编辑“︁JPEG 2000”︁（章节）

=== 內嵌區段編碼與最佳化（EBCOT） ===
此技術先將資料作好適當的切割、歸類後，利用[[熵編碼法#模型|搭配統計分布模型的]][[熵編碼法]]壓縮資料。由於資料經有條理的適當分割，具備[[可適性視訊編碼|可適性]]的特性，在最後可以衡量所需要的資料大小與品質，找出最佳分割點。捨棄該點以後的資料，仍保有高品質的特性。以下就三者分開描述
==== 內嵌區段編碼（Embedded Block Coding） ====
首先對資料作適當的切割、歸類，如此有兩大好處：其一不同類型的資料其0、1位元的統計特性不同，分開處理可以增進壓縮效率；其二為依資料重要性的不同作出區隔，從最重要到不重要作排列，以達成[[可適性視訊編碼|可適性]]（Scaling）的效果。在切割歸類上，有以下名詞作為單位：
* 編碼區段（Code-block）：通常會將上一步動作算好的[[JPEG 2000#編碼技術|頻塊]]進一步切成32×32或64×64的區段，分開來平行運算，作為內嵌區段編碼的對象。
* 位元層（Bit-plane）：把編碼區段內的資料依照[[位元深度]]，從高位元（[[最高有效位|MSB]]）到低位元（[[最低有效位|LSB]]）分成數個位元層（不同於圖片水平、垂直方向，而是依[[位元深度]]的第三個維度）。如每筆數值利用P個[[位元]]（bit）來記錄，將會從高位元到低位元受分解為P個位元層面。位元層較高的通常有認為比較重要（通俗想像：一般人覺得「百位數」比「十位數」或「個位數」重要）。
* 分流（Pass）：每個位元層都再依「重要性」分為三個分流，分開套用[[熵編碼法#模型|內容統計模型]]（context modeling）處理。分流依據最高有效位元（對於正數，第一個從0變1的位置）的出現與否（以σ記，通俗想像：判斷一個人究竟有「幾十萬」跟「幾萬」元的那個「幾」），以及該位元鄰近的八格範圍內，是否有其他位置出現最高有效位元（以φ記，想像：鄰近處出現了，自己也很可能會出現）。
** 分流一（Pass 1）：最重要的資料，該處上一層還沒出現過最高有效位元但鄰近處出現者，將分流至此。
** 分流二（Pass 2）：該位置已經出現過最高有效位元，對於較低位元繼續記錄其位元值。
** 分流三（Pass 3）：該處上一層還沒出現過最高有效位元，且鄰近處也都不曾出現過。這些不同的分流還會依照與鄰近的八格範圍的關係，再分別查表套用不同的[[熵編碼法#模型|內容統計模型]]。大致上有以下四大類：
** 零編碼（zero coding）：用於分流一、三，紀錄非最高有效位元者。
** 正負號編碼（sign coding）：用於分流一、三，紀錄出現最高有效位元者。
** 精細編碼（Magnitude refinement coding）：用於分流二。
** [[遊程編碼]]（Run-length coding）：用於分流三，紀錄全都不是最高有效位元的狀況。

==== 算術編碼（Arithmetic coding） ====
詳見[[算術編碼]]條目。<br>
[[算術編碼]]是一種無損的[[熵編碼法]]。[[算術編碼]]把輸入資料視為一種0～1之間的切割，根據[[熵編碼法#模型|內容統計模型]]決定這次輸入資料的切割位置。當所有資料輸入畢以後，可以得到一個0～1之間的小數，該小數的數值以資料形式表示（如[[位元]]）即為壓縮編碼後的結果。[[算術編碼]]較其他的[[熵編碼法]]（如[[哈夫曼編碼]]）還要更接近[[熵編碼法]]的數學理論極限。
==== 最佳化 ====
由於上述壓縮後的資料，具備[[可適性視訊編碼|可適性]]的特性，在壓縮的最後可以視需求衡量最後資料大小與品質，找出最佳分割點。捨棄該點以後的資料，仍保有在該需求的衡量下，最高品質的特性。做到良好的壓縮率控制。