下载文档原格式
实验三图像编码一、实验内容:用Matlab语言、C语言或C++语言编制图像处理软件，对某幅图像进行时域和频域的编码压缩。
二、实验目的和意义:1. 掌握哈夫曼编码、香农-范诺编码、行程编码2．了解图像压缩国际标准三、实验原理与主要框架:3.1实验所用编程环境:Visual C++6.0（简称VC）3.2实验处理的对象:256色的BMP(BIT MAP )格式图像BMP(BIT MAP )位图的文件结构:(如图3.1)图3.1 位图的文件结构具体组成图:单色DIB 有2个表项16色DIB 有16个表项或更少 256色DIB 有256个表项或更少 真彩色DIB 没有调色板每个表项长度为4字节（32位） 像素按照每行每列的顺序排列每一行的字节数必须是4的整数倍biSize biWidth biHeight biPlanes biBitCount biCompression biSizeImagebiXPelsPerMeter biYPelsPerMeter biClrUsedbiClrImportantbfType=”BM ” bfSizebfReserved1 bfReserved2 bfOffBits BITMAPFILEHEADER位图文件头 （只用于BMP 文件）BITMAPINFOHEADER位图信息头Palette 调色板DIB Pixels DIB 图像数据3.3 数字图像基本概念数字图像是连续图像(,)f x y 的一种近似表示，通常用由采样点的值所组成的矩阵来表示：(0,0)(0,1)...(0,1)(1,0)(1,1)...(1,1).........(1,0)(1,1)...(1,1)f f f M f f f M f N f N f N M -⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥----⎣⎦每一个采样单元叫做一个像素(pixel )，上式(2.1)中，M 、N 分别为数字图像在横(行)、纵(列)方向上的像素总数。
基于感兴趣区域（ROI）图像的压缩编码研究的开题报告一、研究背景图像压缩编码技术在数字图像处理领域中，具有重要的应用价值。
随着数字图像应用的广泛开展，人们对高清晰度、高保真、低码率的图像压缩编码需求不断增强。
基于感兴趣区域（ROI）图像的压缩编码技术因其优异的压缩性能和易于人机交互的特点，近年来备受关注。
ROI图像是指图像中特定区域，如感兴趣的目标、重要的细节和边缘等，需要高保真度和高清晰度的部分。
基于感兴趣区域的图像压缩编码技术可以将ROI图像进行特殊的处理，保证其高保真度和高清晰度，同时压缩非ROI 图像以减小数据传输的容量，提高数据的传输速率和实时性。
二、研究内容本研究旨在基于感兴趣区域（ROI）图像的压缩编码技术，对数字图像压缩编码进行研究。
具体研究内容包括：1、ROI提取与分割算法研究根据图像的特点和需要，研究ROI提取和分割算法，设计出高效的算法对图像中的ROI进行提取，实现区域分割。
本研究以常见的分割算法为基础，结合ROI的特征和分析，研究基于感兴趣区域的图像分割算法，提高ROI图像的提取效率和准确性。
2、基于ROI的图像压缩编码算法研究结合ROI提取和分割算法，研究基于感兴趣区域的图像压缩编码算法。
本研究以JPEG算法为基础，针对ROI图像的特殊处理，研究ROI 编码策略和非ROI编码策略，实现对数字图像的有效压缩。
3、实验验证通过对比实验验证本研究的ROI压缩编码技术和传统图像压缩编码技术的压缩效果和编解码时间，评估研究成果的有效性和实用性。
本研究还将通过改进和优化ROI压缩编码技术，提高图像的压缩率和保真度。
三、研究意义本研究将深入探究基于感兴趣区域的图像压缩编码技术，针对数字图像处理领域中高清晰度、高保真度、低码率的需求，提出优秀的ROI图像压缩编码技术，为数字图像处理领域的发展做出贡献。
四、研究方法本研究采用实验研究和数据分析方法，设计基于感兴趣区域的图像压缩编码算法，实现对数字图像的有效压缩和处理。
数字图像处理中的图像压缩算法随着科技和计算机技术的不断发展，数字图像处理成为了一个非常重要的领域。
数字图像处理技术广泛应用于各个领域，如图像储存、通信、医疗、工业等等。
在大量的图像处理中，图像压缩算法是非常关键的一环。
本文将介绍一些数字图像处理中的图像压缩算法。
一、无损压缩算法1. RLE 算法RLE（Run Length Encoding）算法是常见的图像无损压缩算法之一，它的主要思想是将连续的像素值用一个计数器表示。
比如将连续的“aaaa”压缩成“a4”。
RLE 算法相对比较简单，适用于连续的重复像素值较多的图像，如文字图片等。
2. Huffman 编码算法Huffman 编码算法是一种将可变长编码应用于数据压缩的算法，主要用于图像无损压缩中。
它的主要思想是将频率较高的字符用较短的编码，频率较低的字符用较长的编码。
将编码表储存在压缩文件中，解压时按照编码表进行解码。
Huffman 编码算法是一种效率较高的无损压缩算法。
二、有损压缩算法1. JPEG 压缩算法JPEG（Joint Photographic Experts Group）压缩算法是一种在有损压缩中广泛应用的算法。
该算法主要是针对连续色块和变化缓慢的图像进行处理。
JPEG 压缩算法的主要思想是采用离散余弦变换（DCT）将图像分割成小块，然后对每个小块进行频率分析，去除一些高频信息，再进行量化，最后采用 Huffman 编码进行压缩。
2. MPEG 压缩算法MPEG（Moving Picture Experts Group）压缩算法是一种针对视频压缩的算法，它主要是对视频序列中不同帧之间的冗余信息进行压缩。
该算法采用了空间域和时间域的压缩技术，包括分块变换编码和运动补偿等方法。
在分块变换编码中，采用离散余弦变换或小波变换来对视频序列进行压缩，再通过运动估计和补偿等方法，去除冗余信息。
三、总结数字图像处理中的图像压缩算法有很多种，其中无损压缩算法和有损压缩算法各有特点。
图像处理中的数字图像压缩数字图像压缩在图像处理中扮演着重要的角色。
数字图像压缩可以将图像数据压缩成更小的文件大小，更方便存储和传输。
数字图像压缩分为有损和无损两种不同的技术，本文将详细讨论这两种数字图像压缩方法。
一、无损压缩无损压缩是数字图像压缩中最常用的技术之一。
无损压缩的优点是可以保持图片原始数据不被丢失。
这种方法适用于那些需要保持原始画质的图片，例如医学成像或者编程图像等。
无损压缩的主要压缩方法有两种：一种是基于预测的压缩，包括差异编码和改进变长编码。
另一种是基于统计的压缩，其中包括算术编码和霍夫曼编码。
差异编码是一种通过计算相邻像素之间的差异来达到压缩目的的方法。
它依赖于下一像素的值可以预测当前像素值的特性。
改进的变长编码是一种使用预定代码值来表示图像中频繁出现的值的压缩技术。
它使用变长的代码，使得频繁出现的值使用较短的代码，而不常用的值则使用较长的代码。
算术编码是一种基于统计的方法，可以将每个像素映射到一个不同的值范围中，并且将像素序列编码成一个单一的数值。
霍夫曼编码也是一种基于统计的压缩方法。
它通过短代码表示出现频率高的像素值，而使用长代码表示出现频率较低的像素值。
二、有损压缩有损压缩是另一种数字图像压缩技术。
有损压缩方法有一些潜在的缺点，因为它们主要取决于压缩率和压缩的精度。
在应用有损压缩技术之前，必须确定压缩强度，以确保压缩后的图像满足预期的需求。
有损压缩方法可以采用不同的算法来实现。
这些算法包括JPEG、MPEG和MP3等不同的格式。
JPEG是最常用的有损压缩算法，它在压缩时可以通过调整每个像素所占用的位数来减小图像的大小。
MPEG是用于压缩视频信号的一种压缩技术。
它可以将视频信号分成多个I帧、P帧和B帧。
I帧代表一个完整的图像，而P帧和B帧则包含更少的信息。
在以后的编码中，视频编码器使用压缩技术将视频序列压缩成较小的大小。
MP3是一种广泛使用的音频压缩技术，它使用了同样的技术，包括频域转换、量化和哈夫曼编码。
图像编码中的数据压缩技术介绍一、背景在数字时代，图像已经成为人们日常生活中不可或缺的一部分。
然而，随着图像数据的增多，存储和传输的需求也越来越大。
为了有效地处理这些图像数据，数据压缩技术应运而生。
二、数据压缩技术的意义数据压缩技术是将一幅图像中的冗余信息去除或者用更少的信息表示同样的内容，从而减小图像数据的存储和传输量。
通过数据压缩技术，不仅可以节省存储空间，还可以提高图像传输速度，降低传输带宽要求。
三、数据压缩的基本原理数据压缩大致可以分为有损压缩和无损压缩两种方法。
1. 无损压缩无损压缩技术是一种将图像数据压缩成更小的规模，但同时保持图像质量不受损的方法。
在无损压缩中，重要的是尽量减小图像数据的冗余度，以减少存储或传输所需的比特数。
最常用的无损压缩方法包括行程编码、霍夫曼编码和算术编码等。
2. 有损压缩有损压缩技术是一种在压缩图像数据时允许一定程度的图像质量损失的方法。
有损压缩方法通过削减图像数据中的冗余信息和不可见的细节来减小文件的大小。
最常用的有损压缩方法包括离散余弦变换和小波变换等。
四、经典的数据压缩算法1. JPEG压缩JPEG压缩是一种广泛应用于数字图像压缩的有损压缩算法。
它主要基于离散余弦变换（DCT）和量化的思想，通过对图像的频域表示进行量化和熵编码，实现对图像数据的压缩。
2. PNG压缩PNG压缩是一种广泛应用于无损图像压缩的算法。
它采用差分编码和行程编码的组合，通过对图像中连续相同像素值的区域进行编码和压缩，实现对图像数据的无损压缩。
五、新兴的数据压缩技术随着科技的发展，新兴的数据压缩技术也不断涌现。
1. 基于深度学习的数据压缩基于深度学习的数据压缩技术利用神经网络模型，通过学习图像数据的特征和规律，实现对图像数据的高效压缩和恢复。
这种方法具有较高的压缩率和较好的图像质量。
2. 全局优化的数据压缩全局优化的数据压缩技术是一种基于整个图像的全局信息进行编码和压缩的方法。
它能够更充分地利用图像中的冗余信息，并在压缩过程中保持图像的可视质量。
jpeg 编码原理-回复JPEG（Joint Photographic Experts Group）是一种图像压缩算法，被广泛应用于数字图像的存储和传输中。
JPEG编码原理是将图像分块、转换为频域表示、量化和熵编码等一系列步骤的组合，以尽可能地减小图像文件的大小同时保持图像质量。
JPEG编码的步骤如下：1. 图像分块：JPEG编码将输入图像划分为8×8个像素的块，每个块都经过单独的处理。
这样的划分能够更好地保持图像的局部特征，并使得后续的处理更加有效。
2. 转换为频域表示：每个划分的图像块通过应用离散余弦变换（Discrete Cosine Transform，DCT）来转换为频域表示。
DCT能够将像素值的空域表示转换为一系列频率分量的频域表示。
经过DCT变换后，低频分量会集中在左上角，而高频分量则分布在右下角。
3. 量化：DCT变换后得到的频域表示，对于高频分量的维度信息对图像视觉感知的贡献较小。
因此，JPEG采用了量化表来将高频分量进行抑制。
量化过程即通过除以一个量化矩阵，将频域表示的每个系数分量变为整数。
4. 压缩和熵编码：通过量化后的频域表示得到的整数系数矩阵，一般情况下会有许多零值，这是由于量化矩阵的零值化导致的。
这些零值可以被很好地压缩。
JPEG 采用了霍夫曼编码来实现熵编码，通过对系数的零值进行编码，从而将图像数据进行高效的压缩。
5. 解码：JPEG解码是编码过程的逆过程。
解码时，将经过熵编码的图像数据解压为量化后的频域表示系数。
然后通过反量化和反DCT变换得到每个图像块的空域表示。
最后，将所有块合并，得到完整的解码图像。
JPEG编码通过利用人类视觉系统的特性来设计其压缩算法，使得图像在被压缩的同时尽量减少人眼可察觉的细节损失。
这使得JPEG编码成为了一种非常常见的图像压缩算法，被广泛应用于数字图像的存储、传输和显示中。
无论是从存储空间的角度考虑，还是为了在网络中高效传输图像数据，JPEG编码都在图像处理中扮演着关键的角色。
MATLAB中的图像压缩和编码方法图像压缩和编码是数字图像处理的重要领域，在各种图像应用中起着至关重要的作用。
在本文中，我们将探讨MATLAB中的图像压缩和编码方法，包括无损压缩和有损压缩，并介绍其中的一些经典算法和技术。
一、图像压缩和编码概述图像压缩是指通过一定的算法和技术来减少图像数据的存储量或传输带宽，以达到节约存储空间和提高传输效率的目的。
而图像编码则是将原始图像数据转换为一系列二进制编码的过程，以便存储或传输。
图像压缩和编码通常可以分为无损压缩和有损压缩两种方法。
无损压缩是指压缩后的数据可以完全还原为原始图像数据，不会引入任何失真或变化。
常见的无损压缩算法有Run-Length Encoding (RLE)、Lempel-Ziv-Welch (LZW)、Huffman编码等。
这些算法通常针对图像中的冗余数据进行编码，如重复的像素值或相似的图像区域。
有损压缩则是在保证一定程度的视觉质量下，通过舍弃或近似原始图像数据来减小存储或传输的数据量。
常见的有损压缩算法有JPEG、JPEG2000、GIF等。
这些算法通过离散余弦变换(DCT)、小波变换或颜色量化等方法，将图像数据转换为频域或颜色空间的系数，并通过量化、编码和压缩等步骤来减小数据量。
二、无损压缩方法1. Run-Length Encoding (RLE)RLE是一种简单高效的无损压缩算法，通过计算连续重复像素值的数量来减小数据量。
在MATLAB中，可以使用`rle`函数实现RLE编码和解码。
例如，对于一幅图像，可以将连续的像素值(如白色)编码为重复的个数，然后在解码时根据重复的个数恢复原始像素值。
2. Lempel-Ziv-Welch (LZW)LZW是一种字典压缩算法，通过将图像中连续的像素序列映射为一个短代码来减小数据量。
在MATLAB中，可以使用`lzwencode`和`lzwdecode`函数实现LZW 编码和解码。
例如，对于一段连续的像素序列，可以将其映射为一个短代码，然后在解码时根据代码恢复原始像素序列。
编码和压缩是处理音频、视频和图像等多媒体数据时必不可少的技术。
通过编码，原始数据被转换成适合存储或传输的格式；而压缩则是为了减少数据量，以节省存储空间和加快传输速度。
在众多的编码及压缩标准中，有三大标准被广泛使用，它们分别是：JPEG、MPEG 和 H.264。
1.JPEG（Joint Photographic Experts Group）JPEG 是一种广泛应用于图像压缩的编码标准，它由联合摄影专家组开发。
JPEG 能够提供很好的压缩比例，同时保持较高的图像质量。
这使得JPEG 成为数字摄影、网页设计和许多其他应用的首选格式。
JPEG 支持多种颜色模式，包括 RGB、CMYK 和灰度。
此外，JPEG 还支持渐进式显示，即图像可以逐步加载，让用户在等待完整图像加载时可以看到低分辨率的预览。
JPEG 压缩算法基于离散余弦变换（DCT），通过量化和哈夫曼编码实现数据的压缩。
由于 JPEG 是有损压缩，因此在高压缩比下可能会出现图像质量的损失。
为了在保持较高图像质量的同时实现较大的压缩比，JPEG 提供了多种压缩级别供用户选择。
2.MPEG（Moving Picture Experts Group）MPEG 是一组用于音频和视频编码的标准，由动态图像专家组开发。
MPEG 标准包括多种类型，如 MPEG-1、MPEG-2、MPEG-4 等。
这些标准在不同的应用场景中有不同的特点和优势。
MPEG-1 主要用于 VCD 和 CD 的音视频编码，其视频编码分辨率较低，适用于较低的传输速率。
MPEG-2 则用于 DVD、数字电视和高清电视等领域，提供了更高的分辨率和更好的图像质量。
MPEG-4 是一种面向对象的编码标准，支持更多的交互功能，如虚拟现实、游戏等。
MPEG 编码算法基于运动补偿和离散余弦变换（DCT），通过帧间预测、运动估计和熵编码实现数据的压缩。
与 JPEG 类似，MPEG 也是有损压缩，但在保证一定图像质量的前提下，可以实现较高的压缩比。
数字图像处理
——图像压缩编码概述
数据编码的目的各异，信息保密、信息的压缩存储与传输等。
数据压缩是以较少的数据量表示信源以原始形式所代表的信息，其目的在于节省存储空间、传输时间、信号频带或发送能量等。
这些概念对于静态的文字、图像，动态的音频、视频都适用。
各种数据压缩的方法不尽相同，但是系统的组成框架如图1所示
图1
图中信源编码主要解决压缩的有效性问题，而信道编码主要解决编码的可靠性问题。
从原理上看，压缩主要依靠前者，而后者是可靠实现压缩过程的可靠保证。
若信源编码的熵大于信源的实际熵，则信源中的数据一定存在冗余度。
冗余数据的去除并不会减少信息量。
一般图像中存在着以下数据冗余因素：编码冗余；像素间的相关性形成的冗余；视觉特性和显示设备引起的冗余。
常用的图像压缩技术指标：图像熵与平均码长；图像冗余度与编码效率；压缩比；客观评价（信噪比）；主观评价（参与测试组的全体组员的平均判分）。
传统数据压缩方法的分类：无损压缩包括统计编码（Huffman编码，Shannon编码，游程编码，算术编码等）和轮廓编码；有损压缩包括预测编码（脉冲编码调制PCM,Differential PCM,AdaptiveDPCM等）、变换编码（DFT,DCT,KLT,WHT,小波变换等）和混合编码。
统计编码是根据信源的概率分布特性，分配具有惟一可译性的可变长码字，降低平均码字长度，以提高信息的传输速度，节省存储空间。
其基本原理是在信号概率分布情况已知的基础上，概率大的信号对应的码字短，概率小的信号对应的码字长，这样就降低了平均码字长度。
Huffman（哈夫曼）编码算法如下①将图像的灰度等级按概率大小进行升序排序。
②在灰度级集合中取两个最小概率相加，合成一个概率。
③新合成的概率与其他的概率成员组成新的概率集合。
④在新的概率集合中，仍然按照步骤②～③的规则，直至新的概率集合中只有一个概率为1的成员。
这样的归并过程可以用二叉树描述。
⑤从根节点按前缀码的编码规则进行二进制编码。
优点：实现Huffman编码的基础是统计源数据集中各信号的概率分布。
Huffman编码在无失真的编码方法中效率优于其他编码方法，是一种最佳变长码，其平均码长接近于熵值。
Shannon提出了将信源符号依其概率降序排列，用符号序列累积概率的二进制表示作为对信源的唯一可译编码。
其应用于图像编码的步骤如下：
（1）将N个灰度级x i按其概率递减进行排列。
（2）求概率分布p i的第i个灰度级的二进制位数n i。
（3）计算与p i相对应的累积概率P i ，把与P i相对应的二进码和接下去与p k（k>i）相应的码相比较，前面的n i位至少有一位以上的数字是不同的。
预测编码的基本思想：在某种模型的指导下，根据过去的样本序列推测当前的信号样本值，然后用实际值与预测值之间的误差值进行编码。
如果模型与实际情况符合得比较好且信号序列的相关性较强，则误差信号的幅度将远远小于样本信号。
对实际值与预测值之间的误差值进行编码的方法是差分脉冲编码调制（Differential Pulse Code Modulation，DPCM），下图2是DPCM系统的组成原理。
图2
变换编码的基本原理是通过数学变换可以改变信号能量的分布，从而压缩信息量。
以傅里叶变换的概念说明合理的变换可以改变信号能量分布的基本原理。
在变换编码中有以下二个问题值得注意：图像变换方法的选取；子图像大小的选取。
多变样率变换编码系统框图如下图3所示
图3
传统的DFT,DCT,KLT和经典小波变换等变换编码在图像变换后会产生浮点数，因而必须对变换后的数据进行量化处理，这样就产生不同程度的失真。
而新一代的整数小波变换（第二代小波变换）采用提升方法能够实现整数变换，因而能够实现图像的无损压缩。
新的静态图像压缩标准JPEG2000中采用了基于提升方法的整数小波变换。
提升方
法构造小波有3个步骤：
1．分裂（split）将一原始信号序列s j按偶数和奇数序号分成两个较小的、互不相交的小波子集s j-1和d j-1：
2.预测（predict）由于数据间存在相关性，因而可以定义一个预测算子P，用P(s j-1)来预测d j-1.。
这样可用相邻的偶数序列来预测奇数序列。
用d j-1与P(s j-1)的差值代替d j-1，则数据量要比原始d j-1要小得多。
3．更新（update）上述两个过程一般不能保持原图像中的某些整体性质（如亮度）,为此我们要构造一个U算子去更新s,使之保持原有数据集的某些特性。
经典的编码方法利用去除图像数据的相关性等方法对图像进行压缩，其压缩效果受到一定的限制。
而模型编码利用对图像建模的方法对图像参数进行估计。
由于参数的数据量远远少于图像的数据量，因而用模型编码对压缩数据量极其有效。
常见的模型编码主要是分形编码（fractal coding）和自适应网格编码（self-adaptive mesh coding）两种。
分形编码在思路上和经典的编码方法相比有它新的突破，其压缩比高出一般编码方法2到3个数量级。
压缩过程时间长但解压缩速度快的特点将使其在大数据量、高质量的多媒体应用、高速网络等场合中发挥重要的角色。
分形的基本思想来源于数学上对客观世界一些现象的自相似性描述。
分形是一种由许多与全局相似的局部所构成的形体。
对于集合A，如果描述其中的点需要d个坐标，则称该集合A是d维的，即dim(A)=d ，在分形几何学中，d可以扩展为分数，这时d 称为分维。
分形压缩的基本方法是分形压缩将图像分解成若干子图像，利用图像的仿射变换可以寻找出子图像间的自相似性。
仿射变换是指对子图像进行旋转、伸缩、位移变换。
仿射变换的特性有：
（1）仿射变换的逆变换也是仿射变换。
（2）仿射变换是线性变换。
（3）两平行线经过仿射变换后仍然是平行线，所以平行四边形经仿射变换后变成另外一个平行四边形。
（4）可以通过变换参数求解变换后平面图形的面积与原平面图形面积的比值。
（5）选择合适的参数，仿射变换为相似变换。
通过用数据量极小的系数代替数据量较大的实际像素值而将图像表示成压缩形式。
目前采用全自动的分形压缩，对灰度图像一般可以达到4:1~100:1，对彩色图像压缩比还可以更高些。
压缩时间较慢，而解压缩时间极快。
用户常常关心的是解压缩时间，因而分形压缩的这种不对称性对使用数据的用户是很有用的。
分形压缩的另一个特点是压缩特性与分辨率无关，利用分形压缩的图像可以按不同分辨率实现无级缩放而计算量相同。
在静态图像压缩编码中，JPEG标准是著名标准之一。
视频可看成是一幅幅不同但相关的静态图像的时间序列。
静态图像的压缩技术和标准可以直接应用于视频的单帧图像。
JPEG算法就是每个单独的彩色图像分量的编码算法：
①将量化精度为8位的待压缩图像分成若干个8⨯8样值子块，做基于8⨯8子块的DCT。
②根据最佳视觉特性构造量化表，设计自适应量化器并对DCT的频率系数进行量化。
③为了增加连续的0系数的个数，对量化后的系数进行Z字形重排。
④用Huffman码作变字长熵编码器对量化系数进行编码，进一步压缩数据量。
JPEG编/解码器算法框图如图4所示
图4
尽管JPEG标准是基于彩色静止图像压缩而提出的，但对于压缩视频的帧内图像也十分有效。
每秒可处理2700万个像素的单片JPEG编/解码器芯片，已能实时处理常规电视图像。
M-JPEG（Motion-JPEG）技术即运动静止图像压缩技术。
这种技术广泛应用于可精确到帧编辑和多层图像处理的非线性编辑领域。
M-JPEG的压缩和解压缩是对称的，可由相同的硬件和软件实现。
JPEG2000标准的制定目标是进一步改进目前压缩算法的性能，以适应低带宽、高噪声的环境，以及医疗图像、电子图书馆、传真、Internet网上服务和保安等方面。
JPEG2000的最主要的特征如下（1）高压缩率（2）无损压缩和有损压缩（3）渐进传输（4）感兴趣区域压缩（5）码流的随机访问和处理（6）容错性（7）开放的框架结构（8）基于内容的描述。
JPEG2000标准的应用领域可大致分成两个方面：面向传统的JPEG市场，如打印、扫描、数字摄像、遥感等；面面向一些新兴的应用领域，如网路传输、彩色传真、无线通讯，医疗影像、电子商务等。
