9.6. Сжатие изображений

Графическая информация, как и другие виды информации, например естественные языки, может быть сжата. Это выгодно для экономии памяти и увеличения быстродействия ЭВМ. В основе большинства схем сжатия лежит использование одного из следующих свойств графической информации: избыточность, предсказуемость и необязательность. Данные свойства хорошо иллюстрируются примерами из естественных языков, например русского).

Для файлов графических изображений разработано множество схем и алгоритмов сжатия, основными из которых являются:

• Групповое сжатие;

• Кодирование методом Хаффмана;

• Сжатие по схеме LZW;

• Арифметическое сжатие;

• Сжатие с потерями;

• Преобразование цветов RGB цвета палитр и др.

Групповое сжатие основано на избыточности информации. Кодирование по Хаффману и арифметическое сжатие (кодирование) основаны на статистических моделях, использующих свойство предсказуемости, предлагая более короткие коды для более часто встречающихся пикселей.

Алгоритмы сжатия с потерями основаны на избыточности данных.

Следует помнить, что алгоритм, обеспечивающий большую степень сжатия, обычно более сложный и требует для распаковки данных больше процессорного времени.

Рассмотрим подробнее первые два алгоритма сжатия.

Групповое сжатие представляет собой одну из самых простых схем.

Её смысл заключается в том, что серия повторяющихся величин заменяется единственным знаком этой величины с указанием их количества. На следующем примере можно легко заметить сокращение длины записи:

аа ббббббб с ддд ееее ааа – 2а 7б 1с 3д 4е 3а.

Данный алгоритм прост в реализации и хорошо сжимает файлы с большими однотонными областями. Используется во многих форматах растровых файлов.

Кодирование методом Хаффмана заключается в замене данных более эффективными кодами. Более короткие коды используются для замены более часто появляющихся величин. Например в выражении «абббсссддеееееееееф» есть шесть уникальных величин с частотами появления: а-1; б-3; с-3; д-2; е-9; ф-1. Для образования минимального кода используется двоичное дерево. Такой алгоритм объединяет в пары элементы, появляющиеся наименее часто, затем пара объединяется в один элемент с объединённой частотой. Это действие повторяется до тех пор пока все элементы не объединяться в пары.

Принцип кодирования в зависимости от частоты появления с помощью двоичного дерева формирования (выращивания) двоичных кодов подробно показан на рис. 9.6. Таким образом, кодирование выполняется в два этапа: создание статистической модели и собственно кодирование данных.

Следует отметить, что кодирование и декодирование данным методом достаточно длительный процесс.

9.7. Особенности восприятия цвета, цветовые пространства

Световой поток, излучаемый солнцем, имеет очень широкий спектр, видимый спектр располагается в диапазоне примерно 400-700 нм. Разложение белого светового потока на спектральные цвета показано на рис. 9.7.

Профессиональная работа с цветом в компьютерной графике счита­ется «высшим пилотажем», особенно при подготовке цветной печат­ной продукции. Хотя немало «подводных камней» встречается и в гра­фике для электронной публикации, например в Интернете. Связано это с тем, что цвет по-разному описывается в компьютерной графике, полиграфии, фотографии, биологии. Описание характеристик цвета, привязанное к конкретной цветовой модели (или устройству), полу­чило название цветового пространства.

В природе цвет отнюдь не является неотъемлемым свойством объек­тов (в отличие, скажем, от массы или ускорения). Для его возникнове­ния как свойства конкретного предмета требуется одновременное су­ществование трех непременных условий: самого объекта, света, и наблюдателя, способного увидеть отраженный (пропущенный, излу­чаемый) объектом свет. В отсутствие наблюдателя у объекта нет ни­какого цвета! Поэтому правильный ответ на вопрос: «Какой цвет объективно присущ лилии?» звучит достаточно парадоксально: «Ни­какой».

Однако, даже при наличии перечисленных выше условий, вос­приятие цвета наблюдателем зависит от его психофизиологических параметров. То есть представление о цвете является продуктом пси­хической деятельности мозга, по-своему интерпретирующего посту­пающие от зрительных рецепторов сигналы. Причем мозг не просто регистрирует сигналы, а проводит <<пакетную>> обработку огромного объема зрительной информации. Известно, что распознавание зри­тельных образов считается сложнейшей задачей в компьютерной тех­нике и никакой суперкомпьютер не способен здесь сравниться с чело­веком.

Разложение белого цвета на спектральные цвета

Излучение

солнца

Призма

Рис. 9.7.

В целом вопросы описания цветовых характеристик относятся к од­ной из наиболее сложных и запутанных областей не только приклад­ного предмета - компьютерной графики, но и фундаментальных наук: биологии, физики, других дисциплин. Вся теория цвета построена на субъективном, весьма зыбком фундаменте - особенностях зрения че­ловека. Если бы другие живые существа на Земле могли выражать свои мысли, они бы высказали возмущение антропоцентрическим ха­рактером используемых человеком цветовых пространств. Для кош­ки или собаки роза вовсе не обязательно красного цвета, и мы до сих пор точно не знаем, как животные воспринимают цвета.

Не так давно биологи установили, что у человека имеются сенсоры иного типа, отличные от известных колбочек для красного, зеленого и синего диапазонов. Эти сенсоры могут воспринимать другие цвета по­мимо базовых. В сравнительно большом числе такие колбочки встречаются у женщин, поэтому они тоньше воспринимают цвет. Это от­крытие ставит под сомнение некоторые фундаментальные основы теории цвета и позволяет еще раз напомнить, что цвет – это чрезвычайно субъективное свойство объектов: несмотря и вопреки физическим основам света, объективному математическому аппарату, применяемому для описания цветовых пространств и преобразований между ними, и прочим премудростям.

Следовательно, волновая теория света всё математически описывает, но нет чёткого описания наблюдателя и нет строгой законченной теории (мат. аппарата), описывающей весь процесс наблюдения цвета в целом.