Download Compresión de imágenes

Compresión de imágenes
Carlos Miguel Calafate
Visión por Computador 2002
Compresión de imágenes
Compresión sin pérdidas
Tipos de compresión
Compresión con pérdidas
Compresión sin pérdidas
• Necesário en ciertos casos:
– Documentos médicos
– Documentos de negócios
– Tratamiento por computador
• Niveles de compresión entre 2 y 10 veces
• Utilizan técnicas de reducción de
redundancia entre pixeles y de codificación.
Redundancia de codificación
• Codificación de Huffman
• Codificación Aritmética
• Codificación Run-Length
Codificación de Huffman
“ABDACABCBA”
Símbolo
A
B
C
D
Porcentaje
0,4
0,3
0,2
0,1
A (0,4)
Código
0
10
110
111
1,0
B (0,3)
C (0,2)
D (0,1)
Símbolo
A
B
C
D
0
0
0
1
1
1
0,6
0,3
0101110110010110100
Codificación Aritmética
• Más eficiente que la técnica de Huffman
– Elimina el problema del número de bits entero
– La probabilidad de cada símbolo se puede ir
ajustando
• La más compleja
Run Length Encoding
• Cada palabra del código es constituída por un
símbolo y el número de veces que se repite
• Ideal para secuencias donde los símbolos son
muy repetitivos
• No permite grandes tasas de compresión
• Es muy utilizado por su simplicidad: TIFF,
BMP, PCX
Redundancia entre bits
• Codificación por planos de bits
– Se consigue reducción de la reduncia
segmentando una imagen en múltiples
imágenes binárias
– Se comprime cada una de las imágenes binárias
recorriendo a técnicas adecuadas para este tipo
de imágenes.
• Codificación predictiva
Compresión con pérdidas
Medidas de error:
eRMS =
PSNR = 20 * log10 (255 / sqrt(eRMS))
Codificación predictiva
• Similar a la compresión predictiva sin
pérdidas
• El valor del error es cuantizado
Inadecuado para imágenes con grandes
variaciones entre pixeles consecutivos
Codificación por transformación
• Tratamiento de una imagen como una señal
bidimensional
• Las pérdidas estan subyacientes a la transformada
• Ejemplos:
–
–
–
–
DCT
FFT
KLT
WHT
La más interesante a nivel computacional
Compresión con fractales
• Actualmente es la técnica que mayor compresión
puede alcanzar
• Se hace el tratamiento de la imagen como un todo
• Se busca similitudes entre partes de la imagen
• La potencia de cálculo necesária suele ser
demasiado elevada
Soluciones sub- óptimas
Fractales
• Concepto básico
Fractales
• El “attractor”
Fractales
• Algunos ejemplos
Fractales
• La ausencia de tamaño
Compresión con fractales
• Problema:
– Encontrar la transformación cuyo “attractor”
sea la imagen que deseamos comprimir.
• Para una imagen real este camino es
inviable
Se buscan zonas con similitudes
Compresión con fractales
• Puntos de auto-similitud
Compresión con fractales
• Existen otras maneras de fraccionar la
imágen:
Quadtree
Rectangulos
Triangulos
(5008)
(2910)
(2954)
Compresión con fractales
• Imágen inicial e iteraciones 1, 2 y 10
Convergencia
rápida
Estándares de imágenes
• JPEG
• JPEG2000
El estándar JPEG
•
•
•
•
•
•
Estándar ISO de 1991
Imágenes en gris y en color
Orientado a escenas reales
Niveles de compresión de 20:1
Simétrico
Compresión con y sin pérdidas
El estándar JPEG
• Codificador según el estándar JPEG
El estándar JPEG2000
• Nuevo estándar ISO/ITU (2001)
• Mejora el antigüo estándar en:
– Compresión (0,25 bpp)
– rangos dinámicos diferentes para cada
componente de color
– codificación por regiones de interés
– substitución de la técnica DCT por Wavelets
El estándar JPEG2000
• Formato de fichero flexible
–
–
–
–
robustez a errores
información de opacidad
secuencias de imágen
transmisión progresiva de la precisión de los
pixeles y resolución
– arquitectura abierta (herramientas pueden ser
descargadas desde la fuente)
El estándar JPEG2000
• Comparación de prestaciones (1:115)
JPEG
JPEG 2000
El estándar JPEG2000
• Iteraciones de la aplicación de la transformada
Wavelet a una imágen
Altas frec. H
Altas frec. V
El estándar JPEG2000
• Estructura del codificador en JPEG 2000
Centra los
valores en
cero
Transformada
Wavelet
Pasa de
RGB a
YCrCb
Bit-plane
coding
Coef.
distintos
para cada
sub-banda
División en
paquetes
Desarrollos Futuros
• Técnicas que mezclen Fractales y Wavelets
• Algorítmos que permitan reducir el tiempo
de compresión con fractales
• Modelar la realidad con fractales (afinidad
de los fractales con la Naturaleza)
 Fin 