第八章-图像压缩课件

图像压缩基本概念图像压缩模型信息论基础无损压缩有损压缩图像压缩标准视频压缩标准图像压缩基本概念1图像压缩基本概念概述数据冗余编码冗余

像素间冗余 心理视觉冗余图像保真度和质量图像压缩基本概念概述编码冗余 像素间冗余2图像压缩的必要性为什么要压缩?计算机图像处理中的数字图像其灰度多数用8bit来量化，一幅最简单的黑白照片,若按512×512点阵取样,表示这幅图像的二进制数据量512×512×8=2048Kbit=2Mbit=256KB而医学图像处理和其他科研应用的图像的灰度量化可用到12bit以上，因而所需数据量太大。1024×1024×12=12Mbit=1536KB=1.5MB遥感图像如SAR图像用8bit量化，100公里*100公里，10m分辨率的图像的大小为10000×10000。这样一个地区的图像需108B=100MB以上。这无疑对图象的存储、处理、传送带来很大的困难。动态视频数据量非常大。数字高清：1080i/50Hz 1920*1080*24*50=2488320000=2.5Gb/s视频信号的传输率约为2.5GB/s这样大的数据量不仅超出了计算机的存储和处理能力，更是当前通信信道的传输速率所不及的。因此，为了存储、处理和传输这些数据，必须进行压缩。图像压缩的必要性为什么要压缩?动态视频数据量非常大。3传输

存储压缩解压介质压缩解压信道主要目的传输压缩解压介质压缩解压信道主要目的4图像压缩图像压缩的方法

消除冗余数据，从数学角度看，将原始图像转化为从统计角度看尽可能不相关的数据集一般分为两类：无损压缩：在压缩和解压缩过程中没有信息损失有损压缩：能取得较高的压缩率，但压缩后不能通过解压缩恢复原状其它：如根据需要，即可进行无损，也可进行有损压缩的技术；准无损技术图像压缩图像压缩的方法 消除冗余数据，从数学角度看5图像压缩 图像压缩的理论基础信息论图像处理的概念和技术压缩方法

预测编码方法（对应空域方法） 变换编码方法（对应频域方法）图像压缩信息论压缩方法6图像压缩的可能性8.1数据冗余的概念

数据是用来表示信息的。如果不同的方法为表示等量的信息使用了不同的数据量，那么使用较多数据量的方法中，有些数据必然是代表了无用的信息，或者是重复地表示了其它数据已表示的信息，这就是数据冗余的概念。图像压缩的可能性8.1数据冗余的概念 数据是用来表示信息7

图像压缩的可能性 相对数据冗余的定义（续）

如果n1和n2代表两个表示相同信息的数据集合中所携载信息单元的数量，则n1表示的数据集合的相对数据冗余RD定义为：RD1

1CRCR称为压缩率，定义为CRn1n2 图像压缩的可能性RD1 1CR称为压缩率8图像压缩的可能性 相对数据冗余和压缩率的一些特例n1相对于n2

n1=n2CR

1RD

0

对应的情况第1种表达相对第2种表达不含冗

余数据n1>>n21第1种数据集合包含相当多的冗 余数据n1<<n20第2种数据集合包含相当多的冗 余数据图像压缩的可能性n1相对于n2CRRD 对应的情况 余数据9图像压缩的可能性 三种基本的数据冗余8.1.1编码冗余 8.1.2像素间冗余

8.1.3心理视觉冗余

如果能减少或消除上述三种冗余的1种或多种冗余，就能取得数据压缩的效果图像压缩的可能性8.1.1编码冗余 8.1.3心10图像压缩什么是编码冗余？

如果一个图像的灰度级编码，使用了多于实际需要的编码符号，就称该图像包含了编码冗余黑白二值图像编码如果用8位表示该图像的像素，我们就说该图像存在编码冗余，因为该图像的像素只有两个灰度，用一位即可表示。图像压缩什么是编码冗余？ 如果一个图像的灰度级编码，使用11nk,

8.1.1编码冗余 图像直方图的定义

pr

rk

k0,12,...,L1

n

nk是第k个灰度级在图像中出现的次数，n是图像中的像素总数，L是灰度级数。如果用于表示每个rk值的比特数为l(rk)，则表达每个像素所需的平均比特数为：Lavg

L1lrkp

r

rk

k0

表示不同的灰度级值的平均码字长度.对M×N的图像进行编码所需的比特数为MNLavg参考page328的例8.1nk, 8.1.1编码冗余Lavg L128.1.2像素间冗余 什么是像素间冗余？

反映图像中像素之间的相互关系 因为任何给定像素的值可以根据与这个像素 相邻的像素进行预测，所以单个像素携带的信 息相对较少 对于一幅图像，很多单个像素对视觉的贡献 是冗余的。它的值可以通过与它相邻的像素值 为基础进行预测

例：原图像数据：234223231238235压缩后数据：234-1187-38.1.2像素间冗余压缩后数据：234-1113像素间冗余有直方图特征可知，可以用变长编码减少编码冗余。但编码处理不会改变图像像素之间的相关性级别。也就是说用于表示每幅图像的灰度级的编码与像素之间的相关性无关，这些相关来自于图像中对象之间的结构或几何关系。相关性反映了图像中像素间的直接关系。a)、b)两幅图像c)、d)灰度直方图e)、f)沿着某一条线计算的自相关函数像素间冗余有直方图特征可知，可以用变长编码减少编码冗余。14第八章-图像压缩ppt课件158.1.3心理视觉冗余什么是心理视觉冗余？

人眼感觉到的图像区域亮度不仅取决于该区域的反射光，例如根据马赫带效应，在灰度值为常数的区域也能感觉到灰度值的变化

这是由于眼睛对所有视觉信息感受的灵敏度不同。在正常视觉处理过程中各种信息的相对重要程度不同

有些信息在通常的视觉过程中与另外一些信息相比并不那么重要，这些信息被认为是心理视觉冗余的，去除这些信息并不会明显降低图像质量8.1.3心理视觉冗余什么是心理视觉冗余？ 人眼感16心理视觉冗余 什么是心理视觉冗余？（续）由于消除心理视觉冗余数据会导致一定量信息的丢失，所以这一过程通常称为量化 心理视觉冗余压缩是不可恢复的，它表示从一个范围很宽的输入集合到一个有限个输出值的集合的映射，这种映射是不可逆的，所以结果导致了数据的有损压缩。33K15K心理视觉冗余33K15K17心理视觉冗余a)256灰度级原图像b)量化为16级后图像c)利用人类视觉特性进行量化后图像原来8bit/像素压缩后4bit/像素压缩率为2：1存在假轮廓效应心理视觉冗余a)256灰度级原图像原来8bit/像素18改进的灰度级（IGS）量化方法IGS量化过程：先由当前的8位灰度级值(GrayLevel)与前一个sum（初始值为零）的低4位相加。如果当前值的高4位是11112，则用00002与其相加，保持其不变。将得到的和的高4位的值作为编码像素值。IGS利用眼睛对边缘固有的敏感性，通过一个伪随机数加到每个像素上将这些边缘拆散。这个伪随机数是在对结果进行量化之前，根据表示相邻像素灰度级的原编码的低位生成的。由于低位完全是随机的，所以这样做等于增加了通常与伪轮廓相关的人工边缘随机性的灰度级。改进的灰度级（IGS）量化方法IGS量化过程：先由当前的8位198.1.4保真度准则保真度准则图像压缩可能会导致信息损失，如去除心理视觉冗余数据

需要评价信息损失的测度以描述解码图像相对于原始图像的偏离程度，这些测度称为保真度准则常用保真度准则分为两大类：客观保真度准则主观保真度准则8.1.4保真度准则保真度准则图像压缩可能会导20保真度准则 客观保真度准则

当所损失的信息量可以用编码输入图像与编 码输出图像的函数表示时，它就是基于客观保 真度准则的 常用的两种客观保真度准则均方根误差均方信噪比保真度准则均方根误差21^^^客观保真度准则输入图和输出图之间的均方根误差令fx,y代表输入图，fx,y代表对fx,y先压缩后解压缩后得到的fx,y的近似，则fx,y和fx,y之间的误差定义为ex,yfx,yfx,y如两幅图像尺寸均为M×N，则它们的总误差为M1N1^fx,yfx,yx0y0^^^客观保真度准则输入图和输出图之间的均方根误差令22^客观保真度准则 输入图和输出图之间的均方根误差

这样fx,y和fx,y之间的均方根误差为^ 输出图的均方信噪比

如果将fx,y看作原始图fx,y和噪声信号ex,y

的和，那么输出图的均方信噪比

SNRms为均方根信噪比

SNRrms为^客观保真度准则^均方根信噪比SNRrms为2346主观保真度准则评分 1 2 3 5

评价 优秀 良好 可用刚可看 差不能用

说明图像质量非常好，如同人想象出的最好质量图像质量高，观看舒服，有干扰但不影响观看图像质量可接受，有干扰但不太影响观看图像质量差，干扰有些妨碍观看，希望改进图像质量很差，妨碍观看的干扰始终存在，几乎无法观看图像质量极差，不能使用46主观保真度准则评分 评价 说明24^8.2图像压缩模型 fx,y信源编码信道编码信道信道解码信源解码fx,y编码器解码器一个图像压缩系统包括两个不同的模块：编码器和解码器一般来讲如果输出图像是输入的准确复制，系统就是无误差的或具有信息保持编码的系统。编码器由一个消除输入冗余的信源编码器和一个用于增强信源编码器输出的抗噪能力的信道编码器构成。如果编码器和解码器之间的信道是无噪的，则信道编解码器可以省去。^8.2图像压缩模型 fx,y信源信道信道信道信源25图像压缩模型 信源编码器fx,y转换器量化器符号编码器信道

信源编码器

信源编码器：减少或消除输入图像中的编码冗余、像素间冗余及心理视觉冗余 转换器：减少像素间冗余 量化器：减少心理视觉冗余，该步操作是不可逆的 符号编码器：减少编码冗余 并不是每个图像压缩系统都必须包含这3种操作，如进行无误差压缩时，必须去掉量化器图像压缩模型fx,y转换器量化器符号编码26^图像压缩模型 信源解码器信道符号解码器反向转换器fx,y

信源解码器符号解码器：进行符号编码的逆操作反向转换器：进行转换器的逆操作为什么没有反向量化器？^图像压缩模型信道符号解码器反向转换器fx,y27图像压缩模型8.2.2信道编码器和信道解码器在有噪声的或易产生误差时，信道编码器和信道解码器对整个编解码过程非常重要信道编码器和解码器通过向信源编码数据中插入预制的冗余数据来减少信道噪声的影响。由于信源编码器几乎不包含冗余，所以如果没有附加这种预制的冗余，它对噪声传送会有很高的敏感性。因此，信道编码是解决可靠性问题，尽量使处理过的信号在传输过程中不出错或少出错，即使出错也要有能力尽量纠正错误。信道编码技术：比如汉明(Hamming)编码。在编了码的码字后面增加足够的比特位以保证各个正确的码字之间至少有一定数量的比特位不相同图像压缩模型8.2.2信道编码器和信道解码器在有噪声28图像压缩模型 8.3信息论基础

显示一幅图像需要多大的数据量？有没有描 述一幅图像且没有信息丢失的最小数据量？信息测量

对一个随机事件E，如果它的出现概率是 P(E),那么它包含的信息：IElog

1PElogPEI(E)称为E的自信息。如果P(E)=1(即事件总发生)，那么I(E)=0图像压缩模型信息测量IElog 129图像压缩模型8.3.2信息信道信源信道信宿信道是连接信源和用户的物理媒介。它可以是电话线、无线传播、导线或internet图像压缩模型8.3.2信息信道信源信道信宿信30JT信息论基础信源

A={a1,a2,…,aJ}称为信源字母表 信源产生符号aj的事件概率是P(aj),且一个J×1向量

Paj1

j1zPa1,Pa2,...,PaJ

用于表示所有信源符号的概率集合 有限总体集合(A,z)完全描述了信源JT信息论基础信源一个J×1向量 Paj31考虑无记忆信源Z,某个信源符号aj,如果它出现的概率是p（aj）信源熵H(z)

a的自信息量

信息理论基础直观地理解自信息量的概念:一个概率小的符号出现将带来更大的信息量.每个符号的平均自信息量单位:比特/符号一般来讲，事件E的自信息量与E的概率的关系是反向的。如果P(E)=1，则I(E)=0。因为：(a)越不可能出现的字符，它的出现对于消息的信息量的贡献越大。(b)整个消息的信息量是构成它的那些字符中对于信息量有贡献的那部分之和。考虑无记忆信源Z,某个信源符号aj,如果它出现的概率是p（32JJ信息论基础 信源（续）如果产生k个信源符号，则大数定律保证对于一个充分大的k，符号aj将平均被输出kP(aj)次。因此，输出得到的平均自信息是kPajlogPajj1每个信源输出的平均信息，也称为信源的熵为HzPaj

logPaj

j1如果信源符号的出现是等可能性的，则上述熵被最大化，此时信源提供最大信息量JJ信息论基础如果产生k个信源符号，则大数定律保证对33Jk信息论基础信道输出

B={b1,b2,…,bk}称为信道字母表 提交给用户的字符bk的概率是P(bk) 有限集合(B,v)完整描述了信道输出和用户 收到的信息，vPb1,Pb2,...,PbK

给定信道输出概率P(bK)和信源符号概率

P(aJ),它们由下式相联系PbkPb

j1|a

jPa

jJk信息论基础信道输出PbkPb34信息论基础信道输出（续）将上式中的条件概率放入一个K×J的正向信道传递矩阵Q，其元素qkj=P(bk|aj)为条件概率则输出符号集的概率分布由下式计算vQz信息论基础信道输出（续）将上式中的条件概率放入一个K×35JkJKjJKjJKj信息论基础 条件熵函数H(z|bk)

Hz|bkPaj|bklogPaj|bk

j1

条件概率H(z|v)Hz|v

KHz|b

k1PbkPa

j1k1Pa

j1k1|bklogPaj|bkPbk|bkPbklogPaj|bkPaj,bklogPa

j1k1|bkJkJKjJKjJKj信息论基础Hz|v36K信息论基础因为两个事件C和D的联合概率是PC,DPC|DPDPD|CPCP(aj)的变换（下面推导互信息使用）PajPaj,b1Paj,b2...Paj,bKPaj,bKk1定义信道传输元素qkjPbk|ajK信息论基础因为两个事件C和D的联合概率是PC,D37JJKJKJKPaj|bkJKPajPaj|bkPbkJKPajPbkJKjkjk,j1k1jk信息论基础z和v的互信息定义为Iz,vHzHz|vPajlogPajPaj,bklogPaj|bkj1j1k1Paj,bklogPaj|bkPaj,bklogPajj1k1j1k1Paj,bklogj1k1Paj,bklogj1k1Pa,blogPPaaPbbJ38Pa,bJKjkPaPbPb|aPaJKkjjPaPbJKki信息论基础 z和v的互信息的另外一种表达

Iz,vPaj,bklog

j1k1jk

Pbk|ajPajlog

j1k1jkPajq

j1k1kjlog

qkjPbk

JK

j1k1Pajqkjlog

JPb

i1

qkjk|aiPai

JK

j1k1Pajqkjlog

qkj JPaiq

i1Pa,bJKjkPaPb39信息论基础互信息总结互信息I(z,v)是信源符号概率向量z和信道矩阵Q的函数当输入和输出符号统计独立时，I(z,v)取得最小值0I(z,v)对所有信源分布u的最大值就是信道容量CmaxIu,vu信道容量定义了能够通过信道可靠地传送信息的最大传送率信息论基础互信息总结互信息I(z,v)是信源符号概率40信息论基础基本编码定理无噪声编码定理噪声编码定理（自学）信源编码定理（自学）信息论基础基本编码定理无噪声编码定理噪声编码定理（自41无噪声编码定理香农第一定理：当信道和通信系统中不存在噪声的时候，通信系统的主要功能是用尽可能简洁的方法表示信源，在这种情况下无噪声编码定理定义了可以达到的每个信源符号的最小平均码字长度。这一定理说明了通过对无限扩充的信源进行编码可以令无限接近H(z)。任何编码策略的编码效率可以定义为：表示对应于非扩充信源的第n次扩充的编码平均码长信源输出ai是用一个码字表示的，码字的长度为不小于其自信息量的最小整数无噪声编码定理香农第一定理：当信道和通信系统中不存在噪声的时42图像压缩编码的分类图像压缩编码有损压缩无损压缩哈夫曼编码算术编码LZW编码位平面编码行程编码无损预测编码有损预测编码变换编码K.L变换Haar变换Walsh.Hadamard变换离散余弦变换离散傅立叶变换斜变换小波变换消除编码冗余消除象素间冗余图像压缩编码的分类图像压缩编码有损压缩无损压缩哈夫曼编码有43信息论基础 8.4无损压缩变长编码 霍夫曼(Huffman)编码 其它变长编码算术编码LZW编码位平面编码无损预测编码信息论基础变长编码算术编码LZW编码44无误差压缩

无误差压缩的必要性

在医疗或商业文件的归档，有损压缩因为法律原因 而被禁止 卫星成像的收集，考虑数据使用和所花费用，不希 望有任何数据损失 X光拍片，信息的丢失会导致诊断的正确性无损压缩的压缩率一般为2-10无误差压缩技术

减少像素间冗余:

建立一种可替代的图像表达方式

减少编码冗余:

对这种表达方式进行编码无误差压缩无损压缩的压缩率一般为2-10无误458.4.1变长编码

无误差图像压缩的最简单方法就是减少仅有的编码冗余。编码冗余通常存在于表示图像灰度级的自然二进制编码过程中。它可以对灰度级进行编码，使表示一个像素的码字的平均比特数最小来消除编码冗余。这样做需要变长编码结构，通常将最短的码字赋予出现概率最大的灰度级。8.4.1变长编码 无误差图像压缩的最简单方法就是减少仅461.2.无误差压缩

变长编码

减少编码冗余 变长编码，即把最短的码字赋予出现概率最大的 灰度级霍夫曼编码

将需要考虑的符号概率排序，并将最低概率的符号 联结为一个单一符号 对每个化简后的信源进行编码，从最小的信源开 始，一直编码到原始的信源1.2.无误差压缩 变长编码47霍夫曼编码 （一）霍夫曼编码信源化简步骤：设信源有个符号(消息)，1.把信源中的消息按概率从大到小顺序排列，2.把最后两个出现概率最小的消息合并成一个消息,从而使信源的消息数减少，并同时再按信源符号（消息）出现的概率从大到小排列；3.重复上述2步骤,直到信源最后为为止；4.将被合并的消息分别赋予1和0，并对最后的两个消息也相应的赋予1和0；通过上述步骤就可构成最优变长码(HuffmanCodes)。

霍夫曼编码 （一）霍夫曼编码信源化简步骤：48霍夫曼编码

霍夫曼编码信源化简霍夫曼编码 霍夫曼编码信源化简49霍夫曼编码（二）霍夫曼化简后的信源编码编码的平均长度：其信源熵为2.14bit/符号。编码的效率：霍夫曼编码（二）霍夫曼化简后的信源编码编码的平均长度：其信源50霍夫曼编码霍夫曼解码解码通过查询表的方式完成例：编码串010100111100a3

a1

a2a2a6对编码串010100111100解码，其解码唯一：a3a1a2a2a6霍夫曼编码霍夫曼解码解码通过查询表的方式完成a351霍夫曼编码其它接近最佳的变长编码：为什么需要？当对大量符号进行编码，构造霍夫曼编码比较复杂对J个信源符号，需要进行J-2次信源化简和J-2次编码分配对256个灰度级图像，需要256-2=254次信源化简和254次编码分配考虑牺牲编码效率以减少编码构造的复杂性霍夫曼编码其它接近最佳的变长编码：为什么需要？当对52几种变长编码截取霍夫曼编码霍夫曼编码二进制编码B2编码二值移位编码霍夫曼移位编码几种变长编码截取霍夫曼编码霍夫曼编码二进制编码B2编码二值移53算术编码算术编码生成的是非块码，在信源符号和码字之间不存在一一对应的关系。算术编码是给整个符号序列分配一个单一的算术码字，这个码字本身定义了一个介于0和1之间的实数间隔。当消息中的符号数目增加时，用于描述消息的间隔变的更小，而表示间隔所需要的信息单元的数目就变得更多了。消息的每个符号根据符号出现的概率减小间隔的大小，这种技术不象霍夫曼方法那样要求每次对一个符号进行编码，所以理论上达到了无噪声编码准则确定的界限。算术编码算术编码生成的是非块码，在信源符号和码字之间不存在一54算术编码

0.080.20.040.04=0+(0.2-0)/5×10.08=0+(0.2-0)/5×2

0.056=0.04+(0.08-0.04)/5×20.072=0.04+(0.08-0.04)/5×4=0.04+0.032一个五个符号的序列a1,a2,a3,a3,a4来自一个四符号信源。经过算术编码后，区间被确定为[0.06752,0.0688),这个区间的任何数字都可以用来表示这个消息（比如0.068)。算术编码0.20.040.04=0+(0.2-0)/5×1 558.4.2LZW编码LZW编码：消除像素间冗余的无误差编码方法是由Lemple和Ziv最早提出，然后由Welch充实的有专利保护的LZW算法.Lempel-Ziv-Welch(LZW)编码对信源符号的可变长度序列分配固定长度码字，不需要了解有关被编码符号的出现概率的知识。LZW编码的原理：在编码处理的开始阶段，先构造一个对信源符号进行编码的编码本（字典）。对于8位单色图像，字典中前256个字被分配给灰度值0-255。当编码器顺序地分析图像像素的时候，字典中没有包括的灰度级序列由算法决定其出现的位置。使用LZW的文件格式包括GIF，TIFF和PDF等。8.4.2LZW编码LZW编码：消除像素间冗余的无误56字典位置index条目

0 1 …255256 …511

0 1 … 255—— …——LZW编码基本思想是这样的:

以8位（256个灰度级）图像为例.

1.准备一个数据字典(可以看做一个数组).

数组的前256项初始化为0,1,2,...,255,后面的项为空白.为方便起见,我们管字典中的每一项叫“条目”.

2.开始对图像文件编码,图像文件从左向右、从上到下扫描,把扫描得到的灰度级数据与字典中的条目进行比较.如果相同,就把这个"条目"的index(在数组中的位置)作为码字输出.

如果在字典中找不到与之匹配的条目,则在字典中创建一个新的条目(从第256项开始).

一个512字节的字典一个4×4、8位图像3546353946784639679078126353334126字典位置index条目 0 0LZW编码基本思想是这样57

示例

原始码流

35

46

67

35

46

78

90

33

35

46

78

34

开始编码:

①

因为第一个数字是35,我们必然可以从字典中找到与之匹配的条目(也就是第35个),

但我们不急着用第35个条目与之匹配,先看看第二个数字是46,

希望在字典中

能找到一个更长的模式“35

46”这样的条目,与之匹配,

但不幸的是我们没有找到,

所以只对第一个数字35编码,

结果输出35;

同时把“35

46”加入字典的第256项,

希望以后能碰到它.

②

同理,对46编码,

输出46,

同时把“46

67”加入字典的第257项.

③

同理,对67编码,

输出67,

同时把“67

35”加入字典的第258项.

④

这时注意了:

对35编码,

是不是现在还输出35呢?

当然不是,我们发现35后面跟着 46,扫描字典,可以发现第256个模式与之匹配,

输出256.

同时,将模式 “35

46

78“ 加入到字典的第259项.

⑤

同理,接下来输出

78,

90,

33,

259,

34.

所以输出的码流为 35

46

67

256

78

90

33

259

34.

对上面的过程归纳一下:

在编码的过程中生成字典;一边从字典中选择长度尽量长的"模式"

与原始码流匹配.

示例

原始码流

3558LZW编码例子Appear39-39126-12639-3939-39-126126-3939-126LZW编码例子Appear39-39126-12639-39598.4.3位平面编码位平面编码：消除像素间冗余将一幅图像分解为一系列二值图像并通过二值图像压缩方法对每幅二值图像进行压缩位平面编码过程可以分成两步：一是位平面分解二是二值图像压缩二值图像位平面灰度编码位平面位平面分解的两种方法8.4.3位平面编码位平面编码：消除像素间冗余将一60位平面分解二值图像位平面一幅m比特的灰度图像具有的灰度级表示如下am12m1

am22m2

...a121a0

2

0零级位平面是通过收集每个像素的a0位生成，第(m-1)级位平面包含am-1位缺点：图像在灰度级上稍有变化就会对位平面的复杂性产生显著影响，如亮度127(01111111)和亮度128(10000000)的转换位平面分解二值图像位平面一幅m比特的灰度图像具有的灰61位平面分解 灰度编码位平面

图像的灰度编码根据下列方法得到：

gm1am1giaiai10im-2避免二值图像位平面的问题，连续码字只在1位位置上不同,如亮度127(01000000)和亮度128(11000000)的转换位平面分解giaiai1062位平面分界——例8比特单色图像二值图像位平面分界——例8比特单色图像二值图像63位平面分解——例二值图像位平面灰度编码位平面采用不同分层编码方法处理的图像。左侧是第一种方法分层编码的高4位位图右侧是第二种方法编码的高4位位图高阶平面比低阶部分要简单，高比特位平面包含大块的均匀区域，图像细节较少。灰度编码位平面比二值位平面复杂性较少位平面分解——例二灰采用不同分层编码方法处理的图像。64位平面分解——例二值图像位平面灰度编码位平面位平面分解——例二灰65二值图编码常数值区域编码CAC一维行程编码二维行程编码常数块编码用专门的码字表达全是0或1的连通区域将图像分成全黑，全白或混合的p×q尺寸的块。出现频率最高的类赋予1位码字0，其它2类分别赋予2位码字10和11压缩二值图或位平面的一种简单有效的方法是使用指定的码字识别大片连续的1或0区域。这样的方法称为区域编码(CAC)二值图编码常数值区域编码CAC常数块编码用专门的码字表66常数块编码（续）当需压缩的图像主要由白色部分组成时（如文档），可将白色区域编为0，其它块用1接上该块的位模式编码——WBS编码另一种办法：将二值图或位平面迭代地分解成尺寸越来越小的子块。如果子块不是全白，继续分解，直至某个事先确定的子块尺寸。如果最后子块全白，就编为0，反之编为1加上该块的位模式由于原来需用pq比特表示的常数块现在只用1位或2位表示，这样就达到了压缩的目的赋予混合块的码只是作为前缀，后面还需跟上该块的用pq位表示的模式常数块编码（续）当需压缩的图像主要由白色部分组成时（如67WBS编码(WhiteBlockSkip