臺灣博碩士論文加值系統

摘要
近年來由於科技的發達以及網際網路的盛行，影像資料已被廣泛的應用在網路上面，而影像壓縮不但可以節省影像資料佔用記憶體的空間，並且可以加速其傳輸時間，因此影像縮技術目前廣泛被使用於醫學、手機、資料傳輸、多媒體影音、網際網路等，可以說是目前非常熱門的研究課題。

影像壓縮基本上可以分為有失真及無失真兩種，失真壓縮會利用影像容許失真的特性來提高影像的資料的壓縮率，無失真壓縮則會確保影像資料的完整性及正確性，兩者各有優缺點。

在本篇論文中，我們主要是針對無失真的影像壓縮技術，先將原始影像轉成256色的GIF格式，然後再建立一個索引矩陣，矩陣中元素是由原色RGB資訊對應所組成，利用索引矩陣排序法並配合編碼簿，並且配合不同演算法，如LZW、CALIC、JPEG2000、JPEG-LS來比較壓縮的效果。

Abstract

In recent years the network is rapidly grown, and images are extensively transmittal through the internet. To reduce transmission time and storage space, these image data are compressed. Data compression has been used for many applications like Medical、Cellular phone、Data transmission、Multimedia、The internet and so on, So data compression technology is the most important topic to research.

Data compression can be divided into two broad classes : lossless compression and lossy compression . Lossless compression gives involves no loss of information. Lossy compression gives some loss of information. Data compressed using lossy techniques generally cannot be recovered or reconstructed exactly.

In this paper, we will investigate lossless compression techniques to compress the color images of GIF files. First we quantize a full color images into the one of 256 colors, then varies kinds of compression techniques of index matrix sort, combination different algorithms, like LZW, CALIC, JPEG2000, JPEG-LS to compare with compressed effect.

目錄
第一章 前言 1
1.1 背景 1
1.2 研究動機 2
1.3 論文架構 3
第二章 資料壓縮種類4
2.1無失真壓縮法 4
2.1.1 謝那-費農編碼(Shannon-Fano coding) 5
2.1.2 霍夫曼編碼(Huffman coding) 5
2.1.3 算術編碼(Arithmetic coding) 6
2.1.4 藍波- 立夫- 衛曲編碼(LZW coding) 6
2.2失真壓縮法 8
2.2.1 預測編碼(Prediction coding) 8
2.2.2 誤差訊號編碼(DPCM) 9
2.2.3 轉換編碼(Transform coding) 9
2.2.4 小波編碼(Wavelet coding） 10
2.3 常見影像壓縮格式 10
2.3.1 PCX 10
2.3.2 TGA 11
2.3.3 TIFF 12
2.3.4 GIF 12
2.3.5 JPEG 13
2.3.6 向量化(VQ) 14
2.3.7 JPEG2000 15
2.3.8 JPEG-LS 16
2.3.9 CALIC 17
2.3.10可攜式網路圖形(PNG) 18
第三章 實驗 20
3.1 索引化資訊 20
3.2 Y值排序 22
3.3 差值編碼 24
3.4 實驗結果 25
3.4.1 不同屬性圖檔的測試 25
3.4.2 對Y值未經排序的GIF圖檔做壓縮比較 26
第四章 結論 30
參考文獻 32

參考文獻

[1]戴顯權，資料壓縮。台灣：松崗電腦圖書公司，2002年。
[2]施威銘研究室，PC影像處理技術<一>圖檔壓縮續篇。台灣：旗標出版社，1992年。
[3]施威銘研究室，PC影像處理技術<二>圖檔壓縮續篇。台灣：旗標出版社，1992年。
[4]張維谷工作室：影像寶檔(上)WINDOWS 實作。台灣：旗標出版社，1991年。
[5]張維谷工作室：影像寶檔(下)WINDOWS 實作。台灣：旗標出版社，1991年。
[6]張真誠與蔡文輝，資料壓縮原理與實務。台灣：松崗電腦圖書公司，1994年。
[7] Fisher,Y., Fractal Image Compression─Theory and Application. New York: Verlag, 1994.
[8] T. Berger, Rate Distortion Theory, Prentice-Hall, Engelwood Cliffs, NJ, 1971.
[9] Y. Fisher, Ed., Fractal Image Compression: Theory and Application, Berlin, Germany: Springer-Verlag, 1995.
[10] T. C. Bell, J. G. Cleary and I. H. Witten, Text Compression, Prentice Hall, Englewood Cliffs, NJ., 1990.
[11] Barnsley, M. F. and Sloan, A. D., A Better Way To Compress Images. Artech House November 1999.
[12] J. W. Woods, Subband Image Coding, Kluwer Academic Publishers, London, 1991.
[13] A. N. Akansu and R. A. Haddad, Multiresolution Signal Decomposition, Academic Press Inc., CA, 1992.
[14] ISO/IEC IS 14495, Information Technology Lossless and Near-lossless Compression of Continuous-tone still Images: Baseline, 2000(JEPG-LS).
[15] ISO/IEC FCD 155444-1, Information Technology JEPG2000 Images Coding System, Baseline, 2000(JEPG2000 Part I).
[16] R. M. Fano, The Transmission of Information, Tech. Rep. No. 65, M. I. T., Res. Lab. Of Electrovics, 1949.
[17] W. Pennebaker, “JEPG Technical Specification, Revision 8,” Working Document, No. JEPG-8-R8, November 1999 pp. 115-123.
[18] G. G. Langdon, “An Introduction to Arithmetic Coding,” IBM J Res. Vol.399, September 1985 pp. 135-149.
[19] C. Mulcahy, “Plotting and Scheming with Wavelets,” Mathematics Magazine, May 1996 pp. 323-343.
[20] G. K. Wallace, “The JEPG Still Picture Compression Standard,” Comm. of the ACM, April 1991 pp. 31-44.
[21] X. Wu and N. D. Memon, “CALIC-A Context Based Adaptive Lossless Image Coding Scheme,” IEEE Transactions on Communications, Vol. 45, May 1996, pp. 437-444.
[22] Daniel P. Huttenlocher, Gregory A. Klanderman, and William J. Rucklidge, “Comparing Images Using the Hausdorff Distance,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 15, No. 9, September 1993, pp. 850-863.