数字化后的视频和音频等媒体信息具有海量性

数字化后的视频和音频等媒体信息具有海量性第一页，共八十页，编辑于2023年，星期三7.1数据压缩的基本原理和方法

根据多媒体不同的表现形式和不同场合以及质量方面的应用需求，必须有针对性地进行设计。而各种压缩方法应该符合一定范围内的性能指标，以满足实际应用的领域的需要。

第二页，共八十页，编辑于2023年，星期三7.1.1数据压缩方法的分类

数据压缩技术自从1948年提出以来，经过50多年的发展。

根据解码后的数据与压缩之前的原始数据是否完全一致，可以分为无损压缩编码和有损压缩编码。无损压缩编码具有可恢复性和可逆性。该编码在压缩时不丢失任何数据，即把所有的数据都作为比特序列，解压后的数据与原始数据完全一致。

有损压缩编码不具有可恢复性和可逆性，该编码在压缩时舍弃冗余的数据，例如人眼较难分辨的颜色或人耳难以分辨的方向源信号，实际取决于初始信号的类型、信号的相关性以及语义等内容。这些被舍去的信息值是无法再找回的，所以还原后的数据与原始数据存在差异。

第三页，共八十页，编辑于2023年，星期三统计编码：属于无失真编码。根据信源符号出现概率的分布特性进行编码，让概率大的信源符号用短码字表示，让概率小的信源符号用长码字表示，从而去除数据之间的冗余而达到压缩的目的。预测编码：根据离散信号之间存在一定的相关性特点，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值进行编码。

如果所有的信源符号出现的概率相同，则说明平均信息量最大，也就不存在信源的冗余。根据数据压缩的原理可以分为：统计编码、预测编码、变换编码、分析-合成编码和其他编码。

第四页，共八十页，编辑于2023年，星期三变换编码：属于有失真的编码。变换编码是将原始数据从初始空间或时间域进行数学变换，变换为更适合于压缩的抽象域。关键的是要寻找一个最佳变换，使信息中最重要的部分易于识别。变换本身是可逆的无损的，为了取得更好的效果，忽略了一些编码位数较长的系数而成为了有损编码。变换编码一般经过变换、变换域采样和量化三个步骤分析/合成编码：是基于某种模型的编码方法，这些模型可以是声道模型、语音模型、人体模型等。通过分析模型的具体特征，确定与之匹配的编码。

第五页，共八十页，编辑于2023年，星期三其他编码方法常见的有： 混合编码（HybridCoding）、 矢量量化（VectorQuantize，VQ）、

LZW算法等。还有近年来新出现的编码方法： 人工神经元网络（ArtificialNeuralNetwork，ANN）算法、 分形（Fractal）算法、小波（Wavelet）算法、 基于对象（Object-Based）的算法、 基于模型（Model-Based）的算法等。

第六页，共八十页，编辑于2023年，星期三7.1.2数据压缩的性能指标

衡量一种数据压缩技术的重要性能指标有压缩比、压缩速度、压缩质量和计算量。

压缩比

压缩比是指原始数据量和压缩后数据量的比值。有损压缩有很高的压缩比采用不同的压缩编码可得到不同的压缩比。无损压缩能实现的压缩比，一般只有数倍，而且与被压缩的对象有关。文字、图像普遍采用无损压缩。例如，MPGE是一种包含音频和图像在内的压缩技术，利用MPEG-1、MPEG-2、MPEG-4三个方案，对音频的感知编码中，MPEG-1方案的音频压缩比是1:4，MPEG-2方案的音频压缩比是1:6…1:8，MPEG-4方案的音频压缩比是1:10…1:12。但是MPEG对图像的压缩算法，所提供的压缩比可以高达200:1。利用JPEG也可以有多种图像的压缩比，甚至可以减小到原图像的百分之一（压缩比100:1）。

第七页，共八十页，编辑于2023年，星期三压缩速度压缩速度指编码或解码的快慢程度。不同的应用场合，对压缩速度要求是不同的。对于一个压缩系统而言，有对称压缩和非对称压缩之分。

所谓对称压缩，就是压缩和解压缩都需要实时进行的。例如：电视会议的图形传输。

非对称压缩常常在解压缩方面要求是实时的，但压缩可以不是实时的。例如，多媒体CD-ROM的制作过程可以不是实时的，但解压缩必须是实时的，否则用户看到的就不是连续的图像。

第八页，共八十页，编辑于2023年，星期三压缩质量

压缩质量是指压缩以后对媒体的感知效果。有损压缩才可能影响人对媒体的感知效果。压缩质量的好坏与压缩算法、数据内容和压缩比有密切的关系。

例如，使用JPEG编码时，当压缩比为20:1时，能看到图像稍微有点变化，当压缩比大于20:1时，一般图像质量开始变坏。但使用MPEG编码时，可以得到很好的数据压缩而依然保持CD声音质量的原样。在较高的压缩比下，也能获得较好的图像质量。

第九页，共八十页，编辑于2023年，星期三计算量

图像数据压缩需要进行大量计算，从目前的技术来看，压缩的计算量比解压缩计算量要大，例如动态图象的压缩编码计算量约为解压缩的计算量的4倍。

第十页，共八十页，编辑于2023年，星期三7.2统计编码

统计编码属于一种无失真的编码，具体实现的方法有多种，包括行程编码、LZW编码、Huffman编码、算术编码。本节在介绍了统计编码的基本思想之后，为读者引见LZW编码、Huffman编码、算术编码等几种实现方法。

统计编码又称熵编码。根据信息论的原理，我们可以找到最佳的压缩编码方法，数据压缩的理论极限是信息熵。也就是说，信息中可能存在着冗余信息，要去除信息的冗余部分，使编码后单位数据量等于其信息源的熵，就达到了压缩极限。

第十一页，共八十页，编辑于2023年，星期三信息论指出，如果一个事件（例如收到一个信号）有n个等可能性的结局，那么结局未出现前的不确定程度H与n的自然对数成正比，即有：H=Clnn(C为常数)

如果一个消息有10个可能的结果，不确定程度就是Cln10。当人们收到这个消息后，就消除了这种“不确定”性。这样，一个消息中所含有的信息量，就用表示有多少个不确定程度的H来定义，申农（香农）把这个不确定程度H称为信息熵。信息论认为信源中存在的冗余度来自于信源本身的相关性和信源概率分布的不均匀性。熵编码要解决的问题，是如何利用信息熵理论减少数据在存储和传输中的冗余度。也就是要找到去除信源的相关性和概率分布的不均匀性的方法。

第十二页，共八十页，编辑于2023年，星期三事件间的统计特性与熵有这样的关系。事件发生的概率越小，则其熵值越大，表示信息量越大，而发生的概率越大，则其熵值越小。统计编码就是根据信源符号出现概率的分布特性而进行工作的。统计编码需要在信源符号和码字之间确定严格的一一对应关系，以便准确无误地在先原来信源，同时使平均码长尽量小。统计编码对于出现概率比较高的数据分配短码，而对那些出现概率比较低的数据则分配长码。该方法使总数据量降低，达到数据压缩的目的。常用的统计编码有LZW编码、Huffman编码和算术编码。第十三页，共八十页，编辑于2023年，星期三7.2.2LZW编码

LZW（LempelZivWelch）压缩编码是一种压缩效率较高的无损数据压缩技术。1977年，两位以色列教授Lempel和Ziv提出了查找冗余字符和用较短的符号标记替代冗余字符的概念，称为Lempel-Ziv压缩技术。1985年，美国人Welch将Lempel-Ziv压缩技术从概念发展到实际运用阶段，因而被命名为“LempelZivWelch”压缩技术，简称“LZW”技术。LZW被广泛用于图像压缩领域。第十四页，共八十页，编辑于2023年，星期三LZW压缩基本原理LZW压缩的基本原理是：LZW压缩把每一个第一次出现的字符串用一个数值来编码，在还原程序中再将这个数值还成原来的字符串。

转换表是在压缩或解压缩过程中动态生成的表，该转换表只在进行压缩或解压缩过程中需要，一旦压缩或解压缩结束，该表将不再起任何作用。压缩过程生成的转换表，记录了代码和数据的对应关系，并且只用于压缩过程。在解压缩过程中，LZW压缩编码会生成另一个用于解压缩的转换表，该表与压缩时产生的转换表完全相同，数据以严格对应的无损方式被还原。

例如用数值0x100代替字符串“abccddeee”这样每当出现该字符串时，都用0x100代替。把数据流中复杂的数据用简单的代码来表示，就起到了压缩的作用。并把代码和数据的对应关系建立一个转换表，又叫“字符串表”或“编码对照表”。

第十五页，共八十页，编辑于2023年，星期三LZW压缩的特点

LZW压缩技术的处理过程比其他压缩过程复杂，但过程完全可逆。对于简单图像和平滑且噪音小的信号源具有较高的压缩比，并且有较高的压缩和解压缩速度。对机器硬件条件要求不高。

LZW压缩技术可压缩任何类型和格式的数据。对于任意宽度和像素位长度的图像，都具有稳定的压缩过程。常用于GIF格式的图像压缩，其平均压缩比在2：1以上，最高压缩比可达到3：1。LZW压缩技术还可以被用于文本程序等数据压缩领域，对于数据流中连续重复出现的字节和字串，LZW压缩技术具有很高的压缩比。值得注意的是，规则数据具有可预测性，即从一个数据可预测到下一个将可能是什么数据。但LZW压缩技术对于可预测性不大的数据具有较好的处理效果

第十六页，共八十页，编辑于2023年，星期三7.2.3Huffman编码

Huffman（哈夫曼）编码是统计编码的一种，属于无损压缩编码。该编码是在1952年为文本文件建立的，编码方法简单且有效，因而得到广泛的应用。现在已经派生出很多变体。

Huffman编码基本原理

Huffman编码的基本原理是用较短的代码代替出现概率较高的数据，用较长的代码代替出现概率较低的数据，所有代码都采用二进制码，其码的长度是可变的，且每个数据的代码各不相同。

例如，对于原始数据序列A、B、C、E、D这五个字母，假定对应于每个字母出现的概率分别为0.30、0.25、0.22、0.15、和0.08，则可以编码为A(00)、B(01)、C(10)、(D110)、(D111)，压缩后为000110110111。由此产生的全部信息的总码长将小于实际信息的符号长度，从而达到压缩的目的。

第十七页，共八十页，编辑于2023年，星期三整个编码过程实际上建立二叉树的过程，所以编码时需要对原始数据扫描两遍，第一遍扫描要精确地统计出原始数据中的每个值出现的频率，第二遍是通过合并最小概率来建立霍夫曼树，同时还要进行编码。由于需要对多层次的二叉树节点进行编码，因此数据压缩和还原速度都较慢。

第十八页，共八十页，编辑于2023年，星期三编码过程

根据以上编码原理，Huffman编码的实际编码过程如下：

1.将信源符号按照出现概率递减的顺序排列。

2.将最小的两个概率进行相加合并，得到的结果作为新符号的出现的概率。

3.重复进行1和2，直到概率的和值等于1。

4.在进行消息概率合并运算时，可以对概率大的符号用编码0表示，概率小的符号用编码1表示。也可以相反表示，可以对概率大的符号用编码1表示，概率小的符号用编码0表示。

5.最后，记录下从概率为1处开始到当前信源符号之间的0、1序列，从而得到每个符号的编码。

第十九页，共八十页，编辑于2023年，星期三设信号源为：x={x1，x2，x3，x4，x5}对应的概率为：p={0.30，0.25，0.22，0.15，0.08}则编码过程如图7-2所示，其中第一次将0.15和0.08概率进行合并，结果为0.23。继续此过程，历遍所有信号，直到概率和为1.0。

第二十页，共八十页，编辑于2023年，星期三当前信号源

X1X2X3X4X5概率

0.30

0.25

0.22

0.15

0.080.230.450.551.0000001111码字

00

01

10

110

111字长

2

2

2

3

3第二十一页，共八十页，编辑于2023年，星期三课后习题：设输入图像的灰度级{a1,a2,a3,a4,a5,a6}出现的概率分别是0.4、0.2、0.12、0.15、0.1、0.03。试进行哈夫曼编码，并计算平均码长、编码效率。

第二十二页，共八十页，编辑于2023年，星期三Avg==0.30×2+0.25×2+0.22×2+0.15×3+0.08×3=2.08

计算该编码的平均字长为2.08，信息熵H（5）为1.6（假如常数C为1），那么编码效率约为77%。可见霍夫曼编码是一种效率较高的编码方案。但要指出的是，由于“0”和“1”的指定可以是任意的，所以上面所得到的编码不是唯一的。

Huffman提出的这种编码也称为最佳变长码，其优点是编码的效率高，但这种编码依赖于源的统计特性，同时我们看到，Huffman编码只能通过查表的方法建立消息和码字之间的关系，所以如果消息数很大，需要存储的码表也需很大，从而会影响存储量、编码以及译码速度等各个方面的性能。

第二十三页，共八十页，编辑于2023年，星期三7.2.4算术编码

算术编码属于无损压缩的统计编码，常用于图像数据压缩标准(如JPEG，JBIG)中。

算术编码基本原理

算术编码的基本原理是将出现概率较多的“事件”(可以是字符或字符串)，用尽可能少的位或字节来表示。算术编码是一种变长码，主要针对出现的概率高的事件序列标识的信息进行压缩。

在算术编码中，将信源符号表示成实数轴上0和1之间的间隔，例如一个信源符号“10

”可表示成[0.5,0.7]。信息越长，这个间隔就越小，例如一个较长的信源符号可表示成[0.514384,0.51442]，显然表示这一间隔所需的二进制位数就越多。也就是说，算术编码用到两个基本的参数是符号的概率和它的编码间隔。信源符号的概率决定压缩编码的效率，也决定编码过程中信源符号的间隔，间隔则决定了符号压缩后的输出。

算术编码区别于霍夫曼编码的是，它是根据信源符号估计出各个元素的概率，然后进行迭代计算。而不象霍夫曼编码必须预先得知信源的出现概率。

第二十四页，共八十页，编辑于2023年，星期三7.3预测编码

预测编码是一种有失真的编码，DPCM编码和ADPCM编码是两种较典型的预测编码，它们比较适用于声音和图像数据的压缩，下面我们就来了解一下预测的基本概念，以及DPCM编码、ADPCM编码基本原理。

7.3.1预测编码

预测编码是根据离散信号之间存在一定的相关性的特点，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值进行编码。预测编码根据预测器的设计分为线性预测和非线性预测。但为了预测的效率，大多采用线性预测。

第二十五页，共八十页，编辑于2023年，星期三预测编码非常适用于声音和图像方面的压缩。对于声音来讲，预测的对象是声波的下一个幅度、下一个音色。对于图像而言，预测的对象是下一个像点、下一条线或下一帧。声音和图像中通常都存在冗余的信号，而且在相邻的音色或相邻像点之间的相关性比较强，它们的差值比较小，这样任何音色或像点都可以通过已知样本值进行预测。对于连续的多帧图像，上下帧通常具有一些相同的部分内容，如背景和静止的物体，可以预计在一定的时间内将不会发生变化。主要对其差值进行编码，可以达到压缩的目的。

预测编码时首先要存储的是当前内容，接着以把当前内容作为样板，预测下一个信号，将预测所得的不同内容进行存储或传输，如内容相同则是数据冗余，予以剔除。这样数据量将会大幅度减少，达到压缩效果。

第二十六页，共八十页，编辑于2023年，星期三预测编码常见的方法有DPCM、ADPCM、ΔM、Δ－∑M调制编码。预测编码主要采用压缩图像数据的空间冗余和时间冗余的方法，简捷且易于实现，但要求数据传输速度很高。另外，预测编码方法的压缩能力有限。为了进一步提高数据压缩的能力，可采用其它编码方法，例如变换编码。

7.3.2DPCM编码

PCM是脉冲编码调制，它首先对原始的模拟数据进行采样、量化，然后作为数字信号传输。DPCM（DifferentialPulseCodeModulation）是差分脉冲编码调制算法。

第二十七页，共八十页，编辑于2023年，星期三差分脉冲编码的抽样速率通常是与PCM相同，因此在编码器中的带限滤波器和解码器中的平滑滤波器基本上与PCM系统中的滤波器是一样的，但是它不是对每个采样值进行量化的，而是根据前一个样值预测下一个样值，并量化实际值和预测值之间的差值。差分脉冲编码的基本原理如图7-3所示，在发送端输入的采样信号，经量化器后传送到编码器，DPCM编码器将产生不同抽样值，简单的抽样方法就是将前一个输入抽样直接存储在抽样保持电路中，并使用模拟减法器来测试抽样有无变化。如果信号有变化，则差值被量化、被编码和传输。

差分脉冲编码的基本原理

第二十八页，共八十页，编辑于2023年，星期三其中有关的参数含义如下：Xn——输入信号，为每个即时时刻的样本值；

——预测值，根据时刻之前的采样值x1，x2，…xn-1得到En——xn-En’——En经过量化器量化后的输入信号Qn——量化器的量化误差产生的误差为：Xn-Xn’=Xn-(

+En’)=(Xn-

)-En’=En

-En’=qn

量化器预测器XnEnEn’Xn’XnXnXnXnXn第二十九页，共八十页，编辑于2023年，星期三qn恰好就是发送端的量化误差。所以，DCPM系统中，量化器和预测器的设计是关键，好的预测器编码应能根据信号的局部特性，调整量化器的步长和预测器的参数，使得许多预测值和实际值之间差值为最小。在接收端，经过和发信端的预测完全相同的操作，可以得到量化的原信号，然后再通过低通滤波便可恢复与原信号近似的波形。这里就不再给出原理图了。

第三十页，共八十页，编辑于2023年，星期三7.3.3ADPCM编码

ADPCM（AdaptiveDifferentialPulseCodeModulation）自适应差分编码，它具有自适应编码的特性，该编码包括自适应量化和自适应预测两种形式。ADPCM编码的方法是针对输入样值进行自适应预测，然后对预测误差进行量化编码。

综合了APCM的自适应特性和DPCM系统的差分特性，是一种性能比较好的波形编码。它的核心想法是：①利用自适应的思想改变量化阶的大小，即使用小的量化阶(step-size)去编码小的差值，使用大的量化阶去编码大的差值,②使用过去的样本值估算下一个输入样本的预测值，使实际样本值和预测值之间的差值总是最小。它的编码简化框图如图3-10所示。第三十一页，共八十页，编辑于2023年，星期三ADPCM主要用于对中等质量的音频信号进行高效率压缩。例如语音的压缩、调幅广播音质的信号压缩等。CCITT的32kbit／s语音编码标准G.721采用ADPCM编码方式，每个语音样值相当于用4个二进制位进行编码。

第三十二页，共八十页，编辑于2023年，星期三7.4变换编码

变换编码是一种有失真编码，所谓变换主要是将原始数据的原来的时间或空间域进行数学变换，使得通过变换后能够突出原始数据中的重要部分，以便重点处理。变换编码中的较为典型的是最佳变换（K-L变换）编码和离散余弦变换（DCT）编码，其中K-L变换是在均方误差最小意义下导出的，其基向量是输入数据向量协方差矩阵的特征向量，这种变换矩阵将随着输入数据的不同而不同，因此难于实现。

而离散余弦变换（DCT）编码可对某个固定的像素块进行变换，变换以后的数据称为DCT系数，由于离散余弦变换的变换核心可固定，使得变换容易实现，而且变换的性能近次于K-L变换，目前已广泛用于多媒体压缩标准JPEG、MPEG、H.261、H.263等算法中。

第三十三页，共八十页，编辑于2023年，星期三7.4.1变换编码

变换编码是一种重要的编码类型，属于有失真的编码，变换编码技术起源比较早，理论上和技术上都比较成熟，被广泛应用于单色图像、彩色图像、静止图像、运动图像，以及多媒体计算机技术中的电视帧内图像压缩和帧间图像压缩中。

变换编码是指将给定的图像变换到另一个数据域（变换域或频域）上，使得大量的信息能用较少的数据来表示。

第三十四页，共八十页，编辑于2023年，星期三变换编码原理如图7-4所示。图中，输入信号经过适当的正交变换到另一个频域空间，相关性就会明显减少，能量集中在频域的少数低频系数上，这样就达到了数据压缩的效果。如果保留频域中系数大的元素，忽略小的系数，然后辅以非线性量化来提高压缩程度，最后进行编码，可获得很高的压缩比。

也就是说，它不是直接对空间域图像信号编码，而是首先将当前所表达的空间域图像信号经过变换映射到另一个正交矢量空间，将得到一系列变换系数，然后对这些变换系数进行编码处理。结果是重要的系数在变换到其他空间域后，其编码的精确度高于次重要的系数。变换本身是一种无损且可逆的技术，为了能获得更好的编码效果，忽略了一些不重要的系数，由此成为了有损的技术。

第三十五页，共八十页，编辑于2023年，星期三7.5音频数据压缩标准

音频信号可分为电话质量的语音、调幅广播质量的音频、高保真立体声信号，它们分别对应着不同的频率范围。音频中的声波文件所占有大量的空间容量，极大地影响着数字音频的存储和传输，因此，压缩音频极其重要。考虑到声波中分有语音和一般声音，又考虑到不同应用场合的不同要求，压缩音频可以采用不同方式的编码。

音频编码常采用有损的编码，主要分为波形编码、参数编码和混合编码：

第三十六页，共八十页，编辑于2023年，星期三波形编码方式是能够忠实地表现波形的编码方式。语音信号的波形编码力图使重建的语音波形保持原语音信号的波形状态。这类编码器通常是将语音信号作为一般的波形信号来处理,比如：脉冲编码调制（PCM）、自适应增量调制（ADM或ΔM编码）、自适应差分编码（ADPCM）、自适应预测编码（APC）、自适应子带编码（ASBC）、自适应变换编码（ATC）等都属于这类编码器。以上几种波形编码方式分别在64kb/s～16kb/s的速率上能给出高的编码质量。当速率进一步降低时,其性能会下降较快。由于这类编码器通常将语音信号作为一般的波形信号来处理,所以它具有适应能力强、话音质量好、抗噪抗误码的能力强等特点,但所需的编码速率高,其中64kb/sPCM的语音质量成为一个编码质量的参照标准。第三十七页，共八十页，编辑于2023年，星期三参数编码是根据声音的形成模型,把声音变换成参数的编码方式。其基本方法是通过对语音信号特征参数的提取及编码,力图使重建语音信号具有尽可能的可懂性,即保持原语音的语义。而重建的信号的波形同原语音信号的波形可能会有相当大的差别。参数编码的优点是：编码速率低,编码速率通常小于4.8kb/s,可以低至600b/s至2.4kb/s。缺点是：合成语音质量差,特别是自然度较低,连熟人之间都不一定能听出讲话人是谁;另外,这类编码器对讲话环境噪声较敏感,需要安静的讲话环境才能给出较高的可懂度,且时延大参数编码的典型例子语音信号的线性预测编码（LPC）已被公认为是目前参数编码中最有效的方法,它能够在2.4kb/s的低比特速率下获得清晰、可懂的合成音。并且易于硬件实现。这种方法的优点是不但能极为精确地估计参数,还在于它的计算速度比较快。另外多带激励（MBE）编码,余弦变换编码（STC）均属参数编码。由于参数编码是保护语声模型,重建清晰可识别的语声,而不注重波形的拟合,所以这类编码技术实现的是合成语声质量下的低速或极低速的编码。第三十八页，共八十页，编辑于2023年，星期三混合编码是将波形编码与参数编码结合而产生的一种编码方式。使语音编码技术有了突破性的进展。其中提出了一些非常有效的处理方法,产生了新一代的参数编码算法,构成了新一代的声码器。混合编码克服了原有波形编码器与声码器的弱点,而结合了它们的优点,在4～16kb/s速率上能够得到高质量合成语音。在本质上具有波形编码的优点,有一定抗噪和抗误码的性能,但时延较大。混合编码结合了以上两种编码方式的优点,采用线性技术构成声道模型,不只传输预测参数和清浊音信息,而是将预测误差信息和预测参数同时传输,在接收端构成新的激励参数去激励预测参数构成的合成滤波器,使得合成滤波器输出的信号波形与原始语声信号的波形最大程度的拟合,从而获得自然度较高的语声。这种编码技术的关键是：如何高效地传输预测误差信息。依据对激励信息的不同处理,这类编码主要有：多脉冲线性预测编码（MPLPC）、规则脉冲激励线性预测编码（RPELPC）、码激励线性预测编码（CELPC）、低时延的码激励线性预测编码（LD-CELPC）。第三十九页，共八十页，编辑于2023年，星期三7.5.1电话语音压缩标准

信号频率规定在300Hz～3.4kHz，采用标准的脉冲编码调制(PCM)，当采样频率为8kHz，进行8bit量化时，所得数据速率为64kb/s，即一个数字电话。1972年CCITT为电话质量和语音压缩制定了PCM标准G.711，其速率为64Kb／s，使用非线性量化技术，主要用于公共电话网中。

在ISO公布的ITU-T一系列音频编码标准中，用于电话语音压缩的有G.711、G.721、G.723、G.728、G.729和G.729A等标准。在选择语音压缩标准时，应综合考虑带宽、时延、算法复杂度等各种因素。第四十页，共八十页，编辑于2023年，星期三标准编码类型比特率（kbps）MOS复杂性时延(ms)G.711PCM644.310.125G.721ADPCM324.0100.125G.728LD-CELP164.0500.625GSMRPE_LPT133.7520G.729G.729ACSA-CELP84.030、1515G.723.1ACPLP6.33.82537.5G.723.1MP-MLQ5.3

USDodLPC-102.4合成语音1022.5表7-2给出了几个语音编码标准的比特率、MOS（长话质量的语音平均意见得分）、复杂性（以G.711为基准）和时延（帧大小，即语音流量的时间长度及前视时间）。

表7-2中的GSM编码标准是1983年欧洲数字移动特别工作组（GSM）制定的一种移动电话的压缩标准，它压缩的音质不如G.711系统。在GSM-6.10标准中，采用RPL-LTP算法，压缩后的一路话音数码率为13Kbps。

第四十一页，共八十页，编辑于2023年，星期三G.723协议G.723协议是一个双速率语音编码建议,其两种速率分别是5.3kb/s和6.3kb/s。此协议是一个数字传输系统概况协议,适用于低速率多媒体服务中语音或音频信号的压缩算法。它作为完整的H.324系列标准的一部分,是其中语音编码建议,主要配合低速率图像编码H.263标准。在IP电话网中,G.723协议被用来实现实时语音编码解码处理。G.723.1协议的编解码算法中两种速率的编解码基本原理是一样的,只是激励信号的量化方法有差别。对高速率（6.3kbit/s）编码器,其激励信号采用多脉冲最大似然量化（MP-MLQ）法进行量化,对低速率（5.3kbit/s）编码器,其激励信号采用代数码激码线性预测（ACELP）法量化。第四十二页，共八十页，编辑于2023年，星期三2．调幅广播质量的音频压缩编码技术标准

频率在50Hz一7kHz范围。ITU于1986年通过G.722标准。

G.722标准是采用16kHz采样，16bit量化，信号数据速率为224kbit／s，采用子带编码方法，将输入音频信号经滤波器分成高子带和低子带两个部分，分别进行ADPCM编码，再混合形成输出码流，224kbit／s可以被压缩成64kbit／s，最后进行数据插入(最高插入速率达16kbit／s)，因此利用G.722标准可以在窄带综合服务数据网N-ISDN中的一个B信道上传送调幅广播质量的音频信号。

第四十三页，共八十页，编辑于2023年，星期三G.722.1标准中，采样率为16kHz和16bit量化时，能够在24或32kbps速率下提供7kHz的音频带宽，是普通电话呼叫质量的两倍多，所用速率仅为先前标准的一半，并可提供了近于FM广播的音频质量。适合于一些重要应用领域包括：IP电话、第三代移动通信、PSTN高品质电话会议和商务应用(包括点到点和多点)、语音流、ISDN宽带技术、ISDN可视电话和会议电视等。

G.722.2主要采用代数编码激励线性预测技术，符合此标准的编解码器也被称为AMR-WB编解码器，已被3GPP采用，作为应用于GSM和第三代无线W-CDMA的宽带编解码器。这标志着无线与有线业务首次得以采用同一编解码器。AMR-WB编解码器在语音质量方面取得了突破性进展，意味着3G与IP固定网络之间的互通更加容易。

第四十四页，共八十页，编辑于2023年，星期三7.5.3高保真立体声音频压缩标准

高保真立体声音频范围是50Hz~20kHz。由ISO和ITU-T联合制订的标准被称为MPEG-音频，它是动态图像编码的国际标准MPEG中的一个部分。MPEG音频和视频已广泛用于VCD、CD-I、多媒体、PC中。

MPEG音频标准基于人的听觉心理模型，它利用编码技术对源文件重新进行编码压缩，编码时删除了听觉中不敏感的部分，从而缩减了文件的大小，由此会造成一些失真。

第四十五页，共八十页，编辑于2023年，星期三MPEG-1音频技术

MPEG-1音频的压缩原理如图7-5所示。采用的方案是子带压缩技术（见7.5.2），采用多相正交分解滤波器组将数字化的宽带音频信号分成32个子带，同时对信号进行频谱分析。通过子带信号与频谱同步计算，得出对各子带的掩蔽特性，然后分配不同的量化比特数。加上CRC校验码，得到标准的MPEG码流。解码端的过程是：解帧、子带样值解码、映射还原和输出标准PCM码流。

第四十六页，共八十页，编辑于2023年，星期三MP1压缩比为1：4，典型的位率为每通道192Kbit/s。是VCD的音频压缩的方案。

MP2压缩比为1：6～1：8，典型的位率为每通道128Kbit/s，即称掩蔽模式通用子带集成编码与多路复用，广泛应用于数字音频广播、数字演播室等数字音频专业的制作、交流、存储和传送。

MP3压缩比率可以达到1：10～1：12。典型位率为64Kbit/s，它综合了MP2和ASPEC的优点，可以48kHz、44.1kHz、32kHz取样，每声道的数码率32Kbps~448Kbps。适合CD-DA。由于MP3格式的复杂度相对较高，因而不适合进行实时编码，只有在数码率较低的情况下才具有较高品质的音质。

根据需要的不同，人们又定义了不同的压缩比率。MPEG-1压缩格式分为3层，分别是MPEGAudioLayer-1、Layer-2和Layer-3（简写为MP1、MP2、MP3）。

第四十七页，共八十页，编辑于2023年，星期三MPEG-2音频技术

MPEG-2音频和MPEG-2视频标准并行开发，于1994年11月完成。实质上是在MPEG-1音频基础上增加了多通道MC和多语音ML编码。

MPEG-2音频增加了5.1通道的多通道功能MC，即可以支持最多5个主音频通道（左，中，右，左环绕，右环绕），其中C（中置）、LS（左环绕）和RS（右环绕）三个通道是在立体声的基础上增加的。同时附加一个额外的“低频增强（LowFrequencyExtension）”通道，专供传送低音信号。

MPEG-2音频还增加的多语音ML技术，多语音是独立于5个通道的解说（辅助声音）通道，最多允许包括高达7个以上的音频通道。

第四十八页，共八十页，编辑于2023年，星期三为了适应于非常低的比特率和有限带宽需要的应用，MPEG-2标准进行了“低采样率扩展”，新的LSF（低采样频率）增加了24kHz、22.05kHz、16kHz的采样频率三种，由此可以提高数据的压缩率，使数据比特率更加低，可以低到8Kbps。

MPEG2音频的最大特征是“向后兼容性”。MPEG-2解码器必须接受任何MPEG-1音频流。一种用MC／ML编码的数据，即使使用了不具有MC／ML功能的MPEG音频解码器，这种数据也可以作为2通道的立体声进行重放。

另一方面，MPEG-1解码器可以解码MPEG-2音频流主数据区中的音频信号，这被称为“向前兼容性”。所以，MPEG-2音频与MPEG-1音频具有很好的互换性，并与MPEG-2视频广泛用于数字视频、高清晰电视HDTV和高质量数字音频广播。

第四十九页，共八十页，编辑于2023年，星期三7.6图像数据压缩标准

在国际标准化协会ISO批准制定的多媒体国际标准中，用于图像数据压缩的重要标准有JPEG、MPEG和H（H.261H.263）系列三种。从图像压缩编码的发展过程来说，可以分成三个阶段：第一阶段着重于图像信息冗余度的压缩方法，第二阶段着重于图像视觉冗余信息的压缩方法，第三阶段基于模型的图像压缩方法。

7.6.1静态图像数据压缩标准

静态图像数据压缩标准主要指JPEG（JointPhotographicExpertGroup）标准，它是由联合图形专家组开发的，该专家小组由国际标准化组织（ISO）和国际电报电话咨询委员会（CCITT）两家联合成立的。该小组一直致力于建立研究适用于彩色和单色的，多灰度连续色调的，静态数字图像压缩的国际标准。该标准是于1991年提出的，并在1992年后被广泛采纳后成为国际标准。

第五十页，共八十页，编辑于2023年，星期三1.JPEG标准

JPEG是一个适用范围很广的静态图像数据压缩标准，不仅适用于静止图像的压缩，也常常被用于电视图像序列的帧内图像压缩编码。目前JPEG专家组开发了两种基本的压缩算法：

一种是采用以离散余弦变换DCT为基础的有损压缩算法；另一种是采用以预测技术为基础的无损压缩算法。

使用有损压缩算法时，在压缩比为25:1的情况下，压缩后还原得到的图像和原始图像相比较，非图像专家难以找到它们之间的区别，因此得到了广泛的应用。例如在V-CD和DVD-Video电视图像压缩技术中，就使用JPEG的有损压缩算法来取消空间方向上的冗余数据。

第五十一页，共八十页，编辑于2023年，星期三JPEG标准它的具体目标是：

1).用户可以对压缩比、质量效果进行选择。2).算法能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，但二值图像除外。3).压缩比高，图像质量保真程度好。4).算法的复杂程度应能够满足硬、软件实现的计算需求。5).支持多种操作方式。

第五十二页，共八十页，编辑于2023年，星期三JPEG压缩是有损压缩，它利用了人的视角系统的特性，使用量化和无损压缩编码相结合来去掉视角的冗余信息和数据本身的冗余信息。JPEG算法框图如图4-9所示，压缩编码大致分成三个步骤：（1）使用正向离散余弦变换（ForwardDiscreteCosineTransform，FDCT）把空间域表示的图变换成频率域表示的图。（2）使用加权函数对DCT系数进行量化，这个加权函数对于人的视觉系统是最佳的。（3）使用哈夫曼可变字长编码器对量化系数进行编码。JPEG编码的压缩过程

第五十三页，共八十页，编辑于2023年，星期三译码或者叫做解压缩的过程与压缩编码过程正好相反。JPEG算法与彩色空间无关，因此“RGB到YUV变换”和“YUV到RGB变换”不包含在JPEG算法中。JPEG算法处理的彩色图像是单独的彩色分量图像，因此它可以压缩来自不同彩色空间的数据，如RGB、YCbCr和CMYK。第五十四页，共八十页，编辑于2023年，星期三为了能用单一的压缩码流提供多种性能、满足范围更为广泛的应用，JPEG工作组于1996年开始探索一种新的静止图像压缩编码标准，并且称它为JPEG2000。JPEG2000是JPEG工作组制定的并于2000年底陆续公布的基于JPEG标准的最新的静止图像压缩编码的国际标准，它之所以比JPEG标准优越，主要是不再采用离散傅立叶变换DCT算法为主的编码方法，改用以DWT（DiscreteWaveletTransformation，离散小波变换算法）为主的多解析编码方法。

2.JPEG2000标准

第五十五页，共八十页，编辑于2023年，星期三JPEG-2000（ISO15444）标准技术的目标是“高压缩、低比特速率”。它基于小波变换的静止图像压缩标准，不仅有更优秀的压缩性能，而且有更丰富的处理功能。JPEG-2000可提供更高的解像度（相当于图像分辨率，如：解像度为852×480,41万像素），其伸缩能力可以为一个文件提供从无损到有损的多种画质和解像选择。因此，它被认为是互联网和无线接入应用的理想影像编码解决方案。

第五十六页，共八十页，编辑于2023年，星期三JPEG-2000特点

它与JPEG的基本系统相比有以下的优点：（1）既支持有损压缩，也支持无损压缩方式。（2）在压缩时，可指定图片感兴趣的区域，并指定压缩质量；在解压缩时，对这些区域指定解压缩顺序及解压缩质量。（3）在高压缩比下，仍能保持较高的图像质量。在类似质量的前提下，JPEG2000的压缩比比JPEG高10%～30%。（4）支持渐进式传输，即开始时显示一个模糊、不清晰且质量低的图像，随着数据进一步被接收，图像清晰度和质量逐步提高，最后显示出一个高清晰度且高质量的图像。JPEG2000在节约和充分利用有限带宽方面显得更加优越。（5）在有限带宽上进行文件传输时，有很强的纠错能力，在用户指定文件尺寸时，能保证较高的再现图像质量，以致在无线领域得到广泛应用。（6）可对编码流进行随机访问和处理，因为它的块编码是独立的，且编码流具有包裹式结构。（7）使用Alpha通道，以满足图形艺术和Internet的发展和需求；（8）在彩色图像处理方面，JPEG2000可处理256个通道的信息。第五十七页，共八十页，编辑于2023年，星期三JPEG-2000的重点技术

在编码算法上，JPEG-2000采用以小波变换为主的多解析编码方式，包括离散小波变换（DWT）和bitplain位简易算术编码（MQcoder）。JPEG-2000在技术上之所以主要采用新的小波变换，原因是因为余弦变换考察的是全局特征。即考察整个时域过程的频域特征或整个频域过程的时域特征，因此比较适合于平稳过程，但不适合于非平稳过程。在JPEG中是靠丢弃频率信息来实现压缩的，因而图像的压缩率越高，频率信息被丢弃的越多。在极端情况下，JPEG只保留了反映图像轮廓的基本信息，而损失精细全部的图像细节。而小波变换考察的是局部特征。既能考察局部时域过程的频域特征，又能考察局部频域过程的时域特征，因此也适合于非平稳过程。它能将图像变换为一系列小波系数，这些系数可以被高效压缩和存储，此外，小波的粗略边缘可以更好地表现图像，因为它消除了DCT压缩普遍具有的方块效应。第五十八页，共八十页，编辑于2023年，星期三7.6.2动态图像数据压缩标准

动态图像数据压缩标准主要包括MPEG、H（H.261H.263）、DVI。

MPEG（MovingPictureExportsGroup）是活动图像专家组，由ISO与IEC于1988年成立，致力于运动图像(MPEG视频)及其伴音编码(MPEG音频)标准化工作。MPEG组织制定的各个标准都有不同的目标和应用，目前已提出MPEG-1、MPEG-2、MPEG-4、MPEG-7和MPEG-21标准。

第五十九页，共八十页，编辑于2023年，星期三H系列是由CCITT（国际电报电话咨询委员会）通过的标准，这种标准与JPEG及MPEG标准间有明显的相似性，但关键区别是它是为动态使用设计的，并提供完全包含的组织和高水平的交互控制。

DVI（DigitalVideoInteractive）是一种工业标准，其视频图像的压缩算法的性能与MPEG-1相当，即图像质量可达到VHS的水平，压缩后的图像数据率约为1.5Mb/s。为了扩大DVI技术的应用，Intel公司又推出了DVI算法的软件解码算法，称为Indeo技术，它能将为压缩的数字视频文件压缩为五分之一到十分之一。

第六十页，共八十页，编辑于2023年，星期三下面将主要介绍MPEG和H标准。

MPEG-1

MPEG-1标准（ISO/IEC11172）于制定于1992年，1993年8月公布，用于多媒体和广播电视，这种编码一般可以以1.5Mbps左右的数据传输率传送数字存储媒体运动图像及其伴音。MPEG-1的压缩率相当高，例如它可以把221Mbit/秒的NTSC图像压缩到1.2Mbit/秒，压缩率为200:1。

第六十一页，共八十页，编辑于2023年，星期三由五个部分组成：（1）MPEG-1系统：规定了运动图像数据、声音数据及其他相关数据的同步。（2）MPEG-1视频：规定了视频数据的编码和解码。（3）MPEG-1音频：规定了声音数据的编码和解码。（4）MPEG-1一致性测试：说明如何测试比特数据流和解码器是否满足MPEG-1前3个部分中所规定的要求。（5）MPEG-1软件模拟：这部分内容是一个技术报告，给出了用软件执行MPEG-1标准前3个部分的结果。MPEG-1标准简介

第六十二页，共八十页，编辑于2023年，星期三MPEG-1的应用领域包括：光盘、数字音频磁带（DAT）、磁带设备以及通信网络（如ISDN和局域网等）。其典型的应用是VCD，99%的VCD都是用MPEG-1格式压缩的，使用MPEG-1的压缩算法，可以把一部120分钟长的电影（未压缩视频文件）压缩到1.2GB左右大小。为了支持多种应用，可由用户来规定多种输入参数，包括灵活的图像尺寸和帧频。MPEG-1标准提供了一些录像机的功能，包括正放、图像冻结、快进、快倒和慢放，此外，还提供了随机存取的功能。MPEG-1的应用领域第六十三页，共八十页，编辑于2023年，星期三MPEG-2标准MPEG-2标准MPEG工作组制定的第二个国际标准，标准号是ISO/IEC13818。它是一个直接与数字电视广播有关的高质量图像和声音编码标准。特别适用于广播级的数字电视的编码和传送，被认定为SDTV和HDTV的编码标准和MPEG-1相比增加了隔行扫描电视的编码，提供了位速率的可变性能（scalability）功能。MPEG-2要达到的最基本目标是：位速率为4Mb/s～9Mb/s，最高达15Mb/s。MPEG-2在系统和传送方面作了更加详细的规定和进一步的完善。MPEG-2是针对3～10Mbps的数据传输率制定的的运动图像及其伴音编码的国际标准。。第六十四页，共八十页，编辑于2023年，星期三MPEG-2包含9个部分：（1）MPEG-2系统（1994年）规定电视图像数据、声音数据及其他相关数据的同步。（2）MPEG-2视频（1994年）规定了视频数据的编码和解码算法。（3）MPEG-2音频规定了声音数据的编码和解码，是MPEG-1Audio的扩充，支持多个声道。（4）MPEG-2一致性测试。（5）MPEG-2参考软件。（6）MPEG-2数字存储媒体命令和控制扩展协议。第六十五页，共八十页，编辑于2023年，星期三（9）MPEG-2DSM-CC一致性扩展测试。（7）MPEG-2高级音频编码是多声道声音编码算法标准。（8）MPEG-2系统解码器实时接口扩展标准。这是与传输数据流的实时接口（Real-TimeInterface，RTI）标准，它可以用来适应来自网络的传输数据流，如图。第六十六页，共八十页，编辑于2023年，星期三与MPEG-1标准相比，MPEG-2的不同特性主要表现在：（1）MPEG-2有“按帧编码”和“按场编码”两种模式。在MPEG-1中是没有电视帧的概念，只支持逐行扫描，不支持隔行扫描。在MPEG-2中，针对隔行扫描的常规电视图像专门设置了“按帧编码”模式，相应的运动补偿算法也有扩充，分为“按帧运动补偿”和“按场运动补偿”，其编码效率显著提高。第六十七页，共八十页，编辑于2023年，星期三4个等级由低到高为低等级（LowLevel）、主等级（MainLevel）、1440等级（High–1440Level）和高等级（HighLevel）。配置和等级之间可能的组合如表。配置等级简单配置主要配置信噪比可变配置空间可变配置高级配置高等级##1440等级###主等级####低等级##（2）MPEG-2的类与等级。MPEG-2提出了类与等级的概念。类是按视频编码技术的简单还是复杂而确定的；对每个类，根据编码参数的不同，即图像格式的简单还是复杂，进一步划分为不同的等级。MPEG-2标准中规定了5种类4个等级。5个类依次为简单类、主类（MainProfile）、信噪比可伸缩类（SNRProfile）、空间分辨率可伸缩类（SimpleProfile）、高级类（HighProfile）。第六十八页，共八十页，编辑于2023年，星期三（3）MPEG-2增加了分层编码。MPEG-2可伸缩性体现在：空间分层编码：提供空间分辨率不同的图像。时间分层编码：提供空间分辨率相同，但帧速率不同的视频信号。信噪比分层编码：提供具有相同空间分辨率，但编码质量不同的视频比特流。数据分割编码：将编码比特流分成两个优先级不同的部分。（4）MPEG-2扩充了系统层语法。MPEG-2对系统层语法有了较大的扩充，包含了两类数据码流：传输码流（

TS）和节目码流（PS）。MPEG-2的应用领域很广，它不仅支持面向存储媒介的应用，而且还支持各种通信环境下数字视频信号的编码和传输。如数字电视、TV机顶盒和DVD（数字视频光盘），此外还可以应用于信息存储、Internet、卫星通信、视频会议和多媒体邮件等，其典型的应用是DVD和HDTV（高清晰度电视）。为了适应不同的应用环境，MPEG-2中有很多可以选择的参数和选项，改变这些参数和选项可以得到不同的图像质量，满足不同的需求。第六十九页，共八十页，编辑于2023年，星期三

MPEG-4是针对低速率（≤64kb/s）的视频压缩编码标准，同时还注重基于视频和音频对象的交互性。主要应用于视像电话(VideoPhone)，视像电子邮件(VideoEmail)和电子新闻(ElectronicNews)等，其传输速率要求较低，在4800-64000bits/sec之间，分辨率为176X144。MPEG-4利用很窄的带宽，通过帧重建技术，压缩和传输数据，以求以最少的数据获得最佳的图像质量。与MPEG-1和MPEG-2相比，MPEG-4的特点是其更适于交互AV服务以及远程监控。MPEG-4是一个使你由被动变为主动(不再只是观看，允许你加入其中，即有交互性)的动态图像标准；它的另一个特点是其综合性；从根源上说，MPEG-4试图将自然物体与人造物体相溶合(视觉效果意义上的)。MPEG-4的设计目标还有更广的适应性和可扩展性。MPEG4试图达到两个目标：1.低比特率下的多媒体通信；2.是多工业的多媒体通信的综合。据此目标，MPEG4引入AV对象（Audio/VisaulObjects），使得更多的交互操作成为可能。

MPEG-4标准"AV对象"可以是一个孤立的人，也可以是这个人的语音或一段背景音乐等。它具有高效编码、高效存储与传播及可交互操作的特性。

MPEG－4对AV对象的操作主要有：采用AV对象来表示听觉、视觉或者视听组合内容；组合已有的AV对象来生成复合的AV对象，并由此生成AV场景；对AV对象的数据灵活地多路合成与同步，以便选择合适的网络来传输这些AV对象数据；允许接收端的用户在AV场景中对AV对象进行交互操作等。第七十页，共八十页，编辑于2023年，星期三与MPEG－1和MPEG－2相比，MPEG－4更适于交互AV服务以及远程监控，它的设计目标使其具有更广的适应性和可扩展性：MPEG－4传输速率在4800－64000bps之间，分辨率为176×144，可以利用很窄的带宽通过帧重建技术压缩和传输数据，从而能以最少的数据获得最佳的图像质量。因此，它将在数字电视、动态图像、互联网、实时多媒体监控、移动多媒体通信、Internet/Intranet上的视频流与可视游戏、DVD上的交互多媒体应用等方面大显身手。当然，对于普通用户来说，MPEG－4在目前来说最有吸引力的地方还在于它能在普通CD－ROM上基本实现DVD的质量：用MPEG－4压缩算法的ASF（AdvancedStreamingformat，高级格式流）可以将120分钟的电影压缩为300MB左右的视频流；采用MPEG－4压缩算法的DIVX视频编码技术可以将120分钟的电影压缩600MB左右，也可以将一部DVD影片压缩到2张CD－ROM上！也就是说，有了MPEG－4，你不需要购买DVD－ROM就可以享受到和它差不多的视频质量！播放这种编码的影片对机器的要求并不高：只要你的电脑有300MHz以上(无论是哪种型号)的CPU、64MB内存、8MB的显卡就可以流畅地播放。不过，和DVD相比，MPEG－4属于一种高比率有损压缩算法，其图像质量始终无法和DVD的MPEG－2相比，毕竟DVD的存储容量比较大。此外，要想保证高速运动的图像画面不失真，必须有足够的码率，目前MPEG－4的码率虽然可以调到和DVD差不多，但总体效果还有不小的差距。因此，现在的MPEG－4只能面向娱乐、欣赏方面的市场，那些对图像质量要求较高的专业视频领域暂时还不能采用。第七十一页，共八十页，编辑于2023年，星期三MPEG-7

MPEG-7标准于1998年10月提出，2001年完成并公布。MPEG-7也称为多媒体内容描述接口（MultimediaContentDescriptionInterface），目的是制定一