那么有没有可能对数据进行压缩呢？以多媒体数据中最为庞大的一类数据——图像数据为例，人们研究发现，图像数据的表示中存在着大量的冗余。如果把那些图像数据中存在的冗余数据去除，那么就可以使原始图像数据极大地减少，从而解决图像数据量巨大的问题。要对图像数据进行有效的压缩，就必须先了解图像数据的冗余情况。下面介绍一些常见的图像数据冗余的情况。
1. 空间冗余
这是在图像数据中经常存在的一种冗余。在任何一幅图像中，均有由许多灰度或颜色都相同的邻近像素组成的区域，它们形成了一个性质相同的集合块，即它们相互之间具有空间（或空域）上的强相关性，在图像中就表现为空间冗余。对空间冗余的压缩方法就是把这种集合块当作为一个整体，用极少的信息来表示它，从而节省存储空间。这种压缩方法叫做空间压缩或帧内压缩，它的基本点就在于减少邻近像素之间的空间相关性。
2. 结构冗余
在有些图像的纹理区，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。
3. 时间冗余
这是序列图像（电视图像、运动图像）表示中经常包含的冗余。图像序列中两幅相邻的图像有较大的相关，这反映为时间冗余。同理，在语音中，由于人在说话时其发音的音频是一连续和渐变的过程，而不是一个完全的时间上独立的过程，因而存在着时间冗余。这种压缩对运动图像往往能得到很高的压缩比，这也称为时间压缩和帧间压缩。
4. 视觉冗余
在多媒体技术的应用领域中，人的眼睛是图像信息的接收端。而人类的视觉系统并不能对图像画面的任何变化都能感觉到，视觉系统对于图像场的注意是非均匀和非线性的，即主要部分质量，同时取画面的整体效果，不拘泥于每一个细节。
例如，人的视觉对于边缘的急剧变化不敏感，且人眼对图像的亮度信息敏感，对颜色的分辨力弱等。因此，对于压缩或量化而使图像发生的变化，如果这些变化不能被视觉所感受，我们仍认为图像质量是完好的或是足够好的，即图像压缩并恢复后仍有满意的主观图像质量。
事实上，人类视觉系统的一般分辨能力估计为26灰度等级，而一般图像的量化采用的是28的灰度等级。像这样的冗余，我们称之为视觉冗余。
5. 知识冗余
有些图像的理解与某些知识有相当大的相关性。例如：狗的图像有固定的结构。比如，狗有四条腿，头部有眼、鼻、耳朵，有尾巴等。这类规律性的结构可由先验知识和背景知识得到，我们称此类冗余为知识冗余。
6. 其他冗余
多媒体数据除了具有上面所说的各种冗余外，还存在一些其他的冗余类型。例如由图像的空间非定常特性所带来的冗余等。
空间冗余和时间冗余是将图像信号看作为随机信号时所反映出的统计特征，因此有时把这两种冗余称为统计冗余。它们也是多媒体图像数据处理中两种最主要的数据冗余。
