查看“︁編碼簿”︁的源代码

{{TA
|G1=IT
|G2=Math
}}
每一個影像向量，X，與一組代表性樣本或[[碼向量]]（Codevectors），<math>\hat{X}_i , i = {1,2, \ldots,N_c}</math>，作比對的工作。這些碼向量共同組成的即為'''編碼簿（Codebook）'''。

== 概要 ==
編碼簿的產生，一般是從將要壓縮的影像集中選出幾張具有代表性的影像作為[[訓練集]]（Training set），然後以此訓練集作出編碼簿。這個方法的好處是沒有必要知道關於這些影像之[[統計資料]]或[[相關資訊]]。

=== 區域編碼簿 ===
一般而言，要編碼某一張特定的影像，最佳化的編碼簿應為使用這張影像本身為訓練集所產生的，此種編碼簿稱為[[區域編碼簿]]（Local codebook）。

使用區域編碼簿通常會有相當好的[[壓縮效率]]，這是因為該影像所特有之影像特徵（如線、邊等等）都會被自己的區域編碼簿所充分地考慮進去，因而都找得到足以代表的碼向量。

然而，區域編碼簿會有兩大缺點：首先，每編碼一張影像就得產生它所獨用的編碼簿，這是相當費時的工作，也會讓[[即時處理]]變的不可能；其次，區域編碼也得送出給[[接收端]]，這個額外的資料量會大大地降低[[壓縮效率]]。

=== 通用編碼簿 ===
要解決區域編碼所帶來的問題，可以使用多張具代表性的影像作為訓練集，並產生[[通用編碼簿]]（Global codebook）。

如果要編碼的影像屬於同一類（就解析度、影像特色、詳細內容等等而言），全體編碼也將導致很好的效果；反之，如果要編碼的影像有很大的不同，通用編碼簿的效率可能就會遠遠不如區域編碼，尤其是如果所選用的訓練集又很小的情況下。 

== 參考資料 ==
* 戴顯權，''"資料壓縮"'' 
* Bhaskar Ramamurthi and Allen::Gersho, Fellow, IEEE ,''"Classified Vector Quantization of Images "'', IEEE Transactions On Communications, VOL. Com-34, NO. 11, November 1986
* Allen Gersho and Robert M. Gray, ''"Vector Quantization And Signal Compression"''

[[Category:影像科技]]
[[Category:数据压缩]]