數字圖像處理數字圖像處理

7.1概述（Introduction）

7.2無失真圖像壓縮編碼（Losslessimagecompression）7.3有限失真圖像壓縮編碼（Lossyimagecompression）7.4圖像編碼新技術（NewImageCompressionTechnology）第7章圖像壓縮編碼（ImageCompressionCodingTechnology）

7.5圖像壓縮技術標準（ImageCompressionStandards）7.1概述（Introduction）7.2無失真圖7.1概述（Introduction）

舉例1：對于電視畫面的分辨率640*480的彩色圖像，每秒30幀，則一秒鐘的數據量為：640*480*24*30=221.12M，1張CD可存640M，如果不進行壓縮，1張CD則僅可以存放2.89秒的數據舉例2：目前的WWW互聯網包含大量的圖像信息，如果圖像信息的數據量太大，會使本來就已經非常緊張的網絡帶寬變得更加不堪重負（WorldWideWeb變成了WorldWideWait）為什么要對圖像進行壓縮7.1概述（Introduction）

為什么要對圖像進行7.1.1、圖像的信息量與信息熵

（InformationContentandEntropy）

1.信息量設信息源X可發出的消息符號集合為

并設X發出符號的概率

為，則定義符號出現的自信息量為:通常,上式中的對數取2為底，這時定義的信息量單位為“比特”(bit)。7.1.1、圖像的信息量與信息熵

（Information2.信息熵

對信息源X的各符號的自信息量取統計平均,可得每個符號的平均自信息量為:這個平均自信息量H(X)

稱為信息源X的熵(entropy),單位為bit/符號,通常也稱為X的零階熵。由信息論的基本概念可以知道,零階熵是無記憶信息源(在無失真編碼時)所需數碼率的下界。）

7.1.1、圖像的信息量與信息熵

（InformationContentandEntropy）

2.信息熵對信息源X的各符號的自信息量通常一副圖像中的各點像素點之間存在一定的相關性。特別是在活動圖像中，由于兩幅相鄰圖像之間的時間間隔很短，因此這兩幅圖像信息中包含了大量的相關信息。這些就是圖像信息中的冗余。7.1.2、圖像數據冗余

(Imagedataredundancy)通常一副圖像中的各點像素點之間存在一定的相關性。特別是1.空間冗余

圖7.2是一幅圖像，其中心部分為一個灰色的方塊，在灰色區域中的所有像素點的光強和彩色以及飽和度都是相同的，因此該區域中的數據之間存在很大的冗余度。

圖7.2空間冗余

空間冗余是圖像數據中最基本的冗余。要去除這種冗余，人們通常將其視為一個整體，并用極少的數據量來表示，從而減少鄰近像素之間的空間相關性，已達到數據壓縮的目的。7.1.2、圖像數據冗余

(Imagedataredundancy)1.空間冗余圖7.2空間冗余空間冗余是圖像數據中2.時間冗余由于活動圖像序列中的任意兩相鄰的圖像之間的時間間隔很短，因此兩幅圖像中存在大量的相關信息，如圖7.3所示。時間冗余是活動圖像和語音數據中經常存在的一種冗余。圖7.3時間冗余7.1.2、圖像數據冗余

(Imagedataredundancy)2.時間冗余圖7.3時間冗余7.1.2、圖像數據冗余

3.信息熵冗余

信息熵冗余是針對數據的信息量而言的。設某種編碼的平均碼長為式中，為分配給第符號的比特數，為符號出現的概率。這種壓縮的目的就是要使L接近

7.1.2、圖像數據冗余

(Imagedataredundancy)3.信息熵冗余式中，為分配給第符號的比特數，

4.結構冗余

圖7.4表示了一種結構冗余。從圖中可以看出。它存在著非常強的紋理結構，這使圖像在結構上產生了冗余。

圖7.4結構冗余7.1.2、圖像數據冗余

(Imagedataredundancy)4.結構冗余7.1.2、圖像數據冗余

(Imaged5．知識冗余隨著人們認識的深入，某些圖像所具有的先驗知識，如人臉圖像的固有結構（包括眼、耳、鼻、口等）為人們所熟悉。這些由先驗知識得到的規律結構就是知識冗余。

6.視覺冗余由于人眼的視覺特性所限，人眼不能完全感覺到圖像畫面的所有細小的變化。例如人眼的視覺對圖像邊緣的劇烈變化不敏感，而對圖像的亮度信息非常敏感，因此經過圖像壓縮后，雖然丟了一些信息，但從人眼的視覺上并未感到其中的變化，而仍認為圖像具有良好的質量。7.1.2、圖像數據冗余

(Imagedataredundancy)5．知識冗余7.1.2、圖像數據冗余

(Imagedat7.1.3、圖像壓縮編碼分類

(CodingmethodsofImageCompression

數字圖像壓縮編碼分類方法有很多，但從不同的角度，可以有不同的劃分。從信息論角度分，可以將圖像的壓縮編碼方法分為無失真壓縮編碼和有限失真編碼。

無失真圖像壓縮編碼利用圖像信源概率分布的不均勻性，通過變長編碼來減少信源數據冗余，使編碼后的圖像數據接近其信息熵而不產生失真，因而也通常被稱為熵編碼。

有限失真編碼則是根據人眼視覺特性，在允許圖像產生一定失真的情況下（盡管這種失真常常不為人眼所覺察），利用圖像信源在空間和時間上具有較大的相關性這一特點，通過某一種信號變換來消除信源的相關性、減少信號方差，達到壓縮編碼的目的。7.1.3、圖像壓縮編碼分類

(Codingmethod7.1.4、壓縮技術的性能指標(EvaluationIndexofImageCompressionapproaches)

1.壓縮比為了表明某種壓縮編碼的效率,通常引入壓縮比這一參數,它的定義為:

其中表示壓縮前圖像每像素的平均比特數,表示壓縮后每像素所需的平均比特數,一般的情況下壓縮比c總是大于等于1的,

c愈大則壓縮程度愈高。7.1.4、壓縮技術的性能指標(EvaluationInd2.平均碼字長度平均碼字長度:設為數字圖像第k個碼字的長度(編碼成二進制碼的位數)。其相應出現的概率為,則該數字圖像所賦予的平均碼字長度為:3.編碼效率在一般情況下,編碼效率往往可用下列簡單公式表示:

單位為bit

7.1.4、壓縮技術的性能指標(EvaluationIndexofImagecompressionapproaches)

2.平均碼字長度單位為bit7.1.4、壓縮技術的4.冗余度

R越小,說明可壓縮的余地越小。

7.1.4、壓縮技術的性能指標(EvaluationIndexofImagecompressionapproaches)

4.冗余度R越小,說明可壓縮的余地越小。7.1.4、壓縮技7.2無失真圖像壓縮編碼

（Losslessimagecompression）

無失真失真圖像壓縮編碼就是指圖像經過壓縮、編碼后恢復的圖像與原圖像完全—樣，沒有任何失真.

常用的無失真圖像壓縮編碼有許多種。如哈夫曼（Huffman）編碼、游程編碼和算術編碼。7.2無失真圖像壓縮編碼

（Losslessimage7.2.1、哈夫曼編碼(Huffmancoding)

哈夫曼編碼是根據可變長最佳編碼定理,應用哈夫曼算法而產生的一種編碼方法。

1.可變長最佳編碼定理對于一個無記憶離散信源中每一個符號，若采用相同長度的不同碼字代表相應符號，就叫做等長編碼。若對信源中的不同符號用不同長度的碼字表示就叫做不等長或變長編碼。7.2.1、哈夫曼編碼(Huffmancoding)

2.哈夫曼（Huffman）編碼的編碼思路實現哈夫曼編碼的基本步驟如下:(1)將信源符號出現的概率按由大到小地順序排列。

(2)將兩處最小的概率進行組合相加,形成一個新概率。并按第(1)步方法重排,如此重復進行直到只有兩個概率為止。

(3)分配碼字,碼字分配從最后一步開始反向進行,對最后兩個概率一個賦于“0”碼字,一個賦于“1”碼字。如此反向進行到開始的概率排列,在此過程中,若概率不變采用原碼字。7.2.1、哈夫曼編碼(Huffmancoding)

2.哈夫曼（Huffman）編碼的編碼思路7.2.1、哈夫

舉例：設輸入圖像的灰度級{y1,y2,y3,y4,y5,y6,y7,y8}出現的概率分別為0.40,0.18,0.10,0.10,0.07,0.06,0.05,0.04。試進行哈夫曼編碼,并計算編碼效率、壓縮比、冗余度。按照上述的編碼過程和例題所給出的參數,其哈夫曼編碼過程及其編碼的結果如圖7.6所示。圖像信源熵為:根據哈夫曼編碼過程圖所給出的結果,可以求出它的平均碼字長度:7.2.1、哈夫曼編碼(Huffmancoding)

舉例：設輸入圖像的灰度級{y1,y2,y3,y4,y5,y編碼效率:

壓縮比：壓縮之前8個符號需3個比特量化,經壓縮之后的平均碼字長度為2.61,因此壓縮比為:冗余度為:7.2.1、哈夫曼編碼(Huffmancoding)

編碼效率:冗余度為:7.2.1、哈夫曼編碼(Huffman圖7.6哈夫曼編碼過程7.2.1、哈夫曼編碼(Huffmancoding)

圖7.6哈夫曼編碼過程7.2.1、哈夫曼編碼(Huffm3.哈夫曼（Huffman）編碼的特點（1）Huffman編碼所構造的碼并不是唯一的，但其編碼效率是唯一的。（2）對不同信源，其編碼效率是不同的。（3）實現電路復雜，且存在誤碼傳播問題。（4）Huffman編碼只能用近似的整數而不是理想的小數來表示單個符號，這也是Huffman編碼無法達到最理想的壓縮效果的原因．7.2.1、哈夫曼編碼(Huffmancoding)

3.哈夫曼（Huffman）編碼的特點7.2.1、哈夫曼編7.2.2、游程編碼(Run-lengthcoding)

當圖像不太復雜時，往往存在著灰度或顏色相同的圖像子塊。由于圖像編碼是按照順序對每個像素進行編碼的，因而會存在多行的數據具有相同數值的情況，這樣可只保留兩連續相同像素值和像素點數目。這種方法就是游程編碼。下面以一個具體的二值序列為例進行說明。已知一個二值序列00101110001001，根據游程編碼的規則，可知其游程序列為21133121。可見圖像中具有相同灰度（或顏色）的圖像塊越大、越多，壓縮的效果就越好，反之當圖像越復雜，即其中的顏色層次越多時，則其壓縮效果越不好，因此對于復雜的圖像，通常采用游程編碼與Huffman編碼的混合編碼方式，即首先進行二值序列的游程編碼，然后根據“0”游程與“1”游程長度的分布概率，再進行Huffman編碼。7.2.2、游程編碼(Run-lengthcoding)

7.2.3算術編碼(Arithmeticcoding)

算術編碼不是將單個信源符號映射成一個碼字，而是把整個信源表示為實數線上的0到1之間的一個區間，其長度等于該序列的概率。再在該區間內選擇一個代表性的小數，轉化為二進制作為實際的編碼輸出。消息序列中的每個元素都要縮短為一個區間。消息序列中元素越多，所得到的區間就越小。當區間變小時，就需要更多的數位來表示這個區間。采用算術編碼，每個符號的平均編碼長度可以為小數。7.2.3算術編碼(Arithmeticcoding)

算術編碼不是將單個信源符號映射成一個碼字，而是把整個信源表示為實數線上的0到1之間的一個區間，其長度等于該序列的概率。再在該區間內選擇一個代表性的小數，轉化為二進制作為實際的編碼輸出。消息序列中的每個元素都要縮短為一個區間。消息序列中元素越多，所得到的區間就越小。當區間變小時，就需要更多的數位來表示這個區間。采用算術編碼，每個符號的平均編碼長度可以為小數。7.2.3算術編碼(Arithmeticcoding)

算術編碼不是將單個信源符號映射成一個碼字，而是7.2.

舉例：假設信源符號為X={00，01，10，11}，其中各符號的概率為P(X)={0.1，0.4，0.2，0.3}。對這個信源進行算法編碼的具體步驟如下：

1）已知符號的概率后，就可以沿著“概率線”為每個符號設定一個范圍：[0，0.1),[0.1,0.5)，[0.5，0.7)，[0.7，1.0)。把以上信息綜合到表7.1中。7.2.3算術編碼(Arithmeticcoding)

舉例：假設信源符號為X={00，01，10，11}，其

2）假如輸入的消息序列為：10、00、11、00、10、11、01，其算術編碼過程為：第一步：初始化時，范圍range為1.0，低端值low為0。下一個范圍的低、高端值分別由下式計算：其中等號右邊的range和low為上一個被編碼符號的范圍和低端值；range_low和range_high分別為被編碼符號已給定的出現概率范圍的低端值和高端值。7.2.3算術編碼(Arithmeticcoding)

2）假如輸入的消息序列為：10、00、11、00、10、對第一個信源符號10編碼：所以，信源符號10將區間

下一個信源符號的范圍為

第二步：對第二個信源符號00編碼：所以信源符號00將區間

下一個信源符號的范圍為

7.2.3算術編碼(Arithmeticcoding)

對第一個信源符號10編碼：所以，信源符號10將區間下一個信第三步：對第三個信源符號11編碼：所以信源符號11將區間

下一個信源符號的范圍為

第四步：對信源符號00編碼：下一個信源符號的范圍為。7.2.3算術編碼(Arithmeticcoding)

第三步：對第三個信源符號11編碼：所以信源符號11將區間下第五步：對第五個信源符號10編碼：所以，信源符號10將區間

下一個信源符號的范圍為

第六步：對第六個信源符號11編碼：所以，信源符號11將區間

7.2.3算術編碼(Arithmeticcoding)

第五步：對第五個信源符號10編碼：所以，信源符號10將區間下一個信源符號的范圍為

第七步：對第七個信源符號01編碼：所以，信源符號01將區間

最后從[0.5143876，0.514402]中選擇一個數作為編碼輸出，這里選擇0.5143876。7.2.3算術編碼(Arithmeticcoding)

下一個信源符號的范圍為第七步：對第七個信源符號01編碼：所

綜上所述，算術編碼是從全序列出發，采用遞推形式的一種連續編碼，使得每個序列對應該區間內一點，也就是一個浮點小數；這些點把[0，1）區間分成許多小段，每一段長度則等于某序列的概率。再在段內取一個浮點小數，其長度可與序列的概率匹配，從而達到高效的目的。7.2.3算術編碼(Arithmeticcoding)

綜上所述，算術編碼是從全序列出發，采用遞推形式的一種

解碼是編碼的逆過程，通過編碼最后的下標界值0.5143876得到信源“10001100101101”是唯一的編碼。解碼操作過程綜合如下：7.2.3算術編碼(Arithmeticcoding)

解碼是編碼的逆過程，通過編碼最后的下標界值0.5從以上算術編碼算法可以看出，算術編碼具有以下特點：1、由于實際的計算機精度不可能無限長，運算中會出現溢出問題。2、算術編碼器對整個消息只產生一個碼字，這個碼字是在[0，1）之間的一個實數，因此譯碼器必須在接收到這個實數后才能譯碼。3、算術編碼也是一種對錯誤很敏感的方法。7.2.3算術編碼(Arithmeticcoding)

從以上算術編碼算法可以看出，算術編碼具有以下特點：7.7.3有限失真圖像壓縮編碼

（LossyImageCompression）

從前面的分析可知，無失真圖像壓縮編碼的平均碼長存在一個下限，這就是信源熵。換句話說，如果無失真圖像編碼的壓縮效率越高，那么編碼的平均碼長越接近信源的熵。因此，無失真編碼的壓縮比不可能很高，而在有限失真圖像編碼方法中，則允許有一定的失真存在，因而可以大大提高壓縮比，壓縮比越大，引入的失真也就越大，但同樣提出了一個新的問題，這就是在失真不超過某種極限的情況下，所允許的編碼比特率的下限是多少，率失真函數回答的便是這一問題。7.3有限失真圖像壓縮編碼

（LossyImageCo7.3.1、率失真函數(Ratedistortionfunction)

率失真函數是指在信源一定的情況下使信號的失真小于或等于某一值D所必需的最小的信道容量，常用R(D)表示，D代表所允許的失真，對連續信源的編碼與傳輸，可以用失真度d(x,y)和失真函數D(x,y)表示，即通常采用以下幾種失真度量：

(1)均勻誤差

(2)絕對誤差

(3)頻域加權誤差

(4)超視覺閾值均方誤差 在圖7.7中給出了率失真函數R(D)與失真D的關系曲線?？梢妼τ陔x散信源，當D=0（即無失真情況下）時，所需的比特數為R(0)，并且小于收到信號的熵值H(Y)；當D逐漸增大時，所需的率失真函數則隨之下降，因此我們可以總結出率失真函數R(D)的性質。7.3.1、率失真函數(RatedistortionfDmaxD0H(X)R(D)離散信源連續信源圖7.7R(D)的典型曲線 率失真函數具有以下性質

(1)當D<0時，不存在R(D). (2(當D≥Dmax（Dmax為正值，其數值上等于信號方差σ2）時，R(D)=0,表示此時所傳輸的數據信息毫無意義。

(3)當0<D<Dmax時，R(D)是一個下凸型連續函數。7.3.1、率失真函數(Ratedistortionfunction)

DmaxD0H(X)R(D)離散信源連續信源圖7.7R( 率失真函數具有以下性質

(1)當D<0時，不存在R(D). (2(當D≥Dmax（Dmax為正值，其數值上等于信號方差σ2）時，R(D)=0,表示此時所傳輸的數據信息毫無意義。

(3)當0<D<Dmax時，R(D)是一個下凸型連續函數。 7.3.1、率失真函數(Ratedistortionfunction)

率失真函數具有以下性質7.3.1、率失真函數(Rate7.3.2線性預測編碼和變換編碼(LinearPredictionandTransformCoding)

1.線性預測編碼目前用得較多的線性預測方法,全稱為差值脈沖編碼調制(DPCM:DifferentialPulseCodeModulation),簡稱為DPCM。圖7.9是一個4階預測器的示意圖,圖(a)表示預測器所用的輸入像素和被預測像素之間的位置關系,圖(b)表示預測器的結構。7.3.2線性預測編碼和變換編碼1.線性預測編碼IQ—QIQ++預測器Q:量化器IQ:逆量化器預測器圖7.8DPCM系統框圖7.3.2線性預測編碼和變換編碼(LinearPredictionandTransformCoding)

IQ—QIQ++預測器Q:量化器預測器圖7.8DPCM系圖7.9是一個4階預測器的示意圖,圖(a)表示預測器所用的輸入像素和被預測像素之間的位置關系,圖(b)表示預測器的結構.f2f3f4f1f5掃描行×a1f1×a2f2×a3f3×a4f4∑圖7.9預測像素和預測器7.3.2線性預測編碼和變換編碼(LinearPredictionandTransformCoding)

f2f3f4f1f5掃描（1）變換編碼的工作原理圖7.11變換編碼系統原理變換編碼的工作原理如圖所示7.3.2線性預測編碼和變換編碼(LinearPredictionandTransformCoding)

（1）變換編碼的工作原理圖7.11變換編碼系統原理變換編

變換編碼首先將一幅N×N大小的圖像分割成個子圖像。然后對子圖像進行變換操作，解除子圖像像素間的相關性，達到用少量的變換系數包含盡可能多的圖像信息的目的。接下來的量化步驟是有選擇地消除或粗量化帶有很少信息的變換系數，因為它們對重建圖像的質量影響很小。最后是編碼，一般用變長碼對量化后系數進行編碼。解碼是編碼的逆操作，由于量化是不可逆的，所以在解碼中沒有對應的模塊，其實壓縮并不是在變換步驟中取得的，而是在量化變換系數和編碼時取得的。7.3.2線性預測編碼和變換編碼(LinearPredictionandTransformCoding)

變換編碼首先將一幅N×N大小的圖像分割成（2）基于DCT的圖像壓縮編碼

圖像的DCT(離散余弦變換)已在4.6節中闡明．DCT具有把高度相關數據能量集中的能力，這一點和傅里葉變換相似，且DCT得到的變換系數是實數，因此廣泛用于圖像壓縮。下面是用二維離散余弦變換進行圖像壓縮說明。例如一個圖像信號，其灰度值為

7.3.2線性預測編碼和變換編碼(LinearPredictionandTransformCoding)

（2）基于DCT的圖像壓縮編碼圖像的DCT(離散余弦變得到DCT系數矩陣為（7.29）由（7.29）式可以看出DCT系數集中在低頻區域、越是高頻區域系數值越小,根據人眼的視覺特性,通過設置不同的視覺閾值或量化電平,將許多能量較小的高頻分量量化為0,可以增加變換系數中“0”的個數,同時保留能量較大的系數分量,從而獲得進一步的壓縮。在JPEG的基本系統中,就是采用二維DCT的算法作為壓縮的基本方法。得到DCT系數矩陣為（7.29）由（7.29）式可（a）原始圖像（b）壓縮后的圖像圖7.12圖像壓縮前后的比較（a）原始圖像7.3.3矢量量化編碼

（VectorQuantifiationCoding）

矢量量化(VectorQuantifiation

，VQ)技術是一種有損壓縮技術，它根據一定的失真測度在碼書中搜索出與輸入矢量失真最小的碼字的索引，傳輸時僅傳輸這些碼字的索引，接收方根據碼字索引在碼書中查找對應碼字，再現輸入矢量。7.3.3矢量量化編碼

（VectorQuantifia1.矢量量化原理矢量量化的過程如圖7-13所示,可以分為量化和反量化兩部分。在矢量量化中,根據某種失真最小原則,來分別決定如何對n維矢量空間進行劃分,以得到合適的C個分塊,以及如何從每個分塊選出它們各自合適的代表Xi′。圖7.13矢量量化編譯碼1.矢量量化原理矢量量化的過程如圖7-13所示,可以2.碼書的設計矢量量化中的一個關鍵問題就是碼書的設計。碼書的設計越適合待編碼的圖像的類型,矢量量化器的性能就越好,因為實際中不可能為每一幅待編碼的圖像單獨設計一個碼書,所以通常是以一些代表性的圖像構成的訓練集為基礎,為一類圖像設計出一個碼書。2.碼書的設計矢量量化中的一個關鍵問題就是碼書的設7.4圖像編碼新技術

（NewImageCompressionTechnology）

7.4.1子帶編碼（Subbandcoding）

7.4.2模型基編碼（Model-basedcoding）

7.4.3分形編碼（Fractalcoding）7.4圖像編碼新技術

（NewImageCompres7.4.1子帶編碼（Subbandcoding）

1.子帶編碼子帶編碼是一種在頻率域中進行數據壓縮的算法。其指導思想是首先在發送端將圖像信號在頻率域分成若干子帶，然后分別對這些子帶信號進行頻帶搬移，將其轉換成基帶信號，再根據奈奎斯特定理對各基帶信號進行取樣、量化和編碼，最后合并成為一個數據流進行傳送。7.4.1子帶編碼（Subbandcoding）

1.子(a)編碼器(b)解碼器圖7.15子帶編碼器工作原理子帶編碼的工作原理7.4.1子帶編碼（Subbandcoding）

(a)編碼器(b)解碼器圖7.15子帶編碼器工作原理子帶）

模型基編碼主要是一種參數編碼方法,因此它與基于保持信號原始波形的所謂波形編碼相比有著本質區別。相對于對像素進行編碼而言,對參數的編碼所需的比特數要少得多,因此可以節省大量的編碼數據。模型基編碼主要依據對圖像內容的先驗知識的了解,根據掌握的信息,編碼器對圖像內容進行復雜的分析,并借助于一定的模型,用一系列模型的參數對圖像內容進行描述,并把這些參數進行編碼傳輸到解碼器。解碼器根據接收到的參數和用同樣方法建立的模型可以重建圖像的內容。因此,這類編碼器也可稱為分析綜合編碼器,圖7.16為其編碼原理框圖。7.4.2模型基編碼（Model-basedcoding）

）7.4.2模型基編碼（Model-basedco圖7.16分析綜合編碼器原理圖編碼原理7.4.2模型基編碼（Model-basedcoding）圖7.16分析綜合編碼器原理圖編碼原理7.4.2模型基編碼7.4.3分形編碼（Fractalcoding）

在分形編碼中，使用了迭代函數（IFS）理論、仿射理論和拼貼定理，具體應用過程如下：首先采用如顏色分割、邊緣檢測、頻譜分析等，將原始圖像分割成一系列子圖像，如一棵樹、一片樹葉然后在分形集合中查找這些子圖像，但分形集所存儲的并不是具體的子圖像，而是迭代函數，因此分形集中包含許多迭代函數。由于迭代只需要幾個參數來表示，因此能夠得到高壓縮比。由此可見，分形編碼中存在兩大難點，這就是如何進行圖像分割和構造迭代。7.4.3分形編碼（Fractalcoding）

7.5圖像壓縮技術標準

（ImageCompressionStandards）

7.5.1JPEG壓縮（JPEGCompression）

7.5.2JPEG20007.5.3H.26X標準（H.26Xstandards）7.5.4MPEG標準（MPEGstandards）7.5圖像壓縮技術標準

（ImageCompressio

JPEG是用于彩色和灰度靜止圖像的一種完善的有損/無損壓縮方法，對相鄰像素顏色相近的連續色調圖像的效果很好，而用于處理二值圖像效果較差。JPEG是一種圖像壓縮方法，它對一些圖像特征如像素寬高比、彩色空間或位圖行的交織方式等并未作嚴格的限制。在JPEG基準編碼系統中，輸入和輸出圖像都限制為8比特圖像，而量化的DCT系數值限制在11比特。圖7.15給出了JPEG編碼/解碼方框圖。7.5.1、JPEG壓縮（JPEGCompression）7.5.1、JPEG壓縮（JPEGCompression7.5.1、JPEG壓縮（JPEGCompression）7.5.1