基于APIDCT和自适应霍夫曼编码的静态图像压缩算法

自适应Huffiman编码算法在压缩或传送图像时需要传送码表，不适用于实际应用。[3]1.3目前存在的主要问题PEG标准主要面对静止图像，是常用的图像压缩格式之一，压缩时使用离散余弦变换(DCT)作为向频域变换的手段。图像经过DCT变化后，高频分量所含的能量少，低频分量所含的能量高，故需对低频分量细量化，可对高频分量粗量化。DCT需要有复杂的量化表进行量化，量化表要占用存储空间来存储：改变压缩率的计算复杂，硬件实现较为繁琐。而APIDCT的量化表有了很大的简化，可以用一个固定值来进行量化。且重建图像的质量也不会有所降低。熵编码部分，静态哈夫曼方法虽然简单易懂，但需要两遍扫描原始数据，在第一遍扫描时得到符号在数据中的概率值，并用概率值构造哈夫曼树：第二遍扫描时通过已构建的哈夫曼树对字符进行编码，并存储编码信息供解压时使用。静态霍夫曼编码用于网络通信时，其二次扫描和传送霍夫曼树的行为会引起较大的延时：用于文件压缩和数据传输时，需要访问磁盘空间，这种做法会降低算法的数据压缩速度。而自适应霍夫曼编码无需二次扫描来确定各字符出现的概率。1.4本文内容和组织结构本文在传统JPEG算法的基础上，将DCT变换替换为APIDCT变换（下称APIDCT-JPEG),并使用了自适应霍夫曼算法作为编码算法。本文分为七章，各章的主要内容如下：第一章对本课题的研究背景及意义、研究现状、存在的问题及全文逻辑作了介绍。第二章描述了APIDCT-JPEG图像编解码的基本信息，介绍了APIDCT-JPEG编解码的基本框架和基本概念。第三章介绍压缩数据格式，并对用到的标记予以具体说明。第四章介绍了自适应Huffman编解码的相关流程。第五章介绍了算法由局部到系统的编解码控制流程，。第六章基于前人所做的工作基础，实现了一个APIDCT-PEG图像压缩程序，通过系统性能评测的实验分析并与传统PEG的对比，证明该程序具有很好的实用性。第七章为总结与展望。对本论文进行的工作进行了总结，并对图像压缩未来的发展提出了自己的见解。