画像データ圧縮の用語

ネットワーク

予測符号化

静止画の隣接する点や動画の連続するフレームの差分を符号化することで、データ量を削減する手法です。データ量の削減が可能なのは、隣接点が類似した値であることが多いためです。
なお、隣接点の差分のことを予測誤差と呼びます。
以下、予測符号化の例です。

  • ADPCM(Adaptive Differential Pulse Code Modulation: 適応差分PCM)

動き補償予測

予測符号化の一種で、動画の連続するフレームの差分を符号化することで、データ量を削減する手法です。

変換符号化

隣接する画像をまとめて変換*1してエントロピを減少させることで、データ量を削減する手法です。
以下、変換符号化の例です。

  • DCT(Discrete Cosine Transform: 離散コサイン変換)
  • ウェーブレット変換

エントロピ符号化

エントロピの低い(頻繁に出現する)情報に短い符号を、エントロピの高い(まれにしか出現しない)情報に長い符号を割り当てることで、データ量を削減する手法です。コンパクト符号化の一種です。
以下、エントロピ符号化の例です。

  • ハフマン符号

エントロピ(情報量)

ある出来事がどれだけの情報を持っているかの尺度です。
その出来事がまれにしか起きない場合、エントロピは高くななります。一方、その出来事が頻繁に起きる場合、エントロピは低くなります。

不可逆符号化

情報を落とすことで、データ量を減らす手法です。落とした情報は復元できません。
人間の知覚が敏感でない情報を落とすことで、復元時に違和感を感じさせないような工夫をしています。

ランレングス符号化

連続する同一の値の列を、連続する(run)長さ(length)を表す数字に置き換えることで、データ量を削減する手法です。

*1:何のこっちゃ？