Welche Redundanz wird im Allgemeinen zum Komprimieren von Bilddateien verwendet?

Bilddateien werden im Allgemeinen mithilfe von Codierungsredundanz, Interpixelredundanz und psychovisueller Redundanz komprimiert. Datenredundanz ist das Hauptproblem der digitalen Bildkomprimierung. Bei der digitalen Bildkomprimierung können drei grundlegende Datenredundanzen bestimmt und genutzt werden: Codierungsredundanz, Interpixelredundanz und psychovisuelle Redundanz Daten, die zur Darstellung einer bestimmten Informationsmenge erforderlich sind) werden erreicht, wenn eine oder mehrere davon reduziert oder eliminiert werden.

Die Betriebsumgebung dieses Tutorials: Windows 7-System, Dell G3-Computer.

Das durch die Bildkomprimierung gelöste Problem besteht darin, die zur Darstellung digitaler Bilder erforderliche Datenmenge zu minimieren, und das Grundprinzip der Reduzierung der Datenmenge besteht darin, überschüssige Daten zu entfernen.

1. Grundlegende Einführung

Bildkomprimierungsmodell: Einführung hauptsächlich in die Kodierung und Dekodierung von Signalquellen und nicht auf den Signalkanal des Übertragungsprozesses.

Datenkomprimierung bezieht sich auf die Reduzierung der Datenmenge, die zur Darstellung einer bestimmten Informationsmenge erforderlich ist.

Daten sind das Mittel zur Informationsübertragung. Die gleiche Informationsmenge kann durch unterschiedliche Datenmengen repräsentiert werden.

Information: Wird verwendet, um die Informationen des Bildes selbst darzustellen.

Datenredundanz ist ein großes Problem bei der digitalen Bildkomprimierung. Wenn n1 und n2 die Anzahl der Informationseinheiten darstellen, die in zwei Datensätzen enthalten sind, die dieselben Informationen darstellen, kann die relative Datenredundanz R_D des ersten Datensatzes (der durch n1 dargestellte Satz) wie folgt definiert werden:

Hier wird C oft als Komprimierungsverhältnis bezeichnet und ist definiert als:

Bei der digitalen Bildkomprimierung können drei grundlegende Arten von Datenredundanz identifiziert und ausgenutzt werden: Codierungsredundanz, Interpixelredundanz und psychologische Visionsredundanz. Datenkomprimierung wird erreicht, wenn eine oder mehrere dieser drei Redundanzen reduziert oder beseitigt werden.

2. Codierungsredundanz

Für Bilder kann davon ausgegangen werden, dass eine diskrete Zufallsvariable die Graustufe des Bildes darstellt und die Wahrscheinlichkeit, dass jede Graustufe (r_k) auftritt, p_r ist

Hier ist L die Anzahl der Graustufen, n_k ist die Häufigkeit, mit der die k-te Graustufe im Bild erscheint, und n ist die Gesamtzahl der Pixel im Bild. Wenn die Anzahl der Bits, die zur Darstellung jedes r_k-Werts verwendet werden, l(r_k) ist, beträgt die durchschnittliche Anzahl der zum Ausdrücken jedes Pixels erforderlichen Bits:

Das heißt, jede Graustufe wird dargestellt Die Anzahl der im Stufenwert verwendeten Bits wird mit der Wahrscheinlichkeit des Auftretens von Graustufen multipliziert und die resultierenden Produkte werden addiert, um die durchschnittliche Codewortlänge verschiedener Graustufenwerte zu erhalten. Liegt die durchschnittliche Bitanzahl einer bestimmten Kodierung näher an der Entropie, ist die Kodierungsredundanz geringer.

【Hinweis】

Entropie: Sie definiert die durchschnittliche Menge an Informationen, die durch Beobachtung der Ausgabe einer einzelnen Quelle erhalten werden

Bei Verwendung der natürlichen Binärkodierung beträgt die durchschnittliche Länge; 3

Wenn Sie die Kodierung 2 in der Tabelle verwenden, beträgt die durchschnittliche Anzahl von Bits:

Um eine Kodierungskomprimierung zu erreichen, sind die beiden Funktionen p

r

(r

k

) und l(r

k

) Multiplizieren Sie das umgekehrte Verhältnis. Mit anderen Worten: Je größer die Wahrscheinlichkeit p

r

(rk

) einer bestimmten Graustufe r

k _{ist, desto kleiner sollte die Codierungslänge l (r}k_{) sein, was die durchschnittliche Anzahl reduzieren kann Bits so nahe an der Entropie. Wie unten gezeigt: 3. Inter-Pixel-RedundanzInter-Pixel-Redundanz} ist eine Art Datenredundanz, die direkt mit der Korrelation zwischen Pixeln zusammenhängt.

Bei einem statischen Bild liegt räumliche Redundanz (geometrische Redundanz) vor. Dies liegt daran, dass der visuelle Beitrag eines einzelnen Pixels zum Bild in einem Bild oft redundant ist, was mit Hilfe der Graustufenwerte von ermittelt werden kann seine benachbarten Pixel schließen.

Bei fortlaufenden Bildern oder Videos kommt es auch zu zeitlicher Redundanz (Inter-Frame-Redundanz). Die meisten entsprechenden Pixel zwischen benachbarten Bildern sind langsam überhöht.

3. Psychovisuelle Redundanz hängt mit realen visuellen Informationen zusammen. Verschiedene Menschen haben unterschiedliche psychologische visuelle Redundanz für dasselbe Foto. Das Entfernen redundanter psychovisueller Daten führt unweigerlich zum Verlust quantitativer Informationen, und dieser Verlust visueller Informationen ist ein irreversibler Vorgang. So wie ein Bild (das nicht vergrößert werden kann) relativ klein ist, kann das menschliche Auge seine Auflösung nicht direkt beurteilen. Um die Datenmenge des Bildes zu komprimieren, können einige Informationen entfernt werden, die vom menschlichen Auge nicht direkt beobachtet werden können Wenn es vergrößert wird, wird es nicht entfernt. Ein Bild, bei dem die psychovisuelle Redundanz entfernt wurde, unterscheidet sich erheblich von einem Bild, bei dem die psychovisuelle Redundanz entfernt wurde.

Abbildung C zeigt, dass der Quantisierungsprozess, der die Eigenschaften des menschlichen visuellen Systems vollständig nutzt, die Leistung des Bildes erheblich verbessern kann. Obwohl das Komprimierungsverhältnis dieses Quantisierungsprozesses immer noch nur 2:1 beträgt, kommt zusätzlicher Overhead hinzu um falsche Konturen zu reduzieren, aber die störende körnige Textur zu reduzieren, ist die verbesserte Graustufen-Quantisierungsmethode (IGS). Die folgende Tabelle veranschaulicht zunächst den aktuellen 8-Bit-Graustufenwert Die zuvor generierten niedrigstwertigen Bits bilden eine Summe mit einem Anfangswert von Null. Wenn die 4 höchstwertigen Bits des aktuellen Werts 1111 sind, addieren Sie 0000 dazu. Der Wert der 4 höchstwertigen Bits der erhaltenen Summe wird als codierter Pixelwert verwendet Eine Funktion basiert dann auf Kriterien der objektiven Wiedergabetreue, wenn es sich um eine Funktion eines Ausgangsbilds oder Eingabebilds und eines Ausgabebilds handelt, das zunächst komprimiert und dann dekomprimiert wird.

Root Mean Square Error (rms)

Der

Gesamtfehler der beiden Bilder:

Wobei f(x,y) das Eingabebild darstellt, f(x,y) die Komprimierung des Eingabebild und dann Der dekomprimierte Schätzer oder die Näherung Der quadratische Mittelfehler

der beiden Bilder

1. mittleres quadratisches Signal-Rausch-Verhältnis
   
   4.2 Subjektives Wiedergabetreuekriterium
   
   Subjektive Bewertung Den von Beobachtern durchgeführten Untersuchungen wurden typische dekomprimierte Bilder gezeigt und ihre Auswertungen wurden gemittelt.
   Weitere Informationen zu diesem Thema finden Sie in der Rubrik „FAQ“!

Das obige ist der detaillierte Inhalt vonWelche Redundanz wird im Allgemeinen zum Komprimieren von Bilddateien verwendet?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!