Методы сокращения информационной избыточности цифровых изображений

ГЛАВА 1. МЕТОДЫ СОКРАЩЕНИЯ ИНФОРМАЦИОННОЙ ИЗБЫТОЧНОСТИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ.

В последнее время наблюдается бурное развитие телекоммуникационных систем, предназначенных для приема и передачи видеоданных. Решение подобной задачи стало возможным благодаря существенному увеличению емкости памяти и вычислительной мощности технических средств, входящих в состав телекоммуникационных систем. В состав таких средств входят универсальная или специализированная ЭВМ, специализированные устройства ввода-вывода изображений, средства для хранения или архивации видеоинформации и соответствующее программное обеспечение. В общем случае комплекс подобных средств должен также обеспечивать ввод, вывод и передачу изображений различной физической природы.
Под вводом изображения понимаются процедуры преобразования исходного изображения к виду, удобному для вычислительной системы. Ввод может производится как со стандартных периферийных устройств ЭВМ (ВЗУ, сканеров), так и с нестандартных по отношению к ЭВМ устройств. К последним относятся, например, телевизионные камеры и ПЗС-линейки.
Под выводом изображения понимается оперативная визуализация на видеомониторе, архивация с целью долговременного хранения и документирование необходимой информации.
Передача изображений включает в себя обмен изображениями между различными блоками системы обработки и обмен изображениями по каналам передачи данных между системой и устройствами, не входящими в ее состав.
Следует отметить, что выполнение различных функций может быть возложено на функционально-ориентированные рабочие станции на базе персональных ЭВМ, подключенных к локальной сети с выходом в глобальную сеть (рис.1.1).

1.1. Представление цифровых изображений

Компьютерное изображение в его цифровом представлении является набором значений интенсивностей светового потока, распределенных по конечной площади. Для простоты рассмотрим сначала монохромные изображения. Интенсивность излучаемой световой энергии с единицы поверхности в точке с координатами (ξ,η) изображения можно представить некоторым числом B(ξ,η) . Единичный элемент изображения, характеризуемый определенным значением (ξ,η), называется пикселем, а величина z = f (ξ,η) - яркостью [4]. Прежде чем рассмотреть алгоритмы сжатия изображений, необходимо определить, что в дальнейшем будет пониматься под изображением.

Рис.1.1. Технические средства телекоммуникационной системы для передачи видеоданных и их функциональное назначение.

С математической точки зрения, изображения в градациях серого можно представить как вещественную функцию I двух вещественных переменных x и y. Функция I(x,y) изображения в общем случае определяется в прямоугольной области, но для удобства исследований в работе все изображения определяются в квадратных областях, .т.е x∈[0;W], а y∈[0;H], где W – ширина изображения, а H – высота изображения и W=H.

Все изображения можно подразделить на две группы: с палитрой и без неё. У изображений с палитрой в пикселе (одном из отчётов изображения – значение функции I(x,y) для конкретного xi и yi) храниться число – индекс в некотором одномерном векторе цветов, называемом палитрой. Палитры обычно бывают 8, 16 и 256 – цветов [4].
Изображения без палитры обычно бывают в определенной системе цветопредставления или в градациях серого. В градациях серого значения каждого из пикселей определяется как яркость точки. Наиболее часто встречаются изображения с 2-мя, 16-ю и 256-ю уровнями серого.
Если изображение представлено в какой-то системе цветопредставления, то каждый её пиксель является структурой, описывающий компоненты цвета. Наиболее распространённой системой цветопредставления, используемой в электронных и компьютерных системах, является система RGB. В этой системе цвет определяется как комбинация красного, зелёного и синего цвета. И на каждую из составляющих приходиться по одному байту. Существуют и другие системы цветопредставления, такие как CMYK, CIE, YUU и YCrCb [3,4].
Для того чтобы корректнее оценивать степень сжатия изображения, и применимости того или иного алгоритма сжатия к данному изображению вводится понятие класса изображения [4].
Под классом цифрового изображения понимается совокупность изображений, применение к которым, алгоритм сжатия даёт качественно одинаковый результат. Например, для одного класса алгоритм сжатия даёт превосходный коэффициент сжатия, а для другого класса изображений наоборот, увеличивает объём сжимаемого файла [3].
Условно можно выделить следующие классы изображений:
• изображения с небольшим количеством цветов и большими областями, заполненными одним цветом. В изображении отсутствуют плавные переходы цветов. К таким классам обычно относится деловая графика, научно-техническая, инженерная или плакатная графика;
• изображения с плавными переходами цветов, построенные на компьютере: графика презентаций и виртуальные модели;
• фотореалистичные изображения, полученные после цифровой фотосъёмки, сканирования, а также постобработка этих изображений.
Можно выделить и специфические классы изображений, такие как рентгеновские снимки, томаграфические изображения, радиолокационные планы местности и т.д. Но для сравнения алгоритмов сжатия изображений всегда необходимо определять класс изображений, с которыми они работает.
В процессе работы с изображениями приложения, осуществляющие обработку, предъявляют различные требования к алгоритмам сжатия изображений. Из-за специфики приложений такие требования иногда могут противоречить друг другу. В общем случае можно выделить следующие требования к алгоритмам сжатия изображений:
• высокая степень компрессии;
• высокое качество сжатого изображения (данное требование противоречит выполнению предыдущего требования, поэтому всегда приходиться искать компромисс между степенью сжатия и качеством восстановленного изображения);
• высокая скорость компрессии (данное требование актуально для приложений, занимающихся кодированием изображений в реальном масштабе времени: цифровых фотоаппаратов, видеокамер);
• высокая скорость декомпрессии (данное требование актуально почти для всех приложений).
• возможность показать приблизительное изображение, не дожидаясь полной его загрузки (данное требование актуально для сетевых приложений и для приложений, занимающихся передачей больших изображений).
• учёт специфики изображения (данное требование реализуют алгоритмы сжатия, основанные на определении «области особого назначения» (ROI – regions of interest)).