【摘要】：多媒体数据压缩方法根据不同的依据可产生不同的分类。无损失压缩又称冗余压缩法或熵编码。有损失压缩又称熵压缩法，是指在压缩过程中减少了数据中包含的数据量，也就是说有一定的失真，因而在解压缩后恢复的数据与原先的不完全一致。然而，正是由于减少了数据量，有失真的压缩才能获得较高的压缩比。具体应用时常采用多种压缩算法的混合，如用于音频压缩的矢量量化和激励线性预测，用于静态图像压缩的JPEG、动态图像的MEPG等。
多媒体数据压缩方法根据不同的依据可产生不同的分类。第一种，按照其作用域在空间域或频率域上分为空间方法、变换方法和混合方法；第二种，根据是否自适应分为自适应性编码和非自适应性编码；第三种，根据质量有无损失可分为有损失编码和无损失编码。
无损失压缩又称冗余压缩法或熵编码。算法的出发点是去掉或减少数据中的冗余（相关性），压缩过程中不能破坏数据中所包括的信息，也就是没有任何损失，解压缩后的数据必须与原先的一样，无损失压缩主要用于文本和数据压缩。
有损失压缩又称熵压缩法，是指在压缩过程中减少了数据中包含的数据量，也就是说有一定的失真，因而在解压缩后恢复的数据与原先的不完全一致。然而，正是由于减少了数据量，有失真的压缩才能获得较高的压缩比。只要这些失真在一定的允许范围内，该压缩算法就是可以接受的，比如对图像和声音的压缩。
典型的无损失压缩算法有 Huffman 编码、Fano-Shannon 编码、算术编码、流程编码、Lempel-Zev编码等。典型的有损失压缩算法有模型编码、矢量量化、子带编码、变换编码、小波编码等。具体应用时常采用多种压缩算法的混合，如用于音频压缩的矢量量化和激励线性预测（VSELP），用于静态图像压缩的JPEG、动态图像的MEPG等。
有关数据压缩的分类，请参见图4.1。
图4.1 数据压缩技术的分类
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
