照片编码重构工具对原图的重要性

照片编码，属于图片编码，类属图像编码，什么是图像编码呢？

图像编码也称图像压缩，是指在满足一定质量（信噪比的要求或主观评价得分）的条件下，以较少比特数表示图像或图像中所包含信息的技术。

1948年，信息论学说的奠基人香农曾经论证：不论是语音或图像，由于其信号中包含很多的冗余信息，所以当利用数字方法传输或存储时均可以得到数据的压缩。

在他的理论指导下，图像编码已经成为当代信息技术中较活跃的一个分支。

经过近半个世纪的努力，图像编码技术已从实验室走入通信和电子领域。

也就是如咱们所说的，照片中含有一些相机信息，如：拍摄时间，曝光时间，曝光程度，和一些镜头参数等等...

图像编码系统的发信端基本上由两部分组成。

首先,对经过高精度模-数变换的原始数字图像进行去相关处理，去除信息的冗余度；然后，根据一定的允许失真要求，对去相关后的信号编码即重新码化。

一般用线性预测和正交变换进行去相关处理；与之相对应，图像编码方案也分成预测编码和变换域编码两大类。

什么预测编码呢？

预测编码利用线性预测逐个对图像信息样本去相关。

对某个像素S0来说，它用邻近一些像素亮度的加权和（线性组合）┈作为估值,对S0进行预测（图2a）。

S0与┈之间的差值e(u)就是预测误差。由于相邻像素与S0间存在相关性，差值的统计平均能量就变得很小。因此，只需用少量数码就可以实现差值图像的传输。

图像预测编码（差值脉码调制）主要有三种预测方法:

① 一维固定预测(一维差值脉码调制)：用图2a中的S1或S2对S0预测,加权系数固定并且小于1。

② 二维固定预测(二维差值脉码调制):当预测估值取S1和S2的平均时，称之为二维平均预测,而当预测估值取┈=S1+S2-S3时,称之为二维平面预测。

③ 条件传输帧间预测(帧差脉码调制)：用前一帧同一平面位置的像素作为预测估值。对于只有少量活动的图像（如可视电话），画面中约有百分之七十以上的帧间差值等于零或很小，因此这些差值可舍弃不传。由于帧间差值的传输以其幅度是否大于某个阈值为条件，又称为条件传输帧间预测。

那什么又是变换域编码呢？

用一维、二维或三维正交变换对一维n、二维n×n、三维n×n×n块中的图像样本的集合去相关，得到能量分布比较集中的变换域；在再码化时，根据变换域中变换系数能量大小分配数码，就能压缩频带。

最常用的正交变换是离散余弦变换(DCT)，n值一般选为8或16。

三维正交变换同时去除了三维方向的相关性,它可以压缩到平均每样本1比特。 

图像编码可应用于基本静止图片的数字传输、数字电视电话会议以及数字彩色广播电视。

相应的压缩目标，即传输数码率范围,初步定为64千比特/秒、2兆比特/秒、8兆比特/秒和 34兆比特/秒级。

虽然压缩性能较高的图像编码方案需要进行复杂的多维数字处理，但随着数字大规模集成电路的集成度和工作速度的提高，以及大容量传输信道的实现，数字图像传输必将逐步从实验方案进入实用阶段。

上面仅仅是介绍了编码的部分内容，针对图片的重构，也有很多先进的技术。

一张图片变成原图的过程中，编码和重构演绎着两大重要环节，视觉上看到的内容基本上是有编码来实现的；照片的属性和架构方面基本都是由重构环节来决定。

每一张原图的属性都不会重复的，各有各的唯一特性，迄今为止，视觉上雷同的图片或许有过，但是架构信息面上的原图，重复的还真没有出现过，除非是人为的克隆重构。

在无干预因素情况下，每一张原图就如我们的身份证一般，都具有唯一性。