程序员必知:【转】矢量量化

简介: 程序员必知:【转】矢量量化

原文地址:

1 定义

标量量化:把每个像素的颜色用一个0到255之间的整数值表示。

矢量量化:把几个像素组成的像素块,用一个特定码书中的像素块来表示,码书中像素块的数目,一般远小于这些像素块所有可能颜色的组合。

在图像压缩中的矢量量化:

2 矢量量化的使用

如果一个2x2像素的小块,每像素有8位表示,则所有的像素块的可能取值有:232=4G种,可以选择一个远远小于这个数的数n,作为码书中码的个数,然后对图像中的每个块(矢量),用一个码书//代码效果参考:http://www.zidongmutanji.com/bxxx/406832.html

中的码来近似,这样只需用这个码的编号来编码这个图像矢量即可,因此每一个小块,最后都只需用log2n个位来表示,由此达到压缩的目的。

3 图像块与码书中码的匹配

图像块与码书中码的匹配

设图像块B=(b1, b2, …, bn)

码矢量:C=(c1, c2, …, cn)

图像块与码矢量的匹配程度,由它们之间的“距离”来度量,一般d(B, C)可取如下之一:

Σ|bi - ci|

Σ(bi – ci)2

Max|bi - ci|

d(B, C) 可以看成失真程度的一种度量(B用C表示时)

4.1

相关文章
|
9月前
|
SQL 开发框架 算法
【MFAC】基于偏格式动态线性化的无模型自适应控制
【MFAC】基于偏格式动态线性化的无模型自适应控制
|
9月前
|
机器学习/深度学习 自然语言处理 运维
深度探索变分自编码器:理论与应用代码之韵:探索编程艺术的无限可能
【5月更文挑战第31天】 在深度学习的众多架构中,变分自编码器(Variational Autoencoder, VAE)以其对数据生成和潜在空间建模的强大能力而脱颖而出。本文将深入探讨VAE的核心原理,包括其概率生成模型、变分推断以及重参数化技巧,并剖析其在多个领域的实际应用案例。通过细致的技术解析与实例演示,我们旨在为读者提供一个关于VAE的全面视角,同时探讨当前的研究动态及未来发展趋势。
|
9月前
|
数据可视化
R语言广义相加(加性)模型(GAMs)与光滑函数可视化
R语言广义相加(加性)模型(GAMs)与光滑函数可视化
|
9月前
R语言如何用潜类别混合效应模型(LCMM)分析抑郁症状
R语言如何用潜类别混合效应模型(LCMM)分析抑郁症状
|
计算机视觉
UniMatch项目原作解读:统一光流、立体匹配和深度估计三个任务
UniMatch项目原作解读:统一光流、立体匹配和深度估计三个任务
191 0
|
数据采集 自然语言处理 算法
广义学习矢量量化(GLVQ)分类算法介绍和代码实现
广义学习矢量量化(Generalized Learning Vector Quantization,GLVQ)是一种基于原型的分类算法,用于将输入数据分配到先前定义的类别中。
196 0
广义学习矢量量化(GLVQ)分类算法介绍和代码实现
|
机器学习/深度学习 数据可视化
仅需几天,简约神经网络更快地发现物理定律
仅需几天,简约神经网络更快地发现物理定律
141 0
|
机器学习/深度学习 人工智能 监控
【Pytorch神经网络理论篇】 35 GaitSet模型:步态识别思路+水平金字塔池化+三元损失
步态特征的距离匹配,对人在多拍摄角度、多行走条件下进行特征提取,得到基于个体的步态特征,再用该特征与其他个体进行比较,从而识别出该个体的具体身份。
572 0
|
机器学习/深度学习 算法
深度之眼(七)——矩阵的初等变换(附:数模一些模型的解释)
深度之眼(七)——矩阵的初等变换(附:数模一些模型的解释)
156 0
深度之眼(七)——矩阵的初等变换(附:数模一些模型的解释)
|
算法 图形学
计算机图形学——实验五 基本图形学算法及着色器初步编程
实验五 基本图形学算法及着色器初步编程 1、 理解基本图形元素光栅化的基本原理,理解直线裁剪算法的原理; 2、 掌握直线的光栅化算法:DDA和Bresenham算法; 3、 掌握直线裁剪算法:Cohen-Surtherland算法; 1、 编程实现DDA算法和Bresenham算法生成直线。 2、 实现Cohen-Surtherland直线裁剪算法,调试、编译、修改程序。 要求: 根据所给的直线光栅化的示范源程序,在计算机上编译运行,输出正确结果(示范代码有错误,指出并改正)。
361 0
计算机图形学——实验五 基本图形学算法及着色器初步编程