基于JPG标准的图像压缩算法代码论文|图形图像|免费论文
游程编码
游程编码又称“运行长度编码”或“行程编码”，是一种统计编码，该编码属于无损压缩编码。对于二值图有效。
行程编码的基本原理是：用一个符号值或串长代替具有相同值的连续符号（连续符号构成了一段连续的“行程”。行程编码因此而得名），使符号长度少于原始数据的长度。 例如：5555557777733322221111111 行程编码为：（5，6）（7，5）（3，3）（2，4）（l，7）。可见，行程编码的位数远远少于原始字符串的位数。
在对图像数据进行编码时，沿一定方向排列的具有相同灰度值的像素可看成是连续符号，用字符串代替这些连续符号，可大幅度减少数据量。
行程编码分为定长行程编码和不定长行程编码两种类型。
行程编码是连续精确的编码，在传输过程中，如果其中一位符号发生错误，即可影响整个编码序列，使行程编码无法还原回原始数据。
2.6 哈夫曼编码
哈夫曼(Huffman)编码是一种常用的压缩编码方法，是Huffman于1952年为压缩文本文件建立的。它的基本原理是频繁使用的数据用较短的代码代替，较少使用的数据用较长的代码代替，每个数据的代码各不相同。这些代码都是二进制码，且码的长度是可变的。举个例子：假设一个文件中出现了8种符号S0，S1，S2，S3，S4，S5，S6，S7，那么每种符号要编码，至少需要3比特。假设编码成000，001，010，011，100，101，110，111(称做码字)。那么符号序列S0S1S7S0S1S6S2S2S3S4S5S0S0S1编码后变成000001111000001110010010011100101000000001，共享了42比特。我们发现S0，S1，S2这三个符号出现的频率比较大，其它符号出现的频率比较小，如果我们采用一种编码方案使得S0，S1，S2的码字短，其它符号的码字长，这样就能够减少占用的比特数。例如，我们采用这样的编码方案：S0到S7的码字分别01，11，101，0000，0001，0010，0011，100，那么上述符号序列变成011110001110011101101000000010010010111，共享了39比特，尽管有些码字如S3，S4，S5，S6变长了(由3位变成4位)，但使用频繁的几个码字如S0，S1变短了，所以实现了压缩。
上述的编码是如何得到的呢？随意乱写是不行的。编码必须保证不能出现一个码字和另一个的前几位相同的情况，比如说，如果S0的码字为01，S2的码字为011，那么当序列中出现011时，你不知道是S0的码字后面跟了个1，还是完整的一个S2的码字。我们给出的编码能够保证这一点。
下面给出具体的Huffman编码算法。
(1) 首先统计出每个符号出现的频率，上例S0到S7的出现频率分别为4/14，3/14，2/14，1/14，1/14，1/14，1/14，1/14。
(2) 从左到右把上述频率按从小到大的顺序排列。
(3) 每一次选出最小的两个值，作为二叉树的两个叶子节点，将和作为它们的根节点，这两个叶子节点不再参与比较，新的根节点参与比较。
(4) 重复(3)，直到最后得到和为1的根节点。
将形成的二叉树的左节点标0，右节点标1。把从最上面的根节点到最下面的叶子节点途中遇到的0，1序列串起来，就得到了各个符号的编码。
上面的例子用Huffman编码的过程如图9。1所示，其中圆圈中的数字是新节点产生的顺序。可见，我们上面给出的编码就是这么得到的。
图2-1 Huffman编码的示意图
产生Huffman编码需要对原始数据扫描两遍。第一遍扫描要精确地统计出原始数据中，每个值出现的频率，第二遍是建立Huffman树并进行编码。由于需要建立二叉树并遍历二叉树生成编码，因此数据压缩和还原速度都较慢，但简单有效，因而得到广泛的应用。
2.7 系统开发理论流程
2.7.1 颜色转换及采样
(1)颜色转换：对BMP图像中的颜色数据进行由RGB一YCbCr的转换，Y表示亮度，Cb Cr分别表示蓝色度和红色度。转换公式：
Y=0.2990R+0.5870G+0.1140B
Cb=-0.1687R-0.3313G+0.5000B
Cr=0.5000R-0.4187G-0.0813B
这样转换以后就得到三个新的基色值，对这三个基色值来讲，都可以当作一个独立的图像平面来进行压缩编码。
(2)采样：颜色转换后，保留每一点的亮度值Y，而色度值Cb Cr则是每两点保留一点，在图像的行和列方向上都可执行颜色采样。如果采用的是1:1:1的采样比例，不用抽样。若采用的采样比是行列方向都是2:1:1，在行方向，每两点保留一点，列方向也是每两点保留一点，这样如果假设原来的CbCr矩阵大小为M*S，则经过2:1:1抽样之后成了M/2*s/2＝1/4M*S，只有原来的1/4了，图像大大缩小，如果想减小图像的失真度，则可行方向不抽样或列方向不抽样。
2.7.2 二文DCT变换
二文DCT变换公式为：
F（u，v）=
注：x,y代表图像数据矩阵中的某个数据值的坐标位置
f(x,y)指图像数据矩阵中该点的资料值
u,v指经过DCT变换后矩阵中的某数值点的坐标位置，在这里u=x,v=y
F(u,v)指经过DCT变换后该坐标点的资料值。
当u=0,v=0时，C(u)C(v)=1.414/2
当u>0,v>0时，C(u)C(v)=1,经过变换后的资料值F(u,v)称为频率系数(或称DFT系数)。
2.7.3 量化
量化过程实质上是把亮度数据Y和色度数据Cb/Cr由时域转变成频域（DCT变换）并滤除高频分量的过程，由于人眼对高频分量不敏感，所以可以滤除高频分量，经过量化以后的每一个8*8数据块中，左上角第一个元素数据值为直流分量，称为DC，其余63个资料为交流分量，称为AC。
2.7.4 游程编码，ZIGZAG扫描
经过量化后的DCT系数矩阵，除DC值一般不为零外，AC系数大多是在零点附近的浮点数。经过取整以后，每一个8*8块中，有大量的AC系数的值为0。为了把尽可能多的其值为0的AC系数串在一起，以利于AC编码及提高压缩比，还必须把YCbCr矩阵中的每一个8*8块中的64个元素进行“之”字形排序（这样就可以做到把尽可能多的0串在一起）。其过程示意图如下。
图2-2 量化后的系数按Z字型扫描
箭头方向表示“之”字形排序以后原8*8中元素的新的位置顺序。
2.7.5 哈夫曼编码
哈夫曼编码是一种一致性编码法（又称"熵编码法"），用于数据的无损耗压缩。它使用一张特殊的编码表将源字符（例如某文件中的一个符号）进行编码。编码表是根据每一个源字符出现的估算概率而建立起来的（出现概率高的字符使用较短的编码，反之出现概率低的则使用较长的编码，这便使编码之后的字符串的平均期望长度降低，从而达到无损压缩数据的目的）。
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >>
VC++基于JPG标准的图像压缩算法+代码+论文 第7页下载如图片无法显示或论文不完整，请联系qq752018766
