分形压缩

✍ dations ◷ 2025-06-08 12:25:35 #有损压缩算法,分形

分形压缩 (Fractal Compression)又名碎形压缩，是一种有损数据压缩（失真压缩）的方法，是一种以碎形为基础的图像压缩，适用于纹理及一些自然影像。

当需要压缩的影像自身存在部分相似性，则适用分型压缩。这些图案的共同特性为，虽然人眼会觉得图片看起来复杂无比，但实际上图片却只包含非常低的资讯量，因此可以经过一个简单的算法产生。分形算法将这些图片转换为名为“分形编码”的数据资料，此种密码用来重新建立加密（压缩）过的图档。

简而言之，分形压缩就是利用自我相似缩小来压缩，解压缩则反之，是利用自我相似放大来解压缩。

在数学领域中，分形影像的压缩可以用迭代函数系统来描述。

二元图片可被视为一个R2的子集合，一个迭代函数系统被定义为许多由平面R2对映至R2的收缩（contraction）转换所成的集合，即t₁,…,t_n。

T={ti: R2 → R2 | i=1,2,…,n}

此种转换集定义了一个（巨）转换，转换对像则是二元影像f₀，二元影像f₀表示成点所成的集合。

一个重要的事实是：如果所有的t_i都具备收缩性，则T具备收缩性，而且T也有定点。

T的定点便是最后的收敛二元影像 $T(f_{0})=t_{1}(f_{0})\cup t_{2}(f_{0})\cup \cdots \cup t_{n}(f_{0})=f_{1}$ $T(f_{0})=t_{1}(f_{0})\cup t_{2}(f_{0})\cup \cdots \cup t_{n}(f_{0})=f_{1}$

因此， $T^{2}(f_{0})=T(f_{1})=t_{1}(f_{1})\cup t_{2}(f_{1})\cup \cdots \cup t_{n}(f_{1})=f_{2}$ $T^{2}(f_{0})=T(f_{1})=t_{1}(f_{1})\cup t_{2}(f_{1})\cup \cdots \cup t_{n}(f_{1})=f_{2}$ ，以此类推可求得 $T^{n}(f_{0})$ $T^{n}(f_{0})$ 。

令|T|表T的定点，则T的定点（集）可以表示成： $|T|=f_{\infty }=\lim _{n\to \infty }T^{n}(f_{0})$ $|T|=f_{\infty }=\lim _{{n\to \infty }}T^{n}(f_{0})$

T的定点也是唯一的。也就是说，不管起始的二元影像为何，我们可以重复地将T应用在他上面并且在最后收敛到一张固定的二元影像（定点）。因此，T本身就决定了一张二元影像。

总结来说，给定一张输入二元影像f₀，应用迭代函数系统T一次，则可得到 $T(f_{0})$ $T(f_{0})$ ，应用两次则得到 $T^{n}(f_{0})$ $T^{n}(f_{0})$ 。他的定点是 $\lim _{n\to \infty }T^{n}(f_{0})$ $\lim _{{n\to \infty }}T^{n}(f_{0})$ ，与起始二元影像f₀昰什么完全无关，只决定于T。

灰阶影像与二元影像的最大不同处在于灰阶影像比二元影像多了一个维度。我们可以将一张二元影像表示成许多平面上的点所成的集合，每一个点代表它在影像中是黑色，没在集合内的点则属于背景的白色。

因此，可以将一张二元影像表示成{(x_i,y_i)|(x_i,y_i)的颜色为黑色}，换句话说，我们可以将一张二元影像表示成许多位置（平面上的x座标语y座标）所成的集合，而收缩性（两个点的位置愈来愈靠近）与定点（收敛到某一个特定位置的点）等定义也都是针对位置而言。灰阶影像则不然，它除了位置之外，还多了一项灰阶值，换句话说，它必须表示成{(x_i,y_i,z_i)|z_i=f(x_i,y_i)，为(x_i,y_i)点的灰阶值}。

这么一来，转换的收缩性既要满足两点的位置变靠近也要满足两点的灰阶值也变接近，这样子的转换会使分形压缩变复杂。

由于自然灰阶影像的自我相似性不是全面的，而是局部的，因此所采用的编码方法实际上允许将转换的收缩性着重在灰阶值的接近，至于位置的变靠近则由于算法的设计自然满足。转换的定点，当然就是解码所得到的影像。

使用分形压缩，由于需要搜寻影像自身的相似性，加密过程需经过大量的运算，所需的计算量非常庞大，但解码则是非常迅速。此种加密和解密的差异性令分形压缩无法实际广为应用，尤其当影片需要由影碟或文件上下载时，分形压缩更显劣势。

在普遍的压缩率下，约莫50:1，分形压缩提供和离散余弦转换（DCT）相似的结果，例如JPEG。在高压缩率下分形压缩可提供高品质，对压缩率高达170:1的卫星图而言，分形压缩的结果是可以被接受的。在合理的压缩时间范围下，分形视讯影片压缩率可达到25:1~244:1的压缩率。

相关

贝凯希盖欧尔格·冯·贝凯希（Georg von Békésy，1899年6月3日－1972年6月13日），或贝凯希·哲尔吉（Békésy György），是一位出生在布达佩斯的匈牙利生物物理学家。1961年，他被授予了诺贝尔
瓜子瓜子是在亚洲部分地区常见的一种零食，原料为西瓜或葵花的籽。其中，南亚所产的一种无壳的瓜子最为独特。瓜子通常是炒熟或煮熟，为了增加风味可以同时加入盐、花椒、桂皮、大茴等
藤壶藤壶属（学名：Balanus）是藤壶科下的一属，俗称“马牙”。该属物种生活在全世界的岩石海岸和海洋漂流物上。它们的共同特征是雌雄同体，成年后将自己粘附在坚硬物体表面等，附着在船体
化学计量数化学计量数或化学计量是化学反应方程式中各反应物或生成物前的数值。例如，图中为甲烷在空气中完全燃烧的方程式，方程式中O2、H2O前的数值（或“系数”）2就是它的化学计量。当一个
联邦军队美国陆军（英语：United States Army），是美军的军种，美国联邦八个制服部队之一。美国陆军的前身是大陆军，组建于1775年6月14日，参与独立战争。战争结束后，大陆会议在1784年6月3日成立
单孔亚纲合弓纲（Synapsida）意为“固定的颧弓”，也被称成兽形纲（Theropsida），是羊膜动物的一纲，包含羊膜动物中所有与哺乳类关系较近的物种。合弓纲是羊膜动物的两个主要演化支之一，另一个演
西田几多郎西田几多郎（にしだきたろう，1870年5月19日－1945年6月7日），生于日本石川县，哲学家，京都大学教授，为京都学派的开创者与领导者，同时也是一位俳人。1940年，他从京都大学退休后，得到日本
程纯枢程纯枢（1914年6月15日－1997年2月8日），安徽徽州人，生于浙江金华。气象学家，中国科学院院士。程纯枢于1936年毕业于清华大学地理系。此后曾先后在上海欧亚航空公司、中央研究院气象
第一代康沃利斯侯爵查尔斯·康沃利斯第一代康沃利斯侯爵查尔斯·康沃利斯，KG，PC（Charles Cornwallis, 1st Marquess Cornwallis，1738年12月31日－1805年10月5日），又译康华里和康华利等，英国军人、殖民地官员及政治家，美国
双氢配合物双氢配合物是包含完整氢分子作为配体的配位化合物。最典型的这类化合物是W(CO)3(PCy3)2(H2)。这类化合物的发现解释了金属元素催化的氢分子参与的化学反应。文献已经报道了