雖然EZW、SPIHT和SPECK算法提供了從無(wú)損到有損的編碼方法。編碼可以在任何地方截?cái)嗟玫揭粋€(gè)有損壓縮,也可以一直編碼直到一個(gè)準(zhǔn)無(wú)損的壓縮文件。在這里使用準(zhǔn)無(wú)損是因?yàn)檫@三種算法沒(méi)有考慮使用可逆的小波變換,即整數(shù)到整數(shù)的變換。這樣在小波變換中就引入了量化誤差。在一些場(chǎng)合要求實(shí)現(xiàn)從有損到無(wú)損的漸進(jìn)傳輸,如醫(yī)學(xué)圖象的傳輸?shù)取ａ槍?duì)這一要求, 可逆嵌入小波壓縮(CREW)強(qiáng)調(diào)了小波變換在漸進(jìn)圖象編碼中的重要性。

　　現(xiàn)在研究用于圖象編碼的可逆小波變換的越來(lái)越多，這些變換在有限算術(shù)精度意義上是可逆的，是把整數(shù)變換為整數(shù)，它們是從準(zhǔn)線性小波變換得來(lái)的。正是由于這些特性，這種小波變換非常適用于無(wú)損編碼、最小內(nèi)存占用、最小計(jì)算復(fù)雜性的壓縮系統(tǒng)中。另外，這些變換對(duì)漸進(jìn)從有損到無(wú)損的圖象恢復(fù)以及有損壓縮中感興趣區(qū)的無(wú)損恢復(fù)特別有利。

　　對(duì)無(wú)損壓縮，圖象內(nèi)容是一個(gè)影響變換效率的重要內(nèi)容。對(duì)光滑圖象，5/11-C，5/11-A及13/7-T變換最為有效，而5/3變換對(duì)含有大量高頻信息的圖象特別合適。

　　表1 圖象編碼常用的可逆的小波變換

　　顯然，沒(méi)有一種變換對(duì)所有圖象不但具有低的計(jì)算復(fù)雜性還有好的有損和無(wú)損壓縮性能。所以，使用時(shí)要根據(jù)具體情況加以選擇。例如，在需要低的計(jì)算復(fù)雜性時(shí)，5/3變換是合適的選擇，因?yàn)樗诰哂邢喈?dāng)好的無(wú)損有損壓縮性能同時(shí)具有低的計(jì)算復(fù)雜性[18]。

　　CREW是一個(gè)包含了有損和無(wú)損靜態(tài)圖象壓縮系統(tǒng)。它使用了一個(gè)最好小波濾波器的可逆近似。對(duì)小波系數(shù)的編碼使用了與EZW相似的Horizon方法,該方法利用了變換域中空間及頻率信息的基于內(nèi)容的編碼。它提供了最新的對(duì)醫(yī)學(xué)圖象的無(wú)損壓縮(深度大于8比特)的方法,也提供了在一個(gè)系統(tǒng)中對(duì)8比特深的圖象的從有損到無(wú)損的壓縮.

　　表1是一些常用的用于無(wú)損壓縮的小波濾波器，根據(jù)具體使用可以選擇。

　　5 結(jié)論:

　　由以上分析可見(jiàn),在嵌入式小波編碼的研究主要從以下三個(gè)方面進(jìn)行。一是對(duì)小波系數(shù)的合理組織。研究表明，在圖象的低比特率編碼中，用來(lái)表示非零系數(shù)所在位置的開(kāi)銷(xiāo)遠(yuǎn)遠(yuǎn)大于用來(lái)表示非零系數(shù)數(shù)值的開(kāi)銷(xiāo)[15]。因此，內(nèi)嵌算法中排序算法的優(yōu)劣和排序信息的處理決定了整個(gè)編碼算法的效率[14]。對(duì)這些系數(shù)進(jìn)行合理排序,就可以得到更高的壓縮比如SPIHT算法以及快的編碼速度如SPECK算法。以上三種編碼算法的根本區(qū)別在于對(duì)重要圖的排序方法，如何以快的排序速度和少的重要圖編碼來(lái)尋找重要圖是嵌入式編碼算法研究的一個(gè)主要研究方向。二是從對(duì)重要系數(shù)的量化方法上進(jìn)行研究，進(jìn)一步提高數(shù)據(jù)的壓縮率。三是從小波濾波器的構(gòu)造出發(fā),找出適合具體應(yīng)用的可逆小波變換,以實(shí)現(xiàn)圖象的從有損到無(wú)損的壓縮。