A Compressão de Imagens

 

 

Compressão de Imagens

 

Brasília – DF

19/11/2017

COMPRESSÃO DE IMAGENS

A compressão de imagem¹ baseia-se na remoção de informação redundante existente nas imagens.

Existem duas categorias de compressão de imagem:

- Não destrutiva – é possível reconstruir exatamente a imagem original antes de ter sido efetuada a compressão.

- Destrutiva – no processo de compressão são perdidas características das imagens, o que permite obter graus de compressão mais elevados.

¹ Definição

Compressão - “Formas de diminuir a área de armazenamento dos dados, reduzindo a quantidade de bits para representar os dados (imagem, texto, ou arquivo qualquer).”

Compressão de Imagem - “define-se como a forma (algoritmos e métodos) de armazenar informações visuais mais compactamente.”

Métodos de Compreessão

Compressão sem Perda

•Explora a redundância entre pixels na codificação.

•Nenhum dado é perdido durante o processo de compressão.

• Preserva todas as informações que permitirão a reconstrução exata da imagem.

•Exemplos: RLE (Run Lenght Encoding), LZ (Lempel Ziv),LZW (Lempel Ziv Wech), algoritmo de Huffman (usadas nos formatos: PCX, PNG, GIF, TIFF).

Compressão com Perda

•Há perda de dados durante a compressão da imagem.

•É mais eficiente em relação à área final de armazenamento devido à sua razão de compressão ser maior que a sem perda.

•Em aplicações de sinal de satélite ou dados de imagens médicas, entre outras, muitas vezes não é admissível compressão com

perda.

•Diferentes formas de compressão com perda causam visualmente diferentes degradações na imagem.

Porque pode haver perda de dados ?

•Métodos e algoritmos de compressão eficientes devem levar em conta as características da visão humana.

•Obtem-se um arquivo comprimido de menor dimensão, mantendo, no entanto, a qualidade aceitável em relação ao original, conforme o objetivo que se pretende.

•Os erros e falhas, causados pela compressão com perda de dados, que sejam perceptíveis para os sistemas visual e auditivo humano são conhecidos por artefatos de compressão (compression artifacts).

TIPOS DE REDUNDÂNCIAS EM IMAGENS

Espacial (inter-pixel) resultantes das relações geométricas ou estruturais entre os objetos na imagem.

[pic 1]

Psicovisual ( informação irrelevante) relacionadas ao fato do sistema visual humano não responder com a mesma sensibilidade a todas as informações visuais.

[pic 2]

Codificação (redundância de entropia) quando os níveis de cinza ou as cores de uma imagem são codificados com mais símbolos de codificação do que o necessário.

[pic 3]

*Métodos de compressão reduzem um ou mais tipos de redundância.

Medição do Desempenho

Medida de desempenho -> taxa de compressão (razão entre o tamanho do dado ou imagem original e o tamanho do dado após a compressão).

Técnicas sem perda: quanto maior a taxa de compressão melhor é a técnica de compressão.

Técnicas com perda: deve-se considerar também a qualidade do sinal ou dado reconstruído.

Critérios de fidelidade: se a remoção de dados causou perda

 e informação visual. Podem ser: quantitativos ou subjetivos.

Compressão de imagens e modelos de cores

•YIQ (para transmissão de televisão);

•RGB (para monitores de computador colorido); CMY (para impressoras coloridas;

•HSI (Hue, Saturation, Intensity ou matiz, saturação,intensidade);

•HSV (Hue ou matiz, Saturação e Valor;

•YCBCR - importante para a compressão de imagens (ele é usado no formato de imagens JPEG).

Modelo Geral de Sistemas de Compressão de Imagem

[pic 4]

[pic 5]

[pic 6]

Critérios de fidelidade subjetivos

Notas para um critério de avaliação subjetivo usando HDTV:

[pic 7]

Compressão Simétrica versus Assimétrica

Compressão simétrica: Transformadas de Wavelets (WT) e Transformadas de Cossenos (DCT, do inglês, Discrete Cosine Transform), onde o tempo de compressão é igual ao de descompressão.

Compressão assimétrica: fractal, onde o tempo de compressão é bem maior que o tempo de descompressão.

*Classificação quanto ao tempo de compressão e descompressão.

Compressão por Transformada

•Uma transformação linear inversível é usada para mapear a imagem para um conjunto de coeficientes, que são então quantizados e codificados.

•O estágio de quantização pode eliminar os coeficientes quecarregam menos informação.

Comprimindo Imagens com a Geometria Fractal

[pic 8]

Determinando o SFI de imagens automaticamente

Sistemas de Funções de Iteração Particionados SFIP que buscam a auto-similaridade entre partes maiores e partes menores da imagem.

•As imagens são vistas como uma colagem de partes auto similares que podem ser mapeadas entre si.