Iván López Espejo

Introducción Introducción a la compresión con DCT Formulación de la transformada de Karhunen-Loève Resultados obtenidos Conclusiones

Fundamental: Codificación de una señal para un almacenaje o transmisión eficientes Compromiso: Compresión de datos
◦ No perder información relevante ◦ Pequeño volumen de datos

Se trata de minimizar recursos dedicados a la transmisión o al almacenaje Comparación entre la DCT y la KLT aplicadas a la compresión de imágenes digitales en niveles de gris

Ventajas de una transformada ortogonal DCT: La señal se expresa como combinación lineal de las funciones base tipo coseno Las funciones coseno definen una base ortogonal en el espacio de transformación:
◦ Ortonormalidad ◦ Completitud

Transformada separable Ecuación de análisis o transformada directa

Ecuación de síntesis o transformada inversa

La DCT concentra mucho la información en los primeros coeficientes Algunas técnicas (se aplican por bloques):
◦ Muestreo zonal ◦ Codificación zonal ◦ Retención por umbralización (JPEG)

KarhunenKarhunen-Loève: PCA aplicado a, fundamentalmente, imágenes Decorrela completamente los píxels en el dominio transformado. Encontrar matriz de transformación óptima:

Debemos de ordenar los autovalores descendentemente para garantizar mínima distorsión Los autovalores no son más que las varianzas de las variables aleatorias del proceso original (energías del proceso)

Las funciones base (funciones de transformación) no están definidas a priori dependen de la estadística de la señal En comparación con la DCT:
◦ KLT no tiene algoritmo de transformada rápida ◦ KLT tiene un coste computacional superior ◦ KLT decorrela óptimamente la señal en el dominio transformado ◦ El rendimiento tanto cualitativo como cuantitativo es similar al de DCT

Necesidad de definir una transformada separable Calculamos dos matrices de transformación (una por filas y otra por columnas)

Haciendo lo mismo por columnas se llega a que la transformada directa: Y la transformada inversa:

Consideramos un bloque de transformación constante de 8x8 píxels Experimentamos con diferentes muestreos zonales

Rendimiento similar perceptual Principal diferencial perceptual: blocking tipo mosaico
◦ Cuando el factor de compresión es extremo (superior al 90%), la compresión con KLT produce un efecto de blocking que no genera la DCT

Rendimiento similar cuantitativo Cálculo de la SNR
Calidad de compresión para la imagen 1 26 24 22 20 20 SNR (dB) SNR (dB) 18 16 14 15 12 10 10 10 25 SNR (dB) Compresión DCT Compresión KLT 30 35 Compresión DCT Compresión KLT Calidad de compresión para la imagen 2 25 Compresión DCT Compresión KLT Calidad de compresión para la imagen 3

20

15

0

10

20

30 40 Muestreo zonal

50

60

70

0

10

20

30 40 Muestreo zonal

50

60

70

0

10

20

30 40 Muestreo zonal

50

60

70

Preferible la DCT por la existencia de transformada rápida y menor coste computacional Rendimiento similar tanto perceptual como cuantitativo Buena compresión con muestreo zonal
◦ Por ejemplo, de 5MB a 1MB
Cantidad de compresión en función del factor de muestreo zonal aplicado 100 90 80 Factor de compresión (%) 70 60 50 40 30 20 10 0

Efecto blocking de la KLT

0

10

20

30 40 Muestreo zonal

50

60

70