数字视频图像是最重要的信息媒体之一，它具有直观、生动和内涵丰富的特点。但是，由于数字图像的数据量非常之大，这给图像的存储、传送和处理都带来很大困难。解决这一问题最常用的方法是进行数字图像压缩编码，在保证图像质量的前提下，最大限度地降低图像的数据量，以减少数据存储量，节约传送和处理的时间。

能够进行图像压缩的机理主要来自两个方面:一是图像信号中存在着大量的统计冗余（如频谱冗余、空间冗余、时间冗余等）可供压缩，这种冗余度在解码之后可无失真地恢复；二是利用人眼的视觉生理冗余，如人眼对色彩的高频分量没有对亮度的高频分量敏感，对图像高频（细节）处的噪声不敏感等，在不被主观视觉察觉的容艰内，通过减少信号的精度，以一定的客观失真换取数据压缩。

最基本的图像压缩编码方法有统计编码、预测编码、变换编码，以后又出现了子带编码、分形编码、小波变换编码等。这里仅对这些压缩编码技术进行概述。

统计编码是根据像素灰度值出现概率的分布特性而进行的压缩编码，或根据各个信号源符号出现的概率不同而进行的概率匹配编码。它在不引起任何失真的前提下，可以将传输每一信源符号所需的平均码长降至最低。统计编码是识别一个给定的码流中出现频率最高的比特和字节模式，利用比原始比特更少的比特来对其编码。也就是频率越低的模式，其编码位数越多，频率越高的模式编码位数越少。

统计编码是无损压缩（即无失真压缩），通常可分为两大类。

（1）模式替换。是常用于文本信息的编码。对多次出现的字符，即常见词用一个字符替代，如将出现“Communication”的地方用“C”替代，“Netwok”用“N”替换。

（2）Huffman编码。是一种常见的统计编码。对给定的数据流，计算每个字节的出现频率。根据频率表，运用Huffman算法可确定分配给每个字符的最小位数，然后给出一个最优的编码，代码字传入代码簿。Huffman编码适用于压缩静态和动态图像。根据参数，可对几个或一组图像构造出一个新的代码簿。在运动图像中，可重新计算一个或一系列帧的代码簿。在所有情况下，都必须将代码簿从源端传到目标端才能进行译码。它的优点是能很好地与代编码符号的概率分布匹配，使平均码长达到最短；但其硬件实现较为复杂；编码要求确知信源的统计特性，即各信源符号的出现概率，否则编码效率要明显下降。

预测编码就是用己经编码传送的像素，预测实际要传送的像素。即从实际要传送的像素值中减去预测的像素值，传送它们的差值，因而也称为差分编码。显然，传送差值比传送原图像值所需的比特率要低。因为图像各像素间存在着强烈的相关性，采用预测编码可减少像素间的相关性，提高传输效率、压缩比特率。差分编码特别适用于其连续值与零值差别很大而彼此之间差异不大的信号。因此，码非常适用于运动图像信号（它仅传送图像的差异）或音频信号。预测编码有无损预测与有损预测之分。实际中由于预测值的确定方法不同，各种预测技术也就有所差别。

差分编码技术有3大类：DPCM、6调制和ADPCM。DPCM（差分脉冲编码调制），是一种实用的有损预测编码技术，也是最早的一种数字图像压缩技术，其原理是当前的像素可由它邻近的像素值预测而得，也就是说，其冗余度可由邻近的像素来确定。据此，再对当前的像素和预测像素的差值进行量化、编码。考虑到在高性能和复杂性之间的折中，通常用于帧内预测（二维预测）的邻近像素的个数并不多.（不超过4个），使用更多的像素并不能获得预测性能的显著改进。对于帧间预测（三维预测），一般只用相邻帧的对应像素进行预测。图像的相关性越大，其预测误差越小，取得的压缩比也越大。DPCM相对说来是一种比较容易实现的压缩方法，但在较低速率时其压缩能力一般不如下面的变换编码好。

预测编码是直接在空域对图像进行压缩处理的，而变换编码相当于在频域进行压缩处理。变换编码的基本原理是通过正交函数把图像从空间域转换为能量比较集中的变换域，然后对变换系数进行量化和编码，从而达到缩减数码率的目的。因此，变换编码也称正交变换编码。对于大多数自然界图像变换得到的变换域的系数，有些值很小，这些系数可较粗地量化，或甚至完全忽略掉而只产生很小的失真。虽然失真很小，但信息仍有损失，因而变换编码是有损压缩编码方法。变换编码是一种源编码方法，而源编码要考虑被压缩信号的性质，特別是它有赖于音频、静态图像和动态图像的特征。