2. Mã hoá Huffman
3.3.4.4. Mã hoá dự đoán không tổn hao
Bây giờ chúng ta quay lại với một phương pháp nén mà nó không yêu cầu việc phân tích một ảnh thành một loạt các mặt phẳng bit. Với cách này quy chung lại là mã hoá dựđoán không tổn hao, được dựa trên cơ sở sự rút gọn đa điểm dư thừa của các điểm trong không gian gần nhau bằng cách rút ra và mã hoá chỉ với các thông tin mới trong mỗi điểm ảnh. Thông tin mới của một điểm ảnh mô tả sự khác nhau giữa các giá trị dự đoán và thực tế của điểm ảnh đó.
Hình 3.44 chỉ ra các thành phần cơ bản của một hệ thống mã hoá dựđoán không tổn hao. Hệ thống này bao gồm một bộ mã hoá và một bộ giải mã, mỗi khối chứa một bộ
dự đoán đồng nhất. Với mỗi điểm ảnh lần lượt của ảnh đầu vào, biểu thị bằng , được
đưa vào trước tiên trong bộ mã hoá, bộ dựđoán tạo ra một giá trị dựđoán trước của điểm
99
Đầu ra của bộ dự đoán sau đó được làm tròn thành giá trị nguyên gần nhất, biểu thị bởi , và được sử dụng để tạo ra sự khác biệt hoặc lỗi dựđoán.
(3.42)
Hình 3.44: Mã hoá dựđoán không tổn hao: (a) Bộ mã hoá (b) Bộ giải mã
Sự khác biệt được mã hoá sử dụng mã hoá loạt dài thay đổi (bằng bộ mã hoá biểu tượng) để tạo ra thành phần tiếp theo của dòng dữ liệu đã nén. Bộ giải mã trong hình 3.44 (b) tái tạo từ các từ mã loạt dài thay đổi nhận được và thực hiện quá trình đảo:
(3.43)
Các phương pháp thích hợp khác nhau giữa các miền hoặc toàn cầu (xem 3.3.5.1) có thểđược sử dụng để tạo ra . Tuy nhiên, trong hầu hết các trường hợp, bộ dự đoán
được cấu tạo bởi sự kết hợp tuyến tính của điểm ảnh trước đó:
(3.44)
là bậc của bộ dựđoán tuyến tính, là một hàm số sử dụng để biểu thị quá trình làm tròn tới giá trị nguyên gần nhất, với là các hệ số dự đoán. Trong vạch quét của quá trình quét, chỉ số mô tả các đầu ra dự đoán phù hợp với khoảng thời gian mà nó xảy ra. Có nghĩa là , và trong biểu thức (3.42) tới (3.44) có thể được thay thế bởi các ký hiệu rõ ràng hơn và với biểu thị khoảng thời gian. Trong các trường hợp khác, được sử dụng như một chú dẫn trong toạ độ
không gian và/hoặc khung số( trong chuỗi thời gian của ảnh) của một ảnh. Trong mã hoá dựđoán tuyến tính 1-D, ví dụ, biểu thức (3.44) có thể viết thành: Ảnh đã được nén Giải mã ký hiệu + ∑ _ Ảnh đã giải nén Bộ dự đoán en fn f^n Ảnh đầu vào + ∑ _ Mã hoá ký hiệu Ảnh đã được nén Bộ dự đoán Làm tròn với số nguyên gầnnhất
100
(3.45)
Với mỗi ký hiệu thay đổi bây giờ được biểu diễn rõ ràng như một hàm số của toạ độ không gian và y. Chú ý rằng biểu thức (3.45) chỉ ra dự đoán tuyến tính 1-D
là hàm số của các điểm ảnh trước trên dòng đơn hiện tại. Trong mã hoá dự đoán 2-D, dựđoán là một hàm số của các điểm ảnh trước trong dòng quét từ trái qua phải, từ
trên xuống dưới của một ảnh. Với 3-D, cơ bản là các điểm ảnh này và các điểm ảnh trước của khung trước. Biểu thức (3.45) không thể tạo ra giá trị cho điểm ảnh đầu tiên của mỗi dòng, những điểm ảnh này phải được mã hoá sử dụng điều kiện khác (như bảng mã Huffman chẳng hạn) và coi như một sự vượt quá của quá trình mã hoá dựđoán. Một chú giải tương tựứng dụng cho các trường hợp có kích cỡ lớn hơn.