Сжатие цветных и полутоновых файлов. Сжатие с потерями.

Они содержат большое количество информации (24 бит/ (цв) и 8 бит/ (ч-б)) и могут весить до нескольких Мб памяти (25 Мб при сканировании цветного изображения (10 т/мм)). Характер информации постоянно меняется вдоль линии сканирования.

Алгоритмы основаны на особенностях цветовой чувствительности человеческого глаза. Глядя на картинку, человек выделяет крупные цветовые пятна, переходы между ними. Но человек может проигнорировать:

¾ мелкие детали,

¾ изменения оттенков,

¾ абсолютная яркость.

Например, абсолютная яркость: никакая точка телевизора не может быть чернее, чем серый цвет выключенного телевизора. Видимый нами иссиня-черный цвет — не более, чем иллюзия, которая возникает из-за соседства с ним контрастных ярких тонов.

Также можно заметить, что на большой площади изображения изменение цвета и интенсивности часто незначительны (небо). Сжатие по методу RLE позволяет уменьшить размеры файлов в 2-3 раза. Но это не решает полностью проблему, нужны более высокие степени сжатия.

Сжатие изображения по стандарту JPEG

(Joint Photografic Experts Group — объединенная группа экспертов по обработке фотографий). Обеспечивает уменьшение размера файла в 25-100 раз. Разработан Международной организацией по стандартизации (ISO). Такое сжатие достигается за счет сжатия с потерями. Достаточно сложен с вычислительной точки зрения, так как занимает много процессорного времени.

Первоначальное и восстановленное изображения не одно и то же. Но информация усекается не просто так. Некоторую информацию можно исключить, и большинство людей этого не заметят. Кроме того, пользователь может контролировать уровень потерь, указывая степень сжатия. Что важнее — качество изображения или экономия памяти?

1 этап. Кодирование изображения по алгоритму JPEG начинается с преобразования цветового пространства из RGB в YUV. Канал Y содержит информацию о яркости, U и V — о цвете. Система зрения человека особенно чувствительна к Y компоненте и менее чувствительна к U и V.

Y-компонента — это цветные изображение, показанное на черно-белом телевизоре.

U-компонента — информация о синем цвете.

V-компонента — информация о красном цвете.

Поэтому Y-компонента будет сжиматься в меньшей степени, чем U и V.

2 этап (необязательный). Прореживание. О тбрасывается U и V — компоненты строк или столбцов с определенными номерами. Например, при прореживании с коэффициентами 2: 1: 1 будет отбрасываться информация о цвете для каждой 2-ой строки и каждого 2-го столбца, в результате чего будет потерено 75% данных цветности. Коэффициента 1: 1: 1 — прореживания нет. На Y-компоненту прореживание не отражается.

3 этап — «Дискретное косинусное преобразование» — удивительная математическая операция.

Рис. 16.1

ДКП выполняется отдельно для Y, U и V-компонент. Изображение разбивается на блоки размером 8´ 8 . Такой участок с большой вероятностью содержит близкого цвета. При ДКП информация о 64 преобразовывается в матрицу из 64 коэффициентов, которые характеризуют «энергию» исходных . Максимальные значения коэффициентов концентрируются в левом верхнем углу матрицы 8´ 8, минимальные — в правом нижнем. Первый коэффициент передает подавляющую часто «энергии», а количество «энергии», представляемой остальными коэффициентами, быстро убывает. Таким образом большая часть информации исходной матрицы 8´ 8 представляется первым элементом матрицы, преобразованной по ДКП. На этом этапе происходит некоторая потеря информации, связанная с принципиальной невозможностью точного обратного преобразования. Однако, она незначительна по сравнению с потерями на следующем этапе.

4 этап. Квантование. Применяется для сокращения разрядности коэффициентов. Здесь происходит значительная потеря информации. Отбрасываются малые изменения коэффициентов. Поэтому после восстановления изображения получаются уже другие значения . (Для U и V компонентов квантование более грубое).

5 этап. — Полученные данные сжимаются по RLE, LZW-алгоритму или алгоритму Хаффмана для достижения еще большей компрессии. Помимо применяемого кодирования наиболее часто встречающихся символов, последние нули в конце строки могут быть заменены символом «конец блока», а так как все блоки имеют одинаковый размер, всегда известно сколько нулей было опущено.

При восстановлении изображения шаги выполняются в обратном порядке.

Изображения, в которых соседние мало отличаются друг от друга, лучше поддаются сжатию. Однако чем меньше размер выходного файла, тем меньше степень " аккуратности" при работе программы-конвертора и, соответственно, ниже качество выходного изображения. Обычно в программах, позволяющих сохранять растровые данные, есть возможность некоторого компромисса между объемом выходного файла и качеством изображения. При лучшем качестве объем выходного файла в 3-5 раз меньше исходного незапакованного. При качестве похуже - меньше исходника в десятки раз, но, как правило, при этом качество изображения уже не позволяет использовать его где-либо. Данный формат предназначен для хранения в основном фотографических изображений с большим количеством оттенков и цветовых переходов и почти не подходит для хранения однотонных изображений типа кадров из мультфильмов, скриншотов (сжатие будет слишком низким или качество картинки достигнет критической отметки). Этот метод сжатия графических данных используется в файлах формата PDF, PostScript (для включенных объектов), собственно в JPEG и других.

6 этап. Сглаживание в процессе восстановления изображения. Из-зи потери информации на границах между блоками (8´ 8 ) могут возникать разрывы. Поэтому необходимо сглаживание.