Upload
josef-hummel
View
218
Download
3
Embed Size (px)
Citation preview
ww
w.v
is.u
ni-s
tuttg
art.d
e Image compressionSeminar : Bildverarbeitung und Computer VisionBetreuer : Prof. Dr.-Ing. Andrés BruhnWintersemester 2015/16
Cagri Tasci04.12.2015
ww
w.v
is.u
ni-s
tuttg
art.d
e Bildkomprimierung : Idee & Motivation
Digitale Bilder : Benötigen viele Bits zur Darstellung & Speicherung Erzeugen große Datenmengen
Bildkompression: Reduziert Anzahl der benötigten Bits :
Durch effizientere Codierung Durch Erkennung & Entfernung von Redundanz Durch Qualitätsverlust in akzeptablem Rahmen
Erhöht somit Anzahl speicherbarer Bilder. Vorteilhaft für Bildverarbeitung & Anwendungen. Verlustfreie oder Verlustbehaftete Kompression
Cagri Tasci04.12.2015 2
ww
w.v
is.u
ni-s
tuttg
art.d
e Verlustfreie / Verlustbehaftete Kompressions
Verlustfreie Kompressionsverfahren sämtliche Informationen bleiben Erhalten Dekomprimierung möglich Verfahren erzielen effizientere Kodierung Grad der Komprimierung begrenzt
Verlustbehaftete Kompressionsverfahren Nehmen Qualität-/ Informationsverlust in kauf Verlust möglichst unmerklich!! Nutzen Eigenschaften des Menschlichen Sehvermögens Original Bild wird verändert Dekomprimierung nicht möglich
Cagri Tasci04.12.2015 3
ww
w.v
is.u
ni-s
tuttg
art.d
e Huffman Coding
1952 von David A. Huffman entworfen Algorithmus zur effizienteren Kodierung Reduziert Anzahl zur Kodierung benötigter Bits:
Ordnet jedem Symbol Kodierung mit variabler Länge zu Häufigere Symbole werden kürzer kodiert
Code ergibt sich durch entstandene Baumstruktur. Baumstruktur wird für Dekodierung gebraucht. Quelle: http://www1.ucsc.edu
Cagri Tasci04.12.2015 4
ww
w.v
is.u
ni-s
tuttg
art.d
e Huffman Coding : Verfahren
1. Input : Bild mit n unterschiedlichen Symbolen Beginne mit „Alphabet“ der Größe n
2. Ordne jedem Symbol eine Auftrittswahrscheinlichkeit zu
3. zwei Symbole mit geringster WS werden Kinder eines neuen Knotens Erhalte Alphabet der Größe n-1 Neuer Knoten hat Summe der
Wahrscheinlichkeiten seiner Kinder4. Wiederhole Schritt 3 für alle Symbole5. Kodiere jedes linke Kind mit 0
Kodiere jedes rechte Kind mit 16. Speichere Huffman Kodierten Input
Cagri Tasci04.12.2015 5
H U F M A N1/7 1/7 2/7 1/7 1/7 1/7
2/72/73/7
4/7
0
0 0
0
0
1
1
111
00 01 100 101 110 111
Speichere :100-01-00-00-101-110-111
ww
w.v
is.u
ni-s
tuttg
art.d
e Run length Encoding
Einfaches Verfahren Reduziert Redundanz Effizient bei sich häufig wiederholenden Symbolen Übertrage nur Symbol mit jeweiligem Multiplikator Für : AAAABBBCCCCCC => 4A3B6C Besonders für simple Bilder ( z.B. Binary ) geeignetPROBLEM :
Symbole mit nur sehr geringer Wiederholrate Kontinuierlicher Helligkeitsverlauf/-wechsel ist gewöhnlich
LÖSUNG : Modifizierter RLE mit Bitplane Encoding
Cagri Tasci04.12.2015 6
ww
w.v
is.u
ni-s
tuttg
art.d
e Bitplane Encoding
Übersetze jeden Grauwert in seine 8 Bit Darstellung Beispiel 181 = 10110101
Zerlege das Gesamte Bild in Bitplanes : Für jede Bitstelle wird jeweils ein Bitplane generiert. Bitplane berücksichtigt nur diese eine Bitstelle Jeder Pixel wird im Bitplane mit seinem Wert an jeweiliger Bitstelle dargestellt Es entstehen also 8 Binärbilder Die „höherwertigen“ Bitplanes enthalten kaum Störungen , können also effizient
kodiert werden.PROBLEM: Selbst bei geringer Wertänderung können sich viele Bitstellen ändernLÖSUNG: Gray Code :
Kodiert den Wert so das beim Inkrementieren sich jeweils nur eine Bitstelle ändert
Cagri Tasci04.12.2015 7
Quelle : Alessio Damato
ww
w.v
is.u
ni-s
tuttg
art.d
e Verlustbehaftete Kompression
Cagri Tasci04.12.2015 8
Quelle : Cagri c. Tasci
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG Image Compression Standard
1992 von Joint Photographic Experts Group eingeführt Bietet 4 Kompressions Modi
Bekanntester Modus basiert Auf Diskreter Cosinus Transformation Kompression erfolgt in 6 Schritten
Farbraumwechsel Subsampling DCT auf 8x8 Pixeln Quantisierung der Koeffizienten Neuordnung der Koeffizienten Modifizierte Huffman Kodierung
Cagri Tasci04.12.2015 9
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG : Schritt 1 : Farbraumwechsel
Cagri Tasci04.12.2015 10
Konvertiere den Farbraum von (R,G,B) zu (Y,Cb,Cr)
Originalbild (R,G,B)
Luminanz (Y)
Chroma ( Cb & Cr)Quelle : http://www.peter-junglas.de
Quelle : wikipedia
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG : Schritt 2 : Subsampling
Cagri Tasci04.12.2015 11
Quelle : wikipedia
Luminanzinformation
Chromainformation
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG : Schritt 3 : DCT
Idee: Übersetzt einzelne Helligkeitswerte vom Ortsraum in Frequenzraum Frequenz soll Farb-/ Helligkeitswechsel repräsentieren
Vorgehen: Bild wird in 8x8 Pixel Blöcke zerlegt Jeder Pixel erhält Koeffizienten im Frequenzraum Für 0. Pixel wird Mittelwert des Blocks eingetragen Für alle anderen Pixel eine Veränderung zum Mittelwert DCT wird angewandt auf
Jeden der 8x8 Blöcke Jede Komponente des Farbraumes ( Y,Cb,Cr)
Cagri Tasci04.12.2015 12
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG : Schritt 3 : DCT
Cagri Tasci04.12.2015 13
DC
AC
AC
(7,7)
(0,0) Niedrige Frequenzen = langsame Änderung
F(7,7):Hohe Frequenz=Rasche Änderung
DC = F(0,0) enthält Mittelwert des Blockes
AC = F(0,1)….F(7,7) Speichert Veränderung zum DC
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG : Schritt 3 : DCT
Bei gewöhnlichen Bilder : kontinuierlicher Farbverlauf / Helligkeitswechsel Daher : Großteil der Informationen liegt in niedrigen Frequenzen => Werte konzentrieren sich in der oberen Linken Ecke
Cagri Tasci04.12.2015 14
Quelle : Wikimedia commons
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG : Schritt 4 : Quantisierung
Hierbei entsteht der Großteil der Reduktion & Verlust Hohe Frequenzen werden aus den Blöcken entfernt. Niedrige Frequenzen bleiben erhalten Sämtliche Einträge werden auf simplere zahlen „getrimmt“ Dividiere Jeden DCT Eintrag durch Eintrag in einer Matrix
=> Matrix hat sehr hohe Werte in der unteren rechten Ecke Wahl dieser Matrix entscheidet über Qualität der Kompression. Wird für gewünschten Kompressionsgrad erstellt Je Kompressionsgrad : größere Quantisierung
Cagri Tasci04.12.2015 15
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG Schritt 5 : Anordnung der Koeffizienten
Cagri Tasci04.12.2015 16
Generiert den Mittelwert (DC) am Anfang der Kette Gefolgt von den Frequenzen im Verhältnis zum DC Und anschließend viele „0“ in Folge Ermöglicht effizientere Kodierung
Quelle : https://www.imperialviolet.org/binary/jpeg/
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG Schritt 6 : Modifizierte Huffman Kodierung
Kodiert die entstandene Bitfolge mit modifiziertem Huffman Code Häufig auftretende Werte werden mit weniger Bits kodiert. Anschließend werden durch die Neuordnung entstandenen „0“-Ketten mit
RLE kodiert. Es werden deutlich weniger Bits zum kodieren benötigt
Cagri Tasci04.12.2015 17
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG : Auftretende Artefakte
Quelle: http://www.silvanti.com
Cagri Tasci04.12.2015 18
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG 2000
Verwendet Wavelet Transformation anstatt von DCT Keine periodischen Funktionen sondern „kurze Pulse“ Frequenz wird mit Ortsinformation kombiniert Gewisser Grad an Lokalität bleibt erhalten
Stärkere aber auch gezieltere Informationsreduktion Blockartefakte werden somit vermieden Effizientere Komprimierung möglich JPEG 2000 unterstützt zudem Alphakanäle
Cagri Tasci04.12.2015 19
Quelle : Wikimedia commons
ww
w.v
is.u
ni-s
tuttg
art.d
e JPEG & JPEG 2000 vergleich
Cagri Tasci04.12.2015 20
Quelle : home.htwg_konstanz.de
ww
w.v
is.u
ni-s
tuttg
art.d
e Literaturnachweis & Quellen
1. The JPEG still picture compression standard (1992) Gregory K. Wallace
2. An Image Multiresolution Representation for Lossless and Lossy Compression Amir Said and William A. Pearlman,
3. Digital Image Compression Techniques (1991) Majid Rabbani; Paul W Jones
4. Wie funktioniert eigentlich JPEG? (2011) Florian Kniedler
5. The Data Compression Book Mark Nelson , Jean-loup Gailly
6. Computergrafik.informatiker-wissen.de7. Progressive biplanes coding for lossless image compression
K. Funahashi, H. Kikuchi, and S. Muramatsu, 8. JPEG2000 Image Compression Standard (2012)
David Taubman, Michael Marcellin9. Compressed Image File Formats (1999)
John Miano10. JPEG: Still Image Data Compression Standard
William B. Pennebaker, Joan L. Mitchell
Cagri Tasci04.12.2015 21
ww
w.v
is.u
ni-s
tuttg
art.d
e Literaturnachweis & Quellen
11. https://www.imperialviolet.org/binary/jpeg/12. A fast computational algorithm for the discrete Cosine Tranform
Wen-hsiung chen, Harrison Smith, S.C. Fralick13. Bitplane coding of DCT coefficients for image and video compression
Fan Ling, Weiping Li, Hongqiao Sun14. Grafikkodierung und –Kompression
Prof. Dr. Christoph Meinel15. www.itwissen.info
Cagri Tasci04.12.2015 22
ww
w.v
is.u
ni-s
tuttg
art.d
e
Vielen Dank für ihre Aufmerksamkeit
Cagri Tasci04.12.2015 23