《多媒体技术教程》-ch3

第三章

多媒体数据压缩

3.1数据压缩的

基本原理和方法3.1数据压缩的基本原理和方法

压缩的必要性音频、视频的数据量很大，如果不进行处理，计算机系统几乎将无法对它进行存取和交换。文本：屏幕分辨率为1024×768，字符大小为8×8点阵，每个字符用两个字节表示满屏字符的数量为：(1024/8)×(768/8)=12288(个)存储空间(字节)为：12288×(2×8)=196688bit=24KB3.1数据压缩的基本原理和方法矢量图形：一幅由500条直线组成的矢量图形，每条线的信息由起点X1，起点Y1，终点X2，终点Y2，属性（线的颜色和宽度等性质）等五个项目表示。设屏幕大小为768×512，属性位用1字节表示。每条线的存储空间为：19×2＋8=46bit一幅图形需要的存储空间为：500×46=2.8KB3.1数据压缩的基本原理和方法点阵图：一个简单的全屏点阵图，设屏幕大小为768×512，每点是256色(位深为8位)一屏点阵图需要的存储空间为：768×512×8/8→384KB将一张11英寸×8.5英寸的彩色照片扫描输入计算机，扫描仪的分辨率设定为300dpi(点/英寸)，每个像素的R、G、B分量分别为8位，扫描产生24位的真彩图。存储空间为：11×300×8.5×300×8×3/8→24.08MB3.1数据压缩的基本原理和方法数字化声音(语音)：声音的模拟带宽为4KHz，采样位数：8bit，采样频率：8kHz1s声音的存储空间为：8k×8=64kbit=8KB

数字化高质量音频：声音的模拟带宽为22KHz，采样位数：32bit，采样频率：44KHz1s音频的存储空间为：44×32=1408kbit=176KB3.1数据压缩的基本原理和方法数字化视频(PAL制式)：视频带宽为5MHz，帧速率为25帧/s，样本宽是24bit，采样频率为10MHz，因而存储一帧数字化的PAL制式视频图像需要的空间为：10÷25×24=9.6Mbit=1.2MB一秒种PAL制式的视频图像需要的存储空间为：1.2×25=30MB3.1.2数据冗余的类型1.数据冗余的类型（1）空间冗余（2）时间冗余（3）信息墒冗余（4）视觉冗余（5）听觉冗余（6）其他冗余——结构冗余、知识冗余3.1.3数据压缩技术的性能指标节省图象或视频的存储容量，增加访问速度，使数字视频能在PC机上实现，需要进行视频和图象的压缩。评价一个压缩系统的三个关键参数压缩比图象质量压缩和解压的速度另外也必须考虑每个压缩算法所需的硬件和软件。3.1.3数据压缩技术的性能指标

1．压缩比压缩性能常常用压缩比定义（输入数据和输出数据比）例：512×480，24bit/pixel输入＝737280byte输出15000byte

压缩比＝737280/15000＝493.1.3数据压缩技术的性能指标2．图象质量压缩方法：无损压缩（图象质量不变）有损压缩有损压缩：失真情况很难量化，只能对测试的图象进行估计。模拟图象质量的指标：信噪比、分辨率、颜色错，但必须在观察了实际图象以后。3.1.3数据压缩技术的性能指标3．解压缩速度在许多应用中，压缩和解压可能不同时用，在不同的位置不同的系统中。所以压缩、解压速度分别估计。静态图象中，压缩速度没有解压速度严格；动态图象中，压缩、解压速度都有要求，因为需实时地从摄像机或录像机中抓取动态视频。3.1.3数据压缩技术的性能指标4．硬软件系统有些压缩解压工作可用软件实现。设计系统时必须充分考虑：算法复杂－压缩解压过程长算法简单－压缩效果差目前有些特殊硬件可用于加速压缩/解压。硬接线系统速度快，但各种选择在初始设计时已确定，一般不能更改。因此在设计硬接线压缩/解压系统时必须先将算法标准化。数据冗余的例子你的妻子，Helen，将于明天晚上6点零5分在上海的虹桥机场接你。

(23*2+10=56个半角字符)你的妻子将于明天晚上6点零5分在虹桥机场接你。

(20*2+3=43个半角字符）Helen将于明晚6点在虹桥机场接你。

(10*2+7=27个半角字符）描述语言

1．

“这是一幅2×2的图像，图像的第一个像素是红的，第二个像素是红的，第三个像素是红的，第四个像素是红的”。

2．“这是一幅2×2的图像，整幅图都是红色的”整理图像的描述方法可以达到压缩的目的图像压缩编码的可能性图像无损压缩的原理RGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGB16RGB从原来的16×3×8bit=284bit压缩为：(1+3)×8bit=32bit图像有损压缩的原理36353434343434323434333730343434343434343435343431343434343434343434343434343434343434343434343434342534实际图像中冗余信息的表现（灰度图）数据冗余信息分析结论由于一幅图像存在数据冗余和主观视觉冗余，压缩方式从这两方面着手来开展1）数据冗余:将图像信息的描述方式改变之后，压缩掉这些冗余。如统计冗余度、空域冗余度、时域冗余度等2）主观视觉冗余:忽略一些视觉不太明显的微小差异，可以进行所谓的“有损”压缩3.1.4数据压缩方法分类2.数据压缩技术分类根据解码后数据与原始数据是否完全一致可以分为两大类：熵编码(冗余压缩法)，也称无损压缩法、无失真压缩法。由于不会失真，多用于文本、数据的压缩，但也有例外，非线性编辑系统为了保证视频质量，有些高档系统采用的是无失真压缩方法。熵压缩法，也称有损压缩法、有失真压缩法。大多数图像、声音、动态视频等数据的压缩是采用有失真压缩。3.1.4数据压缩方法分类从信息语义角度分为“熵(平均信息量)编码”和“源编码”两种：熵(平均信息量)编码(EntropyCoding)

熵编码是一种泛指那些不考虑被压缩信息的性质的编码和压缩技术。它是基于平均信息量的技术把所有的数据当作比特序列，而不根据压缩信息的类型优化压缩。熵编码分为：重复序列消除编码(含：消零、行程编码)统计编码3.1.4数据压缩方法分类源编码(SourceCoding)

源编码的冗余压缩取决于初始信号的类型、前后的相关性、信号的语义内容等。源编码比严格的平均信息量编码的压缩率更高。

源编码主要分为：预测编码变换编码向量量化3.1.5常用数据压缩方法的基本原理1.统计编码

其方法是识别一个给定的流中出现频率最高的比特或字节模式，并用比原始比特更少的比特数来对其编码。若码流中所有模式出现的概率相等，则平均信息量最大，信源就没有冗余。(1)行程编码(RunLengthCoding)(2)LZW编码(3)哈夫曼编码(4)算术编码(1)行程编码(RunLengthCoding)

行程编码（RLE，Run-lengthencoding）是一种非常简单的数据压缩编码形式。它基于简单的编码数据原则，这个原则就是，重复的数据值序列（或称为“流”）用一个重复次数和单个数据值来代替。这里，重复的值称为一个“连续”（run）。

Huffman编码Huffman编码的步骤：（1）概率统计，得到n个不同概率的信息符号；（2）将n个信源信息符号的n个概率，按概率大小排序；（3）将n个概率中，最后两个小概率相加，这时概率个数减为n-1个；（4）将n-1个概率，按大小重新排序；（5）重复（3），将新排序后的最后两个小概率相加，相加和与其余概率再排序；（6）如此反复重复n-2次，得到只剩两个概率序列；（7）以二进制码元（0，1）赋值，构成哈夫曼码字，编码结束。3.1.5常用数据压缩方法的基本原理霍夫曼编码举例现在有7个待编码的符号，它们的概率如下表所示，使用霍夫曼编码算法求出7个符号所分配的代码。(写出编码树)待编码的符号X1X2X3X4X5X6X7概率0.350.200.150.100.100.060.043.1.3常用数据压缩方法的基本原理2.预测编码(PredictionCoding)

预测编码是指利用前面的一个或多个信号对下一个信号进行预测，然后对实际值和预测值的差进行编码。典型的预测编码有两种：(1)差分脉码调制(DPCM)(2)自适应差分脉码调制(ADPCM)差分脉码调制(DPCM)

在PCM系统中，原始的模拟信号经过采样后得到的每一个样值都被量化成为数字信号。为了压缩数据，可以不对每一样值都进行量化，而是预测下一样值，并量化实际值与预测值之间的差值，这就是DPCM（DifferentialPulseCodeModulation，差分脉冲编码调制）。1952年贝尔（Bell）实验室的C.C.Cutler取得了差分脉冲编码调制系统的专利，奠定了真正实用的预测编码系统的基础。

预测编码的基本原理邻近的M个值预测当前值，当前值与预测值之差量化编码3.1.3常用数据压缩方法的基本原理3.变换编码(TransformationCoding)

在变换编码时，初始数据要从初始空间或时间域进行数学变换，变换为一个更适于压缩的抽象域。该过程是可逆的；即使用反变换可恢复原始数据。如将时域信号变换到频域，因为声音、图像大部分信号都是低频信号，在频域中信号的能量较集中，再进行采样、编码就可以压缩数据(1)最佳变换（K－L变换）(2)离散余弦变换（DCT变换）DCT的原理

离散余弦变换（DiscreteCosineTransform，DCT）是一种实数域变换，其变换核为实数余弦函数。对一幅图像进行离散余弦变换后，许多有关图像的重要可视信息都集中在DCT变换的一小部分系数中。因此，离散余弦变换（DCT）是有损图像压缩JPEG的核心，同时也是所谓“变换域信息隐藏算法”的主要“变换域（DCT域）”之一。因为图像处理运用二维离散余弦变换，所以直接介绍二维DCT变换。

分析DCT系数的性质下面以lenna图像为例，利用DCT变换函数得到的DCT系数的性质。我们只取R层的DCT系数矩阵进行分析。下图显示了变化的结果，其中DCT系数用光谱的形式给出，直观的表明了低频和高频系数的分布规律。

分析DCT系数的性质

3.1.3常用数据压缩方法的基本原理典型的变换编码系统框图：信源序列变换变换域采样量化编码存储或传输译码填零反变换再现序列变换编码系统压缩数据的三个步骤3.1.3常用数据压缩方法的基本原理4.分析合成编码通过对原始数据分析，将其分解为一系列更适合于表示的基元或从中提取出更有本质意义的参数，仅对这些基本单元或者特征参数进行编码，而解码时则借助于一定的规则或者模型，按照一定的算法将这些基元或者参数再综合成逼近原始数据的结果。矢量量化小波变换编码分形编码子带编码

3.2音频的压缩3.2音频的压缩音频频率范围

低频声音(Infra-sound)：0Hz－20Hz

人类听觉频率范围的声音：20Hz－20kHz

高频(Ultrasound)：20kHz－1GHz

超声波(Hypersound)：1GHz－10THz不同音频的带宽

电话语音：

200Hz－3.4kHz

调幅广播：50Hz－7kHz

调频广播：20Hz－15kHz

宽带音响:20Hz－20kHz3.2.1音频压缩编码的基本方法无失真压缩音频压缩方法有失真压缩Huffman编码行程编码波形编码参数编码混合编码全频带编码PCMDPCMADPCM子带编码自适应变换编码ATC

心理学模型矢量量化线性预测LPC矢量和激励线性预测VSELP多脉冲线性预测MP-LPC码本激励线性预测CELP调幅广播与调频广播介绍随着生活水平的提高，人们对只能收听中波调幅广播的收音机已经不满足了，在选购收音机时，要求具备调频、调幅两种功能的产品。那么电台为什么要用调频、调幅两种不同的方式进行广播？调频广播与调幅广播各有什么特点，又有什么区别？无线电广播是依靠空间的高频电磁波来传播节目的。高频电磁波并不含有任何信息，只起了“运载工具”的作用。因此，又称它为载波。平时讲的中央人民广播电台的频率为540千赫、上海人民广播电台的频率为990千赫，就是载波的频率。要传送的广播节目的频率要比载波的频率低得多，在30赫～15000赫之间，称为音频信号或低频信号。低频信号是传不远的。必须设法把它与高频载波叠加起来，才能达到远传的目的。这种叠加的过程，称它为调制。

常用的调制方式有两种：当高频振荡的幅度随着音频信号的大小变化而变化，这种调制方式称为调幅。如果被高频振荡的频率随着音频信号的大小变化而变化，这种调制方式称为调频。

调幅的特点是载波的频率始终不变，而载波幅度变化的形状与音频信号变化的形态一样。我们把幅度变化的轨迹称作包络线。从图1中可以看出，包络线的形状与音频信号是相同的。被音频信号调制后的载波，称已调波。我国中波调幅广播的频率范围为535～1605千赫。为了在有限的广播频率段中，既要防止临近频率电台相互干扰，又要设置更多的电台数目，只能压缩每个电台的频带宽度。国际上规定中波广播的频道间隔为9千赫。即每一电台的频带宽度限制于9千赫之内。调幅广播的不足是抗干扰能力差.调频的特点是载波的幅度始终不变，而它的频率则随着音频信号大小在变化。如图

所示：当音频信号增强的时候，频率变高，波形就密；当音频信号减弱的时候，频率变低，波形就疏。调频波的频谱要比调幅波复杂得多。每个电台所占频带宽宽为200千赫所以调频电台的节目听起来要比调幅广播高音丰富、清晰、逼真。特别是在聆听立体声高保真音乐节目。

调频广播的另一个特点是抗干扰能力强。因为干扰主要是影响载波的幅度，对载波的频率几乎没有影响。因此在接收机中用限幅器很容易将干扰消除掉。参见图

。3.2.2电话质量的语音压缩标准ITU-TS建议的语音压缩的标准G.711：采用PCM(脉冲)编码，采样速率为8kHz，量化位数为8bit，对应的比特流速率为64kbit/sG.721：

将64Kbps的比特流转换为32Kbps的流，它是基于ADPCM(自适应音频脉冲编码)技术。每个数值差分用4位编码，其采样率为8kHzG.723：以24Kbps运行的基于ADPCM的有损耗压缩标准。其音质不如非压缩的G.711PCM标准以及基于SB-ADPCM的G.722标准3.2.2电话质量的语音压缩标准G.728：采用低延迟代码激励线性预测(LD-CELP)的向量量化技术。其比特率为16Kbps，带宽限于3.4kHz。其音质比G.711或G.722差得多CELP是一种常用的语音压缩技术。它用于美国联邦标准1016，可将语音压缩至4.8Kbps。美国联邦标准1015使用CELP的一个简本，称为线性预测编码(LPC)。LPC-10E标准可以运行于2.4Kbps。采用了一种向量量化方法。声音听起来有点象机器在说话，但4.8Kbps与电话差不多3.2.3调幅广播质量的音频压缩标准调幅广播质量：50Hz－7kHz，称“7kHz音频信号”G.722：基于子带ADPCM技术(SB-ADPCM)，是将现有的带宽分成两个独立的子带信道分别采用差分脉码调制算法G.722压缩信号的带宽范围为50Hz到7kHz，而G.711仅限于3.4kHz。其比特率为48、56、64Kbps，在标准模式下，采样速率是16KHz，幅度深度为14比特3.2.4高保真立体声音频压缩标准高质量的声音信号频率范围：50Hz－20kHz目前国际上比较成熟的高质量声音压缩标准为MPEG音频MPEG-1的音频信号在ISO11172-3文档中的描述。MPEG音频不是单个一种压缩算法，而是3种音频编码和压缩方案的一个系列

MPEG声音编码分为：层-1、层-2、层-3。随着层数的增加算法的复杂度也增大3.2.4高保真立体声音频压缩标准所有3层都分级兼容。最复杂的译码器(即在层-3工作的译码器)也可对层-2或层-l的码流进行译码所有3层均运用变换编码和子带编码频谱被分为32个子带应用快速博里叶变换来表示高频域中的信号应用心理声学模式来变换信号以估计刚能引起注意的噪音级层1、2和3主要在最后一个阶段——即量化阶段的方式上有所区别，但不是唯一的差别。3.3图像和视频的压缩图像和动画的存储方式是一个很重要的问题。幸好我们有了数据压缩，有了JPEG等多种压缩存储图像的文件格式，我们今天才能够拿着小小的一个存储器，却存上许多张色彩鲜艳的图片。如果没有图像压缩算法，也许我们的多媒体时代就会晚到来许多年。3.3.1图像和视频压缩编码的基本方法图像和视频压缩方法无失真压缩有失真压缩Huffman编码行程编码算术编码LZW编码预测编码运动补偿变换编码DCT变换小波变换子带编码模型编码分形编码基于重要性滤波子采样矢量量化混合编码JPEGMPEGH.2613.3.2静止图像压缩标准静止图像压缩的国际标准：ISO制订的JPEG标准、JBIG标准ITU-T的G3标准、G4标准JPEG标准适用于黑白及彩色照片、彩色传真和印刷图片，可以支持很高的图像分辨率和量化精度3.3.2静止图像压缩标准1.JPEG压缩标准压缩比高，图像质量保真程度好适应不同的数字图像参数、大小、图像内容、彩色空间、统计特性等，但不包括二值图像用户可以对压缩比、质量效果进行选择应该满足硬软件实现的计算需求支持多种操作方式JPEG图像存储格式一个比较成熟的图像压缩格式，虽然一个图片经过转化为JPEG图像后，一些数据会丢失，但是，人眼是很不容易分辨出来这种差别的。也就是说，JPEG图像存储格式既满足了人眼对色彩和分辨率的要求，又适当的去除了图像中很难被人眼所分辨出的色彩，在图像的清晰与大小中JPEG找到了一个很好的平衡点。JPEG文件的格式是分为一个一个的段来存储的,段的多少和长度并不是一定的。只要包含了足够的信息，该JPEG文件就能够被打开，呈现给人们。JPEG文件的每个段都一定包含两部分一个是段的标识，它由两个字节构成：第一个字节是十六进制0xFF，第二个字节对于不同的段，这个值是不同的。3.3.2静止图像压缩标准(1)JPEG的无损预测编码算法无损压缩中采用一个简单的预测器。预测器可以采用不同的预测方法，不同的预测方法将决定有哪些相邻的象素将被用于预测下一个象素。常用的预测方法如三邻域预测法。源图像数据预测器熵编码器压缩的图像数据表说明3.3.2静止图像压缩标准(2)JPEG基于DCT的有损编码算法8*8DCT正变换量化器熵编码器压缩后的图像数据JPEG编码器表说明表说明块准备源图像数据3.3.2静止图像压缩标准块准备：块准备将一帧帧图像分成8×8的数据块DCT变换：原始的图像数据块经过DCT变换后，将每个数据块的数据从空间域变换到频率域，输出64个DCT变换系数

量化：JPEG的量化采用线性均匀量化器DCT系数的编码：JPEG中对DC系数采用DPCM编码，64个AC系数在JPEG算法中采用行程编码熵编码：经过DPCM编码的直流项和经过行程编码的交流项再进行霍夫曼编码或自适应二进制算术编码3.3.2静止图像压缩标准压缩比和图像质量基于DCT(离散余弦变换)的JPEG标准的压缩是有失真的，DCT变换后系数的量化是引起失真的主要原因压缩效果与图像内容本身有较大的关系，对于中等复杂程度的彩色图像，其压缩比与恢复图像的质量大致如下表所示3.3.2静止图像压缩标准压缩效果(比特/象素)质量0.25～0.50中～好，满足某些应用0.50～0.75好～很好，满足多数应用0.75～1.5极好，满足大多数应用1.5～2.0与原始图像几乎分不出3.3.2静止图像压缩标准2.JPEG2000简介

JPEG2000的原理JPEG2000与传统JPEG最大的不同，在于它放弃了JPEG所采用的以离散余弦转换(DiscreteCosineTransform)为主的区块编码方式，而采用以小波转换(Wavelettransform)为主的多解析编码方式。小波转换的主要目的是要将图像的频率成分抽取出来3.3.2静止图像压缩标准

JPEG2000的优点1、压缩率比JPEG约高30%

左右2、同时支持有损和无损压缩，适合保存重要图片3、能实现渐进传输，这是其一个极其重要的特征。即GIF格式图像的“渐现”特性。它先传输图像的轮廓，然后逐步传输数据，不断提高图像质量，让图像由朦胧到清晰显示，而不必是像现在的JPEG一样，由上到下慢慢显示4、支持所谓的“感兴趣区域”特性，可以任意指定图像上感兴趣区域的压缩质量，还可以选择指定的部份先解压缩，可以很方便的突出重点3.3.2静止图像压缩标准

JPEG2000的应用JPEG2000的应用领域可概略分成两部分，一为传统JPEG的市场，如打印机，扫描仪，数码相机等；一为新兴应用领域，如网络传输，无线通讯，医疗图像等

JPEG2000和JPEG相比优势明显，且可向下兼容，取代传统的JPEG格式目前对JPEG2000热情最大的是那些数字照相机厂商

3.3.3视频压缩标准视频压缩的一个重要标准是MPEG（MotionPictureExpertsGroup），已推出了MPEG（或MPEG-Ⅰ）、MPEG-Ⅱ、MPEG-4等系列标准，新的标准MPEG-7、MPEG-21等标准也在酝酿之中另一个重要标准是H系列，包括H.261、H.263等标准，此外还有运动JPEG等压缩标准3.3.3视频压缩标准1.MPEG-1压缩标准能够传输用户可以接受的视频能够支持对称或者非对称的压缩解压应用根据需要可以支持随机存取根据需要支持快进、快倒、快放等多种工作方式能够支持视频和音频的同步工作能够避免出现大的障碍可以控制压缩解压的延迟可以具有编辑能力能够以灵活的格式支持窗口视频演示不排斥使用价格低廉又能够实时编码的芯片3.3.3视频压缩标准MPEG-Ⅰ标准的目标是以约1.5Mbps的速率传输电视质量的视频信号，亮度信号的分辨率为360×240，色度信号的分辨率为180×120，每秒30帧MPEG-Ⅰ标准包括：MPEG系统（ISO/IEC11172-1）MPEG视频（ISO/IEC11172-2）MPEG音频（ISO/IEC11172-3）测试验证（ISO/IEC11172-4）MPEG涉及的问题是视频压缩、音频压缩及多种压缩数据流的复合和同步问题MPEG-Ⅰ视频压缩技术以两个基本技术为基础的.一个是基于子块的运动补偿,可减少帧序列的时域冗余度。二是基于DCT的压缩技术，减少空域冗余度。运动补偿一个视频序列包含一定数量的图片--通常称为帧相邻的图片通常很相似，包含了很多冗余。使用运动补偿的目的是通过消除这种冗余，来提高压缩比。运动补偿是一种描述相邻帧差别的方法，具体来说是描述前面一帧的每个小块怎样移动到当前帧中的某个位置去。

运动补偿最早的运动补偿的设计只是简单的从当前帧中减去参考帧，从而得到通常含有较少能量(或者称为信息)的“残差”，从而可以用较低的码率进行编码。解码器可以通过简单的加法完全恢复编码帧。运动补偿有两种算法：运动补偿预测法

画面上的运动部分在帧与帧之间必然有连续性，预测法根据这一特性，将当前的图像画面看作是前面某时刻图像的位移，位移的幅度和方向在图像画面的各处可有不同。

运动补偿插补法

用插补的方法进行运动的补偿，可以大幅度地压缩运动图像的信息。

3.3.3视频压缩标准2.MPEG-Ⅱ压缩标准MPEG-Ⅱ标准包括MPEG系统、MPEG视频、MPEG音频和一致性四大部分内容，是运动图像及其伴音的通用编码国际标准MPEG-Ⅱ压缩标准克服并解决了MPEG-Ⅰ标准不能满足的日益增长的多媒体技术、数字电视技术、多媒体分辨率和传输率等方面的技术要求的缺陷3.3.3视频压缩标准MPEG-Ⅱ系统