图像压缩算法
图像压缩简介
小波变换的一般模型
典型的方法: EZW, SPIHT, EBCOT
图像边界处理
图像小波分解是将图像数据与滤波器系数进行线性卷积运算，使滤波器的输出样点数大于输入的样点性卷积运算，使滤波器的输出样点数大于输入的样点数；但从子带压缩编码的效率看，是希望各子图信号的样点数总数不大于原始图像信号的样点数，且子图信号应能完全重构其原始信号信号应能完全重构其原始信号。常用的方法是对信号常用的方法是对信号进行边界延拓。
小波图像编码
不同分辨率子带之间数据的相关性.
小波系数的零树特性
对于给定的阈值T，若小波系数x满足|x|<=T，则称x关于T是不重要的
系数。
实验统计表明，若一个小波系数关于T是不重要的，则它的所有子孙
系数关于T是不重要系数的概率在98%以上[该结论仅供参考]
小波零树编码
1992，Lewis and Knowles 利用小波树中各级子带系数之间的相似性，最早提出了小波零树编码算法。该算法将量化后系数为零的系数的子孙系数都指定为零。
嵌入式零树算法
基本概念：重要系数，不重要系数(相对某个阈值) P N T Z（2比特标识符）
扫描顺序：从低精度到高精度
初始系数表
编码过程
选择阈值
每一次阈值除二
主扫描
每轮扫描后，将P N，输出为0，Z T暂时不变
辅扫描
对正，负系数的幅值进行编码
输出编码信息
包括两类，一类是本轮完成的信息，一类是下次扫描的信息，即将上一轮P N置0后得到的新的系数表与上一轮的阈值的一半，进行处理。
新一轮，如图
之后得到输出结果
EZW编码与位平面的关系
接下来是解码
