STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW

Podobne dokumenty
5/25/2017. Elementy teorii informacji. Co to jest informacja? Słownik Języka Polskiego: Elementy teorii informacji

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Wybrane metody kompresji obrazów

Statystyka. Zmienne losowe

Kodowanie informacji. Instytut Informatyki UWr Studia wieczorowe. Wykład nr 2: rozszerzone i dynamiczne Huffmana

SZTUCZNA INTELIGENCJA

Według raportu ISO z 1988 roku algorytm JPEG składa się z następujących kroków: 0.5, = V i, j. /Q i, j

Kodowanie podpasmowe. Plan 1. Zasada 2. Filtry cyfrowe 3. Podstawowy algorytm 4. Zastosowania

Fundamentals of Data Compression

Kodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG

Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2.

architektura komputerów w. 3 Arytmetyka komputerów

Założenia i obszar zastosowań. JPEG - algorytm kodowania obrazu. Geneza algorytmu KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG

Kodowanie transformujace. Kompresja danych. Tomasz Jurdziński. Wykład 11: Transformaty i JPEG

4 Zasoby językowe Korpusy obcojęzyczne Korpusy języka polskiego Słowniki Sposoby gromadzenia danych...

Cyfrowe przetwarzanie i kompresja danych

Klasyfikacja metod kompresji

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Informacja - pojęcie abstrakcyjne Dane: konkretna reprezentacja informacji. 3 "Podstawy informatyki", Tadeusz Wilusz 2004

dr inż. Piotr Odya Wprowadzenie

Kompresja dźwięku w standardzie MPEG-1

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Kompresja obrazów w statycznych - algorytm JPEG

Klasyfikacja metod kompresji

Statystyka Inżynierska

Natalia Nehrebecka. Zajęcia 4

Kwantowanie sygnałów analogowych na przykładzie sygnału mowy

teoria informacji Entropia, informacja, kodowanie Mariusz Różycki 24 sierpnia 2015

Parametry zmiennej losowej

Kompresja video (MPEG)

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG

Joint Photographic Experts Group

mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 1, strona 1.

Natalia Nehrebecka. Zajęcia 3

Opis efektów kształcenia dla modułu zajęć

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

Kompresja danych DKDA (7)

teoria informacji Kanały komunikacyjne, kody korygujące Mariusz Różycki 25 sierpnia 2015

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Teoria przetwarzania A/C i C/A.

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Podstawy kompresji danych

Podstawowe pojęcia. Teoria informacji

RENDERING W CZASIE RZECZYWISTYM. Michał Radziszewski

dr hab. inż. Lidia Jackowska-Strumiłło, prof. PŁ Instytut Informatyki Stosowanej, PŁ

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Komputer kwantowy Zasady funkcjonowania. Dr hab. inż. Krzysztof Giaro Politechnika Gdańska Wydział ETI

Cyfrowe przetwarzanie i kompresja danych. dr inż.. Wojciech Zając

Modulacja i kodowanie. Labolatorium. Kodowanie źródłowe Kod Huffman a

PRACA DYPLOMOWA MAGISTERSKA

Wygra Polska czy Brazylia, czyli o tym jak zwięźle zapisywać informacje

Rozpoznawanie kodów splotowych

Technologie cyfrowe. Artur Kalinowski. Zakład Cząstek i Oddziaływań Fundamentalnych Pasteura 5, pokój 4.15 Artur.Kalinowski@fuw.edu.

KOMPRESJA OBRAZÓW RUCHOMYCH Z WYKORZYSTANIEM KODOWANIA SUBPASMOWEGO

Kwantyzacja wektorowa. Kodowanie różnicowe.

Kody Tunstalla. Kodowanie arytmetyczne

Podstawy teorii falek (Wavelets)

Krótki przegląd pierwszych standardów kompresji obrazów

Proces narodzin i śmierci

Sieci neuronowe - projekt

Kodowanie i kompresja Streszczenie Studia dzienne Wykład 9,

Przetwarzanie obrazu cyfrowego

Kompresja sekwencji obrazów - algorytm MPEG-2

Kodowanie i kompresja Streszczenie Studia dzienne Wykład 12,

dr inż. Jacek Naruniec

Przetwarzanie analogowo-cyfrowe sygnałów

mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 4, strona 1. GOLOMBA I RICE'A

Micha Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (2)

Konwersja dźwięku analogowego do postaci cyfrowej

Kompresja sekwencji obrazów

Przetwarzanie i transmisja danych multimedialnych. Wykład 6 Metody predykcyjne. Przemysław Sękalski.

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

dr hab. inż. Artur Janicki pok. 407 Zakład Cyberbezpieczeństwa Instytut Telekomunikacji PW

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

Algorytmy kodowania predykcyjnego

TECHNIKI MULTIMEDIALNE

Kodowanie źródeł sygnały video. Sygnał video definicja i podstawowe parametry

Inżynieria obrazów cyfrowych. Ćwiczenie 5. Kompresja JPEG

Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,

Laboratorium ochrony danych

1.5. Sygnały. Sygnał- jest modelem zmian w czasie pewnej wielkości fizycznej lub stanu obiektu fizycznego

Przetwarzanie i transmisja danych multimedialnych. Wykład 2 Podstawy kompresji. Przemysław Sękalski.

Akwizycja i przetwarzanie sygnałów cyfrowych

Transformaty. Kodowanie transformujace

KOMPRESJA STRATNA OBRAZÓW. Paradygmat klasyczny. Kwantyzacja. Koncepcja podstawowa. PODSTAWY TECHNIK MULTIMEDIALNYCH A.Przelaskowski.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Przykład: Znaleźć max { f (x)=x 2 } Nr osobnika Po selekcji: Nr osobnika

Kodowanie informacji

Kodowanie i entropia

Kompresja Kodowanie arytmetyczne. Dariusz Sobczuk

NIEOPTYMALNA TECHNIKA DEKORELACJI W CYFROWYM PRZETWARZANIU OBRAZU

Podstawy kompresji treści multimedialnych. Opracował: dr inż. Piotr Suchomski

Funkcje i charakterystyki zmiennych losowych

9. Dyskretna transformata Fouriera algorytm FFT

Technika audio część 1

Technologie cyfrowe semestr letni 2018/2019

Teoria informacji i kodowania Ćwiczenia

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

Transkrypt:

STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW Źródło Kompresja Kanał transmsj sek wdeo 60 Mbt 2 mn muzyk (44 00 próbek/sek, 6 btów/próbkę) 84 Mbt Dekompresja Odborca. Metody bezstratne 2. Metody stratne

2 Kodowane predykcyjne ) ( ) ( n s n p r n n s n s ) ( ) ( ) ( ) ( ) ( n p n s n d ) ( ) ( ) ( n d n p n s NADAWCA ODBIORCA r normalzujemy, aby np. z autokorelacj czyl r

Kodowane entropowe EC od ang. Entropy Codng s( n) s M m m Ilość nformacj stowarzyszona z komunkatam s m : m,..., M wynos I wystąpena m) log p, gdze p m ( 2 m s m, a jej marą jest lość btów. jest prawdopodobeństwem Średna lość btów potrzebnych do bezstratnego zakodowana komunkatu (entropa) jest wartoścą oczekwaną H M m p m log 2 p m 3

Alfabet Morse a Samuel Fnley Breese MORSE (79-872) amerykańsk malarz wynalazca 837 aparat telegrafczny 840 - alfabet telegrafczny 844 perwsza na śwece lna Baltmore - Washngton e t bt a n m s u r w d k g o h v f l ą p j b x c y z q ó ch 2 bty 3 bty 4 bty 4

Sprawność kodowana H M m p m log 2 p m Oczekwana lość btów H w M m b m p m gdze p m jest prawdopodobeństwem komunkatu zakodowanego przez symbol posadający btów. b m Sprawność kodowana 00% H H w może być co najwyżej równa 00%, bo entropa jest dolną grancą średnej lczby btów wymaganych do reprezentacj komunkatów. 5

Kodowane ze zmenną długoścą słowa VLC ang. Varable Length Codng sm pm - /8 0 /4 3/8 2 /4 H log log 3 log 3 2 8 4 2 4 8 2 8 4 log 2 4 8,9 6

Przykład algorytmu kodowana metodą Huffmana 952 rok Symbol 0 2-3/8 /4 /4 /8 0 3/8 3/8 /4 Prawdopodobeństwo Prawdopodobeństwo Prawdopodobeństwo 5/8 3/8 0 0 7

Kontynuacja przykładu kodu Huffmana Symbol - 0 2 Prawdopodobeństwo 0,25 0,250 0,375 0,250 Kod bnarny 0 0 0 Przecętna lość btów na symbol 3 2 3( ) 2,9 2 H w Sprawność kodowana 00% 95% 0 0 0 0 0 0 0 2 2-0 - 8 4 4 8 00 % sprawność kodowana gdy prawdopodobeństwa są potęgam /2 8

Kolejny przykład kodowana Huffmana e [0,076] e [0,076] a [0,073] a [0,073] c [0,037] db ()[0,038] d()[0,030] } c (0)[0,037] b(0)[0,008] } e [0,076] c d b ()[0,075] a (0)[0,073] } a c d b()[0,48] e (0)[0,076] Symbol a b c d e Prawdopodobeństwo 0,073 0,008 0,037 0,030 0,076 Kod bnarny 0 0 0 0 9

Prosty przykład kodu Huffmana pm gęstość prawdopodobeństwa zmennej losowej sm m F m p dystrybuanta Znak Prawdopodobeństwo Kod Huffmana H = 0,335 bt/symbol 0,95 0,02 0,03 00 0 H w,05 bt/symbol Sprawność tylko 3,9% 0

Kod Huffmana sekwencj symbol Sekwencja symbol Iloczyn prawdopo- Kod Huffmana dobeństw H = 0,6 bt/symbol 0,9025 0,090 0,0285 000 0 H w,222 sprawność bt/symbol 50% 0,090 000 0,0004 0,0006 0,0285 0,0006 0000 000 00 000 Poprzedno: H = 0,335 bt/symbol H w,05 3,9% 0,0009 00

Tworzene sekwencj elementów dla kodowana arytmetycznego 0 0,95 0, 97 0,95 0,969 0, 97 0,9694 0,969 Ilość btów potrzebna do zakodowana komunkatu jest częścą całkowtą log 2 p n 0,96938 0,9694 0,969388 2

Przykład kodowana arytmetycznego H,5008 40,7 % w Sekwencja symbol Iloczyn prawdopo- Grance przedzału Wartość środkowa Wartość środkowa dobeństw w kodze dzesętnym w kodze bnarnym log 2 p n 0,9025 0 0,9025 0,4525 0,00000000 0,5 0,090 0,9025 0,925 0,92 0,0000000 00 6,72 0,0285 0,925 0,95 0,93575 0,00000 0 6,3 0,090 0,95 0,969 0,9595 0,0000000 0 6,72 0,0004 0,969 0,9694 0,9692 0,0000000 000000 3,29 0,0006 0,9694 0,97 0,9697 0,000000 00000,70 0,0285 0,97 0,9985 0,98425 0,00 0 6,3 0,0006 0,9985 0,999 0,9988 0,0000 0,70 0,0009 0,999-0,99955 0,0000,2 3

Kodowane cągów RLC ang. Run Length Codng v, r gdze v (od ang. value) powtarzający sę symbol r (od ang. run) lczba powtórzeń 000000000000, 0,,2 0,, 0,2,3 kod 0 kod 000 4

Metody kompresj stratnej SYGNAŁ Kodowane stratne Dekodowane SYGNAŁ neco nny 5

Kwantyzacja skalarna s wy SQ ang. Scalar Quantzaton s we Kwantyzacja równomerna s 2 s s2 s s s s 2 s s s2 s 3 s Q( s) gdze s s s s () nerównomerna pozomy reprezentacyjne prog decyzyjne pozom reprezentacyjny lub kod, są rozdzelnym zboram pokrywającym podzbór lczb rzeczywstych. Kwantyzacja strefowa 6

Kwantowane wektorowe Przykład gdy s, s 2 Ksążka kodowa Q( s) s np. dzałane w/g reguły ds, s ds, s j M j,..., M- lość elementów ksążk kodowej 7

Kodowane transformatowe T - transformacja Q -kwantowane K kodowane bezstratne K - - dekodowane Q - - dekwantyzacja IT- transformacja odwrotna 8

Transformacje częstotlwoścowe krótkoczasowa Fourera sˆ( f ) w( t) s( t) e 2jft dt w( t) s( t) cos(2jf ) j sn(2jf ) dt kosnusowa s ( f ) s( t) cos(2tf ) dt falkowa ~, s a b st a ( ) t b a dt 9

Dyskretna transformacja kosnusowa DCT od ang. Dscrete Cosne Transform s( k) 2 N c( k) (2n ) N N s( n)cos n0 2 k k 0,,, N gdze c(k) 2 dla dla k k 0 0 Transformacja odwrotna s( n) 2 N (2n ) N N c( k) s( k)cos k 0 2 k 20

DCT dla bloków po 8 próbek Dzeląc sygnał na blok po 8 próbek posługujemy sę transformacją s( k) 0,5 c( k) 7 n0 s( n)cos (2n ) k /6 2 0 - -2 0 5 0 5 20 25 30 35 40 45 50 2

Bank fltrów cyfrowych z s 2 2 Kwantyzacja 2 2 z 2s z s 2 2 z Kwantyzacja z 2 2 z s 22

Sygnał audo: 44 00 próbek/sekundę po 6 btów daje 705 600 btów/s w jednym kanale Sygnał telefonczny: Fltrowane do 4 khz, Próbkowane 8000 próbek/sekundę, Zamana próbek na 3-btowe pakety - strumeń 04 kbt/s, KOMPRESJA do 3 kbt/s. Kompresja 705 600 / 3 000 ~ 54,28 23

Kompresja audo w GSM Sygnał dzelony na blok po 20 ms, Każdy blok kodowany na 260 btach, Bbloteka wzorców (sygnałów wzorcowych) 04 bty na sygnał wzorcowy, 56 btów opsuje różncę mędzy wzorcem a orygnałem. 260 bt 3 kbt/s 20 ms 24