Сжатие статического изображения
Существует два основных подхода к сжатию изображения: без потери информации (алгоритмы Хаффмана, Лемпела—Зива— Вслча (LZW), группового кодирования (RLH)) и с потерей информации (алгоритмы CCITT, ДКП, JPEG и фрактального сжатия).
Методы сжатия изображений подразделяют на симметричные и асимметричные. В симметричных методах при сжатии (кодировании) и восстановлении (декодировании) изображения используются практически одни и те же алгоритмы, поэтому длительность процедур сжатия и восстановления одинакова.
В асимметричных методах, как правило, на сжатие данных затрачивается намного больше времени и системных ресурсов, чем на их восстановление.
Примером неадаптивного кодирования является алгоритм ССПТ, содержащий статический (априорный) словарь элементов, о которых известно, что они появляются в кодируемых данных достаточно часто. Алгоритмы адаптивного кодирования, например LZW, не содержат априорных правил для сжимаемых данных и не зависят от их типа, поскольку словарь у них формируется в процессе кодирования. В алгоритмах полуадаптивного кодирования применяются оба принципа: кодировщик сначала просматривает все данные и создает свой словарь, а затем выполняет кодирование.
Рассмотрим подробнее некоторые алгоритмы сжатия изображения без потери информации.
В алгоритме Хаффмана сжатие проводится в два этапа. Сначала считыва-ются данные и определяется частота встречаемости отдельных байтов данных, затем байты кодируются, причем наиболее часто встречающиеся значения кодируются меньшим количеством символов.
|
|
|
Групповое кодирование реализуется алгоритмом сжатия RLE1, который позволяет сжимать данные любых типов. Алгоритм RLE реализуегся достаточно быстро и просто, однако эффективность сжатия зависит от типа данных изображения, подлежащего кодированию.
В соответствии с алгоритмом LZW первая часть файла передастся без сжатия, и кодируется лишь та часть изображения, в которой содержатся уже переданные данные.
Вывод: чем больше деталей в изображении, тем хуже оно сжимается. Это характерно как для полутоновых, так и для изображений в истинных цветах.
Алгоритм сжатия изображения с потерей информации основан на частотном представлении изображения. При этом изображение представляют в виде ряда Фурье — определенной последовательностью гармонических сигналов со своей амплитудой и частотой.
Наиболее известным способом сжатия изображения с потерей информации является ДКП, при котором сигнал сначала преобразуют в частотную форму, а затем из него удаляют часть частотных составляющих. При этом процедуру ДКП применяют не ко всему изображению, а только к его фрагментам.
|
|
|
Алгоритм ДКП реализуется в виде
Yd=DYDт,
где Y — матрица исходного изображения размером 8x8 пикселей; Yp — матрица изображения после ДКП; D — матрица косинусного преобразования.
Восстановление сжатого изображения проводится обратным ДКП.
Яркостная информация сжимается непосредственно с помощью ДКП, а для сжатия цветовой информации предварительно используется специальная процедура субдискретизации изображения. Суть этого подхода, заключающегося в уменьшении количества пикселей для компоненты цветности, основана на меньшей чувствительности глаза к цветовой информации.
Алгоритмы JPEG преобразуют компоненты яркости и цветности изображения отдельно, что обеспечивает их полную независимость от цветовой модели. Формат JPEG позволяет сохранять одно и то же изображение с разными размерами. Спецификация JPEG не всегда обеспечивает лучшее сжатие изображения по сравнению с другими алгоритмами.
Компоненты цветности в JPEG кодируются методом субдискретизации.
Фрактальное кодированиеизображения. Это математическая процедура, применяемая для перевода растрового изображения в совокупность математических данных, которые описывают фрактальные свойства этого изображения. Фрактальное кодирование (наиболее известен формат FIF) основано на том факте, что все естественные и большинство искусственных объектов содержат избыточную информацию в виде одинаковых, повторяющихся рисунков, называемых фракталами. Фрактальное представление, подобно векторной графике, оперирует математическими описаниями объектов, а не их реальными изображениями. Существенное различие между ними состоит в том, что фрактальные описания получают из реальных изображений объектов, тогда как векторные — это чисто искусственные структуры.
|
|
|
Вывод: сжатие с потерей информации эффективно как для цветных, так и полутоновых изображений, но поскольку цветовая информация сжимается сильнее, то и степень сжатия в первом случае будет выше, чем во втором.
Дата добавления: 2018-11-24; просмотров: 281; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!