You are on page 1of 9

1

Octavian Savu, Roxana Sandu, Studeni BIOSINF-ETTI


Tehnici
de compresie a imaginilor

Abstractn acest articol vom studia ideea de compresie a


imaginilor digitale i principalele tehnici i metode folosite n
conceptul de compresie. Deasemenea se vor scoate n eviden
avantajele i dezavantajele fiecrei tehnici de compresie. Ne vom
axa pe descrierea metodelor foloiste n compresie i pe cele dou
metode principale i anume compresia cu pierderi i compresia
fr pierderi. Termenul de compresie a imaginilor se refer la o
clas larg de tehnici i metode al cror scop este reprezentarea
unei imagini date cu un numr ct mai mic de bii (mai mic
dect numrul de bii al reprezentrii iniiale).
Index Termscompresie cu pierderi, compresie fr pierderi,
mrime, rat compresie, standard, tehici compresie.

I. INTRODUCERE

omunicarea modern este de neconceput fr


transmiterea informaiilor att sub form vizual ct i
auditiv, iar dezvoltarea tehnologiei i mai ales a prilor de
multimedia, teleconferie, aplicaiile cu imagini, imagistic
medical i altele au dus la o foarte mare cantitate de date.
Toate acestea au crescut necesitatea unui spaiu uria de
stocare, ceea ce a fcut s fie necesar compresarea
imaginilor digitale.
S-a pus imediat problema eficienei compresiei astfel nct
informaia coninut sa fie afectat ct mai puin.
Pe scurt, compresia datelor semnific identificarea unor
zone comune (a unui anumit model, mod de organizare) n
modul de distribuire a datelor dintr-un fiier, ca apoi prin
intermediul unor algoritmi matematici s se elimine o parte
din date fr a afecta informaia.
n general fiierele folosesc datele
ntr-un mod
neeconomic, adic folosesc aceleai secvene de date de mai
multe ori. Prin compresie, aceste secvene sunt determinate,
codificate i folosite n aa fel nct spaiul pe disc s se
reduc ct mai mult posibil.
n compresia de imagine se folosesc dou mari principii i
anume: principiile redundanei i irelevanei. Primul elimin
redundana din sursa de semnal, iar cel de al doilea elimin
valorile pixelilor ce nu sunt vizibili ochiului uman.

II.TEHNICI DE COMPRESIE-CLASIFICRI

Compresia imaginii minimizeaz mrimea ( n bytes) a


unui fiier grafic fr s reduc calitatea imaginii sub un
nivel neacceptabil. Reducea dimensiunii fiierului permite
stocarea mai multor imagini pe acelai spaiu. Deasemenea se

micoreaz timpul necesar pentru trimiterea fiierelor pe


internet sau descrcarea acestora.
Metodele moderne de compresie asigur o soluie pentru
rezolvarea acestor dezavantaje. Se poate ajunge prin metode
avansate de comprimare la valori ale ratelor de compresie de
10:1 i 50:1. n acelai mod , n aplicaiile video, rata
compresiei poate avea valori de pn la 2000:1.
Tehnicile de compresie a imaginilor sunt clasificate n dou
mari categorii:
compresie fr pierderi
compresie cu pierderi
Compresia fr pierderi - n compresia fr pierderi nu se
vor lsa date n afara pachetului de compresie. Nu se va
pierde informaie, imaginea reconstituit fiind identic cu cea
original. Aceasta nu adaug zgomot i este preferat pentru
imagini artificiale cum ar fi desenele.
Compresia cu pierderi - asa cum ne spune numele,
compresia cu pierderi implic pierderi de informaie.
Imaginea compresat nu este identic cu cea original (se
pierd detalii), dar destul de asemntoare. Aceast metod
este folosit pentru imagini naturale i fotografii unde
pierderea minor a fidelitii (a detaliilor) este acceptat
pentru a obine o reducere semnificativ a ratei de bii.
O alt clasificare a metodelor de compresie este
urmtoarea:
Metode de compresie la nivel de pixel
n utilizarea acestui tip de compresie nu se ine cont de
corelaia care exist ntre pixelii vecini i astfel fiecare pixel
se codeaz ca atare. Compresia la nivel de pixel este fr
pierdere de informaie ceea ce seamn c imaginea iniial
poate fi refcut identic din imaginea comprimat. Ca
exemplu de astfel de metod putem avea:
-codarea Huffman
-codarea RLE (Run Length Encoding) / RLC
-codarea LZW (Lempel-Ziv-Walsh)
Metode de compresie predictive
n utilizarea acetui tip de compresie se ine cont de corelaia
care exist ntre pixelii vecini.
Ca exemplu de astfel de moetod putem avea:
-codarea cu modulaie ''delta"
-codarea DPCM (Diferential Pulse Code Modulation)
Metode de compresie cu transformate
Aceste metode presupun aplicarea unei transformri
liniare.Acest lucru are ca rezultat faptul c energia imaginii
s se concentreaz ntr-un numr mic de coeficieni.
Alte metode de compresie
- cuantizarea scalar
- cuantizarea vectorial
- codarea folosind fractali
- codarea hibrid
- bazate pe metode statistice

2
- bazate pe dicionar
- bazate pe metode specifice
n decursul timpului s-au observat urmtoarele:
1. Prin cuantizarea scalar se ajunge la performane
mediocre. Se obin rate de compresie de 0,5 ceea ce
reprezint un rezultat nesemnificativ. Totodat se ajunge la
reducerea numrului de culori ( sau nuane de gri) i chiar la
crearea de benzi de culoare diferit.
2. Fa de cuantizarea scalar, cuantizarea vectorial are
rezultate mai bune.
3. Analiznd metodele statistice s-a observat c acestea
funcioneaz mai bine cnd elementele ce trebuie compresate
au probabiliti diferite.Acest lucru nseamn c imaginile n
care avem pixeli alturai de culori foarte diferite, se
compreseaz mai bine cu metodele statistice.Totui apare o
problem la predicia pixelilor.
4. Ca n cazul metodelor statistice,metodele de compresie
bazate pe dicionar ntmpin deasemenea probleme n
cazul imaginilor cu tonuri continue din cauza pixelilor
alturai similari.
Deoarece rezultatele de mai sus sunt nesatisfctoare s-au luat
n calcul abordri noi ce presupun metode pentru tipuri
particulare de imagine.Principiul abordat este acela c '' dac
se selecteaz aleator un pixel dintr-o imagine, exist o
probabilitate mare ca vecinii si s aib aceeai culoare sau
culori foarte apropiate''.[1]
S-au luat n considerare imagini reprezentate pe dou
nivele, imagini reprezentate n tonuri de gri i imagini color.
1.Imagini reprezentate pe dou nivele:
Abordarea presupune folosirea codrii RLC (Run length
coding) pentru a coda imagini ai cror pixeli sunt reprezentai
printr-un bit (pixeli vecini identici). Metoda presupune
scanarea imaginii ( rnd cu rnd, coloana cu coloan, zigzag,,etc.) i calcularea lungimilor irurilor de pixeli albi i
negri. n ultim faz lungimile sunt codate i compresate.

2.Imagini reprezentate pe niveluri de gri.


O prim abordare presupune urmtoarele etape:
- imaginea original reprezentat pe niveluri de gri se
mparte n n imagini reprezentate pe dou nivele
-se codeaz fiecare imagine RLC
O a doua abordare presupune prezicerea valorii unui pixel
n funcie de media valorile vecinilor si.n majoritatea
cazurilo predicia este corect.
Metodei progresive multinivel MLP funcioneaz pe acelai
principiu i anume:contextul unui pixel poate fi constituit din
unul sau doi din vecinii si imediai. Se obin rezultate mai
bune atunci cnd avem un numr mai mare de pixeli n
obinerea contextului.Procesul de decodare presupune calculul
contextului fiecrui pixel..

A treia abordare presupune codarea valorilor transformate


ale pixelilor.Totodat este necesar reducerea redundanei
imaginii( generat de corelaia dintre piexeli) prin
transformri ale pixelilor n reprezentri n care acetia sunt
decorelai.
Prin cuantizarea valorilor transformate se realizeaz o
bun compresie a imaginii( compresie cu pierderi de
informaie).
3.Imagini reprezentate n tonuri discrete
Un exemplu de imagine reprezentat n tonuri discrete l
reprezint o pagin cu text, iar o abordare n ceea ce priveste
comprimarea unei imagini de acest tip este urmtoarea:
Se parcurg urmtoarele etape:
-identificarea zonelor care se repet din imagine
-indexarea acestora cu ajutorul unui pointer
-inregistrarea pointerului n imaginea compresat
O alt abordare presupune parcurgerea urmtoarelor etape:
- se divizeaz imaginea n mai multe zone
-se scaneaz zon cu zon
-se ncearc reprezenarea fiecrei zone ca o combinaie a
zonelor anterioare ( posibil doar dac zonele se repet).
III. METODE UTLIZATE N COMPRESIA FR
PIERDERI
Metode uzuale
utilizate exclusiv n compresia fr
pierderi:
n aceast categorie intr
metode generale (indiferent de specificaia
valorilor) : codarea entropic (Huffman), codarea
aritmetic i codarea Ziv-Lempel;

metode specifice (dedicate coninutului de tip


imagine) : RLE i WBS.
1. Codarea Huffman : reprezint o tehnic foarte eficient
de compactare a datelor. Algoritmul pentru realizarea acestei
codificri nregistreaz frecvenele de apari ie ale fiecrui
simbol dintr-un fiier, dup care se reprezentarea fiecare
simbol sub forma unui ir binar.
Se d p mulime A={a 1,a2,...,a n} format din n simboluri.
Codul binar reprezint un ir de cifre de 0 i 1 de o lungime
finit. Fie B un ir de lungime n de coduri binare cu
proprietatea ca: ij.
Suma tuturor probabilitilor simbolurilor este ntotdeauna
mai mic sau egal cu 1. n cazul n care suma este 1 atunci
avem un cod complet. Dac suma este mai mic dect 1 se
vor aduga simboluri cu probabilitate nul, pentru a face
codul complet.
Coninutul de informaie h (n bii) al fiecrui simbol a i cu
probabilitate nenul este:
h(ai)=log 2 (1/wi)
Exemplu de codare Huffman:

Se citete arborele invers, de la dreapta la stnga,


asignnd diferii bii diferitelor ramuri.

Codul Huffman rezultat astfel este :

Fig.1 Exemplu de codare Huffman


Entropia H (n bii) este suma ponderat a simbolurilor a i
cu o probabilitate nenul wi a coninutului de informaie a
fiecrui simbol:

Toate simbolurile de probabilitate 0 au teoretic o entropie


pozitiv infinit, dar deoarece sunt absente din mesajul
original ce va fi codat, acestea nu contribuie la entropia
mesajului codat, de ele ar putea fi fcute s aib entropia 0 n
suma de mai sus, scond astfel restricia de indici.
Tehnica de construcie a arborelui:

Fig.2 Construcie arbore


Presupunem c avem o surs ce genereaz 4 simboluri
diferite {a1,a2,a3,a4} cu probabilitatea de apari ie {0.4 ; 0.35;
0.2 ; 0.05}.
Etape :
Se genereaz un arbore binar de la stnga la dreapta.
Luam cele mai importante dou simboluri i le unim
ntr-un simbol echivalent de probabilitate egal cu
suma probabilitilor celor dou.
Se repet paii 1 i 2 pn cnd rmne un singur
simbol.

Fig..3 Cod rezultat


Proprieti :
Codarea Huffman este optimal atunci cnd probabilitatea
fiecrui simbol de intrare este o putere negativ a lui 2.
Cel mai defavorabil caz pentru codarea Huffman se poate
ntmpla atunci cnd probabiliatea unui simbol dep ete 0.5,
atingnd astfel limita superioar a grani ei de ineficient.
2. Codarea aritmetic : este folosit n special cnd
alfabetul sursei este mic, iar probabilit ile mesajelor sunt
dezechilibrate. Cuvintele de cod obinute n urma acestei
codri au lungime variabil.
Acest tip de codare renun la ideea de a reprezenta fiecare
simbol al sursei de intrare printr-un cod specific i de
asemenea renun i la alocarea fiecrui simbol un numr
ntreg de bii.
Entropia sursei este subunitar. Eficiena codrii devine
apropiat de 100%. Pentru surse staionare, codarea
aritmetic are aceeai eficien cu cea a codorului Huffman,
dar n condiii reale, de nestaionaritate, performan ele
codrii aritmetice sunt superioare.
n codarea aritmetic unui cuvnt de cod i este asociat o
secvene de intrare sm de lungime egal cu m simboluri.
Lungimea cuvntului de cod care se obine la codarea
aritmetic este aproximativ egal cu log2 p(sm), unde p(sm) este
posibilitatea de apariie a secvenei surs sm.
Un mesaj este reprezentat printr-un interval de numere
reale cuprinse ntre 0 i 1. Cea mai semnificativ parte a unui
mesaj codat aritmetic aparine primului simbol care urmeaz
a fi codat. Pe msur ce un mesaj devine mai lung, intervalul
necesar pentru specificarea acestui interval crete.
Simbolurile succesive ale mesajului reduc mrimea
intervalului. Cu ct un simbol este mai probabil cu att se vor
aduga mai puini bii la mesaj.
Etapele codrii aritmetice:
nainte de nceperea transmisiei, intervalul de reprezentare
este [0,1). Pe msur ce este prelucrat fiecare simbol al
mesajul, intervalul de reprezentare este micorat la poriunea
de interval alocat respectivului simbol. Astfel, procesul de
codare const n restrngerea intervalului cu fiecare nou

4
simbol care apare. Noul interval este proporional cu
probabilitatea predefinit ataat simbolului respectiv.
Procesul de decodare realizeaz procedura invers, de
extindere a intervaului, proporional cu probabilitatea fiecrui
simbol extras din mesajul recepionat.
3. Lempel-Ziv-Welch : este unul dintre cei mai comuni
algoritmi folosii n grafica pe calculator. Aceast metod de
codare fr pierderi se regsete n foarte multe tipuri
(formate) de imagini : GIF i TIFF. LZW este un algoritm de
compresie care poate lucra n orice tip de date. Este la fel de
rapid att n comprimarea ct i n decomprimarea datelor.
Folosete un dicionar, care se poate reconstrui pe parcurs (nu
trebuie stocat), format din iruri de caractere. Aceste iruri
sunt folosite ca i elemente ale codrii.
Acest algoritm nlocuiete un ir de caractere cu un altul cu
ajutorul ctorva bii.
Imaginea este structurat ca un tablou de pixeli dispui pe
linii i pe coloane. Un pixel este caracterizat prin pozi ie i
prin coninut. Prin poziie nelegem linia i coloana din
imagine, iar prin coninut culoarea i luminozitatea. Aceste
informaii sunt stocate ntr-o zon numit memorie grafic.
Exemplu : pentru imaginile alb negru cu 16 nuan e de gri,
descrierea unui pixel n memoria grafic folosete doar 4 bi i.
Cnd se reprezint imaginile color se definete conceptul de
palet de culori, care ia n considerare fie codurile asociate
culorilor cnd acestea sunt ntr-un numr restrns, fie modul
de construire a culorilor prin combinarea culorilor
fundamentale.
4. Codarea RLE are la baza codarea lungimii irurilor
identice (run-length-encoding ). Fiierele conin adesea
caractere care se repeta de mai multe ori. Un exemplu l
constituie imaginile care au un fond alb sau negru destul de
larg. Algoritmul RLE ofer o foarte bun compresie.
Exemplu de compresie pentru o secven ce are multe
zerouri: 17 8 54 0 0 0 97 5 16 0 45 23 0 0 0 0 0 3 67 0 0 8
De fiecare data cnd se ntlnete un zero n secven a de
intrare, se scriu dou valori n fiierul de ieire: prima dintre
acestea este zero indicnd c a nceput compresia, iar cea de-a
doua este numrul consecutiv de zerouri care apare.
Compresia apare cnd se intlnesc secvene de zerouri cu
lungime mai mare de 2.
Secvena dup aplicarea codrii RLE:
17 8 54 0 3 97 5 16 0 1 45 23 0 5 67 0 2 8.
Trebuie observat ns c secvena de date n care apar
zerouri individuale va determina un fiier de ieire mai mare
dect cel original. Plecnd de la aceast idee s-au dezvoltat
diveri algoritmi care lucreaz pe octei sau pe grupuri de
octei. De asememea se poate folosi pentru a coda orice alt
caracter, nu numai zero, aa cum am exemplificat anterior.
n cazul imaginilor, se bazeaz pe presupunerea conform
creia dac selectm un pixel din imagine la ntmplare,
exist sana destul de mare ca vecinii acestuia s aib aceea i
culoare. Ca urmare, codificatorul funcioneaz prin
parcurgerea imaginii rnd cu rnd, cutnd serii consecutive
de pixeli de aceeai culoare.
Exemplu :
Daca imaginea este alb negru i con ine pe un rnd 17
pixeli albi, urmai de 1 pixel negru, urmat de 55 pixeli albi
se va reine la ieire doar seria de numere : 17 1 55.

De obicei, codificatorul presupune c imaginea de intrare


ncepe cu un pixel alb (ceea ce este adevrat n marea
majoritate a cazurilor). Dac aceast condiie nu este
ndeplinit, fluxul de numere de la ieire ar trebui s nceap
cu un segment de lungime 0.
Dimensiunea compresiei obinute depinde de obicei de
complexitatea imaginii: cu ct imaginea conine mai multe
detalii, cu att compresia va avea o performan mai redus.
Algoritmul RLE se folosete de foarte multe ori n cadrul
compresiei imaginilor, n combinaie cu metodele Huffman
sau aritmetic. Excepie: n cazul fiierelor de tipul BMP,
algoritmul RLE se folosete singur.
Aplicarea algoritmului RLE naintea unui algoritm
entropic asupra unui ir de simboluri, duce, de cele mai multe
ori, la micorarea entropiei irului, de unde reiese concluzia
c irul de simboluri a devenit mai comprimabil.
5. Codarea WBS (White Block Skipping) sau eliminarea
blocurilor de alb. Aceast metoda este una foarte simpl,
recomandat pentru compresia imaginilor binare care con in
mult alb.
Fiecare linie a imaginii este divizat n blocuri de N
pixeli. Pentru blocurile formate numai din pixeli albi se
atribuie cuvntul de cod 0. Pentru toate celelalte blocuri se
atribuie un cuvnt de cod de lungime N+1 avnd primul bit 1,
urmat de N bii ce constituie pattern-ul digital al blocului
respectiv.
Rata pentru metoda WBS cu blocuri de dimensiune N este
data de expresia:
b(N)=(1-PN+1/N) bii/pixel
unde PN este probabilitatea ca un bloc cu N pixeli s
conin numai pixeli albi.
Modelul Lanului Markov
Se presupune c imaginea binar este generate de o surs
Markov de ordin nti. Dup ce se cunoate un proces Markov
de ordinal nti este n mod complet descris din punct de
vedere statistic de densitatea de probabilitate de ordin doi.
Aadar culoarea (alb sau negru) unui pixel din imagine va fi
statistic dependent numai de culoarea pixelului precedent din
aceeai linie. Procesul este prin urmare complet descris de
probabilitile condiionate:
P(B/W)=q0, P(W/W)=1-q0,
P(W/B)=q1, P(B/B)= 1-q1,
unde P(B/W) este probabilitatea ca pixelul k+1 s fie negru
atunci cnd k este alb.
IV.

METODE UTLIZATE N COMPRESIA CU


PIERDERI
Principalele considerente legate de performana compresiei
cu pierderi sunt urmtoarele:
- rata de compresie
- raportul semnal-zgomot
- viteza de codare-decodare
Metode utilizate n compresia cu pierderi:
Metoda 1: Cuantizarea scalar : reprezint procesul prin
care se folosete o funcie de cuantizare n maparea unui
scalar. Aceasta este la fel de simpl i de intuitiv precum

5
rotunjirea numerelor de mare precizie la un ntreg .
Metoda 2: Cuantizarea vectorial: este o tehnic ce permite
modelarea unei funcii : densitate de probabilitate n funcie
de distribuia vectorilor. Setul de puncte (vectori) se mparte
n gurpuri ce au aproximativ acelai numr de puncte mai
apropiate de ele. Punctele sunt reprezentate de indicele celui
mai apropiat centroid.
Metoda 3: Compresia utiliznd transformate:-este o tehnic
de compresie utilizat n fotografii. Are ca rezultat o imagine
de calitate mic. Este utilizat de standardul JPEG i folosit
pentru a converti valorile spaiale ale pixelilor imaginii n
valori ale coeficienilor transformatei.
Scopul aplicarii unei transformari este de a decorela
coninutul imaginii din acelai cadru sau din cadre alturate
i de a coda coeficienii transformrii, n loc de pixelii
originali ai imaginii.
n acelai timp se dorete micorarea dependen ei statistice
dintre coeficieni, astfel nct s se reduca numrul de bi i
necesari pentru transmiterea coeficien ilor rma i.
S-au ncercat o serie de transformate cum ar fi: Fourier,
Karhonen-Loeve, Walsh-Hadamrd, DCT, Wavelet.
Mai jos este prezentat schema bloc a procesului de codare
utiliznd transformate.

Fig.4 Schema bloc codor


Principul de funcionare a transformatei cosinus discrete
(DCT):
Este cea mai folosit transformare aplicat unor blocuri
de mrime mic, 8x8 pixeli. Coeficienii acesteia pot fi
interpretai n domeniul frecven.
Coeficienii DCT mici corespund unor frecvene spaiale
mici n blocurile de imagine considerate, iar cei mari
corespund frecvenelor mari.
Pentru aplicarea transformrii, se eantioneaz o imagine
la intervale regulate, se analizeaz componentele spectrale
prezente n eantioane, se nltur acele frecven e care nu
afecteaz imaginea din punct de vedere al ochiului uman.
Matricele
de
baz
ale
transformatei
cosinus
bidimensionale, n=8

Fig.5 Matricea de baz


Fiecare matrice de baz este caracterizat de o frecven
spaial, orizontal i vertical. Matricile din figur sunt
aranjate de la stnga la dreapta i de sus n jos n ordinea
cresctoare a frecvenelor.
Fiecare pixel din imaginea DCT descrie ponderea fiecrei
matrici de baz n semnalul (imaginea) de la intrare. Pixelii
sunt aranjai n ordine cresctoare a frecvenelor de la stnga
la dreapta i de sus n jos. Cel mai strlucitor pixel din col ul
din dreapta sus este cunoscut ca termenul de curent continuu
sau componenta medie, cu frecvena {0,0}. El este media
pixelilor de la intrare i este cel mai mare coeficient DCT al
imaginilor naturale.
Metoda 4: Subeantionarea luminanei. Aceast tehnic
profit de faptul c ochiul uman percepe schimbrile spaiale
de luminozitate mai brusc dect cele de culoare. De obicei se
mediaz sau se reduce informaia de crominan a imaginii.
Marea majoritate a softurilor grafice ce utilizeaz
subeantionarea luminanei mparte imaginea n blocuri de
pixeli de 2x2 i salveaz informaia mediat de culoare
pentru fiecare bloc. Se pot introduce erori.
Metoda 5: Compresia folosind fractali. Este o tehnic bun
pentru imagini naturale i texturate. Funcioneaz pe
principiul c n aceeai imagine sunt zone (suprafee) ce se
aseamn ntre ele. Aceast metod convertete aceste pri n
date matematice numite ''coduri de fractal' care apoi sunt
utilizate n refacerea imaginii.
Metoda 6:Compresia prin reele neuronale- n reea sunt
folosite trei straturi
Procesul de compresie / decompresie include urmtoarele
etape :
1. Instruirea neuronilor din stratul de intrare al compresiei,
care este o reea neuronal simpl, folosind un mic set de
date. n general aceste date sunt ncrcate naintea
compresiei fr a se mai pierde timp cu instruirea reelei.
2. Instruirea reelei de decompresie care este de asemenea o
reea neuronal de acelai tip cu reeaua de compresie,
folosind acelai set de date.
3. mprirea imaginii n blocuri de 4x4 sau 8x8 pixeli.
4. Compresia fiecrei subimagini n 6 sau 4 semnale prin
folosirea lor ca intrri ntr-o reea de compresie.

6
5.
6.

Transmiterea imaginii compresate la receptor, sau


stocarea ei.
Refacerea imaginii iniiale cu o anumit toleran,
msurat ca rat a zgomotului introdus de semnal, cu
ajutorul reelei de decompresie.

V. STANDARDE DE IMAGINE
n continuare se vor prezenta principalele formate de
imagine corespunztoare fiecrui tip de compresie, respectiv
cu i fr pierderi.
Standarde utilizate n compresia fr pierderi :
1. GIF (Graphics Interchange Format) - format de imagine
bitmap care suporta 8 bii pe pixel (2^8 = 256 culori). Suport
animaie i formatul de imagine GIF folosete metoda de
compresie LZW. Imaginea are dimensiuni reduse fa de
celelalte tipuri de imagine de acelai fel.
2. PNG (Portable Network Graphic) - format de imagine
bitmap fr pierderi de compresie. PNG-ul a fost creat ca s
nlocuiasc GIF-ul. PNG-ul suport o palet de 24 de bii.
3.TIFF (Tagged Image File Format) reprezint un format
complicat ce ncorporeaz o gam larg de opiuni. Folosete
compresia LZW. Se utilizeaz n principal n imaginile cu
adncime mare de culoare. Formatul TIFF este regsit n
aplicaiile de scanare, fax, text.
Standarde utilizate n compresia cu pierderi :
1. JPEG/JPG (Joint Photographic Experts Group) compresie folosit de mai multe tipuri de imagini. Este n
general neles ca un tip de imagine de compresie cu pierderi
(lossy compression), arhiveaz n general 10:1. JPEG-ul
nsumeaz mai mlte profile de culoare (att RGB ct i
CMYK), cele mai comune sunt RGB i Adobe RGB.
Scopul JPEG a fost s dezvolte o metod de compresie a
imaginilor cu ton continuu, ceea ce presupune urmtoarele
cerine :
- s permit obinerea unor rate de compresie comparabile cu
algoritmii performani, s permit o fidelitate a imaginii ntrun interval larg de rate de calitate a imaginii, dar n special n
zona n care fidelitatea vizual a originalului este
caracterizat ca foarte bun pn la excelent; totodat,
codorul ar trebui parametrizat astfel nct utilizatorul s poat
seta rata de compresie i de calitate dorite ;
-s fie aplicabil pentru orice fel de imagine/surs digital cu
ton continuu de culoare. De exemplu, imaginea nu trebuie
restricionat din punct de vedere al coninutului su, cum ar
fi complexitatea, intervalul de culoare, sau proprietile
statistice;
-s aib o complexitate calculabil uor, pentru a face fezabile
implementrile software cu performane viabile ntr-o
varietate de procesare, de asemenea i pentru implementrile
hardware cu un cost viabil pentru aplicaiile care necesit o
performan ridicat ;
-s aib urmtoarele moduri de operare :

codificare secvenial, fiecare component a


imaginii este codificat ntr-o singur scanare :
stnga - dreapta, sus - jos ;
codificare progresiv, imaginea e codificat n
scanri multiple, n care timpul de transmisie este
mare, iar utilizatorul prefer s vad imaginea
construindu-se progresiv ;
compresia fr pierderi, imaginea este
compresat cu garantarea reconstituirii exacte a
oricrui eantion din imaginea surs iniial, chiar
dac fiierul rezultat are o dimensiune mai mare
ca la modelele cu pierderi ;
codificarea ierarhic, imaginea e codificat la
rezoluii multiple, astfel nct versiunile cu o
rezoluie redus s poat fi acceptate fr a fi
nevoie s se decompreseze imaginea la rezoluie
maxim.

Modelul imaginii surs folosit n propunerea JPEG este o


abstractizare de la o varietate de tipuri de imagini i aplicaii
i este constituit doar din ceea ce e necesar pentru a compresa
i reconstitui imaginea de baz. Trebuie recunoscut c
formatul compresat JPEG nu memoreaz destul informaie
care s serveasc la o realizare complet a imaginii indiferent
de rezoluie.
Compresia standard a unei imagini trebuie s stabileasc
modul de gestionare de ctre sistem a datelor n timpul
procesului de decompresie. Multe aplicaii trebuie s lege
procesul afirii sau tipririi imaginilor multicomponent n
paralel cu procesul de decompresie. Pentru multe sisteme,
aceasta este fezabil doar dac componentele sunt
ntreptrunse mpreun n interiorul aceluiai fiier
compresat.
Modul de operare secvenial bazat pe DCT este constituit
din paii FDCT i cei de cuantificare. Acest model este
cunoscut i sub numele de baseline.
n plus fa de modelul secvenial baseline, sunt definite i
alte modele secveniale menite s potriveasc dou precizii
diferite de eantion, 8 i 12 bii, i dou tipuri diferite de
codificare entropic, Huffman i compresia aritmetic.
Procedura de codificare poate fi schiat astfel :
1. Filtrarea i eantionarea imaginii originale ntrun anumit numr de multipli de 2 pe orice
dimensiune ;
2. Compresia acestei imagini de mrime redus,
folosind unul din codoarele menionate: DCT
secvenial, DCT progresiv sau modelul fr
pierderi ;
3. Decompresia acestor imagini de dimensiune
redus i apoi interpolarea i eantionarea ei cu 2
orizontal i / sau vertical, folosind acelai filtru
de interpolare pe care trebuie s l foloseasc i
receptorul ;
4. Folosirea acestor imagini eantionate ca o
predicie a originalului la aceeai rezoluie i
codarea imaginii diferen folosind modelele
descrise ;
5. Repetarea pailor 3 i 4 pn a fost codificat
ntreaga rezoluie a imaginii.

7
Compresia se face foarte usor la imagini i la secvente
video pentru c elementele lor sunt foarte asemntoare ntre
ele, adic au o corelaie foarte mare. Corelaia unui semnal cu
el nsui arat ct de mult un semnal la un moment de timp
seamn cu el nsui, dar la alt moment de timp.
Aceast corelaie mare este motivul pentru care
transformata cosinus discret este folosit n compresia
imaginilor. DCT are dou proprieti foarte importante: n
primul rnd, ea transform imaginea ntr-o serie mic de
coeficieni decorelai (nu se repet informaie), iar n al doilea
rnd, acetia nglobeaz aproape toat informaia din imagine
(adic toat energia semnalului). Deci aceast transformare
ne ajut s nu pstrm toi pixelii din imagine, ci doar nite
coeficieni, mult mai puini, din care putem reconstrui
imaginea iniial. Primul coeficient este cel mai important,
reprezentnd nivelul de gri al imaginii.
Pe aceast idee se bazeaz i standardul JPEG. n mare,
algoritmul JPEG mparte imaginea n blocuri 88 i aplic
DCT astfel nct s obin coeficienii necesari pentru fiecare
bloc. Apoi aceti coeficieni sunt cuantizai, cei mai
importani cu rezoluie mai bun, cei mai puin importani cu
un pas de cuantizare din ce n ce mai mic, pn la ultimii,
care pot fi i ignorai.
Aceti coeficieni sunt codai pentru a putea fi transmii
mai departe, pe un canal de transmisie. Codarea ajut i ea la
rata de compresie, folosindu-se o codare diferenial pentru
primul coeficient (adic se reine valoarea primului coeficient
din blocul anterior i se trimite doar diferena dintre acesta i
cel curent) i o codare Run-Length pentru restul coeficienilor
(se elimin toi coeficienii nuli, trimind informaii doar
despre poziia lor relativ la coeficienii nenuli).

Rat fix, dimensiune fix a cadrului i/sau


memorie limitat

VI.

STANDARDE UTILIZATE N WWW.

n ceea ce privete standardele de imagine utilizate in


WWW, pot fi mentionate:

JPEG (Joint Photographic Expert Group) cu rata


de compresie de 3:1 -10:1;

motion-JPEG (M-JPEG) - o variaie de JPEG,


considerat standard pentru aplicaii de editare
video neliniar;

H.261 - standard de videoconferin pentru re ele


digitale cu posibilitatea de transfer a imaginilor
de dimensiuni mici (160 x 120);

H.324;

MPEG (Moving Picture Experts Group) standard pentru imagini n micare pentru un
spectru larg de rezoluie de imagine.

VII. EXPERIMENTE I COMPARAII NTRE


STANDARDE

Reprezentri a aceleiai imagine n mai multe formate.


2.JPEG 2000
Compresia JPEG 2000 este una dintre cele mai recente
tehnici de codare a imaginilor statice. Acesta a fost dezvoltat
cu scopul de a nlocui standardul original, pentru a asigura
rate de compresie superioare i pentru a satisface cerinele
impuse de aplicaiile multimedia, punandu-se accent pe
creterea calitii imaginii comprimate i pe reducerea ratei
de bit.Se bazeaz pe transformata Wavelet.
Caracteristici:
Rate de bit sczute: mai mici de 0,25 bii/pixel
pentru imagini de intensitate foarte detaliate
Compresie cu i fr pierderi
Aplicabilitate pentru imagini de dimensiuni mari:
se elimin constrngerea impus de JPEG. Se pot
procesa imagini mai mari de 64K x 64K fr o
segmentare prealabil
Arhitectura de decodare unitar:- s-a urmrit
dezvoltarea unei arhitecturi unice de decodare ce
asigur comutaia ntre diferitele aplicaii
Transmisia prin canale de comunicaii cu zgomot
Aplicabilitate pentru imagini generate pe
calculator
Transmisia progresiv prin modificarea acurateei
pixelilor i a rezoluiei
Codare/decodare n timp real schemele de
codare/decodare trebuie s fie capabile s
comprime/decomprime semnalul ntr-o singur
trecere

a) Imaginea original este o imagine color


BMP 696 KB

PNG 258 KB

TIFF-LZW 378 KB

JPEG 43,4 KB

Se observ c modul de compresie fr pierderi nu reduce


foarte mult mrimea imaginii.

Ratele de compresie
urmtoarele:
TIFF 2:1
PNG 2,7:1
JPEG 16:1

pentru

fiecare

format

sunt

c) Imaginea original este color ( 24 bii per pixel).


JPEG permite alegerea/ajustarea ratei de compresie ntre 1
i 100. Cu ct numarul este mai mare, cu att obinem o
compresie mai mic totodat avnd o calitate mai bun a
imaginii. n acest expeiment am ales urmtoarele nivele ale
calitii: 100, 50, 10 i 1.
Q1= 100 334 KB

Q2=50 49,5 KB

Q3= 10 16,3 KB

Q4=1 6,3 KB

b) Imaginea original este o reprezentat pe niveluri de gri


(
8 bii per pixel)

BMP 257 KB

PNG 173 KB

TIFF-LZW 251 KB

JPEG 79 KB

Se observ c imaginile i pierd din intensitatea culorilor i


devin mai blurate odat cu cu creterea ratei de compresie
ceea ce nseamn pierderea calitii imaginii

Ratele de compresie
urmtoarele:
TIFF 1:1
PNG 1,5:1
JPEG 3,2:1

pentru

fiecare

format

sunt

Mai jos putem observa i diferena ntre JPEG i


JPEG2000. Cel din urm are performane mult mai bune din
punct de vedere al calitii imaginii.
JPEG

JPEG 2000

9
[15] P.G.Howard,J.S.Vitter,"New :ethods for Lossless Image Compression
Using Arithmetic Coding", Department of Computer Science Brown
University ,Tehnical Report No. CS-91_47, August 1991
[16] C.Florea,"Sisteme avansate de codare i compresie a datelor multimedia",
Universitatea Tehnic din Cluj-Napoca, curs 1
[17] B.C.Vemuri,S.Sahani,F.Chen,C.Kapoor,C.Leonard,J.Fitzsimmons,"Lossles
s Image Compression"
[18] K.Ramteke,S.Rawat,"Lossless Image Compression LOCO-R Algorithm for
16 bit Image", 2nd National Conference on Information and
Communication Technology (NCICT) 2011
[19] A.Alarabeyyat,S.Al-Hashemi,T.Khdour,M,H.Btoush,S.B.Ahmad,R.AlHasemi,"Lossless Image Compression Techniques Using Combination
Methods, Journal of Software Engineering Applications", June 2012
[20] D.Ausinte,|"Image Compression:Seeing What's Not There", Grand Valley
State University

CONCLUZII
Aceast lucrare ncearc s prezinte principalele tehnici de
compresie a imaginilor. Aceste tehnici sunt practic clasificate
n dou : compresie fr pierderi i compresie cu pierderi.
Cum ne spune i numele, n compresia fr pierderi imaginea
poate fi reconstituit fr pierdere de informaie.Iar n cazul
compresiei cu pierderi avem informaie care este pierdut.
Aceste tehnici sunt bune pentru diferite aplicaii. Metodele cu
pierderi sunt cele mai folosite pentru comprimarea diferitelor
tipuri de date cum ar fi audio, video, imagini mai ales n
aplicaiile de streaming. n schimb, comprimarea fr
pierderi este necesar pentru text i fiierele ce conin
nregistrri bancare i nu numai. Un mare avantaj l
reprezint faptul c n multe cazuri se poate crea un fiier
master comprimat fr pierderi care apoi poate fi utilizat
pentru crearea de fiiere compresate pentru diferite scopuri.

REFERINE
[1] D.C. Crstea, ''Tehnici de compresia a imaginilor n tehnologiile
multimedia'', Revista forelor terestre, nr. 4 din 2009 , nr.1 din 2010
[2] Thomas Sikora, MPEG Digital Video-Coding Standards, IEEE Signal
Processing Magazine, pp.82100, 1997
[3] Watson, Andrew B., Image Compression Using the Discrete Cosine
Transform, Mathematica Journal, 4(1), 1994, p. 81-88
[4] Zoran S. Bojkovic, Corneliu I. Toma, Vasile Gui, Radu Vasiu, Advanced
Topics in Digital Image Compression, Editura Politehnica , 1997
[5] P Aguilera, Comparison of different image compression formats ECE
533 Project Report
[6] Gonzalez & Woods "Digital Image Processing", 2nd edition
[7] M. M. Siddeq ,M. A. Rodrigues," A Novel Image Compression Algorithm
for High Resolution 3D Reconstruction" , 26 March 2014
[8] A.Isar, A.Cubichi, M.Naforni,"Algorithmes et techniques de
compression", ed Orizonturi Politehnice, 2002
[9] P.Y. Lin "Bqsic Image Compression Algorithm and Introduction to JPEG
Standard", Institute of Communication Engineering National Taiwan
University, Taipei, Taiwan, ROC
[10] A.Mulla, N.Gunjikar,R.Naik,"Comparison of different Image Compression
Techniques", Sardar Patel Institute of Technology, Bhartiya Vidya Bhavans
campus, Andheri
[11] Ricardo L. de Queiroz and Karen M.Braun, Color to Grayb and Back:
Color Embedded into Gray Images, IEEE Transactions on Image
Processings vol. 15, pp. 1464-1467,June 2006
[12] M. Alptekin Engin and Bulent Cavusoglu, New Approach in Image
Compression: 3D Spiral JPEG, IEEE Communications Letters vol. 15, no.
11, November 2011.
[13] ] Bang Huang; Linbo Xie, "An improved LBG algorithm for image vector
quantization," Compute Science and Information Technology (ICCSIT),
2010 3rd IEEE International Conference on, vol.6, no., pp.467, 471, 911July 2010
[14] Anil Kumar Katharotiya, Swati Patel, Mahesh Goyani, Comparative
Analysis between DCT & DWT Techniques of Image Compression.
Journal of Information Engineering and Applications, Vol. 1, No. 2, 2011.

[21] T. Archarya, Ping-Sing Tsai, "JPEG2000 Standard for Image


Compression: Concepts, Algorithms and VLSI Architectures", Wiley,
Hoboken. 2005
[22] "Les techniques de compression:l'image JPEG", august 2001
[23] C.S. Ragalie,"Formate de fiiere de imagine",septembrie, 2007
[24] M. Ciuc, C. Vertan, "Prelucrarea Statistic a Semnalelor", MatrixROM,
Bucuresti, 2005
[25] I.Ivan,D.Verni,"Privire de ansamblu asupra compresiei de
date".Departamentul de Informatic Economic- ASE
[26] C.Amerijckx,P.Thissen,"Image Compression by Self-Organized Kohonen
Map", IEEE TRANSACTIONS ON NEURAL
NETWORKS,VOL9,NO.3,MAY 1998
[27] P.M.Sune,V.K.Shandilya,"Image Compression Techniques based on
Wavelet and Huffman Codig", International Journal of Advanced Research
in Computer Science and Software Engineering, Vol.3, April 2013
[28] A.Kaimal,S.Manimurugan,C.S.C.Devadass,"Image Compression
Techniques:A Survey",International Journal of Engineering Invetions,Vol
2,February 2013
[29] www.wikipedia.com
[30] www.jpeg.org