图2 视频图像的编码框图
,
其中小波函数。
由于计算机处理的是离散信号,根据多分辨率分析,得到离散小波变换(DWT):
其中h(l)是g(l)是对应的低、高通滤波器,由它们唯一地确定小波函数。考虑到边界扩展及线性相位等原因,本文采用双正交小波滤波器组。
由于图像信号是二维信号,因此需要先在行、列上分别对其进行一维小波变换。经过一维变换后,图像分解成一个低频子带(LL)和三个高频子带。再对低频子带按相同的方法进一步进行小波变换,得到图像的高阶小波变换。如图1(a)所示为三阶变换的结果。图像经过变换后,对各个子带的变换系数采取合适的量化编码,再经过熵编码,最终得到压缩后的比特流。其工作流程如图1(b)所示。
客观地说,小波变换本身并不具备图像压缩功能,它只能使图像的数据重新分布,使其具有某些统计特性,从而有利于数据的重组和建模。图像的小波变换主要有时~频局部化、能量聚集性、重要系数的聚集性、子带之间的相似性、子带之间小波系数的幅度衰减性等一些统计特性。小波变换压缩编码的本质就是利用小波滤波器对图像数据进行子带分析,消除图像时域空间的冗余。小波分解后的图像能量主要集中在相对较低的子带中,可以结合人眼的视觉特性,在保证图像“视觉质量”的前提下,实现较高的压缩比。
视频图像的小波压缩编码
视频图像的压缩编码实际上是在静态图象编码的基础上,增加帧间图像的内插和运动补偿技术,由此来消除图象之间的时间相关性,从而实现高倍率的压缩目的。再对已消除时间相关性之后的每帧图像进行静态图像的压缩编码。如图2所示。
首先将要编码的图像分成16*16的宏块,对于每一个宏块,依照某指定的准则,在其参考图像中搜索与其最匹配(最相近)的块。如果搜索到的块满足条件,则作为当前编码宏块的运动补偿块。将它们相减,得到的结果称为帧间编码块,并将其放在残差图像的相应位置。如最终没有找到相近的块,则认为当前块属于帧内编码块,将其直接放置在残差图象的相应位置。如图3所示。