- •Введение
- •Глава 1. Алгоритмы сжатия изображений
- •Классы изображений
- •1.2. Алгоритмы сжатия без потерь
- •1.2.1 Алгоритм rle
- •1.2.2 Алгоритм lzw
- •1.2.3. Алгоритм Хаффмана
- •1.3. Алгоритмы сжатия с потерями
- •1.3.1. Проблемы алгоритмов сжатия с потерями
- •1.3.2. Алгоритм jpeg
- •1.3.4. Рекурсивный (волновой) алгоритм
- •1.3.5. Подведение итогов
- •1.4. Алгоритмы сжатия видеоизображения
- •1.4.1. Частотно-полосные преобразования
- •1.4.2. Применение частотно-полосных преобразований для сжатия видео
- •1.4.3. Адаптивная пред- и постфильтрация
- •1.4.4. Особенности архитектуры текущего поколения видеокодеков
- •1.4.5. Стандарт н264
- •Глава 2. Форматы сжатия видео семейства mpeg
- •2.1. Международный стандарт кодирования с информационным сжатием mpeg-2
- •2.1.1. Компрессия видеоданных
- •2.1.2. Кодируемые кадры
- •2.1.3. Компенсация движения
- •2.1.4. Дискретно-косинусное преобразование
- •2.1.5. Профессиональный профиль стандарта mpeg-2
- •Глава 3. Dvd-video
- •3.1. Структура dvd –дисков и принцип записи
- •3.2. Видео на dvd
- •3.3. Звук на dvd
- •Глава 4. Таблицы сравнения алгоритмов
- •4.1. Сжатие двуцветного изображения
- •4.2. Сжатие 16-цветного изображения
- •4.3. Сжатие изображения в градациях серого
- •4.4. Сжатие полноцветного изображения
- •Библиографический список
- •Оглавление
- •Глава 1. Алгоритмы сжатия 4
- •Глава 2. Форматы сжатия видео 87
- •Глава 3. Dvd-video 114
- •Глава 4. Таблицы сравнения 134
- •394026 Воронеж, Московский просп., 14
1.3. Алгоритмы сжатия с потерями
1.3.1. Проблемы алгоритмов сжатия с потерями
Первыми для архивации изображений стали применяться привычные алгоритмы. Те, что использовались и используются в системах резервного копирования, при создании дистрибутивов и т.п. Эти алгоритмы архивировали информацию без изменений. Однако основной тенденцией в последнее время стало использование новых классов изображений. Старые алгоритмы перестали удовлетворять требованиям, предъявляемым к архивации. Многие изображения практически не сжимались, хотя “на взгляд” обладали явной избыточностью. Это привело к созданию нового типа алгоритмов - сжимающих с потерей информации. Как правило, коэффициент архивации и, следовательно, степень потерь качества в них можно задавать. При этом достигается компромисс между размером и качеством изображений.
Одна из серьезных проблем машинной графики заключается в том, что до сих пор не найден адекватный критерий оценки потерь качества изображения. А теряется оно постоянно - при оцифровке, при переводе в ограниченную палитру цветов, при переводе в другую систему цветопредставления для печати, и, что для нас особенно важно, при архивации с потерями. Можно привести пример простого критерия: среднеквадратичное отклонение значений пикселей (L2 мера, или root mean square - RMS):
(1.6)
По нему изображение будет сильно испорчено при понижении яркости всего на 5% (глаз этого не заметит - у разных мониторов настройка яркости варьируется гораздо сильнее). В то же время изображения со “снегом” - резким изменением цвета отдельных точек, слабыми полосами или “муаром” будут признаны “почти не изменившимися” (Объясните, почему?). Свои неприятные стороны есть и у других критериев.
Рассмотрим, например, максимальное отклонение:
(1.7)
Эта мера, как можно догадаться, крайне чувствительна к биению отдельных пикселей. Т.е. во всем изображении может существенно измениться только значение одного пикселя (что практически незаметно для глаза), однако согласно этой мере изображение будет сильно испорчено.
Мера, которую сейчас используют на практике, называется мерой отношения сигнала к шуму (peak-to-peak signal-to-noise ratio - PSNR).
(1.8)
Данная мера, по сути, аналогична среднеквадратичному отклонению, однако пользоваться ей несколько удобнее за счет логарифмического масштаба шкалы. Ей присущи те же недостатки, что и среднеквадратичному отклонению.
Лучше всего потери качества изображений оценивают наши глаза. Отличной считается архивация, при которой невозможно на глаз различить первоначальное и разархивированное изображения. Хорошей - когда сказать, какое из изображений подвергалось архивации, можно только сравнивая две находящихся рядом картинки. При дальнейшем увеличении степени сжатия, как правило, становятся заметны побочные эффекты, характерные для данного алгоритма. На практике, даже при отличном сохранении качества, в изображение могут быть внесены регулярные специфические изменения. Поэтому алгоритмы архивации с потерями не рекомендуется использовать при сжатии изображений, которые в дальнейшем собираются либо печатать с высоким качеством, либо обрабатывать программами распознавания образов [8]. Неприятные эффекты с такими изображениями, как мы уже говорили, могут возникнуть даже при простом масштабировании изображения.