像信号仍有着满意的主观质量。
由于人眼对颜色细节的分辨能力远比对亮度细节的分辨能力低，若把人眼刚能分辨的黑白相间的条纹换成不同颜色的彩色条纹，那么眼睛就不再能分辨出条纹来。
如图06-04-1所示，等宽的蓝红相间的彩条，蓝绿相间的彩条和黑白相间的条纹比较。
使眼睛逐渐远离屏幕，当你分辨不出彩条时，黑白条还能分辨出来。
图06-04-1亮度和颜色分辨率根据这个原理，利用不同的颜色空间也能压缩图像数据。
保持亮度分量的分辨率而把彩色分量的分辨率降低，这样并不会明显降低图像的质量。
实际中可以把几个相邻像素的颜色值当作相同的颜色值来处理，也即用“大面积着色原理”，从而减少所需的存贮容量。
实际应用中的示例如采用RGB和YUV颜色空间来记录真彩色图像。
RGB空间的图像深度为R：G：B＝8：8：8，而YUV空间的图像深度可为Y：U：V＝8：4：4或者是Y：U：V＝8：2：2。
后者具体的做法是对亮度信号Y，每个像素都数字化为8bit（256级亮度），而U，V色差信号每四个像素用一个8 bit数据表示，即粒度变大，相当于每个像素只用了2 bit数据。
这样，将一个像素用24bit表示压缩为用12bit表示，存储空间压缩一倍，压缩比为1：2，而人的眼睛却基本感觉不出来。
电视信号的传送就是根据这一原理。
由此发展出数据压缩的两类基本方法：一种是将相同的或相似的数据或数据特征归类，使用较少的数据量描述原始数据，达到减少数据量的目的。
图像编码技术综述(二)
图像编码技术综述概述：图像编码技术在现代社会中起着重要的作用，它能够将大量的图像信息进行有效地压缩和传输。
本文将深入探讨图像编码技术的基本原理、发展历程以及应用领域。
一、图像编码技术的基本原理图像编码技术是指通过某种方法将图像的信息进行表示和压缩的过程。
其基本原理可以归纳为以下几个方面。
空间域编码空间域编码是最简单和常用的图像编码方法之一。
它是通过对图像的每个像素进行编码，将图像中的每个像素点都进行传输或保存。
这种方法简单直观，但编码后的图像文件较大，不适用于对带宽要求较高的场景。
变换编码变换编码是通过对图像进行变换，将图像从空间域转换到频域，然后对频域系数进行编码和压缩。
常见的变换编码方法有离散余弦变换（DCT）、快速傅里叶变换（FFT）等。
这种方法能够有效地减少图像的冗余信息，进而实现图像的高效压缩。
预测编码预测编码是基于图像的空间相干性原理，通过利用图像中的相关性信息进行编码和压缩。
其基本思想是通过已编码的图像片段来预测未编码的图像片段，并根据预测误差来进行编码。
预测编码方法具有较好的压缩效果和适应性。
二、图像编码技术的发展历程图像编码技术经过多年的发展和演进，逐渐从简单的空间域编码发展到复杂的变换编码和预测编码等。
传统编码方法早期的图像编码技术主要采用传统的无损编码方法，如游程编码（RLE）和哈夫曼编码。
这些方法虽然能够实现无损压缩，但压缩比较低，无法满足大容量图像数据的传输和存储需求。
现代编码方法随着计算机技术的发展和算法的进步，现代图像编码方法不断涌现。
著名的图像编码标准有JPEG、JPEG2000、等。
这些编码方法在压缩比、图像质量和传输效率等方面有着明显的提升。
深度学习在图像编码中的应用近年来，深度学习技术的兴起为图像编码带来了新的突破。
通过训练深度神经网络，可以实现图像的端到端编码和解码，有效地提高了图像的压缩比和图像质量。
深度学习在图像超分辨率重建、图像去噪和图像修复等方面也有广泛的应用。
数字图像处理~图像编码
Eb = -log2(0.3) = 1.737
Ec = -log2(0.2) = 2.322
总信息量也即表达整个字符串需要的位数为：
E = Ea * 5 + Eb * 3 + Ec * 2 = 14.855 位
举例说明:
如果用二进制等长编码,需要多少位?
数据压缩技术的理论基础是信息论。
2.信息量和信息熵
A
B
数据压缩的基本途径
数据压缩的理论极限
信息论中信源编码理论解决的主要问题：
信息量等于数据量与冗余量之差
I = D - du
数据是用来记录和传送信息的，或者说数据
是信息的载体。
数据所携带的信息。
信息量与数据量的关系：
du—冗余量
I— 信息量
D— 数据量
叁
实时传输：在10M带宽网上实时传输的话，需要压缩到原来数据量的?
肆
存储： 1张CD可存640M，如果不进行压缩，1张CD则仅可以存放?秒的数据
伍
可见，单纯依靠增加存储器容量和改善信道带宽无法满足需求，必须进行压缩
1 图像编码概述
数字化后的图像信息数据量非常大，图像压缩利用图像数据存在冗余信息，去掉这些冗余信息后可以有效压缩图像。
01.
02.
03.
04.
问题：
把某地区天气预报的内容看作一个信源，它有6种可能的天气：晴天（概率为0.30）、阴天（概率为0.20）、多云（概率为0.15）、雨天（概率为0.13）、大雾（概率为0.12）和下雪（概率为0.10），如何用霍夫曼编码对其进行编码？平均码长分别是多少？
哈夫曼编码
30
10
图像编码的原理与流程详解(三)
图像编码是指将图像信息经过特定的编码算法处理后进行压缩存储或传输的过程。
在数字化的今天，图像编码已经成为了我们日常生活中不可或缺的一部分。
本文将详细介绍图像编码的原理与流程，希望能为读者提供全面的了解。
一、图像编码的基本原理图像编码的基本原理是通过分析图像中的冗余信息，将其压缩存储或传输。
常见的冗余信息主要包括空域冗余、频域冗余和编码冗余。
1. 空域冗余空域冗余是指图像中相邻像素之间的冗余信息。
在一张图像中，相邻像素之间往往存在较大的相似性，如连续的空白背景、颜色一致的平面表面等。
通过对这些相邻像素进行差别编码，可以有效地减少图像的存储空间和传输带宽。
2. 频域冗余频域冗余是指图像在频域上存在的冗余信息。
根据傅里叶变换的理论，任何一个时域图像都可以在频域上表示。
而图像中的高频成分通常包含了细节信息，而低频成分则包含了图像的整体特征。
通过对图像进行离散余弦变换（DCT）或小波变换，可以将图像的频域信息进行稀疏表示，从而实现对图像的压缩。
3. 编码冗余编码冗余是指图像编码过程中的冗余信息。
在编码过程中，通常使用固定长度的编码来表示不同的信息，如灰度值、位置信息等。
然而，不同的图像区域往往具有不同的特征分布和统计特性，因此，通过使用自适应的编码方式，可以根据不同的图像区域提供更优化的编码效果。
二、图像编码的流程图像编码的流程主要包括预处理、分块、变换与量化、编码和解码五个步骤。
1. 预处理预处理是指对原始图像进行一些必要的处理操作，以提高编码的效果。
常见的预处理包括去噪、图像增强和颜色空间转换等。
通过去噪能够有效减少图像中的噪声信息，提高编码的鲁棒性；而图像增强能够增加图像的对比度和清晰度，提高视觉效果；颜色空间转换则可以将图像从RGB色彩空间转换到YUV色彩空间，以更好地适应人眼对亮度和色度的敏感性。
2. 分块分块是将原始图像划分为多个相等大小的块，通常为8×8或16×16大小。
图像编码的原理与流程详解(二)
图像编码的原理与流程详解第一节：引言图像编码是一种将图像数据转换为压缩格式的技术，旨在减少图像数据的存储空间和传输带宽。
图像编码通常使用各种算法和技术，以提高图像传输的效率和质量。
本文将详细介绍图像编码的原理与流程。
第二节：图像编码的原理图像编码的原理主要是利用图像的统计特性和人眼对图像的感知特征。
首先，图像编码会分析图像中的冗余信息，如空间冗余、像素冗余和统计冗余等。
其次，利用变换编码和预测编码等方法，将图像数据转换为更紧凑和高效的表示形式。
最后，根据图像的重要性和传输损耗等因素，采用不同的编码策略进行编码。
第三节：图像编码的流程图像编码的流程通常包括三个主要阶段：预处理、编码和解码。
预处理预处理阶段包括图像获取、采样、量化和归一化等步骤。
首先，图像通过摄像设备或扫描仪等设备获取，然后对图像进行采样，将连续的图像转换为离散的图像。
接下来，通过量化操作将采样到的图像数据映射为一组有限的离散值，以减少数据量。
最后，对图像进行归一化操作，将图像数据映射到一定的数值范围内，以便后续编码处理。
编码编码阶段是将预处理后的图像数据转换为编码数据的过程。
常用的编码方法包括无损编码和有损编码两种。
无损编码无损编码主要用于要求图像传输和存储过程中不出现任何失真的场景。
常见的无损编码方法有霍夫曼编码、算术编码和LZW编码等。
这些编码方法通过构建特定的编码表，将原始的图像数据映射为更高效的二进制码流。
有损编码有损编码主要用于图像传输和存储场景中可以接受一定程度失真的情况。
常见的有损编码方法有JPEG、MPEG和等。
这些编码方法通过利用图像的统计特性和人眼对图像的感知特征，采用预测编码、变换编码和量化编码等技术，将图像数据转换为压缩的码流。
解码解码阶段是将编码后的数据反过来转换为原始图像数据的过程。
解码过程与编码过程相反，主要包括解码、逆量化和逆变换等步骤。
解码器根据编码时生成的编码表，将编码后的数据解码为离散的图像数据。
不规则区域图像编码综述
区域形状进行编码 。将
八个方向链码分为四个
不同 的 链 码 : 上 北 、右 东 、下南和左西 ,如图 4
图 3 4领域编码方法
( a) ～图 4 ( d) 所示 ,只 需采用两位 0和 1 的组
合就可以表示图像边缘形状 。
图 4 链码方位编码表示
研究成果表明 , 边缘编码不能大幅度提高压缩比 , 一些 方法努力地将边缘信息融合到区域编码中 [13～15 ] 。文献 [ 16 ] 提出使用小波变换提取并编码边缘的方法 。考虑到边缘信息 在图像编码中的重要性 , 文献 [ 17 ]提出边缘增强的低码率编 码方案 。针对污染图像的噪声点难于检测的特点 , 文献 [ 18 ] 提出一种转变边缘的编码方法 。
在初始状态 ,除输入激励 S ij 外 ,其他参数均设为零 。第一 次迭代完成时 , 所有神经元将输出 1, 此后动态阈值被提升至 一预设值 Vθ, 然后各神经元按照 ( 1) ～ ( 5) 进行迭代运算 。 对 PCNN 第 n次迭代后输出的二值图像再按照空间相邻与否 标记为不同的区域 ,对每次迭代结果进行同样的操作 ,直至所 有像素对应神经元均被激活过一次 。这样最终各分割区域中
2. Ch ina J iuquan S a tellite L aunch Cen ter, J iuquan Gansu 732750, Ch ina)
Abstract: The irregular region image coding methods, as the newer ones in this field, have obvious potential of comp ressing regions of image, maintaining the image edges and textures, and enhancing the quality of the reconstructed image. After comparing these methods w ith the old ones, our techniques were p resented, and the difficulties confronted were analyzed. In the end, p rospects were put forward.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Abstract: The irregular region image coding methods, as the newer ones in this field, have obvious potential of comp ressing regions of image, maintaining the image edges and textures, and enhancing the quality of the reconstructed image. After comparing these methods w ith the old ones, our techniques were p resented, and the difficulties confronted were analyzed. In the end, p rospects were put forward.
基于边缘检测 [1 ] 、区域增长 [2 ] 、分水岭 [3 ]的图像分割是 常用 的 方 法 之 一 。文 献 [ 4 ] 使 用 数 学 形 态 学 算 子 (M athematicalMorphologic Operator)分割图像 。在 P. Salembier 提出的形态学分割过程中 ,标识提取 (M arker Extraction) 是其 中的重要一步 ,它的目的是在完成前一步的形态学简化运算 后 ,标 识 出 图 像 中 具 有 相 同 灰 度 等 级 的 均 匀 区 域。 P. Salembier采用了基于尺寸的标识方法 ,即首先计算每个均 匀区域中像素的多少 ,然后按一个临界值进行取舍 。然而当 分割过程进一步细化时 ,采用尺寸法将产生许多小的区域 ,考 虑到具有高对比度的区域包含更多的图像特征信息 ,于是又 提出了基于对比度的标识方法 ,以便得到更理想的标识结果 。 可是 ,这两种方法都各有缺陷 [5 ] 。文献 [ 6 ]使用小波变换的 图像分割方法 , 并将边缘信息融入了小波系数之中 。为了最 大接近人眼的感觉 , 文献 [ 7 ]采用最小生成树方法分割图像 , 便于硬件实现 , 同时提出了一些边缘改进的方法 。文献 [ 8 ] 将拉普拉斯算子改进 , 先将图像的基本边缘轮廓检测出 , 再 以其为骨架 , 利用 8 ×8、16 ×16、32 ×32 不等的方块分割图 像 , 然后使用 DCT编码 。
Summar iza tion of image cod ing ba sed on irregular reg ion
MA Yi2de1 , ZHANG Bei2dou1 , Q I Chun2liang1, 2 (1. College of Inform a tion S cience & Eng ineering, L anzhou U n iversity, L anzhou Gansu 730000, Ch ina;
图 1 几种典型编码方法
2 不规则区域编码
对图 1 比较发现 ,基于分块的 JPEG编码只需要存储或 传输系数信息 ,不需要考虑边缘及像素块的位置 。但是 ,这种
收稿日期 : 2005 - 12 - 12;修订日期 : 2006 - 03 - 09 基金项目 :国家自然科学基金资助项目 (60572011) ; 985特色项目计划基金资助项目 (LZ985 - 231 - 58262) 作者简介 :马义德 (1963 - ) , 男 , 甘肃临夏人 , 教授 , 博士生导师 , 主要研究方向 : 计算机应用系统 、生物医学图像处理 、DSP与信号处理 ; 张北斗 (1980 - ) , 男 , 江苏徐州人 , 硕士研究生 , 主要研究方向 : 图像处理 、嵌入式系统设计 ; 齐春亮 (1971 - ) , 男 , 天津人 , 硕士研究生 , 主 要研究方向 : 图像处理 、神经网络等.
(ydm a@ lzu. edu. cn) 摘 要 :将已有的各类不规则区域编码方法与传统方法进行比较 ,综述了此领域已取得的成果 , 提出了自己特有的处理方法 , 并分析所面临的难点与对策 , 最后进行了展望 。 关键词 :图像编码 ; 彩色编码 ; 不规则区域 ; 脉冲耦合神经网络 中图分类号 : TP391. 41 文献标识码 : A
在初始状态 ,除输入激励 S ij 外 ,其他参数均设为零 。第一 次迭代完成时 , 所有神经元将输出 1, 此后动态阈值被提升至 一预设值 Vθ, 然后各神经元按照 ( 1) ～ ( 5) 进行迭代运算 。 对 PCNN 第 n次迭代后输出的二值图像再按照空间相邻与否 标记为不同的区域 ,对每次迭代结果进行同样的操作 ,直至所 有像素对应神经元均被激活过一次 。这样最终各分割区域中
图 1所示为三种典型图像编码方案 。图 1 ( b)为 JPEG所 用模型 ,以 256 ×256的 Lena图像为例 ,先进行 8 ×8分块 (总 共 1024块 ) ,然后分别对每块进行 DCT变换 ,再对系数进行 游程和霍夫曼编码等一系列操作 。图 1 ( c)用二叉树的方法 对图像进行编解码 。图 1 ( d)是用一些研究中的新方法对图 像进行不规则分割 (本图基于 PCNN ) ,然后分别对图像边缘 及区域进行编码 。
并且压缩了一些比特数 。
为了进一步提高压
缩比 , 可以采用图 3 的 简化方法 。先将图像边
图 2 常用链码
缘进行修正 , 在需要用 8邻域编码的拐角处添
加一个像素 , 使之成为
4领域 , 然后按图 3 ( d)
顺序编码 ,但这种方法
会造成一些失真 。
文献 [ 11, 12 ]采用
一种改进的链码对图像
基于分割的“第二代 ”编码技术不再局限于简单的方块 编码 ,其出发点是 , 先让分割区域 (或纹理 )与原始图像对应 部分之间在视觉意义下最大地接近 ,然后再对这些区域 (纹 理 )进行编码 。当然 ,这种突破常规的做法必然带来处理上 的问题 。比如 ,使用何种方案分割图像 ,才能使分割简单且适 用范围广泛 ;使用何种基函数压缩图像区域 ;如何定位分割出 的图像内容等 。本文综述了人们在这些方面的研究成果 ,同 时提出了自己特有的处理思路和方法 。
2. 3 区域编码方法 图像分割后得到的不规则区域形状各异 ,选用何种基函
数编码成了关键 。文献 [ 11 ]提出小波变换的方法 :用最小的 外接矩形包围待处理的不规则区域 ,用典型像素 (该区域中 的所有像素求和取平均值 )填充最小外接矩形 ,对图像区域 进行直流偏移后使用小波变换编码 。该方法对于类似矩形的 不规则区域压缩比高 、重建质量好 ,对于分割后形状怪异 ,需 要填充像素多的区域不是很好 。类似地 ,把分割后的区域像 素按 8 ×8或 16 ×16重新排序 ,不足像素用 0代替 ,然后使用 DCT或小波编码 。文献 [ 19 ]以遥感类的图像为实验对象 , 对 于较平滑的区域 , 如海洋 、云彩等采用一维小波编码 , 而对 于粗糙的区域 , 则采用改进的基于对象的小波变换编码 。
[
n ] o r
0
o therw ise
(4)
θ ij
[
n
]
= exp ( - αθ)θij [ n
-
1]
(5)
2. 2 轮廓像素编码
分割出的区域由于其形状是不规则的 ,需要定位该区域 ,
即进行轮廓编码 。边缘像素编码包括两层含义 , 一是边缘像
素所围成区域的形状编码 , 二是边缘像素的色彩和幅值编
区域形状进行编码 。将
八个方向链码分为四个
不同 的 链 码 : 上 北 、右 东 、下南和左西 ,如图 4
图 3 4领域编码方法
( a) ～图 4 ( d) 所示 ,只 。
图 4 链码方位编码表示
研究成果表明 , 边缘编码不能大幅度提高压缩比 , 一些 方法努力地将边缘信息融合到区域编码中 [13～15 ] 。文献 [ 16 ] 提出使用小波变换提取并编码边缘的方法 。考虑到边缘信息 在图像编码中的重要性 , 文献 [ 17 ]提出边缘增强的低码率编 码方案 。针对污染图像的噪声点难于检测的特点 , 文献 [ 18 ] 提出一种转变边缘的编码方法 。
13 52
计算机应用
2006年
方块式的分块编码方法在高压缩比下便产生了方块效应 。
考虑到边缘 、纹理 、平坦区域的重要性依次降低 ,基于不 规则区域的编码方法对人眼敏感的不同类型分别采取不同的 编码方法 : 1) 对边缘像素使用链码的方法 ,几乎无损压缩 ; 2) 对区域内容采用高压缩比方法编码 。这样 , 既保证了图 像编码的高压缩比 , 又能使重建图像纹理清晰 、边缘分明 。 对同一幅图像 ,分割后的不规则区域面积越大 ,总的块数越 少 ,整幅图像的压缩比就越高 。 2. 1 图像分割方法
Key words: image coding; color coding; irregular region; pulse2coup led neural network
0 引言
1 几种区域编码方法的比较
“第一代 ”图像编码技术在去除图像数据的线性相关性 方面进行了深入的研究 ,其出发点是消除图像数据的统计冗 余信息 ,如信息熵冗余 、空间冗余等 。行程编码 、霍夫曼编码 、 算术编码等便是其中杰出的经典算法 。目前为止 ,这类技术 已十分成熟 ,研究空间极其有限 。1985年 , Kunt等人提出了 利用人眼视觉特性发展“第二代 ”图像编码技术 ; 1988 年 , Barnsley M 提出基于迭代系统的分形图像编码技术 ; 1989 年 , M allat S首先将小波变换用于多分辨率图像的描述 。第二代 编码技术不再局限于信息论的框架 ,而是要求充分利用人的 视觉 、生理 、心理及图像信源的各种特征 ,进一步提高压缩比 。 编码时首先将图像中诸如边界 、轮廓 、纹理等结构特征提取出 来予以编码 ,解码时再根据结构和参数信息进行图像重建 ,在 获得更高压缩比的同时消除了 JPEG等方法存在的重建图像 失真 , 比如方块效应 。传统的方法很少考虑图像的内容含义 及人眼视觉系统 (HVS) ,用规则的方块分割处理后再编码 ,因 此容易导致高压缩时出现严重的图像失真 。