МІНІСТЕРСТВО ЗВ'ЯЗКУ ТА ІНФОРМАТИЗАЦІЇ РЕСПУБЛІКИ БІЛОРУСЬ
Установа освіти
"ВИЩИЙ ДЕРЖАВНИЙ КОЛЕДЖ ЗВ'ЯЗКУ "
ФАКУЛЬТЕТ ЕЛЕКТРОЗВ'ЯЗКУ
Реферат на тему:
Методи стиснення статичних зображень, алгоритм SPIHT
з дисципліни:
"Цифрова обробка мови та зображення "
Виконав студент гр. ПО941
Гамановіч С.В.
Мінськ 2011
Методи стиснення статичних зображень, алгоритм SPIHT
Основні методи стиснення статичних зображень:
В· Зниження глибини кольору
В· Метод головних компонент
В· Фрактальное стиснення
В· Стиснення на основі провісників
В· ДІКМ
В· Ієрархічна сіткова інтерполяція
В· JPEG
В· Вейвлетного компресія
В· JPEG 2000
вейвлетного стиснення - загальна назва класу методів кодування зображень, що використовують двовимірне вейвлет-розкладання кодованого зображення або його частин. Зазвичай мається на увазі стиснення з втратою якості.
Істотну роль в алгоритмах вейвлетного компресії відіграє концепція представлення результатів вейвлет-розкладання у вигляді нуль-дерева (Zero-tree). Впорядковані в нуль-дереві бітові площини коефіцієнтів вейвлет-розкладання огрублюються і кодуються далі з використанням статистичних методів стиснення.
вейвлетного компресія в сучасних алгоритмах компресії зображень дозволяє значно (до двох разів) підвищити ступінь стиснення чорно-білих і кольорових зображень при порівнянному візуальному якості по відношенню до алгоритмів попереднього покоління, заснованим на дискретному косинусном перетворенні, таких, наприклад, як JPEG.
DjVu (від фр. dГ©jГ vu - "вже бачене ") - технологія стиснення зображень з втратами, розроблена спеціально для зберігання сканованих документів - книг, журналів, рукописів та інше, де достаток формул, схем, малюнків і рукописних символів робить надзвичайно трудомістким їх повноцінне розпізнавання. Також є ефективним рішенням, якщо необхідно передати всі нюанси оформлення, наприклад, історичних документів, де важливе значення має не тільки зміст, але і колір і фактура паперу; дефекти пергаменту: тріщинки, сліди від складання; виправлення, плями, відбитки пальців, сліди, залишені іншими предметами і т.д.
JPEG 2000 (або jp2) - графічний формат, який замість дискретного косинусного перетворення, застосовуваного в форматі JPEG, використовує технологію вейвлет-перетворення, що грунтується на уявленні сигналу у вигляді суперпозиції базових функцій - хвильових пакетів.
В результаті такої компресії зображення виходить більш гладким і чітким, а розмір файлу в порівнянні з JPEG при однаковій якості виявляється меншим. JPEG 2000 повністю вільний від головного недоліку свого попередника: завдяки використанню вейвлетів, зображення, збережені в цьому форматі, при високих ступенях стиску не містять артефактів у вигляді "решітки" з блоків розміром 8х8 пікселів. Формат JPEG 2000 так само, як і JPEG, підтримує так зване "прогресивне стиснення", що дозволяє у міру завантаження бачити спочатку розмите, але потім все більш чітке зображення.
Алгоритм фрактального стиснення зображення відносять до алгоритмів архівації з частковою втратою інформації. Основа методу фрактального кодування - це виявлення самоподібних ділянок у зображенні. Ідея компресії зображення заснована на застосувань систем ітеріруемих функцій.
Фрактал - це нескінченно самоподібних геометрична фігура, кожен фрагмент якої повторюється при зменшенні масштабу.
вейвлетного компресія зображення алгоритм
Рисунок 1 - приклад фрактала
Фрактальний алгоритм дозволяє стискати зображення в сотні і навіть тисячі разів.
Основна складність фрактального стиснення полягає в тому, що для знаходження відповідних доменних блоків, потрібен повний перебір.
Оскільки при цьому переборі кожен раз повинні порівнюватися два масиви, дана операція виходить досить тривалою, що вимагає значних обчислювальних ресурсів.
На сьогоднішній день фрактальні методи найкращим чином пристосовані для додатків архівування, таких як цифрові енциклопедії, в яких кодування необхідно лише одного разу, а декодування відбувається безліч разів.
Фрактальні методи можна розглядати, як альтернативу технологіям, заснованим на перетворенні Фур'є, наприклад, таким як JPEG. Нові технології, такі як фрактальні повинні розглядатися не тільки як конкуренти, але і як союзники у встановленні нових стандартів.
Алгоритм SPIHT ( Просторово Впорядковані Ієрархічні Дерева) являє собою метод стиснення зображень з втратами і володіє високою чутливістю. Його легко реалізовувати, він працює швидко і дає прекрасні результати при стисненні будь-яких типів зображень.
Метод SPIHT був розроблений для оптимальної прогресуючої передачі зображень, а також для їх стиснення. Найважливіша особливістю цього алгоритму полягає в тому, що на будь-якому етапі декодування якість відображуваної в цей момент картинки є найкращим для введеного обсягу інформації про даному образі.
Інша відмінна риса алгоритму SPIHT складається у використанні ним вкладеного кодування. Це властивість можна визначити наступним чином: якщо кодер, який використовує вкладене кодування, виробляє два файли, великий обсягу М біт і маленький обсягу n біт, то менший файл збігається з першими M битами більшого файлу.
Наступний приклад вдало ілюструє це визначення. Припустимо, що три користувача очікують деякий відправлене їм стислий зображення. При цьому їм потрібно різне якість цього зображення. Першому з них вимагається якість, що забезпечується 10 KB образу, а другому і третьому користувачеві необхідно якість, відповідно, в обсязі 20 KB і 50 КВ. Більшості методів стиснення зображення з частковою втратою даних потрібно стискати вихідний образ три рази з різним якістю, для того, щоб згенерувати три різних файлу, необхідних обсягів. А метод SPIHT справить для цих цілей всього один файл, і користувачам будуть послані три початкові фрагмента цього файлу, довжини яких відповідно дорівнюють 10 KB, 20 KB і 50 КВ.
На одному з його етапів застосовується вейвлетного перетворення. Крім того, основна структура даних цього алгоритму, просторово орієнтоване дерево, використовує той факт, що різні піддіапазони відображають різні геометричні особливості образу. Перетворення Хаара можна застосовувати до зображення декілька разів поспіль. При цьому утворюються різні області (піддіапазони), що складаються з середніх і деталей даного образу. Перетворення Хаара є дуже простим і наочним, але для кращого стиснення варто використовувати інші вейвлетного фільтри, які краще концентрують енергію зображення.
Різні вейвлетного фільтри будуть давати різні коефіцієнти стиснення для різних типів зображень. Однак дослідникам поки не до кінця ясно, як побудувати найкращий фільтр для кожного типу образів. Незалежно від конкретно використовуваного фільтра, образ розкладається на піддіапазони так, що нижні піддіапазони відповідають високим частотам зображення, а верхні піддіапазони відповідають низьким частотам образу, в яких концентрується основна частина енергії зображення. Тому можна очікувати, що коефіцієнти деталей зображення зменшуються при переміщенні від високого рівня до більш низького. Крім того, є певна просторова подібність між піддіапазону. Частини образу, такі як піки, займають одну і ту ж просторову позицію в усіх піддіапазонах.
Малюнок 2 - піддіапазони і рівні вейвлетного розкладання.
Почнемо з загального опису методу SPIHT. Позначимо пікселі вихідного зображення р через pij. Будь-яке безліч фільтрів Т може бути використане для перетворення пікселів в вейвлетного коефіцієнти (або коефіцієнти перетворення) Cij. Ці коефіцієнти утворюють пере...
