我们先来明确一下“信息量”与“数据量”之间的关系：信息量=数据量-冗余量，通常用“I”表示信息量；“D”表示数据量；“du”表示冗余量。

　　下面我们来看一下多媒体数据中的“du”，首先看语音数据。“中文广播员一分钟读180个汉字,一个汉字存储两个字节,共需360个字节。采样频率为8kHz（人类语言带宽为4kHz）。
　　采样1分钟,其数据量为：8K/s×60s = 480 K B/分，一分钟的数据冗余为：480KB/360B=1000（倍）的冗余。”

　　下面我们来看一下图像数据。
　　图像数据存在着大量的空间冗余和时间冗余。
　　“例如：下图中的图像“A”是一个规则物体。光的亮度、饱和度及颜色都一样，因此，数据A有很大的冗余。”这样可以用图像“A”的某一像素点的值（亮度、饱和度及颜色），代表其他的像素点。实现压缩。
　　例如：下图中的图像“A”是一个规则物体。光的亮度、饱和度及颜色都一样，因此，数据A有很大的冗余。
图 4.1.2时域冗余
　　这是语音数据和序列图像（电视图像和运动图像）中所经常包含的冗余。在一个图像序列的两幅相邻图像中，后一幅图像与前一幅图像之间有着较大的相关，这反映为时间冗余。
　　例如：图像F1和F2有很大的相关性。

　　图像F1和F2是两个时刻的图像，路标和小气车的形状与时间相关，没有变化；只是位置发生变化。
　　除了上述讲述的时间冗余和空间冗余外，我们再向同学们介绍其他几种数据冗余类型：结构冗余、知识冗余、视觉冗余图像区域的相同性冗余、纹理的统计冗余等。
　　（2）其他的数据冗余类型
　　① 结构冗余
　　有些图像的纹理区，图像的像素值存在着明显的分布模式。例如，方格状的地板图案等。我们称此为结构冗余。已知分布模式，可以通过某一过程生成图像。
　　② 知识冗余
　　有些图像的理解与某些基础知识有相当大的相关性。例如：人脸的图像有固定的结构。比如说嘴的上方有鼻子，鼻子的上方有眼睛，鼻子位于正脸图像的中线上，等等 。这类规律性的结构可以由先验知识和背景知识中得到，我们称此类冗余为知识冗余。
　　③ 视觉冗余
　　人类的视觉系统对图像场的敏感区是非均匀和非线性的。然而，在记录原始的图像数据时，通常假定视觉系统是线性的和均匀的，对视觉敏感和不敏感的部分同等对待，从而产生了比理想编码（即把视觉敏感和不敏感的部分区分开来编码）更多的数据，这就是视觉冗余。视觉冗余是非均匀、非线性的。例:人类视觉分辨率为26，但常用28就是数据冗余。
　　④ 图像区域的相同性冗余
　　它是指在图像中的两个或多个区域所对应的所有像素值相同或相近，从而产生的数据重复性存储，这就是图像区域的相似性冗余。
　　⑤ 纹理的统计冗余
　　有些图像纹理尽管不严格服从某一分布规律，但是它在统计的意义上服从该规律。利用这种性质也可以减少表示图像的数据量，所以我们称之为纹理的统计冗余。

　　多媒体数据压缩方法根据不同的依据可产生不同的分类。通常根据压缩前后有无质量损失分为有失真（损）压缩编码和无失真（损）压缩编码。有失真压缩是不可逆编码方法，经有失真压缩编码的图像不能完全恢复，但视觉效果一般可被接受；无失真压缩是可逆的编码方法，经无失真压缩编码的图像能完全恢复，没有任何偏差和失真。

　　本章在后续的课程中将重点讲述统计编码、预测编码、变换编码、行程编码等。