数字图像处理-学习笔记-图像压缩

6.11 图像压缩

图像压缩基础知识

首先

数据 \(\neq\) 信息

数据是信息的载体。

当我们打电话时，电话对面的人和你交流，我们通过电话传输的是电波，是数据，而对面听到的是你说的话，属于信息。

图像压缩就是对数据进行压缩。

图像压缩很有必要

可行性

改变图像的描述方式可以变更存储空间。

比如我们可以对原来8个红色的像素表示成8 * R，也就是说，原来我们要用八个格子装红色像素的数据，现在只要两个格子。

上面的例子也就是我们所说的：

图像像素存在着大量冗余。

当然图像视觉感知也存在冗余——也就是我们人眼对于微小的颜色变化是没有感知的，可以把他们用刚刚的方法缩小存储空间。

人眼会忽略微小差距

6.12 冗余分析

冗余分类

空间冗余
时间冗余
统计冗余
视觉心理冗余

对于空间冗余

相邻像素之间存在相关性
相应帧之间相关性也很大
- 去除冗余的方法：预测、变换

对于统计冗余

信息熵
信息量
熵是平均信息量
信息量公式：\(I(x_n)=-log_i(P_n)\)
如果以2为底，单位是：比特
如果以\(e\)为底，单位是：奈特
如果以\(10\)为底，单位是哈特
信息量怎么解释：
- 你出现的概率越小，你越不寻常，信息量也就更大；
- 你出现的概率越大，你越平凡寻常，信息量也就越小。
等概率的熵最大
- 但是我们图片的信息熵不是等概率分布的
- 所以可以采用一些方法来减少视觉系统的冗余
  - 量化（IGS）

编码方式

原始图像->去相关–>量化–>熵编码

解码–>>熵解码–>>解相关

去相关技术

基于预测
基于矢量量化
基于变换
基于子带变换

信息熵编码/统计编码：

利用图像灰度分布统计特性

均匀的特点，采用不等字长进行编码。

图像压缩的分类

无损压缩-可逆
有损压缩-不可逆

常见的图片格式：

\1. JPEG (或 JPG)：广泛用于照片和网页图像，支持有损压缩，可以减小文件大小。

\2. PNG：支持透明背景，无损压缩，常用于网页设计和图标。

\3. GIF ：支持动画和透明背景，但颜色限制较多（最多256色），常用于简单动画和图标。

\4. BMP：位图格式，通常不进行压缩，因此文件较大，常用于Windows操作系统。

\5. TIFF：主要用于专业图像存储，支持无损压缩和多种颜色深度，常用于印刷行业。

\6. RAW：相机原始数据格式，未经处理的图像文件，保留了拍摄时的全部信息，适合后期编辑。

\7. SVG ：矢量图像格式，适合图形设计，可以无限放大而不失真。

\8. WebP：由Google开发，旨在提供比JPEG更好的压缩，支持有损和无损压缩，以及动画和透明度。

实验

用python进行实验

代码

# 导入库
import numpy as np
import cv2
from matplotlib import pyplot as plt

# 读取图像
image = cv2.imread('1.1.jpg')
scale_factor = 0.5  # 缩小比例，根据需要调整
image = cv2.resize(image, None, fx=scale_factor, fy=scale_factor)

# 保存图片为test1.jpg有损压缩
cv2.imwrite('test1.jpg',image)

# 读取test1.jpg文件
image1 = cv2.imread('test1.jpg')

# 想减查看原图和读取的图片的差别
sub = image1-image

# 输出图片效果
cv2.imshow("resized_image", image)
cv2.imshow("image1", image1)
cv2.imshow("sub", sub)

cv2.waitKey()
cv2.destroyAllWindows()