Технология компрессии изображений Smart Compression of Images

Содержание

Слайд 2

CONTENTS

Objectives
Smart Compression of Images Procedure
Example 1. Lossy Compression Mode
Third

CONTENTS Objectives Smart Compression of Images Procedure Example 1. Lossy Compression Mode
Step – the Core of General Algorithm
Segments Comparison
Example 2: Segments Comparison
Minimal Basic Subset of Segments Selection
Example 3: Minimal Basic Subset of Segments
Selection
Smart Compression of Colored Images
Main Features of Smart Compression
Experiment 1: Smart Compression and JPG Comparison
Experiment 2: probability of optimality for different segment sizes as a function of size of an image

Слайд 3

Цели:

Высокая степень компрессии.
2. Возможность выбора режима компрессии:
Компрессия без потерь качества изображения;

Цели: Высокая степень компрессии. 2. Возможность выбора режима компрессии: Компрессия без потерь

Компрессия с контролируемой потерей качества.
3. Гибкая адаптация к типу сжимаемого изображения.

Слайд 4

Алгоритм «Smart Compression of Images»

Основной алгоритм компрессии вариабельными фрагментами
Выбор размеров квадратного фрагмента,

Алгоритм «Smart Compression of Images» Основной алгоритм компрессии вариабельными фрагментами Выбор размеров
на которые делится изображение, не анализировавшегося ранее. Если таковых нет – переход к шагу 7
Декомпозиция изображения на фрагменты.
Выделение минимального подмножества фрагментов, позволяющих восстановить исходное изображение с заданным уровнем искажений с помощью функций преобразования фрагментов.
Вычисление коэффициента компрессии “η”. Если он больше хранящегося в памяти, то переход к шагу 5, в противном случае – к шагу 6.
Прежнее значение коэффициента компрессии и соответствующий размер фрагмента забываются, а новые – запоминаются.
Выбранный на шаге 1 последней итерации фрагмент считаем анализировавшимся. Переход к шагу 1.
7. Конец алгоритма.

Слайд 5

Пример 1. Сжатие с потерями качества

Размер фрагмента =1/4 от оригинала

Размер сегмента=1/16 от

Пример 1. Сжатие с потерями качества Размер фрагмента =1/4 от оригинала Размер
оригинала

Segmentation

Selection of minimal subset of basic segments

Resulting image after decompression

η=4/3≈ 1.33

η=16/10=1.6

1

2

3

4

Горизонтальное зеркальное отражение для № 3

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

1

1

1

13

15

Вертикальное зеркальное отражение для №10

1

5

6

7

8

9

10

11

13

15

1

2

3

Исходное изображение

Слайд 6

Пример2: Функции сравнения фрагментов

Сравниваются нижеприведенные фрагменты:

a) b)‏
Рис. 1

Исходные положения первого (Рис.

Пример2: Функции сравнения фрагментов Сравниваются нижеприведенные фрагменты: a) b)‏ Рис. 1 Исходные
1a) и второго (Рис. 1b) фрагментов.

a) b) c) d)‏
Рис. 2.

Результат поворота второго фрагмента на Х градусов, причем Х =:
0 (Рис. 2a),
½π (Рис. 2b),
π (Рис. 2с),
1.5 π (Рис. 2d).

a) b) c) d)‏
Figure 3.

Зеркальные отражения второго фрагмента(Рис. 3a) в сочетании с приведенными выше углами поворота. Сравнение Рис. 1a и Рис. 3c говорит о возможности преобразовать второй фрагмент в первый.

Слайд 7


Пример 3: Выделение минимального базового подмножества фрагментов

1. Замена фрагментов графом

Пример 3: Выделение минимального базового подмножества фрагментов 1. Замена фрагментов графом G(X,U)‏
G(X,U)‏ 2. Выделение минимального покрывающего подмножества вершин

1

2

3

4

5

6

7

8

9

10

11

12

15

14

13

16

1

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

Рис 4. Декомпозиция изображения

Рис. 5. Граф G(X,U) представляющий изображение после фрагментации.

Рис. 6. Граф G(X,U’). Красные вершины отвечают минимальному покрывающему подмножеству вершин, соответствующему минимальному базовому подмножеству фрагментов. Коэффициент компрессии равен |X|/|X|=1.6

Задача выделения минимального базового подмножества фрагментов заменяется поиском минимального покрывающего подмножества вершин на графе.

Слайд 8

Компрессия цветных изображений

Smart Compression использует разложение на три цвета, каждый из

Компрессия цветных изображений Smart Compression использует разложение на три цвета, каждый из
которых имеет градации яркости 0 – 256 each (Рис. 7).

Рис. 7.

Одним из способов использования вышеописанной технологии является компрессия каждой монохромной картинки отдельно..

Слайд 9

Аналитические закономерности компрессии статичных изображений вариабельными фрагментами

Теорема 1. Оптимальное число квадратных

Аналитические закономерности компрессии статичных изображений вариабельными фрагментами Теорема 1. Оптимальное число квадратных
фрагментов N, разбиение на которое позволяет получить максимальный коэффициент компрессии, в первом приближении равно:
где: Q – размер оригинального изображения;
D – объем информации о каждом фрагменте, хранимый в
памяти и достаточный для его восстановления;
k - коэффициент пропорциональности.

Слайд 10

Минимизация времени компрессии в однородных вычислительных средах

Теорема 2.

Оптимальное число используемых однородных

Минимизация времени компрессии в однородных вычислительных средах Теорема 2. Оптимальное число используемых
процессоров, минимизирующее время сравнения фрагментов изображения, равно:
Оптимальное число используемых однородных процессоров, минимизирующее время выделения минимального базового подмножества фрагментов изображения, равно:
где: Р – число процессоров однородной
вычислительной среды; k - коэффициент
пропорциональности; g – пропускная способность
канала связи (Кб/сек)

Теорема 3.

Имя файла: Технология-компрессии-изображений-Smart-Compression-of-Images.pptx
Количество просмотров: 43
Количество скачиваний: 0