数字图像处理(冈萨雷斯)第八章图像压缩

在数字图像处理领域，图像压缩是一项至关重要的技术，特别是在存储、处理和传输大量图像数据时。《数字图像处理》一书的第八章专门探讨了这一主题。图像压缩的主要目标是减少数据冗余，以降低存储需求和提高传输效率。本章涵盖了图像压缩的基本概念、模型以及信息论的基础知识。 图像压缩的必要性源于图像数据量的庞大。例如，一张512x512像素的黑白照片，仅用8位量化灰度就需要约262,144字节（Bytes）的存储空间。对于更高分辨率和更多灰度级别的图像，数据量会显著增加，尤其是在医学成像和遥感图像等领域。动态视频的数据量更大，例如数字高清视频的传输率可能高达2.5GB/s，远超出一般计算机和通信信道的能力。因此，压缩是解决这些问题的关键。 图像压缩方法主要分为两大类：无损压缩和有损压缩。无损压缩可以在压缩和解压缩过程中完全恢复原始图像，而有损压缩虽然可以实现更高的压缩率，但解压缩后图像质量会有损失。还有一些技术可以结合两者，称为准无损技术。 在理论基础上，信息论为图像压缩提供了数学框架。压缩方法主要包括预测编码和变换编码。预测编码利用图像像素间的空间相关性，通过预测像素值来减少冗余；变换编码则是将图像从空域转换到频域，以揭示数据的统计特性，通常采用离散余弦变换（DCT）或离散小波变换（DWT）等。 数据冗余是压缩的核心概念，包括编码冗余、空间和时间冗余以及心理视觉冗余。编码冗余是指编码方式导致的多余数据，例如，黑白图像用8位表示每个像素时，实际上只需1位就足够了。空间冗余来自图像中相邻像素的相似性，可以通过预测编码减少。时间冗余存在于连续的视频帧之间，因为相邻帧往往具有较高的相似性。心理视觉冗余则考虑了人类视觉系统的特性，某些信息可能对人眼来说是不可察觉的，因此可以被安全地去除或降低精度。 编码冗余的处理通常涉及不同长度的编码，如等长编码和变长编码。等长编码对所有灰度级分配相同的比特数，但往往浪费空间，而变长编码（如霍夫曼编码和游程编码）则根据灰度级出现的频率优化编码长度。空间冗余的减少则依赖于像素预测，例如通过差分编码或运动补偿来减少数据量。 图像压缩是数字图像处理中的关键技术，通过消除不同类型的冗余，实现了高效的数据存储和传输。无论是无损还是有损压缩，都旨在在保证图像质量的前提下，最大化地减少数据量。这一领域的研究和应用不断推动着信息技术的发展，特别是在多媒体通信、医疗影像和遥感图像处理等领域。