Интервальное кодирование

Оно предполагает, что мы имеем дело с целыми дискретными величинами, которые принимают ограниченное число значений [0, N).

N – Число возможных значений переменных, используемых для хранения границ интервала.

Мы должны закодировать каждый символ S посредством –log₂(f_s), где f_s – частота символа s. Для каждого символа s мы можем отвести на интервале диапазон значений: [N(F_s), N(F_s+f_s))

где F_s – накопленная частота символов, предшествующих символу s в нашем алфавите,

N(f) – значение соответствующее частоте f в интервале из N возможных значений.

Чем больше будет значение N(f_s), тем точнее будет представление символа s в интервале наших значений. f_s>0. Все рассмотренные методы применимы для любой информации.

Алгоритм сжатия изображений

Основной объект – это изображение, тип данных, который характеризуется тремя особенностями:

1.Изображение требует большего объема памяти при хранении, чем текст.

2.Человеческое зрение при анализе изображения оперирует контурами, общим переходом цветов, следовательно человеческий глаз не особо чувствителен к небольшим изменениям в изображении, т.е. можно создавать архивы изображений, которые не совсем сходны со входными данными.

3.Изображение обладает избыточностью двух измерений.

Известно 3 семейства алгоритмов, разработанные только для сжатия изображений, и неприменимы для других типов данных:

1.какие критерии можно предложить для сравнений алгоритмов;

2.какие классы изображений существуют;

3.какие классы приложений существуют.

Изображение – статическое, растровое изображение, представляющее собой двумерный массив чисел, элементарная единица – пиксель.

Изображения бывают двух групп: с палитрой и без:

-у изображений с палитрой в пикселе хранится число, являющееся индексом в некотором одномерном векторе цветов – палитре, например, gif, bitmap (16,32,256);

-изображение без палитры бывает в какой-либо системе цветопредставления, например RGB, и градациях серого (0,255).

Для того чтобы корректно оценивать степень сжатия нужно ввести понятие класса изображений. Под классом будем понимать совокупность изображений, применение к которым алгоритма архивации дает качественно одинаковые результаты.

Классы:

1. Изображения с небольшим количеством цветов (4-16) и большими областями, которые заполнены одним цветом, следовательно, плавные переходы отсутствуют;

2. Изображение с плавными переходами цветов;

3. Фотореалистичные изображения;

4. Фотореалистичные изображения с наложением деловой графики.

Классы приложений для компьютера:

1. Требовательный ко времени процедуры архивации и дизархивации;

2. Высокие требования к степени архивации и времени дизархивации;

3. Высокие требования к степени архивации.

Требования приложений к алгоритмам компрессий:

1. Высокая степень компрессии;

2. Высокое качество изображения;

3. Высокая скорость компрессии;

4. Высокая скорость декомпрессии;

5. Масштабирование изображений;

6. Устойчивость к ошибкам;

7. Требования для широковещательных сетей;

8. Учет специфики изображения;

9. Редактируемость;

10. Малая стоимость аппаратной реализации.

Критерии сравнения алгоритмов:

Характеристики алгоритмов зависят от конкретных условий, где поставлена алг степень.

-компрессия от того на каком классе алгоритмов тестировался;

-скорость алгоритмов зависит, для какой платформы разрабатывался.

1. Степень сжатия (лучшая/средняя/худшая);

2. Класс изображений, на который ориентирован алгоритм;

3. Симметричность (отношение времени кодирования к декодированию);

4. Фактор потери качества;

5. Характерные особенности алгоритма и изображений, к которым их применяют.