跳至內容

影像壓縮

本頁使用了標題或全文手工轉換
維基百科,自由的百科全書

圖像壓縮數據壓縮技術在數字圖像上的應用,目的是減少圖像數據中的冗餘信息,從而用更加高效的格式存儲和傳輸數據。

壓縮的原理

[編輯]

資料越一致,代表統計特性越集中,包括傅立葉轉換域(Fourier transform domain)、直方圖(histogram)、特徵值(eigenvalue)......等方面的集中度。壓縮的通則即是利用資料的一致性,越一致的資料,越能夠進行壓縮。除此之外,也可利用資料的規則性與可預測性來對其作壓縮。通常而言,若可以用比較精簡的自然語言來描述一個東西,那麼也就越能夠對這個東西作壓縮。

利用資料的特性作壓縮

[編輯]
  • 文章:常用字或字母(字母多出現E,少出現QXZ)。
  • 歌曲:重複的旋律、頻率的倍頻關係、節拍內頻率的穩定。
  • 聲音:能量多集中在低頻、頻率在短區間內的穩定。
  • 卡通:每塊區域的邊緣(edge)資訊與顏色(color)、邊緣(edge)資訊可以用較少參數編碼(如果邊緣(edge)是幾何圖案)。

資料壓縮範例

[編輯]
  • 聲音:MP3(.mp3),壓縮率約1/3。
  • 圖片:JPEG(.jpg),壓縮率約1/10(灰階)或1/20(彩色,利用4:2:0)。
  • 影片:MPEG(H.264、H.265),壓縮率約1/30(灰階)或1/60(彩色)。

影像的一致性

[編輯]

空間上的一致性

[編輯]

影像中每一點的值,會和相鄰的點的值非常接近。

直方圖(histogram)是統計出現次數的一種方法,它會去計算一個向量(vector)或一個矩陣(matrix)當中,有多少個點會等於某一個值。

舉例來說,

的直方圖(histogram)為

將影像相臨值的差異,利用直方圖(histogram)來統計,會發現值幾乎都落在0附近。

頻率上的一致性

[編輯]

一張影像的頻譜大多集中在低頻的地方。 影像的「頻率」是在空間域(space domain)作分析:

  • 低頻成分代表變化較為緩和的地方,對應的是影像的「顏色」(color)「強度」(intensity)
  • 高頻成分代表變化較為劇烈的地方,對應的是影像的「邊緣」(edge)「雜訊」(noise)


常用影像壓縮技術

[編輯]

壓縮的技術分成兩種:失真壓縮(lossy compression)的壓縮率較高,但無法重建原來的資料,例如:DFT、DCT、KLT(搭配量化(quantization)與截斷(truncation))、4:2:2或4:2:0、多項式曲線的近似(polynomial approximation);無失真壓縮(lossless compression)的壓縮率較低,但可以重建原來的資料,例如:二元編碼(binary coding)、霍夫曼編碼(Huffman coding)、算術編碼(arithmetic coding)、格倫布編碼 (Golomb coding)。

4:2:2或4:2:0

[編輯]

此技術運用的是空間上的一致性

將像素(pixel)的RGB值,利用以下的公式轉換成YCbCr

Y = 0.299 R + 0.578 G + 0.114 B

Cb = -0.169 R - 0.331 G + 0.500 B ( Cb = 0.565 (B - Y) )

Cr = 0.500 R - 0.419 G - 0.081 B ( Cr = 0.713 (R - Y) )

其中 Y 是亮度(Luminance),Cb是藍色色差(chrominance) ,Cr 是紅色色差(chrominance)。

人類的視覺系統,對於亮度比較敏感,而對於彩度比較不敏感。 因此我們可以利用人類視覺的特性,減少Cb、Cr的取樣個數,取樣格式有4:2:2 與 4:2:0兩種。

假設一張圖片原本壓縮前(即4:4:4)的Y、Cb、Cr各有M×N個值,4:2:2的壓縮Y保留為M×N個值、Cb、Cr則取樣到各剩下M/2×N個值;4:2:0的壓縮Y同樣保留為M×N個值、Cb、Cr則進一步取樣到各剩下M/2×N/2個值。 從4:4:4到4:2:2,壓縮率約為2/3;從4:4:4到4:2:0,壓縮率約為1/2。 從4:4:4壓縮到4:2:2,再壓縮到4:2:0,單一像素(pixel)儲存的bit 數可以等效為:24 bits/pixel → 16 bits/pixel → 12 bits/pixel。

還原時,則是利用插值(interpolation)的方式:

= 1/2 ×( + )


8×8 離散餘弦轉換(DCT)

[編輯]

此技術運用的是頻率上的一致性

通常我們會將影像切成8×8的方格作離散餘弦轉換(DCT),原因如下:

  • 一張影像的每個區塊,其高低頻成分都不一樣,對整張影像直接作離散餘弦轉換(DCT),多少會有高頻成分的出現。如果切成8×8的方格,則對大部分的方格幾乎都沒有高頻成分。
  • 降低記憶體的需要量
  • 降低運算量

經過離散餘弦轉換(DCT)後的8×8矩陣稱為DCT矩陣。DCT矩陣最左上角的係數稱為直流(DC)成分,而其他63個係數則稱為交流(AC)成分。越靠近DC值的AC值係數表示頻率較低的部分,而越往右下角方向的AC值代表的頻率則越高。

2D的8×8 DCT的輸出通常會按照"zigzag"的順序,將2D轉為1D的型態。按照此順序排列,能量可能較大的會被擺在前面,而後面的高頻成分從某個值開始後幾乎為零,以符號EOB(end of block)表示,指後面的高頻的部分經過量化(quantization)之後皆為0。

差分編碼(Differential coding)

[編輯]

此技術運用的是空間上的一致性

差分編碼指的是,除第一個元素外,將其中各元素都表示為各該元素與其前一元素的差的編碼。

,是針對 - 去編碼, 而不是直接對作編碼。

霍夫曼編碼(Huffman coding)

[編輯]

霍夫曼編碼(Huffman coding)的編碼原則:(Greedy Algorithm)

  • 所有的碼皆在編碼樹(coding tree)的端點,再下去沒有分枝。滿足唯一可解譯碼(uniquely decodable code)即時可解碼(instantaneous decodable code)
  • 機率越大的,編碼長度(code length)越短;機率越小的,編碼長度(code length)越長。
  • 假設 是第L層的節點(node), 是第L+1層的節點(node),則 >= 必須滿足。

不滿足以上的條件則往上推一層。

算術編碼(Arithmetic coding)

[編輯]

霍夫曼編碼(Huffman coding)是將每一筆資料分開編碼,算術編碼(Arithmetic coding)則是將多筆資料一起編碼,因此壓縮效率比霍夫曼編碼(Huffman coding)更高,近年來的壓縮資料大多使用算術編碼(Arithmetic coding)。

  • 範例:

假設要對X來作二進位的編碼,且經過事先的估計, 的機率為0.8, 的機率為0.2。

若實際上輸入的資料為

Initial():lower =0,upper=0.8

When i = 2 ():lower =0,upper=0.64

When i = 3 ():lower =0,upper=0.512

When i = 4 ():lower =0.4096,upper=0.512

When i = 5 ():lower =0.4096,upper=0.49152

When i = 6 ():lower =0.4096,upper=0.475136

由於 lower =0.4096,upper=0.475136

lower <= 14* < 15* <= upper

所以編碼的結果為

動態影像之編碼

[編輯]

MPEG(Moving Picture Experts Group)為動態影像編碼的國際標準。 動態影像編碼的使用原理為:不同時間,同一個像素(pixel)之間的相關度通常極高,只需對有移動的物件(objects)記錄移動向量(motion vector)

:時間為t的影像

如何由 來預測

(1)移動向量

(2)預測

=

(3)計算「預測誤差」

= -

對預測誤差 作編碼。

影像檔案的處理(Matlab)

[編輯]

基本概念

[編輯]
  • 灰階影像在Matlab 當中是一個矩陣,彩色影像在Matlab 當中是三個矩陣,分別代表紅色(Red)、綠色(Green)、藍色(Blue)。

.bmp: 沒有經過任何壓縮處理的圖檔

.jpg: 有經過JPEG 壓縮的圖檔

  • 要對影像做運算時,要先變成double的格式,否則電腦會預設影像為integer 的格式,在做浮點運算時會產生誤差。

例如,若要對影像做2D離散傅立葉轉換(Discrete Fourier transform):

im=imread('C:\Program Files\MATLAB\pic\Pepper.bmp');

im=double(im);

Imf=fft2(im);

基本指令

[編輯]
  • Image 檔讀取: imread
  • Image 檔顯示: imshow, image, imagesc
  • Image 檔製作: imwrite
  • Video 檔讀取: aviread

範例

[編輯]
  • 黑白影像

im=double(imread('C:\Program Files\MATLAB\pic\Pepper.bmp'));

(如果Pepper.bmp 是個灰階圖,im 將是一個矩陣)

size(im);

(用size 這個指令來看im 這個矩陣的大小)

image(im);

colormap(gray(256));

  • 彩色影像

im2=double(imread('C:\Program Files\MATLAB\pic\Pepper512c.bmp'));

size(im2);

(由於這個圖檔是個彩色的,所以im2 將由三個矩陣複合而成)

壓縮方法

[編輯]

圖像壓縮可以是有損數據壓縮也可以是無損數據壓縮。常見的應用有raw和tiff格式等。gif和jpeg是有損壓縮。通過DCT變換後選擇性丟掉人眼不敏感的信號分量,實現高壓縮比率。

無損壓縮

[編輯]

對於如繪製的技術圖、圖表或者漫畫,優先使用無損壓縮,這是因為有損壓縮方法,尤其是在低的位速條件下,將會帶來壓縮失真,如醫療圖像或者用於存檔的掃描圖像……等,這些有價值的內容的壓縮也儘量選擇無損壓縮方法。

有損壓縮

[編輯]

有損方法非常適合於自然的圖像,例如一些應用中圖像的微小損失是可以接受的(有時是無法感知的),這樣就可以大幅度地減小位速。

特性

[編輯]

圖像壓縮的目的就是在給定位速或者壓縮比下實現最好的圖像質量。但是,還有一些其它的圖像壓縮機制的重要特性:

  • 可擴展編碼 :又稱漸進編碼、嵌入式位流,通常表示操作位流和文件產生的質量下降(沒有解壓縮和再壓縮)。儘管具有不同的特性,在無損編碼中也有可擴展編碼,它通常是使用粗糙到精細像素掃描的格式。尤其是在下載時預覽圖像(如瀏覽器中)或者提供不同的圖像質量訪問時(如在數據庫中)可擴展編碼非常有用,有幾種不同類型的可擴展性:
    • 質量漸進:又稱層漸進,位流漸進更新重建的圖像。
    • 分辨率漸進:首先在低分辨率編碼圖像,然後編碼與高分辨率之間的差別。
    • 成分漸進:首先編碼灰度數據,然後編碼彩色數據。
  • 感興趣區域編碼:圖像某些部分的編碼質量要高於其它部分,這種方法可以與可擴展編碼組合在一起(首先編碼這些部分,然後編碼其它部分)。
  • 元數據信息:壓縮數據可以包含關於圖像的信息用來分類、查詢或者瀏覽圖像。這些信息可以包括顏色、紋理統計信息、小預覽圖像以及作者和版權信息。

壓縮方法的質量經常使用峰值信噪比來衡量,峰值信噪比用來表示圖象有損壓縮帶來的噪聲。但是,觀察者的主觀判斷也認為是一個重要的、或許是最重要的衡量標準。

參見

[編輯]

參考文獻

[編輯]

Jian-Jiun Ding, 「Advanced Digital Signal Processing」, NTU, 2021.