Video Compression Concept 1

整理一下我對壓縮的理解

• 生物特性：color space的轉換可以將RGB三原色換成色差表示法，色差的部分可以用較低的解析度，因為人眼對色差的感應比對亮度的感應差。
• entropy coding:其概念為，比較高機率的資訊，用比較少的位元數表示，如此一來，就可減少整體的資料量。
• quantization:其概念為，將一群的資料用同一個值表示，也就是資料量雖然消失了，可是因為同一群的資料都很接近，因此可以用同一值表示。
• Difference coding:資料與資料之間都有些共同的地方，把共同的地方與相異的地方分開了之後，就可以針對不同點作coding,而相同點的資料就可以省下來。
• look up table:如果要還原資料的時候，我們可以用查表的方式，把資料還原，只要還原端有壓縮端的訊息即可。
• Motion Compensation:原則上與difference coding慨念相同，只要找出不同時間點畫面上相同的部分，就可以省去相同部分的資料量。
• 1/4 pixel motion estimation:只要精確度提高當然表現也會比較好。
• Transform:如DCT或wavelet，其概念在於可以把資料轉換到不同的基底上，人眼對高頻之訊號較不敏感，因此轉換之後高頻的部分可以用quantization減少資料量。
• Deblocking Filter：以motion compensation所產生的影像，會有人工的不自然block boundary，如果去掉的話，可減少許多資料量。
• intra-coding：鄰近的像素可能都很接近，因此可以利用difference coding減少資料量。
• Mode Selection：使用不同方法作壓縮效果可能都不一樣，因此選擇表現最好的方式可減少資料量。
• Integer Transform：整數的表示法可以防止資料精確度造成的問題，精確度產生的問題會有error propergation。
• 物理世界的知識：與Motion compensation一樣，如果我們知道真實世界物體移動造成畫面不一樣，我們可以用此觀念開發演算法，如果畫面會放大縮小其實就可以多一個Mode可選。
• Pattern Recognition：有點類似quantization，只是多了更多的prior knowledge。
• Prior Knowledge：已知的資料可在解壓縮端得到，當然如果加上統計與資訊的資料就可以把Prior Knowledge的量減少。