 ПОЗНАВАТЕЛЬНОЕ Сила воли ведет к действию, а позитивные действия формируют позитивное отношение Как определить диапазон голоса - ваш вокал Игровые автоматы с быстрым выводом Как самому избавиться от обидчивости Противоречивые взгляды на качества, присущие мужчинам Вкуснейший "Салат из свеклы с чесноком" Натюрморт и его изобразительные возможности Применение, как принимать мумие? Мумие для волос, лица, при переломах, при кровотечении и т.д. Как научиться брать на себя ответственность Зачем нужны границы в отношениях с детьми? Световозвращающие элементы на детской одежде Как победить свой возраст? Восемь уникальных способов, которые помогут достичь долголетия Классификация ожирения по ИМТ (ВОЗ) Глава 3. Завет мужчины с женщиной
Оси и плоскости тела человека - Тело человека состоит из определенных топографических частей и участков, в которых расположены органы, мышцы, сосуды, нервы и т.д.
| Представление цифровых изображений
Государственное бюджетное образовательное учреждение высшего профессионального образования «Поволжский государственный университет телекоммуникаций и информатики» Кафедра " Радиосвязи, Радиовещания и Телевидения"
УЧЕБНАЯ ПРАКТИКА РЕФЕРАТ «Использование методов сжатия изображения при передачи в сети интернет.»
Студент группы ИКТп- 43 Батрашев Е.К. (роспись) Фамилия И. О.
Руководитель Кирпичникова М. Ю. (роспись) Фамилия И. О.
Самара, 2016 РЕЦЕНЗИЯ
Оглавление Введение. 4 1. МЕТОДЫ СОКРАЩЕНИЯ ИНФОРМАЦИОННОЙ ИЗБЫТОЧНОСТИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ.. 5 2. Классификация методов сжатия. Основные характеристики. 9 3.Сжатие по стандарту JPEG.. 11 4.Сжатие по методу WIC (Wavelet Image Compression) 15 5.Фрактальное сжатие изображений. 17 Вывод. 20 Литература. 22
Введение.
Бурное развитие средств вычислительной техники привело к появлению различных мультимедийных приложений и программ, в которых используются тексты, изображения, анимированные фрагменты и звук. В настоящее время используются многочисленные методы сжатия/восстановления изображений различной физической природы. Среди них можно выделить два больших класса - методы сжатия без потерь и методы сжатия с потерями. Первые из них не обеспечивают больших значений коэффициента сжатия, что во многих практических приложениях требует использования второй группы методов. К числу подобных методов можно отнести аппроксимационные методы, методы спектрального разложения (к таким методам относятся, в частности, широко распространенные методы сжатия JPEG, MPEG и WIC) и фрактальные методы. Однако им присущи существенные недостатки - высокая трудоемкость и достаточно существенные искажения при больших значениях коэффициента сжатия. Тем самым является актуальной задача разработки новых методов сжатия и совершенствования существующих широко распространенных методов JPEG и MPEG с целью уменьшения вычислительной сложности и повышения качества восстанавливаемых по сжатым образам изображений, что имеет важное значение при передаче изображений по каналам связи и в иных задачах, требующих обеспечения реального масштаба времени.
МЕТОДЫ СОКРАЩЕНИЯ ИНФОРМАЦИОННОЙ ИЗБЫТОЧНОСТИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ В последнее время наблюдается бурное развитие телекоммуникационных систем, предназначенных для приема и передачи видеоданных. Решение подобной задачи стало возможным благодаря существенному увеличению емкости памяти и вычислительной мощности технических средств, входящих в состав телекоммуникационных систем. В состав таких средств входят универсальная или специализированная ЭВМ, специализированные устройства ввода-вывода изображений, средства для хранения или архивации видеоинформации и соответствующее программное обеспечение. В общем случае комплекс подобных средств должен также обеспечивать ввод, вывод и передачу изображений различной физической природы. Под вводом изображения понимаются процедуры преобразования исходного изображения к виду, удобному для вычислительной системы. Ввод может производится как со стандартных периферийных устройств ЭВМ (ВЗУ, сканеров), так и с нестандартных по отношению к ЭВМ устройств. К последним относятся, например, телевизионные камеры и ПЗС-линейки. Под выводом изображения понимается оперативная визуализация на видеомониторе, архивация с целью долговременного хранения и документирование необходимой информации. Передача изображений включает в себя обмен изображениями между различными блоками системы обработки и обмен изображениями по каналам передачи данных между системой и устройствами, не входящими в ее состав. Следует отметить, что выполнение различных функций может быть возложено на функционально-ориентированные рабочие станции на базе персональных ЭВМ, подключенных к локальной сети с выходом в глобальную сеть (рис.1.1). Представление цифровых изображений Компьютерное изображение в его цифровом представлении является набором значений интенсивностей светового потока, распределенных по конечной площади. Для простоты рассмотрим сначала монохромные изображения. Интенсивность излучаемой световой энергии с единицы поверхности в точке с координатами (ξ ,η) изображения можно представить некоторым числом B(ξ,η).Единичный элемент изображения, характеризуемый определенным значением (ξ ,η) , называется пикселем, а величина z = f (ξ ,η) - яркостью . Прежде чем рассмотреть алгоритмы сжатия изображений, необходимо определить что в дальнейшем будет пониматься под изображением.
Рис.1.1. Технические средства телекоммуникационной системы для передачи видеоданных и их функциональное назначение.
С математической точки зрения, изображения в градациях серого можно представить как вещественную функцию I двух вещественных переменных x и y. Функция I(x,y) изображения в общем случае определяется в прямоугольной области, но для удобства исследований в работе все изображения определяются в квадратных областях, .т.е x∈[0;W], а y∈[0;H], где W – ширина изображения, а H – высота изображения и W=H. Все изображения можно подразделить на две группы: с палитрой и без неё. У изображений с палитрой в пикселе (одном из отчётов изображения – значение функции I(x,y) для конкретного xi и yi) храниться число – индекс в некотором одномерном векторе цветов, называемом палитрой. Палитры обычно бывают 8, 16 и 256 – цветов. Изображения без палитры обычно бывают в определенной системе цветопредставления или в градациях серого. В градациях серого значения каждого из пикселей определяется как яркость точки. Наиболее часто встречаются изображения с 2-мя, 16-ю и 256-ю уровнями серого. Если изображение представлено в какой-то системе цветопредставления, то каждый её пиксель является структурой, описывающий компоненты цвета. Наиболее распространённой системой цветопредставления, используемой в электронных и компьютерных системах, является система RGB. В этой системе цвет определяется как комбинация красного, зелёного и синего цвета. И на каждую из составляющих приходиться по одному байту. Существуют и другие системы цветопредставления, такие как CMYK, CIE, YUU и YCrCb . Для того чтобы корректнее оценивать степень сжатия изображения, и применимости того или иного алгоритма сжатия к данному изображению вводится понятие класса изображения . Под классом цифрового изображения понимается совокупность изображений, применение к которым, алгоритм сжатия даёт качественно одинаковый результат. Например, для одного класса алгоритм сжатия даёт превосходный коэффициент сжатия, а для другого класса изображений наоборот, увеличивает объём сжимаемого файла . Условно можно выделить следующие классы изображений: • изображения с небольшим количеством цветов и большими областями, заполненными одним цветом. В изображении отсутствуют плавные переходы цветов. К таким классам обычно относится деловая графика, научно-техническая, инженерная или плакатная графика; • изображения с плавными переходами цветов, построенные на компьютере: графика презентаций и виртуальные модели; • фотореалистичные изображения, полученные после цифровой фотосъёмки, сканирования, а также постобработка этих изображений. Можно выделить и специфические классы изображений, такие как Рентгенвские снимки, радиолокационныепланы местности и т.д. Но для сравнения алгоритмов сжатия изображений всегда необходимо определять класс изображений, с которыми они работает. В процессе работы с изображениями приложения, осуществляющие обработку, предъявляют различные требования к алгоритмам сжатия изображений. Из-за специфики приложений такие требования иногда могут противоречить друг другу. В общем случае можно выделить следующие требования к алгоритмам сжатия изображений: • высокая степень компрессии; • высокое качество сжатого изображения (данное требование противоречит выполнению предыдущего требования, поэтому всегда приходиться искать компромисс между степенью сжатия и качеством восстановленного изображения); • высокая скорость компрессии (данное требование актуально для приложений, занимающихся кодированием изображений в реальном масштабе времени: цифровых фотоаппаратов, видеокамер); • высокая скорость декомпрессии (данное требование актуально почти для всех приложений). • возможность показать приблизительное изображение, не дожидаясь полной его загрузки (данное требование актуально для сетевых приложений и для приложений, занимающихся передачей больших изображений). • учёт специфики изображения (данное требование реализуют алгоритмы сжатия, основанные на определении «области особого назначения» (ROI – regions of interest)).
2. Классификация методов сжатия. Основные характеристики.
Все методы сжатия информации основаны на том простом предположении, что набор данных всегда содержит избыточные элементы. Сжатие достигается за счет поиска и кодирования избыточных элементов Поток данных об изображении имеет существенное количество излишней информации, которая может быть устранена практически без заметных для глаза искажений. При этом различают два типа избыточности. Статистическая избыточностьсвязана с корреляцией и предсказуемостью данных. Эта избыточность может быть устранена без потери информации, исходные данные при этом могут быть полностью восстановлены .Наиболее известные методы эффективного кодирования символов основаны на знании частоты каждого символа присутствующего в сообщении. Зная эти частоты, строят таблицу кодов, обладающую следующими свойствами: • различные коды могут иметь различное количество бит; • коды символов с большей частотой встречаемости, имеют меньше бит, чем коды символов с меньшей частотой; • хотя коды имеют различную битовую длину, они могут быть восстановлены единственным образом, т.е. коды строятся как префиксные. Этими свойствами обладает известный алгоритм Хаффмана . Визуальная (субъективная) избыточность, которую можно устранить с частичной потерей данных, мало влияющих на качество воспроизводимых изображений; это - информация, которую можно изъять из изображения, не нарушая визуально воспринимаемое качество изображений. Устранение визуальной избыточности изображений является основным резервом сокращения передаваемой информации . Для оптимизации процесса кодирования в целях обеспечения передачи наименьшего объема информации необходимо, с одной стороны, не передавать избыточную информацию, а с другой, - не допустить чрезмерной потери качества изображения. До сих пор не существует простой и адекватной модели визуального восприятия изображений, пригодной для оптимизации их кодирования . Задача сжатия изображения состоит из двух основных частей: кодирование и декодирование. Если декодированное изображение всегда в точности соответствует кодируемому изображению, то такой алгоритм кодирования-декодирования называется алгоритмом сжатия без потерь. Если декодированное изображение отличается от кодированного, то подобный алгоритм называют алгоритмом сжатия с потерями. Общая схема процесса сжатия изображения представлена на рисунке 1.2 . Рассмотрим этапы процедуры сжатия данных в общем виде. Любой метод сжатия реализует три основных этапа (рис. 1.2): • кодирование или первичное сжатие; • вторичное сжатие; • декодирование или восстановление изображения. На первом этапе выполняется преобразование исходных данных из одной формы представления в другую. В частности, при сжатии изображений в зависимости от вида алгоритма сжатия может быть выполнен переход от исходного изображения к следующим видам представления (табл.1.1): На втором этапе компоненты преобразования квантуются и приводятся к виду удобному для статистического кодирования, а затем кодируются. На этом этапе обеспечивается уплотнение информационного потока. Существует несколько различных подходов к проблеме сжатия информации. Одни имеют весьма сложную теоретическую математическую базу, другие основаны на свойствах информационного потока и алгоритмически достаточно просты. Любой способ, реализующий сжатие данных, предназначен для снижения объема выходного потока информации помощи обратимого или необратимого преобразования. Поэтому все способы сжатия можно разделить на две категории: обратимое и необратимое сжатие. Методы сжатия цифровых изображений можно классифицировать по их основным характеристикам, таким как: точность восстановления, симметричность основного преобразования и тип используемого преобразования .
Сжатие по стандарту JPEG
JPEG - один из самых распространенных и достаточно мощных алгоритмов, представляет собой метод сжатия изображений, реализуемый различными способами . Работает он как на черно-белых, так и на полноцветных изображениях. Стандарт JPEG (Joint Photographic Experts Group - Объединенная экспертная группа по фотографии) - формат хранения фотографических изображений, отличающийся хорошим качеством восстановленного изображения. Процесс сжатия изображения JPEG достаточно сложен и часто для достижения приемлемой производительности требует специальной аппаратуры. Схема процедуры сжатия изображений по стандарту JPEG приведена на рис.1.4.
Кодирование изображений по стандарту JPEG обычно начинается с преобразования цветового пространства из RGB в YUV (известное также под названием YCbCr). Цветное изображение традиционно может рассматриваться как результат сложения трех компонент:
В этом выражении:
В типичных изображениях в формате RGB имеется существенная корреляция между цветными компонентами и с точки зрения сжатия изображения этот формат является заведомо избыточным. Как известно, в RGB изображение стандартах телевизионного вещания используется другое представление изображений, при котором также используются 3 компоненты сигнала, но при этом эти компоненты почти некоррелированы друг с другом. Компоненты R,G и B преобразуются в яркостную компоненту Y и две цветоразностных компоненты U и V, формата YUV
В формате YUV компоненты слабо коррелированны. Более того, так как большая часть информации сосредоточена в яркостной компоненте, то будет потеряно мало информации, если выполнить децимацию (прореживание) компонент U и V с коэффициентом 2. При таком прореживании 4 соседние точки (квадрат 2х2) описываются 4 значениями компонент Y и по одному значению компонент U и V. Результатом является стандартный формат YUV 4:1:1, который, как правило, является входным для большинства видеокодеров. Таким образом, получается сжатие в 2 раза без сколько-нибудь заметного искажения изображения. Стандарт не обязывает выполнять эту операцию, однако такой подход позволяет повысить эффективность сжатия. Далее исходное изображение разбивается на матрицу клеток одинакового размера (чаще всего 8×8 пикселов).Такой размер выбран по следующим причинам : 1) С точки зрения аппаратной и программной реализации размер блока 8х8 не накладывает существенных ограничений на размер требуемой памяти. 2) Вычислительная сложность ДКП для блока 8х8 также является приемлемой для большинства вычислительных платформ. Следующий этап процедуры сжатия данных заключается в преобразовании небольших блоков изображения при помощи двумерного косинусного преобразования (ДКП). Обработка ведется блоками 8х8 пикселов. Выбор ДКП в качестве стандартного решения диктуется следующими причинами: • Для изображений с сильно коррелированными отсчетами (коэффициент корреляции >0,7) эффективность ДКП в смысле компактности представления данных близка к преобразованию Карунена-Лоэва (это преобразование является оптимальным в том смысле, что оно ортонормированно и гарантирует некоррелированность коэффициентов преобразования – элементов Y). • ДКП представляет собой ортогональное сепарабельное преобразование, независящее от изображения, поэтому его вычислительная сложность невелика. Обработка каждой клетки выполняется независимо и заключается в выполнении ДКП по строкам и столбцам клетки, которое имеет вид:
В выражении (1.13) множитель C(u,v) является нормирующим и равен 1/√2 при u=0 или v=0 и равен единице для остальных значений индексов. Общим недостатком дискретных ортогональных преобразований является их высокая вычислительная сложность. В связи с этим используются так называемые быстрые алгоритмы выполнения косинусного преобразования. Известные из литературы алгоритмы быстрых преобразований в базисах косинусных функций, хотя и отличаются меньшим числом операций умножения, но требуют дополнительных перекомпоновок после каждой итерации алгоритма. Одномерное косинусное преобразование может быть вычислено через одномерное преобразование Хартли [2]. При этом вначале производится перестановка элементов вектора исходных данных таким образом, что первую половину последовательности составляют нечетные элементы, а вторую половину последовательности - четные элементы в порядке возрастания номеров, а затем выполняется одномерное преобразование Хартли над модифицированным вектором:
(где cas[...] = cos[....] + sin[...]), которое может быть вычислено по быстрому алгоритму; после чего выполняются дополнительные вычисления с элементами вектора результатов преобразования Хартли:
Процедура обратного косинусного преобразования отличается от прямого алгоритма другой последовательностью вычислений - вначале выполняются преобразования, подобные выражению ,после чего выполняется преобразование Хартли и лишь затем производится перестановка элементов вектора результатов. К неудобствам косинусного преобразования следует отнести: • неразделимость ядра преобразования для двумерного варианта; • негибкие алгоритмы для различного размера ядра; • несимметричный алгоритм обратного косинусного преобразования.
|
- калориметрические коэффициенты.
