Сжатие информации с потерями

Говоря о кодах сжатия, различают понятия «сжатие без потерь» и «сжатие с потерями». Сжатие с потерями применяется в основном для графики (JPEG), звука (MP3), видео (MPEG), то есть там, где в силу огромных размеров файлов степень сжатия очень важна, и можно пожертвовать деталями, не существенными для восприятия этой информации человеком. Особые возможности для сжатия информации имеются при компрессии видео. В ряде случаев большая часть изображения передается из кадра в кадр без изменений, что позволяет строить алгоритмы сжатия на основе выборочного отслеживания только части «картинки». В частном случае изображение говорящего человека, не меняющего своего положения, может обновляться только в области лица или даже только рта — то есть в той части, где происходят наиболее быстрые изменения от кадра к кадру.

В целом ряде случаев сжатие графики с потерями, обеспечивая очень высокие степени компрессии, практически незаметно для человека. Однако методы сжатия с потерями обладают и рядом недостатков:

Первый заключается в том, что компрессия с потерями применима не для всех случаев анализа графической информации. Например, если в результате сжатия изображения на лице изменится форма родинки (но лицо при этом останется полностью узнаваемо), то эта фотография окажется вполне приемлемой, чтобы послать ее по почте знакомым, однако если пересылается фотоснимок легких на медэкспертизу для анализа формы затемнения — это уже совсем другое дело. Кроме того, в случае машинных методов анализа графической информации результаты кодирования с потерей (незаметные для глаз) могут быть «заметны» для машинного анализатора.

Вторая причина заключается в том, что повторная компрессия и декомпрессия с потерями приводят к эффекту накопления погрешностей. Если говорить о степени применимости формата JPEG, то, очевидно, он полезен там, где важен большой коэффициент сжатия при сохранении исходной цветовой глубины. Именно это свойство обусловило широкое применение данного формата в представлении графической информации в Интернете, где скорость отображения файла (его размер) имеет первостепенное значение. Отрицательное свойство формата JPEG — ухудшение качества изображения, что делает практически невозможным его применение в полиграфии, где этот параметр является определяющим.

Фрактальный алгоритм

Коэффициенты компрессии: 2-2000 (Задается пользователем).

Класс изображений: Полноцветные 24 битные изображения или изображения в градациях серого без резких переходов цветов (фотографии). Желательно, чтобы области большей значимости (для восприятия) были более контрастными и резкими, а области меньшей значимости — неконтрастными и размытыми.

Симметричность: 100-100000

Характерные особенности: Может свободно масштабировать изображение при разархивации, увеличивая его в 2-4 раза без появления “лестничного эффекта”. При увеличении степени компрессии появляется “блочный” эффект на границах блоков в изображении.

Фрактальное сжатие является довольно перспективным методом сжатия реальных изображений. Коэффициент сжатия достаточно высок, тогда как отличие от оригинала достаточно низко. Для больших коэффициентов фрактальное сжатие существенно выигрывает в качестве даже у такого популярного алгоритма как JPEG. Фрактальный архиватор позволяет, например, при распаковке произвольно менять разрешение (размеры) изображения без появления эффекта зернистости. Более того, он распаковывает гораздо быстрее, чем ближайший конкурент, JPEG, и не только статическую графику, но и видео. В отличие от JPEG, в алгоритм изначально заложена возможность управлять степенью потерь на участках с максимальными потерями качества. Коэффициент сжатия изображений в целом примерно как у JPEG, но на некоторых реальных картинках достигалось сжатие в 10000 (!) раз. Но, все же, есть один существенный недостаток, который полностью перекрывает все достоинства фрактального сжатия. Это – высокая ресурсоемкость, а вследствие этого – большое время сжатия.

Сжатие с потерями используется при передаче звуковой или графической информации, при этом учитывается несовершенство органов слуха и зрения, которые не замечают некоторого ухудшения качества, связанного с этими потерями.

Алгоритм JPEG (Joint Photographic Experts Group) используется для цветных неподвижных изображений. Предложен в 1990 году. Сжатие в 10-12 раз практически без заметных потерь, а с потерями – в десятки и более раз. Ориентирован на сжатие неподвижных изображений. Базируется на ДКП, отбрасывании малых высокочастотных компонентов и последующем энтропийном сжатии полученных данных.

Прореживанием обычно называют уменьшение частоты дискретизации сигналов цветности. Соотношение оставшихся сигналов условно показывают приведенной пропорцией (для JPEG это уменьшение вдвое). Прореживание может не выполняться по желанию пользователя. При прореживание файл сжимается, но возможно ухудшение качества.

ДКП – дискретное косинусное преобразование – вариант преобразования Фурье, позволяющее найти коэффициенты разложения в ряд Фурье по косинусам и получить спектр изображения. Применяется к блокам 88 пикселов, на которые разбивается изображение.

Квантование спектра в блоках, более грубое по отношению к компонентам цветности, удаляет высокие частоты. Оно регулируется пользователем в широких пределах. Чем грубее квантование, тем сильнее сжатие и хуже качество. При плохом качестве видны блоки.

Линеаризация преобразует матрицу блока в последовательность, используя диагональный обход. Полученная числовая последовательность хорошо сжимается алгоритмом Хаффмана (тем лучше, чем грубее квантование).

MPEG – стандарт сжатия аудио- и  видеопотоков и потоков их взаимной синхронизации. Под потоком понимается битовый файл. Ориентирован на обработку видео. При формировании потока данных исходят из предположения о том, что два соседних кадра в видеопоследовательности мало отличаются. Опорные кадры сжимают по методу JPEG и передают относительно редко. В основном передаются изменения между соседними кадрами.

Метод WIC (Wavelet Image Compression) – аналогичен JPEG, но вместо разложения по тригонометрическим функциям используется разложение по специальным волновым функциям – вэйвлетам, что увеличивает степень сжатия.

Фрактальное сжатие. Термин “фрактальный” ввел Б. Мандельброт. Практическое применение для сжатия изображений нашли фракталы на основе систем итеративных функций (IFS – Iterated Function System). IFS строится для каждого изображения (автоматически) с таким расчётом, чтобы при их повторяющемся выполнении изображение постепенно уточнялось. Чем больше выполняется итераций, тем лучше его качество. Коэффициент сжатия достигает 10000:1, но процесс сжатия (т.е. построение IFS) длится долго.

Один комментарий

  1. Хорошее бесплатное решение для фрактального сжатия фотографий и любых изображений можно скачать и попробовать здесь:
    http://www.chaoticlab.com/vectorizer

Comments are closed.