假設資源為 memoryless的情況下，資訊理論的熵值(Entropy)觀念，已經被證明是無
失真資料壓縮(Data Compaction)的極限。而傳統最佳的two-pass霍夫曼碼 (HC)，雖
然壓縮效能很接近熵值的理論極限；但其缺點主要有二
(1)必須預先知道資料源信號的機率分佈不切實際。
(2)必須有side information的存在，才能正確解碼。
針對一般資料源大都是 dependent，本論文提出“區域熵值理論：“信號時序經分割
後，子區塊平均的區域熵值必小於于等原區塊的整體熵值。故一“最侍”的編碼器應
該對各個信號樣本獨立編碼。欲實現此編碼方法，二維影像先被分解成一維的信號序
列後，我們並以一道M相關視窗(M-correlated Window)，在one-pass的動態霍夫曼碼
(Dynamic Huffman Coding)上運作，稱之M相關動態霍夫曼編碼 (MDHC)。以標準影像
為測試樣本。如果直接壓縮影像的RGB成分，MDHC如預期地比Entropy的壓縮率還好(1
0%)；而編碼經過decorrelation前處理得到的預測誤差DPCM,MDHC亦能優於Entropy者
(1.2%)。full-color影像的lossless壓縮比平均約為2:1。
RGB各8bits/pixel的full-color影像，顯然超出人眼辨別顏色的極限太多。故本論文
第二部分提出一個利用Weber's law的非線性量化方法，符合視覺特性地降低 RGB明
暗等級的數目。且根據人眼對RGB具有不同敏感程度的特性，當RGB明暗等級的數目為
32,36,26時，觀察者必須累積仔細比對輸出的color-reduced影像的經驗，才能發smo
oth區域會有一點點的色彩失真。此時color-reduced影像的lossless壓縮比平均提長
到4:1。（或許這樣的color-reduced影像可能不適合作儀器分析與強調）
根據7張標準影像實驗結果，MDHC具有以下的優點：
(1)因為 MDHC能夠one-pass處理，故不須預先知道資料源信號的機率分佈，符合實際
需要。
(2)解碼器不需要依賴side information，就能正確地資料還原。
(3)實驗結果支持相關性的考慮，MDHC確實比 HC具有更好的壓縮率（即使資料源經過
decorrelation前處理）。
本論文未來需要瑞研究與改進之處，有
(1) MDHC編碼器：如何適應性調整Ｍ相關視窗的大小，或進一步將垂直相關性加進視
窗中。
(2)Weber's Law非線性量化方法：如何以更精確的方式來表示 Weber's ratio，期
能再提升Color-reduced影像的品質。