第6章 图像信号数字化

null第6章 图像信号数字化 第6章 图像信号数字化 6.1 图像信号及质量 评价 LEC评价法下载LEC评价法下载评价量规免费下载学院评价表文档下载学院评价表文档下载 6.1 图像信号及质量评价 6.1.1 图像及其表示 1、图像函数 （6.1） 式中，g[ ]表示由物质能量到记录数值的映射，实际中这种物质能量的记录数值往往用亮度值表示。 如果辐射源是单一波段或某一已知的波段范围，成图是在瞬间完成或各像点记录的时间有一定的规律，则上式可简化为 null (6.2) 式中x，y为像平面中的点坐标。 图像的数学模型是一个二元函数f(x，y)，在以后讨论中简称图像f(x，y)。它反映了图像上点坐标（x，y）与该点上能量值之间的对应关系。 由于f(x，y)的值是能量的记录，故其是非负有界的实数，即 0≤f(x，y)≤ A （6.3） 一幅实际图像的尺寸是有限的，一般定义（x，y）在某一矩形域中，即有 (6.4) null 由于实际的图像可以表示为一个二元函数f(x，y)，因此关于实际图像处理的研究就可以运用数学手段了。 2、数字图像的描述 为了方便地处理数字图像，根据数字图像的特性将其分成不同的类型。静态图像可分为矢量图和位图。 矢量图是用一系列绘图指令来表示一幅图，如画点、画线、画曲线、画圆、画矩形等。 位图是通过许多像素点表示一幅图像，每个像素用若干个二进制位来指定该像素的颜色、亮度和属性。 null 位图的获取通常用扫描仪、摄像机、录像机、激光视盘与视频信号数字化卡一类设备，通过这些设备把模拟的图像信号变成数字图像数据。 位图文件占据的存储器空间比较大。影响位图文件大小的因素主要有两个：图像分辨率和像素深度。分辨率越高，就是组成一幅图的像素越多，则图像文件越大；位图有多种表示和描述的模式，但从大的方面来说主要可分为黑白图像、灰度图像和彩色图像。 null（1）黑白图像。只有黑白两种颜色的图像称为黑白图像或单色图像，是指图像的每个像素只能是黑或白，没有中间的过渡，故又称为二值图像。一幅640x480像素的黑白图像只需要占据37.5KB的存储空间。 （2）灰度图像。在灰度图像中，像素灰度级用8 bit表示，所以每个像素都是介于黑色和白色之间的256（28=256）种灰度中的一种。一幅640x480像素、灰度级为256级的灰度图像需要占据300KB的存储空间。 null（3）彩色图像。彩色图像除有亮度信息外，还包含有颜色信息。彩色图像的表示与所采用的彩色空间，即彩色的表示模型有关。以RGB彩色空间为例 ，一幅640x480像素的真彩色图像需要900KB的存储空间。 6.1.2 图像压缩编码系统质量评价 表示图像需要大量的数据,为了减少数据量，需要对图像进行压缩编码，随着众多数字图像压缩算法的出现，如何评价图像压缩算法就成为重要的课题。一般说来，评价图像压缩算法的优劣主要有以下4个参数。 1、算法的编码效率 算法的编码效率通常有几种表现形式：平均码字长度（R），图像的压缩比（rate，r），  null 每秒钟所需的传输比特数（bits per second，bps），图像熵与平均码长之比（η），这些表现形式很容易相互转换。下面给出与图像编码效率有关的几个术语。 （1）图像熵。设一幅灰度级为N的图像，图像中第k级灰度出现的概率为Pk，图像大小为M×N，每个像素用d比特表示，每两帧图像间隔Δt，则按信息论中信息熵的定义，数字图像的熵H由下式定义： (6.5) null 由此可见，图像熵H表示各灰度级比特数的统计平均值。 （2）平均码字长度。对于一种图像编码方法，设第k级灰度的码字长度为Bk，则该图像的平均码字长度R为 (6.6) （3）编码效率。编码效率η一般用下列简单 公式 小学单位换算公式大全免费下载公式下载行测公式大全下载excel公式下载逻辑回归公式下载 表示 (6.7) null 式中，H为信息熵，R为平均码字长，如果R接近H，编码效果为佳，R远大于H，编码效果差。 （4）压缩比。压缩比是衡量数据压缩程度的指标之一。压缩比是指编码前后平均码长之比，即 (6.8) （5）每秒钟所需的传输比特数bps为 （6.9） null 由于同一压缩算法对不同图像的编码效率会有所不同，因此常需定义一些“ 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 图像”，如国际上流行的三幅图像Lena、Barbara和Mandrill。一般通过测量不同压缩算法对同一组“标准图像”的编码性能来评价各图像压缩算法的编码效率。 2、编码图像的质量 对于有失真的压缩算法，应该有一个评价准则，对压缩后的图像质量给予评判。常用的评价准则有两种：一是客观准则，一是主观准则。 客观准则是对压缩还原后的图像与原始图像的误差进行定量计算，一般是对整个图像或图像中一个指定的区域进行某种平均计算，以得到均方误差。 null 设一个原始图像为{f(x,y),0≤x≤M-1, 0≤y≤N-1},相应的压缩后的还原图像为{},0≤x≤M-1, 0≤y≤N-1}，误差图像为{e(x,y)= f(x,y)-},0≤x≤M-1, 0≤y≤N-1}, 那么均方误差（MSE）表示为 更常用的是峰值信噪比（PSNR）表示，它用分贝表示压缩图像的定量性能其定义如下： (6.11) (6.10) null 对压缩图像质量的第二种评价准则是主观准则，它是指由一批观察者对编码图像进行观察并打分，然后综合所有人的评判结果，给出图像的质量评价。表6.1所列是两种典型的评分标准。 表6.1 对图像质量的主观评分标准 null 3、算法的适用范围 特定的图像编码算法具有其相应的适用范围，并不对所有图像都有效。一般说来，大多数基于图像信息统计特性的压缩算法具有较广的适用范围，而一些特定的编码算法的适用范围较窄，如分形编码主要用于自相似性高的图像。 4、算法的复杂度 算法的复杂度即指完成图像压缩和解压缩所需的运算量和硬件实现该算法的难易程度。优秀的压缩算法要求有较高的压缩比，压缩和解压缩快，算法简单，易于硬件实现，还要求解压缩后的图像质量较好。选用编码方法时一定要考虑图像信源本身的统计特性、多媒体系统(硬件和软件产品)的适应能力、应用环境以及技术标准。 6.2 图像数字化技术 6.2 图像数字化技术 我们日常生活中见到的图像一般是连续形式的模拟图像，所以数字图像处理的一个先决条件就是将连续图像离散化，转换为数字图像。图像的数字化包括采样和量化两个过程。比如 ：照片，其中各点的灰度值可以用其位置坐标(x,y)的函数f(x,y)来描述。经数字化后，可以用一个离散量组成的矩阵g (i, j) 来表示 (6.13)null 矩阵中的每一个元素称为像元、像素或图像元素。而g (i, j)代表(i, j)点的灰度值，即亮度值。以上数字化有以下几点说明： （1） 由于g (i, j)代表该点图像的光强度，而光是能量的一种形式，故g(i, j)必须大于零，且为有限值，即：0＜g(i, j)＜∞。 （2） 数字化采样一般是按正方形点阵取样的， 除此之外还有三角形 点阵、正六角形点阵 取样。如图6.1所示。 （3） 以上是用g(i, j) 的数值来表示(i, j)位置 点上灰度级值的大小，即只反映了黑白灰度的关系， 如果是一幅彩色图像，各点的数值还null 应当反映色彩的变化，可用g (i, j,λ)表示，其中λ是波长。如果图像是运动的，还应是时间t的函数，即可表示为g (i, j,λ, t)。 6.2.1 采样 图像在空间上的离散化称为采样。具体做法是，先沿垂直方向按一定间隔从上到下顺序地沿水平方向直线扫描，取出各水平线上灰度 值的一维扫描。而后 再对一维扫描线信号 按一定间隔采样得到 离散信号，即先沿垂 直方向采样，再沿水 平方向采样这两个步 骤完成采样操作，如图6.2所示。 null 对于运动图像（即时间域上的连续图像），需先在时间轴上采样，再沿垂直方向采样，最后沿水平方向采样由这三个步骤完成。 对一幅图像采样时，若每行（即横向）像素为M个，每列（即纵向）像素为N个，则图像大小为M×N个像素。在进行采样时，采样点间隔的选取是一个非常重要的问题，它决定了采样后图像的质量，即忠实于原图像的程度。采样间隔的大小选取要依据原图像中包含的细微浓淡变化来决定。 一般，图像中细节越多，采样间隔应越小。根据一维采样定理，若一维信号g(t)的最大频率为ω，以T≤1/2ω为间隔进行采样，则能够根据采样结果g(iT)(i=…,-1,0,1，…)完全恢复g(t)，即 null (6.14) 式中 (6.15) 采样的实现只是完成了图像空间位置的离散化，这时所得的信号还不是离散信号，还需要将样点值的取值进行离散化。 6.2.2 量化 模拟图像经过采样后，在时间和空间上离散化为像素。但采样所得的像素值（即灰度值）仍是连续量。把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。图6.3（a）说明了量化过程。若连续灰度值用z来表示，对于满足zi≤z≤zi+1的z值。null 都量化为整数qi。qi称为像素 的灰度值，z与qi的 差称为量化误差。 一般，像素值量化 后用一个字节8bit来 表示。如图6.3（b） 所示，把由黑—灰—白的连续变化的灰度值，量化为0～255共256级灰度值，灰度值的范围为0～255，表示亮度从深到浅，对应图像中的颜色为从黑到白。 连续灰度值量化为灰度级的方法有两种，一种是等间隔量化，另一种是非等间隔量化。等间隔量化就是简单地把采样值的灰度范围等间 null 并进行量化。对于像素灰度值在黑—白范围较均匀分布的图像，这种量化方法可以得到较小的量化误差。该方法也称为均匀量化或线性量化。 为了减小量化误差，引入了非均匀量化的方法非均匀量化是依据一幅图像具体的灰度值分布的概率密度函数，按总的量化误差最小的原则来进行量化。 6.2.3 采样与量化参数的选择 一幅图像在采样时，行、列的采样点与量化时每个像素量化的级数，既影响数字图像的质量，也影响到该数字图像数据量的大小。假 定图像取M×N个样点，每个像素量化后的灰度null 二进制位数为Q，一般Q总是取为2的整数幂，即Q=2k, 则存储一幅数字图像所需的二进制位数b为 (6.16) 字节数B为 (6.17) 对一幅图像，当量化级数Q一定时，采样点数M×N对图像质量有着显著的影响。见书图6.4所示，采样点数越多，图像质量越好；当采样点数减少时，图上的块状效应就逐渐明显。同理，当图像的采样点数一定时，采用不同量化隔地分割级数的图像质量也不一样。见书图6.5所示，量化级数越多，图像质量越好，null 当量化级数越少时，图像质量越差，量化级数最小的极端情况就是二值图像，图像出现假轮廓。 一般，当限定数字图像的大小时,为了得到质量较好的图像可采用如下原则： （1）对缓变的图像，应该细量化，粗采样，以避免假轮廓。 （2）对细节丰富的图像，应细采样，粗量化，以避免模糊（混叠）。 (3) 对于彩色图像，是按照颜色成分——红（R）、绿（G）、蓝（B）分别采样和量化的。若各种颜色成分均按8bit量化，即每种颜色量级别是256，可以处理256×256×256=16777216种颜色。  6.3 数字图像编码概述 6.3 数字图像编码概述 6.3.1 图像编码基本原理 虽然表示图像需要大量的数据，但图像数据是高度相关的，一幅图像内部以及视频序列中相邻图像之间存在冗余信息。主要表现为以下几种形式： 空间冗余：图像内部相邻像素之间存在较强的相关性所造成的冗余 时间冗余：视频序列中的图像是高度相关 信息熵冗余：也称为编码冗余。由信息论的有关原理可知，为表示图像数据的一个像素点，只要按信息熵的大小分配相应比特数即可。  null知识冗余 ：有些图像中包含的信息与某些先验的基础知识有关。 视觉冗余 ：人眼不能感知或不敏感的那部分图像信息。 结构冗余 ：在有些图像的部分区域内存在着非常强的纹理结构，或者在图像的各个部分之间有某种关系 。 图像数据的这些冗余信息为图像压缩编码提供了依据。用各种冗余信息，压缩编码技术能够很好地解决在将模拟信号转换为数字信号后所产生的带宽需求增加的问题，它是使数字信号走上实用化的关键技术之一。 null 不同的应用场合和不同的图像内容有不同的压缩方法。根据对压缩编码后的图像进行重建的准确程度可将常用的图像编码方法分为三类： （1） 信息保持编码。这一类编码技术主要应用在图像的数字存储方面。图像的数字存储可以实现高速“写”和“读”。 （2） 保真度编码。此类编码技术多应用在数字电视技术和静止图像通信、工业、贸易和娱乐等方面。 （3） 特征提取。在图像识别、分析和分类等技术中，往往并不需要全部图像信息，而只要对感兴趣的部分特征信息进行编码即可压缩数据。 null 图像压缩编码系统的原理图，如图6.6所示。 图6.6 图像压缩编码系统的原理图框图 6.3.2 图像编码的常用方法 1、熵编码 熵编码是纯粹基于信号统计特性的编码技术，是一种无损编码，解码后能无失真地恢复原图像。熵编码的基本原理是给出现概率较大的符号赋予一个短码字，而给出现概率较小的符号赋予一个长码字，从而使得最终的平均码长很null 小。常见的熵编码方法有游程编码、Huffman编码和算术编码三种。 (1) 游程编码 游程编码又叫行程编码，其原理很简单，即将具有相同值的连续串用其串长和一个代表值来代替，该连续串就称为行程，串长称为行程长度。 例如，有一字符串“aaaabbbccdfffff”，假设每个像素用8bit编码，共需15×8bit＝120bit。则经行程长度编码后，该字符串可以只用“4a3b2c1d5f”来表示,只需10×8bit=80bit。 （2）哈夫曼（Huffman）编码 Huffman编码是一种常用的数据压缩编码方法，是Huffman于1952年建立的一种不等 null 长最佳编码方法。根据信息论中信源编码理论，当平均码长R大于等于图像熵H时，总可设计出一种无失真编码。 哈夫曼编码的一般算法如下： l首先统计信源中各符号出现的概率，按符号出现的概率从大到小排序。 l 把最小的两个概率相加合并成新的概率，与剩余的概率组成新的概率集合。 对新的概率集合重新排序，再次把其中最小的两个概率相加，组成新的概率集合，如此重复进行，直到最后两个概率的和为1。 null 分配码字。码字分配从最后一步开始反向进行，对于每次相加的两个概率，给大的赋“0”，小的赋“1”（也可以全部相反， 如果两个概率相等， 则从中任选一个赋“0”，另一个赋“1”即可），读出时由该符号开始一直走到最后的概率和“1”， 将路线上所遇到的“0”和“1”按最低位到最高位的顺序排好，就是该符号的哈夫曼编码。 例6.1 设一幅灰度级为8（分别用S0、S1、S2、S3、S4、S5、 S6、S7表示）的图像中，各灰度所对应的概率分别为0.40、0.18、0.10、0.10、0.07、0.06、0.05、0.04。现对其进行哈夫曼编码，编码过程如图6.1所示，具体步骤如下： null 首先对信源概率从大到小排序，选出最小的两个概率（0.04和0.05），相加得0.09，与其他概率组成新的概率集合{0.40，0.18，0.10，0.10，0.07，0.06，0.09}。 l对新的概率集合重新排序，选出最小的两个概率（0.06和0.07），相加得0.13，组成新的概率集合{0.40，0.18，0.10，0.10，0.09，0.13}。 l对新的概率集合重新排序，选出最小的两个概率（0.10和0.09），相加得0.19，组成新的概率集合{0.40，0.18，0.13，0.10，0.19}。 对新的概率集合重新排序，选出最小的两个概率（0.13和0.10），相加得0.23，组成新的概率集合{0.40，0.19，0.18，0.23}。 对新的概率集合重新排序， 选出最小的两个概null 率（0.19和0.18），相加得0.37，组成新的概率集合{0.40， 0.23， 0.37}。 对新的概率集合重新排序， 选出最小的两个概率（0.23和0.37），相加得0.60，组成新的概率集合{0.40， 0.60}。 直到最后两个概率（0.60和0.40）相加和为1。 分配码字。从最后一步反向进行，首先给最后相加的两个概率（0.60和0.40）分配码字，由于0.60大于0.40，于是给0.60赋“0”，给0.40赋“1”。如此依次给每次相加的两个概率分配码字。 最后写出每个符号的哈夫曼编码。以符号S1（对应的概率为0.18）为例，在从0.18到1.0的路径上， 它所遇到的赋值（“0”或“1”）依次为1、0、0，将其反向排列成“001”，于是就形成了符号S1的哈夫曼码字“001”。 null 上述哈夫曼编码方法形成的码字是可识别的，即能够保证一个符号的码字不会与另一个符号的码字的前几位相同。比如说，如果S0的码字为1，S1的码字为001，而S2的码字为011，则当编码序列中出现0011时，就不能判别它是S2的码字还是S1的码字后面跟了一个S0的码字1。 null 下面来看一下哈夫曼编码的编码效率。平均码长为： 数字图像的熵H为： 则哈夫曼编码的编码效率η为 null 由此可见，哈夫曼编码的编码效率是相当高的，其冗余度只有2.2%。如果采用等长编码，由于有8种灰度级，则每种灰度级别至少需要3比特来表示，对于例6.1中的图像而言，其编码的平均码长为3，编码效率为85%。 3）算术编码 算术编码有两种模式：一种是基于信源概率统计特性的固定编码模式，另一种是针对未知信源概率模型的自适应模式。自适应模式中各个符号的概率初始值都相同，它们依据出现的符号而相应地改变。只要编码器和解码器都使用相同的初始值和相同的改变值的方法，那么它们的概率模型将保持一致。上述两种形式的算术编码均可用硬件实现，其中自适应模式适用于不进行概率统计的场合。有关实验数据表明，在未知信源概率分布的情况下，算术编码一般要优于Huffman编码。在JPEG扩展系统中，就用算术编码取代了哈夫曼编码。 null 下面结合一个实例来阐述固定模式的算术编码的具体方法。 例6.2 设一待编码的数据序列（即信源）为“dacab”，信源中各符号出现的概率依次为P(a)=0.4，P(b)=0.2，P(c)=0.2，P(d)=0.2。 首先，数据序列中的各数据符号在区间［0, 1］内的间隔（赋值范围）设定为a=［0, 0.4）, b=［0.4, 0.6）,c=［0.6, 0.8）,d=［0.8, 1.0） 为便于讨论，再给出一组关系式： (6.19) null 式中，StartN、EndN分别表示新间隔（或称之为区间）的起始位置和结束位置，StartB表示前一间隔的起始位置，L为前一间隔的长度，LeftC、RightC分别表示当前编码符号的初始区间的左端和右端。 第一个被压缩的符号为“d”，其初始间隔为［0.8, 1.0］； 第二个被压缩的符号为“a”，由于前面的符号“d”的取值区间被限制在［0.8, 1.0］范围内，所以“a”的取值范围应在前一符号间隔［0.8, 1.0］的［0, 0.4］子区间内，根据上式 null 即“a”的实际编码区间在［0.8, 0.88］之间。 第三个被压缩的符号为“c”， 其编码取值范围应在［0.8, 0.88］区间的［0.6, 0.8］的子区间内，据上式可知 第四个被压缩的符号为“a” ，同理，根据上式 可知 null 第五个被压缩的符号为“b”，同理，根据上式可知 至此，数据序列“dacab”已被描述为一个实数区间［0.85056, 0.85184］，或者说在此区间内的任一实数值都惟一对应该数据序列。这样，就可以用一个实数表示这一数据序列。我们把区间［0.85056,0.85184］用二进制形式表示为［0.110110011011,0.110110100001］。从这个区间可以看出，0.1101101位于这个区间内并且其编码最短，故把其作为数据序列“dacab”的编码输出。考虑到算术编码中任一数据序列的编码都含有“0”，所以在编码时，可以不考虑“0”，于是把1101101作为本例中的数据序列的算术编码。由此可见，数据序列“dacab”用7比特的二进制代码就可以表示，平均码长为1.4比特／字符。 null2 预测编码 预测编码是基于图像数据的空间或时间冗余特性，用相邻的已知像素（或图像块）来预测当前像素（或图像块）的取值，将已知像素与预测值相减得到误差值，然后再对误差值进行量化和编码。例如，用248，2，1，0，1，3表示6个相邻像素的灰度，实际上这6个像素的灰度是248，250，251，251，252，255；表示第二个像素250需要8bit，而表示差值2只需2bit，这样就实现了压缩。 （1）预测编码方法 差分脉冲编码调制DPCM 增量调制ΔM null （2）预测编码的类型 线形预测编码器 非线形预测编码器 帧内预测编码 帧间预测编码 3.变换编码 （1）变换编码的基本原理 与预测编码技术相比，消除图像数据空间相关性的一种更有效的方法是进行信号变换，使图像数据在变换域上最大限度地不相关。尽管图像变换本身并不带来数据压缩，但由于变换后系数之间相关性明显降低，图像的大部分能量只集中到少数几个变换系数上，采用适当的量化和熵编码可以有效地压缩图像地数据量。 null 统计表明，在变换域中，图像信号的绝大部分能量集中在低频部分，编码中如果略去那些能量很小的高频分量，或者给这些高频分量分配合适的位数，就可明显减少图像传输或存储的数据量。根据上述原理变换编码的系统如图6.8所示。 图6.8 变换编码方框图 （2）变换编码的方法 K－L（Karhunen-Loeve）变换是以上思路下构造出来的最佳线性 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 。 null （3）变换编码的缺点 在变换编码中，编码是在图像方块的基础上进行的，这导致变换编码的一个固有缺点——方块效应。方块效应指的是，当压缩比提高到一定程度后，在相邻图像块的边界处，会出现可见的不连续性，这会给观察者以非常不舒服的感觉。为了减少方块效应，可采取对图像重叠分块的方式，重叠区域的像素，将两次参与编码和传输，在接收端解码后，再对两次传输的相同像素取平均，起到一种平滑边界区域的作用，这样，就以提高比特率为代价，减少了方块效应。 4、混合编码 混合编码是指综合了熵编码、变换编码或预测编码的编码方法，如JPEG标准。JPEG标准主要涉及连续色调（灰度和彩色）静止图像的压缩编码。 6.4 数字图像压缩编码的主要国际标准 6.4 数字图像压缩编码的主要国际标准 近十年来，随着多媒体技术的广泛应用，图像压缩编码技术得到了学术界和工业界的重视，获得了长足的进展，并且日臻成熟。其标志是： JPEG和JPEG－2000为代表的静止图像压缩标准。 MPEG-1和MPEG-2为代表的中高码率多媒体数据编码标准，其中视频图像压缩标准是其主要内容。 H.261,H.263,H.263+,H.263++等为代表的低码率、甚低码率运动图像压缩标准，以及覆盖范围更宽面向对象应用的MPEG-4。 null 6.4.1 静止图像编码的国际标准 1、JPEG JPEG是“联合图片专家组”(Joint Photographic Experts Group)的简称。这是由ISO和CCITT于1986年联合成立的一个标准起草小组，该小组于1991年提出ISO CD10918标准建议草案，1992年成为国际标准ISO/IEC IS 10918，后来，通常将该标准称为JPEG。 JPEG标准是一个通用的静止图像压缩标准，可适用于所有连续色调的静止图像压缩和存储。JPEG的基本压缩方法已成为一种通用的技术，很多应用程序都采用了与之相配套的软硬件。 JPEG既可以用于有损压缩，也可以用于无损压缩。在无损压缩模式下，对图像的像素值采用预测编码，可以提供约2：1的压缩比。对于null 大多数自然图像，JPEG有损压缩能够在获得很好图像质量条件下提供5～20倍的压缩比。 JPEG算法的主要缺点是：在高压缩比时产生严重的块状效应和蚊式噪声，抗误码能力弱。块状效应由低频端的量化误差和块内DCT变换基对低频限制引起。蚊式噪声是由于高频端量化误差引起的。 2、JPEG-2000 JPEG-2000就是国际标准化组织和国际电工委员会于1999年12月形成的ISO/IECCD15444-1号建议草案。2000年3月JPEG-2000标准的第一部分已经完成。标准的第一部分描述了JPEG2000的核心编解码系统，是整个标准中的重要部分。 null JPEG-2000标准的主要动机是利用基于小波变换的压缩技术提供一套全新的图像编码系统。在中高码率上能够提供很好的压缩图像质量，但随着码率的降低（例如低于0.25bpp），图像的主观质量下降很快。与原来JPEG的标准相比，除了采用小波变换外，JPEG-2000增加了一批新功能，使得JPEG-2000的应用范围大大扩展，从数码相机、预出版到医用图像。 6.4.2 活动图像编码的国际标准——MPEG MPEG是活动图像的专家组(Moving Picture Experts Group)的缩写，是国际标准化组织（ISO）为制定数字视屏和音频压缩标准而建立的一个工作小组，其正式名称是ISO/IEC JTC1 SC29 WG11。自1988年成立以来，该小组已经制定出MPEG-1,MPEG-2和MPEG-4等null 不同应用目的的标准，MPEG-7则正在起草中。这些以该小组缩写称呼的名称，都是非正式的习惯称呼。 1、MPEG-1压缩标准 MPEG-1就是国际标准ISO 11172，批准于1992年，用于以大约1.5Mbit/s的比特率对数字存储媒体（光盘，硬盘等）的活动图像及其伴音的压缩编码。采用30帧的CIF图像格式，总体视频质量在1.2Mbit/s时与家用录像机相当。 MPEG-1主要应用是：使压缩后的视频信号适于存储在CD-ROM光盘上（650MB存储约72min的视频信号）；同时适于在窄带信道（如ISDN）、局域网（LAN）、广域网（WAN）中传输。MPEG-1标准的出现极大地推动了VCD以及影视节目存储的应用与发展。null 2、MPEG-2压缩标准 MPEG-2即国际标准ISO 13818，主要用于对符合CCIR601广播质量的数字电视和高清晰度电视的压缩编码。 由于MPEG-1的图像质量达不到电视质量，例如CCIR601的要求，以及不能处理隔行扫描等问题，所以其应用受到很大的限制。因此，在MPEG-1标准的基础上，ISO和ITU-T又联合制定了MPEG-2标准。 3、MPEG-4压缩标准 MPEG-4的国际标准编号为ISO 14496，其主要目的是为数字电视，交互式图形和多媒体的综合性生产，发行及内容访问提供标准的技术 单元 初级会计实务单元训练题天津单元检测卷六年级下册数学单元教学设计框架单元教学设计的基本步骤主题单元教学设计 ，包括基于对象的低比特率压缩编码。 MPEG-4采用基于对象的视频编码方法，它不仅可以实现对视频图像的高效压缩，还可以提供基于内容的交互功能。 null 4、MPEG-7压缩标准 在多媒体应用中，对日趋庞大的图像﹑声音信息的管理和检索变得越来越重要，为了解决这个问题，MPEG专家组于1996年6月开始草拟图像编码新标准，该新标准称为“多媒体内容描述接口（Multimedia Content Description Interface）”，简称MPEG-7。MPEG-7力求能够快速且有效的搜索出用户所需的不同类型的多媒体材料。MPEG-7初见成效是在1998年10月，2001年2月形成MPEG委员会最终草案，2001年底形成国际标准。 MPEG-7的一些应用举例如下： ·数字图书馆（图像目录﹑音乐字典等）； ·多媒体名录服务（如网页）； ·广播媒体选择（无线电信道﹑TV信道等）； ·多媒体编辑（个人电子新闻业务﹑媒体写作）。 null 6.4.3 多媒体会议标准 1 H.261建议 H.261建议是一个用于视频会议的压缩标准，也是一个最早的视频压缩标准。该标准由国际电报电话咨询委员会（International Telegraph and Telephone Consultative Committee，旧简称为：CCITT，新简称为ITU-T）于1900年提出，其码率为P×64Kbit/s，正好是ISDN一路信道的容量。H.261不仅包括双向预测编码，另外，运动估计也只精确到整像素。 2 H.263建议 H.263建议是一个用于可视电话的压缩标准。近年来，视觉通信越来越为大众所需，为了实现这个目标，就需要把视觉图像序列压缩到非常低的码率，如null 9.6Kbit/s，使之能在公共交换电话网（Public Switch Telephone Networks，PSTN）或移动信道上传输。为此，一系列的标准相继出台，而H.263建议是第一个甚低比特率视频压缩标准，能够在9.6Kbit/s的窄带信道上传送视音频信息。