Przetwarzanie obrazu cyfrowego
|
|
- Liliana Drozd
- 7 lat temu
- Przeglądów:
Transkrypt
1 Kompresja
2 Kompresja Obrazu Po co kompresja Podstawowe pojęcia RLE LZ78 LZW Huffman JPEG
3 Po co kompresja Obraz FullHD 1920x1080 w kolorze RGB to bity danych (5,94 MiB) Przeciętne zdjęcie 18Mpixel ~ 51,5MiB 1s filmu FullHD = 24kl * 5,94MiB = 142,56MiB Dwugodzinny film to ok 1TB 1CD (750MB) to 5s filmu BluRay (50GB) to aż 5,8 minut Dopiero dyski SATA i nowsze napędy BluRay oferują wystarczająco szybki (rzeczywisty) transfer danych. Z 4K (876MiB/s) ledwie poradzi sobie SATA 3
4 Kompresja Transformacja oryginalnej reprezentacji danych w inną reprezentację o mniejszej ilości bitów Główne cele kompresji Zredukowanie czasu transmisji Zawężenie wymaganego pasma przesyłania Umożliwienie archiwizacji większej ilości danych
5 Kompresja Rodzaje kompresji Bezstratna - Dane uzyskane z cyklu kompresja/dekompresja są identyczne z nieskompresowanym oryginałem. Stratna Dane uzyskane z cyklu kompresja/dekompresja różnią się w pewnym stopniu od nieskompresowanego oryginału. Kompresja stratna jest akceptowalna tam, gdzie tracone dane są mało istotne dla odbioru przekazu.
6 Kompresja
7 Kompresja bezstratna
8 Kompresja bezstratna Limit kompresji E=7,01 E=5,31
9 Kompresja stratna
10 Kompresja stratna
11 Kompresja stratna Średnia różnica: Zawartość strukturalna (ang. Structual Content): Znormalizowana korelacja wzajemna (ang. Normalized Cross-Correlation): N M M x N y y x f y x f AD 1 1 ), ( ), ( M x N y y x f M x N y y x f AC ), ( ), ( M x N y y x f M x N y y x f y x f NK ), ( 1 1 ), ( ), (
12 Kompresja stratna M x N y M x N y y x f y x f y x f CQ ), ( ), ( ), ( ), ( ), ( y x f y x f Max MD M x N y M x N y y x f y x f y x f IF ), ( ), ( ), ( 1 Jakość korelacji (Correlation Quality): Maksymalna różnica (Maximum Difference) / szczytowy błąd bezwzględny (Peak Absolute Error-PAE): Wierność obrazu (Image Fidelity):
13 Kompresja stratna Normalizowany błąd bezwzględny (Normalized Absolute Error): Znormalizowany błąd średniokwadratowy (Normalized Mean Square Error): M x N y M x N y y x f y x f y x f NAE ), ( ), ( ), ( IF y x f y x f y x f NMSE M x N y M x N y 1 ), ( ), ( ), (
14 Kompresja ogólna zasada Bezstratna Obraz x Transformata y=t(x) próbki y koder c=c(y) Wynik (bity) c bity c dekoder y=c -1 (c) próbki y Tr. odwrotna x=t -1 (y) Obraz x T i C są w odwracalne
15 Kompresja ogólna zasada Stratna Obraz x Transformata y=t(x) próbki y kwantyzator q=q(y) indeksy q koder c=c(y) Wynik (bity) c bity c dekoder q=c -1 (c) próbki y dekwantyzato r y'=q -1 (q) próbki y' Tr. odwrotna x'=t -1 (y) Obraz x' T i C są w odwracalne, Q wprowadza stratność
16 Kompresja stratna I 1 I 2 I 3 I 4
17 Run-Length Encoding kodowanie długości serii Jeden z najprostszych algorytmów kompresji bezstratnej. Nie wymaga transformacji przygotowującej Niezbyt duży stopień kompresji (ok. 2:1) Bardzo szybka kompresja i dekompresja, Zakodowany strumień danych jest mało czuły na zakłócenia
18 Run-Length Encoding przebieg Obraz jest przeglądany liniami Jeżeli w linii wykryto ciąg pikseli o takich samych wartościach, jest on zastępowany wartością koloru i liczbą wystąpień Kodowanie musi umożliwiać odróżnienie liczby wystąpień od wartości koloru W powyższym przypadku zrealizowano to stosując zasadę: Każdy ciąg jest skracany do dwóch wystąpień po których następuje liczba kolejnych wystąpień (może być 0). W ten sposób w ciągu skompresowanym liczba wystąpień pojawia się wyłącznie po każdym wystąpieniu 2 takich samych wartości
19 LZ78 Opracowany przez naukowców o nazwiskach Lempel i Ziv Bazuje na wyszukiwaniu powtórzeń Powtórzenia wyszukiwane są na bazie słownika ale nie ma potrzeby przechowywania słownika jest on tworzony / odtwarzany na podstawie ciągu kompresowanego / dekompresowanego
20 LZ78 przebieg Założenia początkowe: Słownik jest zbiorem pustym Obraz ułożony liniami w ciąg
21 LZ78 przebieg Od początku obrazu do osiągnięcia końca Szukaj elementu w najdłuższego słowa w słowniku zgodnego z początkiem niezakodowanej części ciągu Gdy został znaleziony (pod indeksem n w słowniku) dołącz do niego następny element w ciągu (a) i zapisz jako kolejny element słownika. Do ciągu wynikowego dopisz parę (n, a). Przesuń się w ciągu o length(w)+1. Gdy nic nie znaleziono zapisz a (pierwszy element ciągu) jako kolejny element słownika. Do ciągu wynikowego dopisz parę (0,a). Przesuń się w ciągu o 1.
22 LZ78 Przykład Ciąg kompresowany: Słownik: null Kod: null
23 LZ78 Przykład Ciąg kompresowany: Słownik: Kod: 1 8 (0, 8)
24 LZ78 Przykład Ciąg kompresowany: Słownik: Kod: (0, 8)(0, 210)
25 LZ78 Przykład Ciąg kompresowany: Słownik: Kod: (0, 8)(0, 210)(1, 210)
26 LZ78 Przykład Ciąg kompresowany: Słownik: Kod: (0, 8)(0, 210)(1, 210)(3, 8)
27 LZ78 Przykład Ciąg kompresowany: Słownik: Kod: (0, 8)(0, 210)(1, 210)(3, 8)(2, 8)
28 LZ78 przebieg (dekompresja) Od początku skompresowanego ciągu do osiągnięcia końca Dla każdej pary (n, a) Do końca ciągu zdekompresowanego dodaj podciąg składający się ze słowa w (znalezionego pod indeksem n w słowniku) oraz wartości a. Gdy n=0 dodaj tylko a. Do słownika dodaj ciąg wa (lub tylko a dla n=0)
29 LZ78 Przykład Kod: (0, 8)(0, 210)(1, 210)(3, 8)(2, 8) Słownik: null Ciąg zdekompresowany: null
30 LZ78 Przykład Kod: (0, 8)(0, 210)(1, 210)(3, 8)(2, 8) Słownik: 1 8 Ciąg zdekompresowany: 8
31 LZ78 Przykład Kod: (0, 8)(0, 210)(1, 210)(3, 8)(2, 8) Słownik: Ciąg zdekompresowany: 8 210
32 LZ78 Przykład Kod: (0, 8)(0, 210)(1, 210)(3, 8)(2, 8) Słownik: Ciąg zdekompresowany:
33 LZ78 Przykład Kod: (0, 8)(0, 210)(1, 210)(3, 8)(2, 8) Słownik: Ciąg zdekompresowany:
34 LZ78 Przykład Kod: (0, 8)(0, 210)(1, 210)(3, 8)(2, 8) Słownik: Ciąg zdekompresowany:
35 LZ78 Przykład Kod: (0, 8)(0, 210)(1, 210)(3, 8)(2, 8) Słownik: Ciąg zdekompresowany: null
36 LZ78 problemy Jak zapisywać ciąg Kodu (pary) Indeksy jaki zakres? Wartości stała ilość bitów dla koloru (8 lub 24) Typowe rozwiązania Zakres indeksu ustalony odgórnie, gdy zapełnimy słownik to alternatywnie: Przestajemy zapisywać nowe słowa do słownika Czyścimy słownik i kontynuujemy od zera Nadpisujemy słowa od początku słownika
37 LZ78 problemy Czy musimy zawsze zapisywać drugi element pary? Konieczne na początku do zapisania nieistniejącego w słowniku poziomu jasności. Na dalszym etapie już niepotrzebne a zmniejsza stopień kompresji
38 LZW Modyfikacja LZ78 zaproponowana przez Welsha Do ciągu Kodu zapisujemy tylko indeksy słów w słowniku Na początku słownik napełniamy wszystkimi dostępnymi wartościami poziomu jasności (0-255). Powstaje w ten sposób alfabet, z którego algorytm może korzystać w przypadku znalezienia nowego znaku. Do słownika standardowo dopisywany jest znaleziony podciąg + kolejna wartość
39 LZW Przykład Ciąg kompresowany: Słownik: Kod: null
40 LZW Przykład Ciąg kompresowany: Słownik: Kod:
41 LZW Przykład Ciąg kompresowany: Słownik: Kod:
42 LZW Przykład Ciąg kompresowany: Słownik: Kod:
43 LZW Przykład Ciąg kompresowany: Słownik: Kod:
44 LZW Przykład Ciąg kompresowany: Słownik: Kod:
45 LZW dekompresja Dekompresja napotyka problem niewystarczających danych Koder zakodowuje w i dodaje do słownika wa Dekoder odkodowuje w ale nie może dodać wa do słownika bo nie zna jeszcze wartości a Rozwiązanie: Do słownika dodawane jest niepełne słowo w?. W następnym kroku? Zastępowany jest pierwszą literą kolejnego odkodowanego fragmentu
46 LZW dekompresja - przebieg Na wejściu ciąg liczb Kodu k 1,,k n W słowniku umieszczone wszystkie możliwe wartości jasności (0-255) Dla i=1,2,,n Jeżeli w poprzednim kroku dodano element w? to zamień go na ws[k i ][1]. (S[k i ] element w słowniku zapisany pod indeksem k i ) Do odkodowanego tekstu dodaj na końcu S[k i ] Do słownika dodaj S[k i ]?
47 LZW Przykład (dekompresja) Krok 1 A Kod: S[k 1 ][1] = 8 Słownik: Ciąg zdekompresowany: null
48 LZW Przykład (dekompresja) Krok 1 B Kod: S[k 1 ][1] = 8 Słownik: ? Ciąg zdekompresowany: 8
49 LZW Przykład (dekompresja) Krok 2 A Kod: S[k 2 ][1] = 210 Słownik: Ciąg zdekompresowany: 8
50 LZW Przykład (dekompresja) Krok 2 B Kod: S[k 2 ][1] = 210 Słownik: ? Ciąg zdekompresowany: 8 210
51 LZW Przykład (dekompresja) Krok 3 A Kod: S[k 3 ][1] = Słownik: Ciąg zdekompresowany: 8 210
52 LZW Przykład (dekompresja) Krok 3 B Kod: S[k 3 ][1] = Słownik: ? Ciąg zdekompresowany:
53 LZW Przykład (dekompresja) Krok 4 A Kod: S[k 4 ][1] = 8 210? Słownik: Ciąg zdekompresowany:
54 LZW Przykład (dekompresja) Krok 4 B Kod: S[k 4 ][1] = Słownik: ? Ciąg zdekompresowany:
55 LZW Przykład (dekompresja) Krok 5 A Kod: S[k 5 ][1] = Słownik: Ciąg zdekompresowany:
56 LZW Przykład (dekompresja) Krok 5 A Kod: S[k 5 ][1] = Słownik: Ciąg zdekompresowany:
57 LZW w GIF Początkowo słownik ma rozmiar 2 b+1 gdzie b jest ilością bitów indeksu (1-8). 512 słów dla standardowego indeksu 256 kolorów z tego połowa zajęta na starcie Rozmiar słownika jest podwajany po wypełnieniu aż do osiągnięcia 4096 Po dotarciu do końca dostępnego zakresu słownik przestaje być uzupełniany
58 Huffman Algorytm Huffmana ogłoszono w 1952r. Główna idea polega na wytworzeniu słownika zawierającego wyłącznie litery alfabetu kodowanej informacji (w przypadku grafiki pojedyncze poziomy jasności) Indeksy dla poziomów nie mają stałej długości i są dobierane tak aby najczęściej występujący w obrazie otrzymał najkrótszy indeks (np. 1 bit) Dobór kolejności realizowany na podstawie histogramu
59 Huffman Ale Skoro indeksy mają różną długość to jak je rozróżnić w ciągu bitów zakodowanej wiadomości? Dodanie np. unikalnego przedrostka-znacznika niweluje nam cały zysk z metody taki znacznik musiałby być długi, inaczej mógłby się powtórzyć w ciągu bitów któregoś z indeksów Rozwiązanie wprowadzenie wymogu, że żadne słowo kodowe nie może być początkiem innego słowa (tzw kodowanie prefiksowe)
60 Huffman Jak maszynowo wygenerować kody prefiksowe na podstawie listy prawdopodobieństw? Zbudować drzewo binarne Do każdej wartości prowadzi tylko jedna droga. Jeżeli rozgałęzienia na prawą stronę oznaczone zostaną 0 a na lewą 1 to dla każdej wartości można określić unikatowy kod binarny. Dla danej serii danych można zbudować więcej niż jedno drzewo, co oznacza, że w czasie dekompresji potrzebne jest drzewo, według którego dane zostały zakodowane (wystarczy przesłać ciąg prawdopodobieństw / histogram i odbudować drzewo)
61 Huffman przykład generacji kodów Wstępne posortowanie prawdopodobieństw (opcja) Źródło: Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 3
62 Huffman przykład generacji kodów Elementy ciągu są korzeniami n drzew Redukujemy kolejno ilość drzew zamieniając dwa korzenie na nowy o prawdopodobieństwie = sumie prawdopodobieństw usuniętych Usunięte korzenie stają się gałęziami/liściami nowego korzenia W tym przykładzie do redukcji wybieramy dwa najmniejsze prawdopodobieństwa z bieżącego ciągu Źródło: Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 3
63 Huffman przykład generacji kodów W efekcie otrzymujemy jedno drzewo, którego korzeń ma prawdopodobieństwo 1 a liściami są wszystkie prawdopodobieństwa/poziomy jasności Opisujemy drzewo wartościami bitów (0 zawsze po tej samej stronie) Kod poziomu jasności to konkatenacja bitów od korzenia do odpowiedniego liścia Źródło: mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 3
64 Huffman przykład generacji kodów Źródło: Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 3
65
66 Huffman przykład generacji kodów (duża różnica prawdopodobieństw) Źródło: Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 3
67 Huffman - jakość Dla tego przypadku entropia wynosi 1,68 a średnia ilość bitów kodu 1,694 (znowu dobry wynik) Jednak nie zawsze Huffman radzi sobie tak dobrze. W przypadku powtarzających się dłuższych sekwencji algorytm LZW/LZ78 wychwyci tą sekwencję i zapisze ją w słowniku (następnie sekwencje sekwencji ) Algorytm Huffmana będzie powtarzał kodowanie każdej podsekwencji z powodu braku słów wieloznakowych w słowniku
68 Huffman - jakość Z drugiej strony omawiany przykład przedstawia sytuację gdy prawdopodobieństwa wystąpienia poszczególnych stanów są zbliżone do siebie co spowodowało równomierne rozłożenie ilości bitów na poszczególne kody Gdyby tak było zawsze nie było by potrzeby generowania drzewa binarnego
69 JPEG Opracowanie formatu przez Joint Photographic Expert Group Wprowadzenie jako standard ISO 1991 Kompresja stratna bazująca na dziedzinie częstotliwościowej
70 JPEG przebieg algorytmu 1. Konwersja obrazu kolorowego do składowej jasności i sk. Koloru (YIQ) 2. Podział obrazu na bloki (8x8) Dla każdego bloku 3. Obliczenie DCT dla bloku 4. Kwantyzacja wyników 5. Konwersja tablicy wyników na wektor 6. Zakodowanie wektora wyników
71 JPEG Konwersja obrazu kolorowego do składowej jasności i sk. Koloru (Y C b C r ) Konwersja RGB do Y C b C r jest dokonywana przekształceniem Y = 0.299R G B C b = 0.169R 0.331G B = 0.564(B Y ) C r = 0.500R 0.418G 0.081B = 0.713(R Y ) Wynikiem są tablica luminancji Y i 2 tablice chrominancji C b C r Konwersja jest stratna bo wartości poszczególnych składowych są zaokrąglane Dodatkowo do C b i C r dodawana jest wartość 128
72 JPEG Podział obrazu na bloki (8x8) Każda z tablic jest dzielona na bloki (podtablice) o wymiarach 8x8 Indeksowanych x=(0,1,,7) y=(0,1,,7) Dalsze operacje przeprowadzane są dla każdego z bloków oddzielnie
73 JPEG Obliczenie DCT dla bloku Dyskretna Transformata Kosinusowa dla bloku 8x8 wyraża się wzorem u, v pozycja w tablicy 8x8 wyników Bardzo ważna cecha: DCT jest odwracalna
74 JPEG DCT - idea Zamiast rozłożenia przestrzennego wartości otrzymujemy rozkład częstotliwości tego kawałka obrazu Składowa stała Źródło: Jacek Jarnicki Kompresja obrazów statycznych algorytm JPEG
75 JPEG DCT - idea Zamiast rozłożenia przestrzennego wartości otrzymujemy rozkład częstotliwości tego kawałka obrazu Źródło: Jacek Jarnicki Kompresja obrazów statycznych algorytm JPEG
76 JPEG DCT Z reguły DCT bloku obrazu będzie przypominać taki wykres Źródło: Jacek Jarnicki Kompresja obrazów statycznych algorytm JPEG
77 JPEG Obliczenie DCT dla bloku - przykład f(x,y) F(u,v) Zakres wartości F(u,v) wielokrotnie większy od f(x,y) to gdzie kompresja?
78
79
80
81 JPEG przebieg algorytmu Kwantyzacja wyników Przykładowy efekt kwantyzacji
82 JPEG przebieg algorytmu Konwersja tablicy wyników na wektor Odczyt wartości z tablicy algorytmem Zig-Zag Powstaje wektor zawierający długie ciągi zer, pierwsza wartość to tzw. Składowa stała (DC)
83
84 Tak przygotowany ciąg koduje się metodą bezstratną Huffmana
85 Kod A Kod B Kod A Kod B Kod A Kod B
86 JPEG przebieg algorytmu Zakodowanie wektora składowych częstotliwościowych Kod A Kod B Kod A Kod B Kod A Kod B
87 JPEG przebieg algorytmu Zakodowanie wektora składowych częstotliwościowych
88 JPEG przebieg algorytmu Zakodowanie wektora składowych częstotliwościowych Kod A Kod B Kod A Kod B Kod A Kod B
89 Zadanie referatowe Kompresja PNG Kompresja JPG2000
Założenia i obszar zastosowań. JPEG - algorytm kodowania obrazu. Geneza algorytmu KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG
Założenia i obszar zastosowań KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG Plan wykładu: Geneza algorytmu Założenia i obszar zastosowań JPEG kroki algorytmu kodowania obrazu Założenia: Obraz monochromatyczny
Bardziej szczegółowoKOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG
KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG Joint Photographic Expert Group - 1986 ISO - International Standard Organisation CCITT - Comité Consultatif International de Téléphonie et Télégraphie Standard
Bardziej szczegółowoWedług raportu ISO z 1988 roku algorytm JPEG składa się z następujących kroków: 0.5, = V i, j. /Q i, j
Kompresja transformacyjna. Opis standardu JPEG. Algorytm JPEG powstał w wyniku prac prowadzonych przez grupę ekspertów (ang. Joint Photographic Expert Group). Prace te zakończyły się w 1991 roku, kiedy
Bardziej szczegółowoKompresja obrazów w statycznych - algorytm JPEG
Kompresja obrazów w statycznych - algorytm JPEG Joint Photographic Expert Group - 986 ISO - International Standard Organisation CCITT - Comité Consultatif International de Téléphonie et Télégraphie Standard
Bardziej szczegółowoPython: JPEG. Zadanie. 1. Wczytanie obrazka
Python: JPEG Witajcie! Jest to kolejny z serii tutoriali uczący Pythona, a w przyszłości być może nawet Cythona i Numby Jeśli chcesz nauczyć się nowych, zaawansowanych konstrukcji to spróbuj rozwiązać
Bardziej szczegółowoJoint Photographic Experts Group
Joint Photographic Experts Group Artur Drozd Uniwersytet Jagielloński 14 maja 2010 1 Co to jest JPEG? Dlaczego powstał? 2 Transformata Fouriera 3 Dyskretna transformata kosinusowa (DCT-II) 4 Kodowanie
Bardziej szczegółowoCyfrowe przetwarzanie i kompresja danych. dr inż.. Wojciech Zając
Cyfrowe przetwarzanie i kompresja danych dr inż.. Wojciech Zając Wykład 7. Standardy kompresji obrazów nieruchomych Obraz cyfrowy co to takiego? OBRAZ ANALOGOWY OBRAZ CYFROWY PRÓBKOWANY 8x8 Kompresja danych
Bardziej szczegółowoKodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG
Kodowanie transformacyjne Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG Zasada Zasada podstawowa: na danych wykonujemy transformacje która: Likwiduje korelacje Skupia energię w kilku komponentach
Bardziej szczegółowoKlasyfikacja metod kompresji
dr inż. Piotr Odya Klasyfikacja metod kompresji Metody bezstratne Zakodowany strumień danych po dekompresji jest identyczny z oryginalnymi danymi przed kompresją, Metody stratne W wyniku kompresji część
Bardziej szczegółowomgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 4, strona 1. GOLOMBA I RICE'A
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 4, strona 1. KOMPRESJA ALGORYTMEM ARYTMETYCZNYM, GOLOMBA I RICE'A Idea algorytmu arytmetycznego Przykład kodowania arytmetycznego Renormalizacja
Bardziej szczegółowoKlasyfikacja metod kompresji
dr inż. Piotr Odya Klasyfikacja metod kompresji Metody bezstratne Zakodowany strumień danych po dekompresji jest identyczny z oryginalnymi danymi przed kompresją, Metody stratne W wyniku kompresji część
Bardziej szczegółowoWybrane metody kompresji obrazów
Wybrane metody kompresji obrazów Celem kodowania kompresyjnego obrazu jest redukcja ilości informacji w nim zawartej. Redukcja ta polega na usuwaniu informacji nadmiarowej w obrazie, tzw. redundancji.
Bardziej szczegółowoKodowanie informacji
Tomasz Wykład 4: kodowanie słownikowe Motywacja Motywacje 1 kodowane dane nie tworza ciagu wartości niezależnych, rozkład prawdopodobieństwa zależy od symboli poprzedzajacych symbol kodowany; 2 pewne sekwencje
Bardziej szczegółowoDef. Kod jednoznacznie definiowalny Def. Kod przedrostkowy Def. Kod optymalny. Przykłady kodów. Kody optymalne
Załóżmy, że mamy źródło S, które generuje symbole ze zbioru S={x, x 2,..., x N } z prawdopodobieństwem P={p, p 2,..., p N }, symbolom tym odpowiadają kody P={c, c 2,..., c N }. fektywność danego sposobu
Bardziej szczegółowoKodowanie Huffmana. Platforma programistyczna.net; materiały do laboratorium 2014/15 Marcin Wilczewski
Kodowanie Huffmana Platforma programistyczna.net; materiały do laboratorium 24/5 Marcin Wilczewski Algorytm Huffmana (David Huffman, 952) Algorytm Huffmana jest popularnym algorytmem generującym optymalny
Bardziej szczegółowoLZ77 LZ78. Kompresja danych. Tomasz Jurdziński. Wykład 5: kodowanie słownikowe
Tomasz Wykład 5: kodowanie słownikowe Motywacja Motywacje 1 zazwyczaj dane nie tworza ciagu wartości niezależnych, kolejny symbol jest zależny od poprzedzajacych go; 2 pewne sekwencje (słowa) często się
Bardziej szczegółowoPrzetwarzanie i transmisja danych multimedialnych. Wykład 5 Kodowanie słownikowe. Przemysław Sękalski.
Przetwarzanie i transmisja danych multimedialnych Wykład 5 Kodowanie słownikowe Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Przemysław
Bardziej szczegółowoKwantyzacja wektorowa. Kodowanie różnicowe.
Kwantyzacja wektorowa. Kodowanie różnicowe. Kodowanie i kompresja informacji - Wykład 7 12 kwietnia 2010 Kwantyzacja wektorowa wprowadzenie Zamiast kwantyzować pojedyncze elementy kwantyzujemy całe bloki
Bardziej szczegółowoKodowanie informacji
Kodowanie informacji Tomasz Wykład 4: kodowanie arytmetyczne Motywacja Podstawy i własności Liczby rzeczywiste Motywacje 1 średnia długość kodu Huffmana może odbiegać o p max + 0.086 od entropii, gdzie
Bardziej szczegółowoAKD Metody słownikowe
AKD Metody słownikowe Algorytmy kompresji danych Sebastian Deorowicz 2009 03 19 Sebastian Deorowicz () AKD Metody słownikowe 2009 03 19 1 / 38 Plan wykładu 1 Istota metod słownikowych 2 Algorytm Ziva Lempela
Bardziej szczegółowoKodowanie i kompresja Streszczenie Studia dzienne Wykład 9,
1 Kody Tunstalla Kodowanie i kompresja Streszczenie Studia dzienne Wykład 9, 14.04.2005 Inne podejście: słowa kodowe mają ustaloną długość, lecz mogą kodować ciągi liter z alfabetu wejściowego o różnej
Bardziej szczegółowoTemat: Algorytm kompresji plików metodą Huffmana
Temat: Algorytm kompresji plików metodą Huffmana. Wymagania dotyczące kompresji danych Przez M oznaczmy zbiór wszystkich możliwych symboli występujących w pliku (alfabet pliku). Przykład M = 2, gdy plik
Bardziej szczegółowoKompresja danych Streszczenie Studia Dzienne Wykład 10,
1 Kwantyzacja wektorowa Kompresja danych Streszczenie Studia Dzienne Wykład 10, 28.04.2006 Kwantyzacja wektorowa: dane dzielone na bloki (wektory), każdy blok kwantyzowany jako jeden element danych. Ogólny
Bardziej szczegółowoKodowanie predykcyjne
Kodowanie i kompresja informacji - Wykład 5 22 marca 2010 Motywacje W tekstach naturalnych symbole bardzo często zależa od siebie. Motywacje W tekstach naturalnych symbole bardzo często zależa od siebie.
Bardziej szczegółowoKompresja Kodowanie arytmetyczne. Dariusz Sobczuk
Kompresja Kodowanie arytmetyczne Dariusz Sobczuk Kodowanie arytmetyczne (lata 1960-te) Pierwsze prace w tym kierunku sięgają początków lat 60-tych XX wieku Pierwszy algorytm Eliasa nie został opublikowany
Bardziej szczegółowoAlgorytmy kompresji. Kodowanie Huffmana, kodowanie arytmetyczne
Algorytmy kompresji Kodowanie Huffmana, kodowanie arytmetyczne Kodowanie arytmetyczne Peter Elias 1923-2001 Kodowanie arytmetyczne to metoda kodowania źródłowego dyskretnych źródeł sygnałów, stosowana
Bardziej szczegółowoWprowadzenie Algorytm ByteRun ByteRun - przykład Algorytm RLE Przykład działania RLE Algorytm LZW Przykład kompresji LZW
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 2, strona 1. PROSTE ALGORYTMY KOMPRESJI BEZSTRATNEJ Wprowadze Algorytm ByteRun ByteRun - przykład Algorytm RLE Przykład działania RLE Algorytm
Bardziej szczegółowoWygra Polska czy Brazylia, czyli o tym jak zwięźle zapisywać informacje
Wygra Polska czy Brazylia, czyli o tym jak zwięźle zapisywać informacje Witold Tomaszewski Instytut Matematyki Politechniki Śląskiej e-mail: Witold.Tomaszewski@polsl.pl Je n ai fait celle-ci plus longue
Bardziej szczegółowoKody Tunstalla. Kodowanie arytmetyczne
Kody Tunstalla. Kodowanie arytmetyczne Kodowanie i kompresja informacji - Wykład 3 8 marca 2010 Kody Tunstalla Wszystkie słowa kodowe maja ta sama długość ale jeden kod może kodować różna liczbę liter
Bardziej szczegółowoInżynieria obrazów cyfrowych. Ćwiczenie 5. Kompresja JPEG
Doc. dr inż. Jacek Jarnicki Instytut Informatyki, Automatyki i Robotyki Politechniki Wrocławskiej jacek.jarnicki@pwr.wroc.pl Inżynieria obrazów cyfrowych Ćwiczenie 5 Kompresja JPEG Zadaniem ćwiczenia jest
Bardziej szczegółowodr inż. Piotr Odya Wprowadzenie
dr inż. Piotr Odya Wprowadzenie Dane multimedialne to przede wszystkim duże strumienie danych liczone w MB a coraz częściej w GB; Mimo dynamicznego rozwoju technologii pamięci i coraz szybszych transferów
Bardziej szczegółowoMetody kompresji i przechowywania obrazów
Metody kompresji i przechowywania obrazów Obrazy ogromnymi zbiorami danych: Np. Fotografia 24mm x 36 mm 10 7 punktów; rozdzielczość 0.01 mm 256 poziomów; >10 MB Na komputerze 640 x 480 pikseli 900 kb 1280x1024
Bardziej szczegółowoMicha Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (2)
Micha Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (2) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna
Bardziej szczegółowoTechnologie cyfrowe semestr letni 2018/2019
Technologie cyfrowe semestr letni 2018/2019 Tomasz Kazimierczuk Kompresja Kompresja bezstratna: z postaci skompresowanej można odtworzyć całkowitą informację wejściową. Kompresja polega na zastosowaniu
Bardziej szczegółowoteoria informacji Entropia, informacja, kodowanie Mariusz Różycki 24 sierpnia 2015
teoria informacji Entropia, informacja, kodowanie Mariusz Różycki 24 sierpnia 2015 1 zakres materiału zakres materiału 1. Czym jest teoria informacji? 2. Wprowadzenie matematyczne. 3. Entropia i informacja.
Bardziej szczegółowoTeoria informacji i kodowania Ćwiczenia
Teoria informacji i kodowania Ćwiczenia Piotr Chołda, Andrzej Kamisiński Katedra Telekomunikacji Akademii Górniczo-Hutniczej Kod źródłowy Kodem źródłowym nazywamy funkcję różnowartościową, która elementom
Bardziej szczegółowopobieramy pierwszą literę komunikatu i wypełniamy nią (wszystkie pozycje tą samą literą) bufor słownikowy.
komunikat do zakodowania: a a b a b b a b a c c a b a a a a a c a c b c b b c c a a c b a 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 przyjmujemy długość bufora słownikowego
Bardziej szczegółowoNiech x 1,..., x n będzie ciągiem zdarzeń. ---
Matematyczne podstawy kryptografii, Ćw2 TEMAT 7: Teoria Shannona. Kody Huffmana, entropia. BIBLIOGRAFIA: [] Cz. Bagiński, cez.wipb.pl, [2] T. H. Cormen, C. E. Leiserson, R. L Rivest, Wprowadzenie do algorytmów,
Bardziej szczegółowoKompresja sekwencji obrazów
Kompresja sekwencji obrazów - algorytm MPEG-2 Moving Pictures Experts Group (MPEG) - 1988 ISO - International Standard Organisation CCITT - Comité Consultatif International de Téléphonie T et TélégraphieT
Bardziej szczegółowoKompresja danych DKDA (7)
Kompresja danych DKDA (7) Marcin Gogolewski marcing@wmi.amu.edu.pl Uniwersytet im. Adama Mickiewicza w Poznaniu Poznań, 22 listopada 2016 1 Kwantyzacja skalarna Wprowadzenie Analiza jakości Typy kwantyzatorów
Bardziej szczegółowoCechy formatu PNG Budowa bloku danych Bloki standardowe PNG Filtrowanie danych przed kompresją Wyświetlanie progresywne (Adam 7)
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 5, strona 1. PNG (PORTABLE NETWORK GRAPHICS) Cechy formatu PNG Budowa bloku danych Bloki standardowe PNG Filtrowanie danych przed kompresją Wyświetlanie
Bardziej szczegółowoKompresja video (MPEG)
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 8, strona 1. Kompresja video (MEG) Zasadniczy schemat kompresora video Typy ramek przy kompresji czasowej Analiza ramek przez syntezę Sposób detekcji
Bardziej szczegółowoPodstawy kompresji danych
Podstawy kompresji danych Pojęcie kompresji W ogólności kompresja (kodowanie) jest procedurą (przekształceniem) zmiany reprezentacji wejściowego zbioru danych do postaci wymagającej mniejszej liczby bitów
Bardziej szczegółowoKompresja sekwencji obrazów - algorytm MPEG-2
Kompresja sekwencji obrazów - algorytm MPEG- Moving Pictures Experts Group (MPEG) - 988 ISO - International Standard Organisation CCITT - Comité Consultatif International de Téléphonie et TélégraphieT
Bardziej szczegółowoAlgorytmy i struktury danych. Co dziś? Tytułem przypomnienia metoda dziel i zwyciężaj. Wykład VIII Elementarne techniki algorytmiczne
Algorytmy i struktury danych Wykład VIII Elementarne techniki algorytmiczne Co dziś? Algorytmy zachłanne (greedyalgorithms) 2 Tytułem przypomnienia metoda dziel i zwyciężaj. Problem można podzielić na
Bardziej szczegółowoKompresja JPG obrazu sonarowego z uwzględnieniem założonego poziomu błędu
Kompresja JPG obrazu sonarowego z uwzględnieniem założonego poziomu błędu Mariusz Borawski Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Zbieranie danych Obraz sonarowy
Bardziej szczegółowoKodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,
1 Kwantyzacja skalarna Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 10.05.005 Kwantyzacja polega na reprezentowaniu dużego zbioru wartości (być może nieskończonego) za pomocą wartości
Bardziej szczegółowoKody Huffmana. Konrad Wypyski. 11 lutego 2006 roku
Kody Huffmana Konrad Wypyski 11 lutego 2006 roku Spis treści 1 Rozdział 1 Kody Huffmana Kody Huffmana (ang. Huffman coding) to jedna z najprostszych i najłatwiejszych w implementacji metod kompresji bezstratnej;
Bardziej szczegółowoKompresja danych kodowanie Huffmana. Dariusz Sobczuk
Kompresja danych kodowanie Huffmana Dariusz Sobczuk Plan wykładu Kodowanie metodą Shannona-Fano Kodowanie metodą Huffmana Elementarny kod Golomba Kod Golomba Kod Rice a kompresja danych 2 Efektywny kod
Bardziej szczegółowoZastosowanie kompresji w kryptografii Piotr Piotrowski
Zastosowanie kompresji w kryptografii Piotr Piotrowski 1 Plan prezentacji I. Wstęp II. Kryteria oceny algorytmów III. Główne klasy algorytmów IV. Przykłady algorytmów selektywnego szyfrowania V. Podsumowanie
Bardziej szczegółowoKrótki przegląd pierwszych standardów kompresji obrazów
Krótki przegląd pierwszych standardów kompresji obrazów Najstarszymi (980 rok) i szeroko stosowanymi obecnie standardami kompresji obrazów cyfrowych są międzynarodowe standardy kodowania cyfrowych faksów,
Bardziej szczegółowoKodowanie transformujace. Kompresja danych. Tomasz Jurdziński. Wykład 11: Transformaty i JPEG
Tomasz Wykład 11: Transformaty i JPEG Idea kodowania transformujacego Etapy kodowania 1 Wektor danych x 0,...,x N 1 przekształcamy (odwracalnie!) na wektor c 0,...,c N 1, tak aby: energia była skoncentrowana
Bardziej szczegółowoAlgorytmy i. Wykład 5: Drzewa. Dr inż. Paweł Kasprowski
Algorytmy i struktury danych Wykład 5: Drzewa Dr inż. Paweł Kasprowski pawel@kasprowski.pl Drzewa Struktury przechowywania danych podobne do list ale z innymi zasadami wskazywania następników Szczególny
Bardziej szczegółowoKodowanie predykcyjne
Studia Wieczorowe Wrocław, 27.03.2007 Kodowanie informacji Wykład 5 Kodowanie predykcyjne Idea: przewidujemy następny element ciągu i kodujemy różnicę między wartością przewidywaną i rzeczywistą, w oparciu
Bardziej szczegółowoSieci neuronowe - projekt
Sieci neuronowe - projekt Maciej Barański, Kamil Dadel 15 stycznia 2015 Streszczenie W ramach projektu został zrealizowany algorytm kompresji stratnej bazujący na działaniu samoorganizującej się sieci
Bardziej szczegółowoGranica kompresji Kodowanie Shannona Kodowanie Huffmana Kodowanie ciągów Kodowanie arytmetyczne. Kody. Marek Śmieja. Teoria informacji 1 / 35
Kody Marek Śmieja Teoria informacji 1 / 35 Entropia Entropia określa minimalną statystyczną długość kodowania (przyjmijmy dla prostoty że alfabet kodowy A = {0, 1}). Definicja Niech X = {x 1,..., x n }
Bardziej szczegółowoteoria informacji Kanały komunikacyjne, kody korygujące Mariusz Różycki 25 sierpnia 2015
teoria informacji Kanały komunikacyjne, kody korygujące Mariusz Różycki 25 sierpnia 2015 1 wczoraj Wprowadzenie matematyczne. Entropia i informacja. Kodowanie. Kod ASCII. Stopa kodu. Kody bezprefiksowe.
Bardziej szczegółowoKODY SYMBOLI. Kod Shannona-Fano. Algorytm S-F. Przykład S-F
KODY SYMBOLI Kod Shannona-Fano KODOWANIE DANYCH, A.Przelaskowski Metoda S-F Kod Huffmana Adaptacyjne drzewo Huffmana Problemy implementacji Kod Golomba Podsumowanie Kod drzewa binarnego Na wejściu rozkład:
Bardziej szczegółowoWykład II. Reprezentacja danych w technice cyfrowej. Studia Podyplomowe INFORMATYKA Podstawy Informatyki
Studia Podyplomowe INFORMATYKA Podstawy Informatyki Wykład II Reprezentacja danych w technice cyfrowej 1 III. Reprezentacja danych w komputerze Rodzaje danych w technice cyfrowej 010010101010 001010111010
Bardziej szczegółowoKompresja dźwięku w standardzie MPEG-1
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 7, strona 1. Kompresja dźwięku w standardzie MPEG-1 Ogólne założenia kompresji stratnej Zjawisko maskowania psychoakustycznego Schemat blokowy
Bardziej szczegółowoZapis liczb binarnych ze znakiem
Zapis liczb binarnych ze znakiem W tej prezentacji: Zapis Znak-Moduł (ZM) Zapis uzupełnień do 1 (U1) Zapis uzupełnień do 2 (U2) Zapis Znak-Moduł (ZM) Koncepcyjnie zapis znak - moduł (w skrócie ZM - ang.
Bardziej szczegółowodr inż. Jacek Naruniec
dr inż. Jacek Naruniec J.Naruniec@ire.pw.edu.pl Entropia jest to średnia ilość informacji przypadająca na jeden znak alfabetu. H( x) n i 1 p( i)log W rzeczywistości określa nam granicę efektywności kodowania
Bardziej szczegółowoKompresja bezstratna. Entropia. Kod Huffmana
Kompresja bezstratna. Entropia. Kod Huffmana Kodowanie i bezpieczeństwo informacji - Wykład 10 29 kwietnia 2013 Teoria informacji Jeśli P(A) jest prawdopodobieństwem wystapienia informacji A to niech i(a)
Bardziej szczegółowo0 + 0 = 0, = 1, = 1, = 0.
5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,
Bardziej szczegółowoFORMATY GRAFICZNE. Dobra ilustracja przychodzi w małym pliku. David Siegel, Tworzenie stron WWW. 1. Rodzaje plików graficznych
FORMATY GRAFICZNE Dobra ilustracja przychodzi w małym pliku. David Siegel, Tworzenie stron WWW 1. Rodzaje plików graficznych 1. Mapy bitowe reprezentują obraz jako prostokątną tablicę pikseli (np. standardy
Bardziej szczegółowoKodowanie i kompresja Streszczenie Studia dzienne Wykład 12,
1 Kompresja stratna Kodowanie i kompresja Streszczenie Studia dzienne Wykład 12, 5.05.2005 Algorytmy kompresji bezstratnej oceniane są ze względu na: stopień kompresji; czas działania procesu kodowania
Bardziej szczegółowoWprowadzenie do informatyki i użytkowania komputerów. Kodowanie informacji System komputerowy
1 Wprowadzenie do informatyki i użytkowania komputerów Kodowanie informacji System komputerowy Kodowanie informacji 2 Co to jest? bit, bajt, kod ASCII. Jak działa system komputerowy? Co to jest? pamięć
Bardziej szczegółowoTransformata Fouriera
Transformata Fouriera Program wykładu 1. Wprowadzenie teoretyczne 2. Algorytm FFT 3. Zastosowanie analizy Fouriera 4. Przykłady programów Wprowadzenie teoretyczne Zespolona transformata Fouriera Jeżeli
Bardziej szczegółowoPodstawowe pojęcia. Teoria informacji
Kodowanie i kompresja informacji - Wykład 1 22 luty 2010 Literatura K. Sayood, Kompresja danych - wprowadzenie, READ ME 2002 (ISBN 83-7243-094-2) Literatura K. Sayood, Kompresja danych - wprowadzenie,
Bardziej szczegółowoTeoria Informacji - wykład. Kodowanie wiadomości
Teoria Informacji - wykład Kodowanie wiadomości Definicja kodu Niech S={s 1, s 2,..., s q } oznacza dany zbiór elementów. Kodem nazywamy wówczas odwzorowanie zbioru wszystkich możliwych ciągów utworzonych
Bardziej szczegółowoTechnologie Informacyjne
System binarny Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności October 7, 26 Pojęcie bitu 2 Systemy liczbowe 3 Potęgi dwójki 4 System szesnastkowy 5 Kodowanie informacji 6 Liczby ujemne
Bardziej szczegółowomgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 3, strona 1.
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 3, strona 1. KOMPRESJA ALGORYTMEM HUFFMANA I LZ77 Idea algorytmu Huffmana Huffman kontra LZW Sposób tworzenia słownika Etapy budowy drzewa kodu
Bardziej szczegółowoARCHITEKRURA KOMPUTERÓW Kodowanie liczb ze znakiem 27.10.2010
ARCHITEKRURA KOMPUTERÓW Kodowanie liczb ze znakiem 27.10.2010 Do zapisu liczby ze znakiem mamy tylko 8 bitów, pierwszy od lewej bit to bit znakowy, a pozostałem 7 to bity na liczbę. bit znakowy 1 0 1 1
Bardziej szczegółowo0-0000, 1-0001, 2-0010, 3-0011 itd... 9-1001.
KODOWANIE Jednym z problemów, z którymi spotykamy się w informatyce, jest problem właściwego wykorzystania pamięci. Konstruując algorytm staramy się zwykle nie tylko o zminimalizowanie kosztów czasowych
Bardziej szczegółowoWstęp Statyczne kody Huffmana Dynamiczne kody Huffmana Praktyka. Kodowanie Huffmana. Dawid Duda. 4 marca 2004
4 marca 2004 Podstawowe oznaczenia i definicje Wymagania wobec kodu Podstawowa idea Podsumowanie Podstawowe oznaczenia i definicje Podstawowe oznaczenia i definicje: alfabet wejściowy: A = {a 1, a 2,...,
Bardziej szczegółowoTransformaty. Kodowanie transformujace
Transformaty. Kodowanie transformujace Kodowanie i kompresja informacji - Wykład 10 10 maja 2009 Szeregi Fouriera Każda funkcję okresowa f (t) o okresie T można zapisać jako f (t) = a 0 + a n cos nω 0
Bardziej szczegółowoRENDERING W CZASIE RZECZYWISTYM. Michał Radziszewski
RENDERING W CZASIE RZECZYWISTYM Michał Radziszewski Plan wykładu Zaawansowane teksturowanie wprowadzenie Próbkowanie i rekonstrukcja sygnału Granica Nyquista Filtry do rekonstrukcji Antyaliasing tekstur
Bardziej szczegółowoPrzetwarzanie i transmisja danych multimedialnych. Wykład 3 Kodowanie Shannona Fano i Huffmana. Przemysław Sękalski.
Przetwarzanie i transmisja danych multimedialnych Wykład 3 Kodowanie Shannona Fano i Huffmana Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych
Bardziej szczegółowoEGZAMIN MATURALNY Z INFORMATYKI 17 MAJA 2016 POZIOM PODSTAWOWY. Godzina rozpoczęcia: 14:00 CZĘŚĆ I WYBRANE: Czas pracy: 75 minut
Arkusz zawiera informacje prawnie chronione do momentu rozpoczęcia egzaminu. Układ graficzny CKE 2013 KOD UZUPEŁNIA ZDAJĄCY PESEL miejsce na naklejkę EGZAMIN MATURALNY Z INFORMATYKI POZIOM PODSTAWOWY CZĘŚĆ
Bardziej szczegółowoDane obrazowe. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski
Dane obrazowe R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski www.il.pw.edu.pl/~rg s-rg@siwy.il.pw.edu.pl Przetwarzanie danych obrazowych! Przetwarzanie danych obrazowych przyjmuje trzy formy:! Grafikę
Bardziej szczegółowoEntropia Kodowanie. Podstawy kompresji. Algorytmy kompresji danych. Sebastian Deorowicz
Algorytmy kompresji danych 2007 02 27 Plan wykładu 1 Modelowanie i kodowanie 2 Modelowanie i kodowanie Plan wykładu 1 Modelowanie i kodowanie 2 Modelowanie i kodowanie definicja stowarzyszona ze zbiorem
Bardziej szczegółowoWaldemar Izdebski - Wykłady z przedmiotu SIT / Mapa zasadnicza 30
Waldemar Izdebski - Wykłady z przedmiotu SIT / Mapa zasadnicza 30 2.3. Model rastrowy Rastrowy model danych wykorzystywany jest dla gromadzenia i przetwarzania danych pochodzących ze skanowania istniejących
Bardziej szczegółowoGrafika Komputerowa Wykład 1. Wstęp do grafiki komputerowej Obraz rastrowy i wektorowy. mgr inż. Michał Chwesiuk 1/22
Wykład 1 Wstęp do grafiki komputerowej rastrowy i wektorowy mgr inż. 1/22 O mnie mgr inż. michalchwesiuk@gmail.com http://mchwesiuk.pl Materiały, wykłady, informacje Doktorant na Wydziale Informatyki Uniwersytetu
Bardziej szczegółowoKodowanie podpasmowe. Plan 1. Zasada 2. Filtry cyfrowe 3. Podstawowy algorytm 4. Zastosowania
Kodowanie podpasmowe Plan 1. Zasada 2. Filtry cyfrowe 3. Podstawowy algorytm 4. Zastosowania Zasada ogólna Rozkład sygnału źródłowego na części składowe (jak w kodowaniu transformacyjnym) Wada kodowania
Bardziej szczegółowoTeoria Informacji i Metody Kompresji Danych
Teoria Informacji i Metody Kompresji Danych 1 Przykładowe zadania (dodatkowe materiały wykładowe) 2 Robert Susmaga Instytut Informatyki ul. Piotrowo 2 Poznań kontakt mail owy Robert.Susmaga@CS.PUT.Poznan.PL
Bardziej szczegółowoKodowanie informacji. Kody liczbowe
Wykład 2 2-1 Kodowanie informacji PoniewaŜ komputer jest urządzeniem zbudowanym z układów cyfrowych, informacja przetwarzana przez niego musi być reprezentowana przy pomocy dwóch stanów - wysokiego i niskiego,
Bardziej szczegółowodr inż. Piotr Odya dr inż. Piotr Suchomski
dr inż. Piotr Odya dr inż. Piotr Suchomski Podział grafiki wektorowa; matematyczny opis rysunku; małe wymagania pamięciowe (i obliczeniowe); rasteryzacja konwersja do postaci rastrowej; rastrowa; tablica
Bardziej szczegółowoW11 Kody nadmiarowe, zastosowania w transmisji danych
W11 Kody nadmiarowe, zastosowania w transmisji danych Henryk Maciejewski Jacek Jarnicki Marek Woda www.zsk.iiar.pwr.edu.pl Plan wykładu 1. Kody nadmiarowe w systemach transmisji cyfrowej 2. Typy kodów,
Bardziej szczegółowoDefinicja. Jeśli. wtedy
Definicja Jeśli wtedy Cel kompresji: zredukowanie do minimum oczekiwanego (średniego) kosztu gdzie l i jest długością słowa kodu c i kodującego symbol a i Definicja Definicje Efektywność kodowania określamy
Bardziej szczegółowoStreszczenie Komputery do przechowywania rysunków, zdjęć i innych obrazów używają tylko liczb. Te zajęcia mają ukazać w jaki sposób to robią.
Temat 2 Kolory jako liczby Kodowanie obrazów Streszczenie Komputery do przechowywania rysunków, zdjęć i innych obrazów używają tylko liczb. Te zajęcia mają ukazać w jaki sposób to robią. Wiek 7 i więcej
Bardziej szczegółowoNiezawodność i diagnostyka systemów cyfrowych projekt 2015
Niezawodność i diagnostyka systemów cyfrowych projekt 2015 Jacek Jarnicki jacek.jarnicki@pwr.edu.pl Zajęcia wprowadzające 1. Cel zajęć projektowych 2. Etapy realizacji projektu 3. Tematy zadań do rozwiązania
Bardziej szczegółowoPrzedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2.
Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2. Technika obrazu 24 W.3. Normalizacja w zakresie obrazu cyfrowego
Bardziej szczegółowoAlgorytmy sortujące i wyszukujące
Algorytmy sortujące i wyszukujące Zadaniem algorytmów sortujących jest ułożenie elementów danego zbioru w ściśle określonej kolejności. Najczęściej wykorzystywany jest porządek numeryczny lub leksykograficzny.
Bardziej szczegółowoTechnologie cyfrowe. Artur Kalinowski. Zakład Cząstek i Oddziaływań Fundamentalnych Pasteura 5, pokój 4.15 Artur.Kalinowski@fuw.edu.
Technologie cyfrowe Artur Kalinowski Zakład Cząstek i Oddziaływań Fundamentalnych Pasteura 5, pokój 4.15 Artur.Kalinowski@fuw.edu.pl Semestr letni 2014/2015 Organizacja zajęć Wykład: czwartek 14:15 16:00,
Bardziej szczegółowoAlgorytmy i struktury danych
Cel ćwiczenia lgorytmy i struktury danych Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski Kompresja Ćwiczenie ma na celu
Bardziej szczegółowoKodowanie Shannona-Fano
Kodowanie Shannona-Fano Kodowanie Shannona-Fano znane było jeszcze przed kodowaniem Huffmana i w praktyce można dzięki niemu osiągnąć podobne wyniki, pomimo, że kod generowany tą metodą nie jest optymalny.
Bardziej szczegółowoAlgorytmy zachłanne. dr inż. Urszula Gałązka
Algorytmy zachłanne dr inż. Urszula Gałązka Algorytm zachłanny O Dokonuje wyboru, który w danej chwili wydaje się najkorzystniejszy. O Mówimy, że jest to wybór lokalnie optymalny O W rzeczywistości nie
Bardziej szczegółowoZESPÓŁ LABORATORIÓW TELEMATYKI TRANSPORTU ZAKŁAD TELEKOMUNIKACJI W TRANSPORCIE WYDZIAŁ TRANSPORTU POLITECHNIKI WARSZAWSKIEJ
ZESPÓŁ ABORATORIÓW TEEMATYKI TRANSPORTU ZAKŁAD TEEKOMUNIKACJI W TRANSPORCIE WYDZIAŁ TRANSPORTU POITECHNIKI WARSZAWSKIEJ ABORATORIUM Telekomunikacji Kolejowej INSTRUKCJA DO ĆWICZENIA NR 5 Kompresja danych
Bardziej szczegółowoNierówność Krafta-McMillana, Kodowanie Huffmana
Nierówność Krafta-McMillana, Kodowanie Huffmana Kodowanie i kompresja informacji - Wykład 2 1 marca 2010 Test na jednoznaczna dekodowalność Kod a jest prefiksem kodu b jeśli b jest postaci ax. x nazywamy
Bardziej szczegółowoModulacja i kodowanie. Labolatorium. Kodowanie źródłowe Kod Huffman a
Modulacja i kodowanie Labolatorium Kodowanie źródłowe Kod Huffman a W tym ćwiczeniu zajmiemy się kodowaniem źródłowym (source coding). 1. Kodowanie źródłowe Głównym celem kodowanie źródłowego jest zmniejszenie
Bardziej szczegółowo