扫码获取 VIP 码
添加管理员微信获取 VIP 码
数据压缩是音视频处理、存储与传输的基石。理解压缩编码先要回答一个问题：数据凭什么能被压缩？答案在"冗余"二字。未经压缩的多媒体数据携带大量冗余，它们是"可以去掉且不损失关键信息"的部分。软考多媒体应用设计师将数据压缩列为核心模块，所有考题都在考察对冗余本质的理解。
多媒体数据中的冗余可以归纳为四大类。
第一类是空间冗余。相邻像素之间往往具有极强的相关性——比如蓝天照片中大片区域像素值几乎相同，逐个存储完整颜色分量就是浪费。空间冗余是静止图像压缩（如 JPEG）的主要攻击目标。
第二类是时间冗余。视频相邻帧之间差异通常非常微小——新闻主播播报时背景几乎不变，只有嘴唇和眼神在动。时间冗余是视频压缩（如 MPEG、H.26x）的核心攻坚对象。
第三类是视觉冗余。人类视觉系统对亮度变化敏感远高于色度，对高频细节分辨能力有限，存在掩蔽效应。利用这些特性，压缩算法可以大胆丢弃人眼不会注意到的信息而不会引起主观质量的明显下降。JPEG 的色度子采样和量化正是基于视觉冗余的设计。
第四类是信息熵冗余，也称编码冗余。若信源中各符号出现概率不等，等长编码就是低效的。每个符号承载的信息量与其概率成反比——概率越高，信息量越少，理应用更短的码字表示。这正是熵编码的理论根基。
理解四类冗余的区分与相互关系，是软考选择题和下午题得分的关键。命题人常将空间冗余与时间冗余张冠李戴，或将视觉冗余混同于信息熵冗余，考查考生能否准确辨析压缩场景对应的冗余类型。
一九四八年，克劳德·香农发表了划时代论文《通信的数学理论》，创立了信息论。他定义了一个核心概念——信息熵，用来度量信源的不确定性，也即信息的平均量。
信息熵的数学表达式为：H 等于负的求和项，求和符号内部为每个符号的概率 p_i 乘以以二为底的对数，单位是比特每符号。其工程含义极其清晰：信息熵给出了无损压缩的理论下限——信源的信息熵是多少比特每符号，就意味着每个符号平均至少需要多少比特来编码，用更少比特做无损编码在数学上不可能。
以四个符号 A、B、C、D 为例，概率分别为二分之一、四分之一、八分之一、八分之一。代入公式计算得信息熵为一点七五比特每符号——这意味着无论多么精巧的无损压缩算法，每个符号平均不可能用少于一点七五比特来编码。等长编码需要二比特每符号，浪费零点二五比特，而霍夫曼编码给出的平均码长恰好为一点七五比特，达到理论极限。
熵编码之所以得名，正是因为其设计思想直接来源于信息熵理论——对出现概率高的符号分配短码字，对出现概率低的符号分配长码字，从而使得平均码长逼近信息熵的理论下限。
熵编码与信息熵之间的差距，是衡量编码方案优劣的核心指标。编码效率定义为信息熵除以平均码长，理想情况下该值趋近于一。在实际工程中，由于码字长度必须是整数比特的约束，以及符号概率分布与编码假设之间的偏差，编码效率通常在一以下但十分接近一。软考命题经常在这里设陷阱，让考生判断"是否所有压缩编码都能达到信息熵极限"——正确答案是不能，只有熵编码的理论极限是信息熵，而其他编码方式（如预测编码、变换编码）的目标并非逼近信息熵，而是去除空间或时间冗余，两者的优化目标根本不同。
熵编码家族中有三种经典算法在软考中高频出现：霍夫曼编码、香农-范诺编码和算术编码。它们共享同一个核心理念——变长编码、按概率分配码长——但在实现机制和性能特征上存在显著差异，命题人极其喜欢在选择题中对比考查。
霍夫曼编码由戴维·霍夫曼于一九五二年提出。核心操作是自底向上构建最优二叉树：每个符号为叶子节点，权值即概率；每次选取概率最小的两个节点合并为父节点，父节点概率等于子节点概率之和；重复至只剩一个根节点。从根到叶子节点的路径决定码字——左分支标零、右分支标一。霍夫曼编码可证明是最优前缀码，即不存在其他前缀码能获得更短的平均码长。前缀码的含义是：任何符号的码字都不是另一符号码字的前缀，保证译码唯一性，接收端无需分隔符即可正确切分码流。
香农-范诺编码早于霍夫曼编码，由香农和范诺分别独立提出，采用自顶向下的递归二分：符号按概率降序排列，在分割点将符号集划分为累计概率尽量接近的两组，第一组码字首位为零、第二组为一，然后在各组内部递归重复。其效率通常略低于霍夫曼编码，因为分割策略是贪心的局部最优，未必得到全局最优编码树。软考经典判断题："香农-范诺编码是否一定优于等长编码？"——多数情况下是，但不保证最优，尤其是概率分布极不均匀时可能产生次优结果。
算术编码采取与前两者完全不同的思路。它不再为每个符号单独分配码字，而是将整个消息序列映射到零到一实数区间上的子区间：初始区间为零到一，每读入一个符号，当前区间按该符号的累积概率分布被等比例缩放，最终输出区间内任意一个二进制小数即可表示整条消息。算术编码的优势在于可突破"每个符号至少一比特"的限制——当某符号概率极高时，霍夫曼编码至少需要一比特，而算术编码可为其分配远小于一比特的平均码长。代价是计算复杂度较高且对传输错误更敏感。
熵编码解决的是编码冗余问题，但仅靠熵编码远不足以实现今天我们所见的数百倍压缩比。真正让数据体积断崖式下降的，是信源编码——它从信号本身的结构入手，直接去除空间冗余、时间冗余和视觉冗余。信源编码通常包含三个关键技术环节：预测、变换和量化。
预测编码的核心思想极其朴素：既然相邻采样值高度相关，那就可以用前面的采样值来"猜"后面的值，只传输预测值与真实值之间的差值（残差）。由于残差的动态范围远小于原始信号，所需的编码比特数便大幅减少。差分脉冲编码调制是最经典的预测编码方案。其工作流程是：前一个采样值经过量化后作为预测值，当前采样值与预测值相减得到残差，残差被量化后传输。接收端用同样的预测器重建信号。在视频编码中，帧间预测就是预测编码思想最宏大的工程实践——用前一帧或前几帧已经编码的图像来预测当前帧，只传输预测残差和运动矢量。
变换编码走的是另一条技术路线。它的洞察在于：信号在时域或空域中往往高度相关，但经过某种数学变换后，在新的变换域中能量会高度集中，相关性大幅降低。具体而言，变换编码将空间域的像素块通过正交变换（如离散余弦变换、K-L 变换等）映射到频率域，在频域中低频分量集中了图像的绝大部分能量，高频分量则数值很小甚至接近零。经过量化步骤后，大量高频系数被归零，再利用游程编码和熵编码即可实现极高的压缩比。
在众多正交变换中，离散余弦变换（DCT）是工程上最成功的方案。DCT 的基函数是余弦波，与自然图像的能量分布特性高度契合——自然图像的能量主要集中在低频区域。更重要的是，DCT 存在快速算法，计算复杂度可控。相比之下，K-L 变换虽然在"消除相关性"这个指标上是最优的（它的基函数是由图像本身的协方差矩阵的特征向量构成的），但由于需要计算协方差矩阵的特征值和特征向量，计算量巨大且基函数依赖于具体图像内容，无法像 DCT 那样固化为标准变换矩阵，因此在实时压缩系统中几乎不被采用。这恰恰是软考命题喜欢考查的一个辨析点：K-L 变换理论上最优但工程上不可行，DCT 是性能与复杂度之间的最佳折中。
量化是信源编码中唯一会引入"不可逆失真"的环节，也是有损压缩与无损压缩的分水岭。量化的本质是用较少的离散值来近似连续的或高精度的信号值，以此减少信息量。标量量化对每个采样值独立量化，矢量量化则将一组采样值作为一个整体进行联合量化。在 JPEG 标准中，DCT 系数矩阵中的每个系数被除以量化表中对应的量化步长然后取整，这一步是压缩比的真正来源——量化步长越大，被归零的系数越多，压缩比越高，但图像质量也越差。
无损压缩保证压缩前后数据逐比特一致，适用于医学影像、卫星遥感、法律文书存档等对完整性要求严格的场景。代表方案包括霍夫曼编码、算术编码、词典编码（LZW、LZ77）、游程编码等。但无损压缩的压缩比有限，对自然图像一般只能压缩到原来的二分之一到三分之一。
有损压缩主动接受一定程度的失真，换取数量级的压缩比提升。其可行性根源于人类感知的不完美性——人眼对亮度比色度敏感，对低频比高频敏感，对平坦区噪声比纹理区敏感。有损压缩正是利用这些特性"聪明地丢弃"感知上最不重要的信息。
两者之间的边界并非绝对清晰。在实
本篇完！