Debreceni Egyetem

Informatikai Kar

Fraktl alap kptmrts

Kosz s fraktlok programozi szemmel

Tmavezeto: Ksztette:
Dr. Fazekas Gbor Tilki Csaba
egyetemi docens programtervezo matematikus

Debrecen

2007.
Tartalomjegyzk

Elosz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1. Koszelmlet 5
1.1. Bevezets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Mi a kosz? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1. Klasszikus kaotikus modellek . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1.1. Logisztikus modell . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1.2. A Lorenz-modell . . . . . . . . . . . . . . . . . . . . . . . 8

2. Fraktlok 10
2.1. Mi az a fraktl? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2. Fraktlok a termszetben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3. Trtneti ttekints . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4. Klaszikus fraktlok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4.1. Cantor halmaz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4.2. Koch-grbe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.3. Sierpinski-hromszg . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.4. Sierpinski-szonyeg . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.5. Menger-szivacs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.6. Julia halmazok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.7. Madelbrot halmaz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.5. A fraktlok formlis lersnak mdjai . . . . . . . . . . . . . . . . . . . . . . 19
2.5.1. L-System fraktlok . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.2. IFS fraktlok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.3. Komplex fraktlok . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.4. Klns attraktorok . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6. Kosz s fraktlok klnbzo tudomnyterleteken . . . . . . . . . . . . . . . 23
2.6.1. Orvostudomny . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6.2. Populcidinamika . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6.3. Genetika, posztgenetika: . . . . . . . . . . . . . . . . . . . . . . . . . 23

2
TARTALOMJEGYZK 3

2.6.4. Informcielmlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6.5. Matematika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6.6. Informatika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.6.6.1. Alapveto adatszerkezetek . . . . . . . . . . . . . . . . . . . 25
2.6.6.2. Szmtgpes szimulcik . . . . . . . . . . . . . . . . . . . 26
2.6.6.3. lvletlenszm generls . . . . . . . . . . . . . . . . . . . 27
2.6.6.4. Kriptogrfia . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.6.6.5. Szteganogrfia . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.6.6.6. Digitlis kpfeldolgozs . . . . . . . . . . . . . . . . . . . . 27

3. Fraktl alap kptmrts 28

3.1. Matematikai alapok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1.1. Fraktlok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1.2. Iterlt fggvnyrendszerek . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1.3. Teljes metrikus terek . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.1.4. Kontraktv lekpezsek s IFS-ek . . . . . . . . . . . . . . . . . . . . 31
3.2. Az algoritmus javtsai, egyb vltozatai . . . . . . . . . . . . . . . . . . . . . 32
3.2.1. Klasszifikci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2.2. Archetpusok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2.3. PIFS s neurlis hlk . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2.4. PIFS s genetikus algoritmusok(GA) . . . . . . . . . . . . . . . . . . 35
3.3. Egyb felhasznlsi terletek . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3.1. Kptmretezs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3.2. Kpindexels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3.3. Vzjelezs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

Bibliogrfia 40
Elosz

A koszelmlet alig 30 ves mltra tekinthet vissza, mgis gykereiben felforgatta a vilgrl
alkotott kpnket. Jelen dolgozat foszereploi a fraktlok. Br a dolgozat fo tmjt a fraktl ala-
p kptmrts kpezi, szerettem volna egy tfogbb kpet adni a terlet mai llsrl, s foleg
a klnbzo alkalmazsokrl. Az elso fejezet a kosz fogalmval, a kaotikus rendszerek alap-
veto tulajdonsgaival igyekszik megismertetni az olvast, a msodik a fraktloknak nevezett
klnleges alakzatokkal, ezekenek a kaotikus rendszerekkel val szvevnyes kapcsolatval
foglalkozik, mg a harmadik egy lehetsges alkalmazsi mdot mutat be rszletesebben.

Ksznetnyilvnts
Ezton szeretnk ksznetet mondani Dr. Fazekas Gbornak, Dr. Gspr Vilmosnak, Btfai
Norbertnak, Varga Katalinnak, s Seller Pter Andrsnak a dolgozat elksztsben nyjtott
segtsgkrt.

4
1. fejezet

Koszelmlet

1.1. Bevezets
A kosz sz eredetileg tkletes ressget, ttong u rt jelentett, a vilg kezdeti llapott,
amibol a Kozmosz, a mindensg szrmazik. A pthagoreusok mr mskpp gondoltak a k-
oszra, o k gy vltk, a kosz sszevisszasgot jelent, szerintk a Kozmosz minden sszetevoje
jelen volt mr a Kosz korszakban is, csak ezek a teljes rendezetlensg llapotban voltak.
A sznak ezen jelentse a mai napig fennmaradt, a mai kznyelv is a (trbeli) rendezetlensg,
sszevisszasg szinonmjaknt hasznlja. A 70-es vek ta azonban egy kifejezetten tudom-
nyos jelentssel is br, mely jelentosen eltr az elobb emltettektol. James Yorke, a Marylandi
Egyetem Fizikatudomnyi s Muszaki Intzetnek vezetoje egy akkoriban szleto j tudomny-
gat nevezett el rla. Az elnevezs egyszerre zsenilis s flrevezeto. Egyesek szerint a nvv-
laszts az oka a rengeteg flrertsnek, ami ezt a terletet jellemzi.

1.2. Mi a kosz?
Egszen a 20. szzadig a tudsok gy gondoltk, a determinisztikus rendszerek viselkedse
elore megjsolhat. Mindannyian ismerjk Pierre-Simon Laplace hres vlt kijelentst:
"A vilgmindensg jelen llapott a megelozo llapot hatsaknt, s a rkvetkezo llapot oka-
knt kell rtelmeznnk. Ha adott volna egy rtelem, mely kpes felfogni a termszetet irnyt
eroket s az alkotelemek pillanatnyi, egymshoz viszonytott helyzett - egy olyan rtelem,
mely ezt az adattmeget kpes feldolgozni s analizlni -, ez az rtelem ugyanazon trvnyek
szerint vizsgln a leghatalmasabb testek s a legkisebb atomok mozgst, akkor nem volna
szmra bizonytalansg, a jvot s mltat egyarnt tisztn ltn."
Ezt a bizonyos felsobb rtelmet szoks Laplace-dmonknt emlegetni. A sok szabadsgi fokkal
rendelkezo rendszerekrol tudvalevo, hogy vletlenszeru viselkedt mutatnak, ez a sok sszetevo
bonyolult egymsra hatsnak az eredmnye. ltalnos volt viszont a nzet, hogy az egyszeruen

5
1. FEJEZET. KOSZELMLET 6

lerhat rendszerek csakis egyszeru mdon viselkedhetnek. Nem kis meglepetst okozott ht,
mikor Edward Lorenz olyan, nhny nemlineris egyenletbol ll modellt tallt, amely bizonyos
paramterek mellett teljessgel elorejelezhetetlen idobeli viselkedst produklt. j paradigma
szletett.

A koszra klnbzo defincik szlettek:

Egyfajta periodikussg nlkli rend.

Ltszlag vletlenszeruen ismtlodo viselkeds egy egyszeru, determinisztikus rend-

szeren bell.

Az egyszeru, beptett vletlenszeru vonsok nlkli modellek azon kpessge,

hogy nagyon szablytalan viselkedst tanstsanak. /Ian Stewart/

A kaotikus mozgs hrom alapveto jellemzoje:

Idoben szablytalan viselkeds, mely nem llthat elo periodikus mozgsok sszegeknt.

A hossz tv elorejelezhetetlensg, amely a kezdofelttelekre val rzkenysgbol fakad.

A fzistrbeli bonyolult fraktlszerkezet, melynek dimenzija tipikusan alacsony.

Mi nem kosz?

Nem jelent trbeli rendezetlensget annak ellenre, hogy a kznyelv ltalban pp ilyen
rtelemben hasznlja.

Nem szablyos mozgs, hiszen elore nem jelezheto.

Nem zaj. A zajos mozgs a sok sszetevobol ll rendszerek adott komponensnek vlet-
lenszeru viselkedse, mely a tbbi komponenssel val bonyolult klcsnhats, nem pedig
(kizrlag) a belso dinamika eredmnye.

Nem egyszeri instabilits. A kosz maga az llandsult instabilits. Csakis akkor beszl-
hetnk kaotikus viselkedsrol, ha a mozgs egyre jabb s jabb instabil llapotokat k-
zelt meg.

Nem turbulencia. A turbulencia a nagy szabadsgi fok viselkeds szlsosges pldja,

mely idoben s trben teljesen szablytalan.
1. FEJEZET. KOSZELMLET 7

1.2.1. Klasszikus kaotikus modellek

1.2.1.1. Logisztikus modell

A logisztikus modellt egy Robert May nevu biolgus tette kzismertt, az egyik legegysze-
rubb gy a leggyakrabban idzett plda arra, hogyan kpes egy vgtelenl egyszeru nemli-
neris dinamikai egyenlet komplex, kaotikus viselkedsre. Matematikai alakja:

xn+1 = rxn (1 xn )

ahol xn 0 s 1 kztti vals szm, s valamilyen rtelemben az n. vi populcit reprezentlja.

Ennek megfeleloen x0 a kezdeti populcinak megfelelo rtk. Az r pozitv vals szm, amely
rtktol a rendszer viselkedse erosen fgg. Az r rtkt a [0, 4] intervallumon vgigfuttatva a
kvetkezo figyelheto meg:

0 s 1 kztti r rtkekre a populci biztosan hallra van tlve, a kezdeti populci

mrtktol teljesen fggetlenl.
r1
1 s 2 kztti rtkek esetn a populci mrete gyorsan megllapodik az r
rtken.
r1
2 s 3 kztt hasonl figyelheto meg, m az r
fixpont instabill vlik, megjelenik az
oszcillci.

3 s 1 + 6 ( 3.45) kztt a populci 2 (r-tol fggo) rtk kztt oszcilll (peri-
duskettozods, bifurkci).

3.45 s 3.54 kztt a populci 4 klnbzo rtk kztt oszcilll.

r = 3.54 fltt 8, 16, 32, . . . peridus oszcillcik jelennek meg. A periduskettozo-

ds teme egyenletesen nvekszik, brmely kt, egymst kveto bifurkcihoz tartoz
intervallum arnya = 4.669, az n. Feigenbaum konstans.

r = 3.57 Flbeszakad a periduskettozodsek sorozata, felti fejt a kosz. Semmilyen

periodicits nem figyelheto meg, a kezdeti populci kis megvltoztatsa drmai mrtk-
ben vltoztatja meg a populciszm idobeli alakulst.

r = 3.82 krl hromperidus oszcillci jelenik meg. Ezt 6, 12, . . . peridus oszcill-
cik kvetik.

r = 4 A kaotikus tartomny vge, az rtkek elhagyjk a [0, 1] intervallumot.

1. FEJEZET. KOSZELMLET 8

1.1. bra. Bifurkcis diagram

1.2.1.2. A Lorenz-modell

A folytonos ideju kaotikus rendszerek mintapldja, nevt Edward Lorenz amerikai mete-
orolgusrl kapta, aki 1963-ban egy egyszeru idojrsi modell fellltsval prblkozott. Az
albbi egyenletrendszert vizsglta:

x = (y x),

y = rx y xz,

z = bz + xy

szrevette, hogy r = 28, = 10, b = 8/3 paramterek mellett kis kezdeti felttelek-
beli klnbsg esetn is igen eltro idofejlods tapasztalhat(1.2-es bra). Amikor a rendszer
viselkedst fzistrben brzolta, egy igen furcsa attraktor kpe bontakozott ki a szemei elott
(1.3.bra). Ez a rla Lorenz-attraktornak elnevezett klns bra azta a kosz egyik jelkpv
vlt. Tulajdonsgainak vizsglatra ksobb mg visszatrnk.
1. FEJEZET. KOSZELMLET 9

1.2. bra. A kezdeti rtkekre val rzkenysg mintapldja

1.3. bra. A hres Lorenz-attraktor

2. fejezet

Fraktlok

2.1. Mi az a fraktl?
A fraktlok trtdimenzis alakzatok. De mit is jelent ez? Minden ember rendelkezik valami-
fle nav dimenzifogalommal. Tudjuk, hogy egy pontnak nincs semmilyen irny kiterjedse,
gy dimenzija 0. Egy szakasz pontosan egy irnyba terjed ki, ezrt dimenzija csakis 1 lehet.
Hasonl logikval belthat, egy skidom 2, egy test 3 dimenzival rendelkezik. Mivel kiter-
jedsek darabszmrl van sz, termszetes kiktsnek tunik, hogy egy objektum dimenzija
csakis egsz szm lehet. De vajon mit kezdjnk egy olyan grbvel (vagyis elvileg egydimen-
zis matematikai objektummal), amely kpes egy (ktdimenzis) skot kitlteni? Vagy vessnk
jra egy pillantst az 1.3.brra! Vajon hny dimenzis ez az alakzat? Egyetlen kanyarg vo-
nalbl ll, de mgis mintha valamifle skidom lenne, sot egy kicsit a harmadik dimenziba is
behatol. Mintha dimenzija valahol 2 s 3 kztt lenne, csakhogy 2 s 3 kztt nincs egyetlen
egsz szm sem. Nav dimenzifogalmunk megfelelo ltalnostsra, a vals szmokra val
kiterjesztsre lenne szksgnk. De elotte ismerkedjnk meg a topolgiai dimenzi fogalm-
val.

Definci (Topolgiai dimenzi): Egy csupa izollt pontbl ll halmaz topolgiai dimenzija
0. Egy F halmaz topolgiai dimenzija n, ha F minden pontjnak tetszolegesen kicsi szom-
szdjai hatrnak topolgiai dimenzija n 1.

A topolgiai dimenzi mindig egsz szm. Pldul tetszoleges hosszsg intervallum topo-
lgiai dimenzija 1, mivel minden egyes pontjhoz tallhatunk egy szomszdos intervallumot,
melynek hatrai izollt pontok, gy topolgiai dimenzijuk 0. De hogyan terjeszk ki a dimenzi
fogalmt vals szmokra? Tbbfle lehetosg knlkozik, a legnpszerubb n. fraktldimenzi-
k a Hausdorff- s a boxdimenzi. Ezek kzl a gyakorlatban leginkbb a msodikat hasznljk.

10
2. FEJEZET. FRAKTLOK 11

Hausdorff-dimenzi: Induljunk ki egy szakaszbl. Ha az erdeti szakaszt az N -ed rszre zsu-

gortjuk (idegen szval sklzzuk), akkor ebbol az j szakaszbl pontosan N (vagyis N 1 ) da-
rabra van szksg, ha le akarjuk fedni velk az eredeti szakaszt. Ha egy ngyzetet zsugortunk
ssze az N -ed rszre, akkor pontosan N 2 darab, kocka esetn N 3 darab kicsinytett msra van
szksgnk. Knnyen szre vehetjk, hogy a kitevoben lvo szm az objektum euklideszi (vagy
topolgiai) dimenzijval egyezik meg. Mirt ne lehetne a kitevo rtke vals szm? Hisz vals
kitevoju hatvnyokat gond nlkl tuduk kezelni a matematikban. Teht csak arra kell gyel-
nnk, hogy az adott objektum lefedheto legyen a sajt kicsinytett msaival, ms szval legyen
nhasonl. gy tetszoleges nhasonl alakzat dimenzija kiszmthat az albbi mdon:

log N ()
D = lim
0 log 1

ahol N () darab  mretu alakzatra (az eredeti objektum sklzott vltozataira) van szksg a
teljes, eredeti objektum letakarshoz. A fent emltett Lorenz-attraktor Hausdorff-dimenzija
pldul 2.06

A boxdimenzi: A boxdimenzi meghatrozshoz egy ngyzetrcsot (magasabb dimenziban

kockarcsot, stb.) kell a vizsglt alakzatra helyeznnk. Ezutn meghatrozzuk azon cellk mini-
mlis szmt, amelyek segtsgvel az alakzatunk lefedheto. Ha ezzel megvagyunk, finomtsuk
a rcsot, hasznljunk pldul fele akkora cellamretet, mint kezdetben. A lefedshez szksges
cellk szma gy nyilvnvalan megno, szmunkra most az az rdekes, hogy mennyivel. Egy
egyenes szakas esetben a fele akkora cellkbl ktszer annyira, mg skidomok esetn ngyszer
annyira lenne szksg. Jelljk N -nel egy adott alakzat lefedshez szksges cellk szmt s
jellje r az alkalmazott cellamretet. Ekkor a kvetkezo sszefggs rvnyes:

N = rDB

ahol a kitevoben szerplo DB -t az alakzat boxdimenzijnak nevezzk. Rendezve a fenti egyen-

letet a kvetkezot kapjuk:
logN
DB =
log 1r
Elonye, hogy nem szksges egzakt nhasonlsg a hasznlathoz, gy akr n. naffin alakza-
tok dimenzijnak mrsre is felhasznlhat. A boxdimenzit Minkowski-Bouligand dimen-
zinak is nevezik.
Ezek ismeretben azt mondhatjuk, hogy fraktlnak neveznk minden olyan nhasonl alak-
zatot, amelynek Hausdorff-dimenzija nagyobb, mint a topolgiai dimenzija. Ezt elfogadhat-
nnk akr defincinak is, de sajnos nem minden fraktl (pl. az n. trkitlto grbk) esetn
teljesl ez a kittel. Sajnos ezideig nem sikerl pontos, egzakt defincit tallni arra, hogy mit
2. FEJEZET. FRAKTLOK 12

neveznk fraktlnak, gy aztn illik tisztzni, hogy adott helyzetben mit rtnk alatta. Ha pon-
tos definci nem is ltezik, ltalban elg knnyen el tudjuk dnteni egy alakzatrl, hogy az
fraktl-e vagy sem. A legtbb fraktl a kvetkezo tulajdonsgokkal (vagy legalbbis majdnem
mindegyikkel) rendelkezik:

Haussdorff-dimenzijuk nagyobb, mint a topolgiai dimenzijuk.

Sklzssal szemben invarinsak, legalbbis nhny mrettartomnyban.

Kevs adattal (rvid formulval) lerhatak.

2.2. Fraktlok a termszetben

Ha az elozo matematikai okfejts alapjn valaki azt gondoln, hogy a fraktlok elborult
matematikai alakzatok, s semmi kzk a valsghoz, hatalmasat tvedne, a fraktlok megdb-
bento mennyisgben vesznek minket krl. Benois Mandelbrot szavaival lve: A felhok nem
gmbk, a hegyek nem kpok. A villm nem egyenes utat kvet. Csak nhny kiragadott
plda fraktlstruktrval br termszeti kpzodmnyre:

Felhok

Bolygk, holdak felszne

Partvonalak, trsvonalak

Fk, nvnyek(2.1.bra)

Villmok

Hegyvonulatok

Folyk

Tengeri lolnyek klso vza

Hpelyhek

E lista lttn felmerl az emberben, hogy egyltaln van-e olyan termszeti kpzodmny, amely
br fraktl tulajdonsgokkal (a fraktlok eme tobzdsra a harmadik fejezetben trgyalt gya-
korlati alkalmazs erosen pteni fog). m nem csak a minket krlvevo termszet ptkezik
fraktlokbl, hanem mi magunk is, nhny plda, szintn a teljessg ignye nlkl:
2. FEJEZET. FRAKTLOK 13

2.1. bra. Egy termszetes fraktl: a karfiol

rhlzat

A tdo

Az agy felsznnek mintzata

A vesk szuroi

2.3. Trtneti ttekints

Benois Mandelbrot
Mandelbrot nevhez fuzodik a fraktl kifejezs (mint gyjtofogalom) megteremtse. A sz a
latin fractus (jelentse: tredezett) szbl ered. Mandelbrot az IBM-nl dolgozott, ahol adat-
tviteli problmk megoldsval foglalkozott, konjrtan azzal, hogy hogyan lehetne inform-
civesztesg nlkl minl hatkonyabban kiszurni az adattviteli csatornbl a zajt. Azt tallta,
hogy a zaj egy nagyon klns elrendezodst mutat (lsd Cantor-halmaz). Egy msik munk-
jban a kvetkezo krdst tette fel: Milyen hossz Nagy-Britannia partvonala? Elsore taln
nem tunik rdekesnek vagy klnsebben nehznek a krds, de ha figyelembe vesszk, hogy
Afrika terlete lnyegesen nagyobb, mint Eurp, mgis Eurpa partvonala a hosszabb (a part-
vonal tredezettsge miatt. Fel merrt Mandelbrotban a krds, hogy egyltaln lehet-e vges
2. FEJEZET. FRAKTLOK 14

2.2. bra. A Cantor halmaz kpzsnek folyamata

egy ilyen partvonal. Hiszen minl pontosabb mromuszert hasznlunk, annl tbb bemlyeds
s kiszgells hossza addik hozz az sszeghez. A partvolnal teht tipikus plda arra, hogy ho-
gyan zrhat krbe vges terletet egy elvileg vgtelen hossz vonal. Jl lthat, hogy a frakt-
lok klnleges tulajdonsgai egszen eltro tudomnyterleteken is felbukkannak, Manedelbrot
volt az, aki eloszr foglalta mindezt egysges rendszerbe.

2.4. Klaszikus fraktlok

2.4.1. Cantor halmaz

A konstrukci lpsei: Induljunk ki a [0, 1] (zrt) intervallumbl. Most tvoltsuk el az ( 31 , 23 )
nylt intervallumot (vagyis vegyk a kezdeti s ezen intervallum klnbsgt). Ennek eredm-
nyekppen az eredeti halmazunk 2 rszhalmazra esik szt: [0, 31 ], [ 23 , 1]. Ismteljk meg ezekre
is a fenti muveletet, azaz tvolsuk el a kzpso harmadukat. gy mr ngy, egyenknt 19 hossz-
sg rszintervallumunk lesz, ezeket tovbb alaktva, a fentieket a vgtelensgig ismtelve az
eredmnyl kapott halmazt nevezzk Cantor-halmaznak (2.2-es bra).
A Cantor halmaznak van egy nagyon rdekes tulajdonsga, tudniillik ha kiszmoljuk az elt-
voltott intervallumok sszhosszt, az ppen megyezik a kiindulsi szakasz hosszval. Radsul
ezen szakaszok eltvoltsa utn mg mindig vgtelensok pontja maradt az alakzatnak. Mivel a
Cantor halmazban egy adott mretu szakaszt harmadra kicsinytett msbl pontosan kettovel
lehet lefedni, ezrt a Cantor halmaz fraktldimenzijra a kvetkezo rtket kapjuk:

ln(2)
D=
ln(3)
2. FEJEZET. FRAKTLOK 15

2.3. bra. Koch-grbe

ami krlbell 0.6309-nak felel meg, ez nyilvnvalan nagyobb, mint a topolgiai dimenzi
rtke (jelen esetben 0), ezrt a Cantor halmaz is termszetesen fraktl.

2.4.2. Koch-grbe
A Cantor halmaz konstrukcijnl minden szakasz kzpso harmadt tvoltottuk el. Ad-
dik a krds, hogy mi trtnik, ha nem eltvoltunk egy harmadot, hanem hozztesznk egyet.
gy jutunk az n. Koch-grbhez (2.3). Nevt Helge von Koch svd matematikusrl kapta, aki
1904-ben megjelent rsban pldaknt hozza fel olyan grbre, amelynek semelyik pontjba
nem hzhat rinto. Szmoljuk ki a grbe dimenzijt. Sejtsnk szerint ez egy 1 s 2 kztti
rtk kell, hogy legyen, s valban,

ln(4)
D= 1.2619
ln(3)

2.4.3. Sierpinski-hromszg
Lehetsges elolltsi mdok:
1. Vegynk egy tetszoleges mretu szablyos hromszget. Rajzoljuk be a kzpvonalait.
Ezek a szakaszok 4 kisebb (egybevg) hromszgre osztjk fel az eredetit. Ezek k-
zl tvoltsuk el a kzpsot. A maradk hrommal ismteljk meg a fentieket. Vgtelen
itercis lps utn az eredmny a Sierpinski-hromszg (2.4.bra).

2. Mint ksobb ltni fogjuk, a Lindenmayer-Rendszer vonalas (grbeszeru) fraktlok le-

rsra alkalmas. Taln meglepo, de a Sierpinski-hromszg ilyen mdon is lerhat. A
pontos algoritmus a 22.oldalon kerl bemutatsra. Noha kevs szm iterci utn mg
nem "kitltttek" a hromszgek, vgtelen szm ismtlssel ez a problma orvosolhat,
gy az eredmny ismt a Sierpinski-hromszg lesz.
2. FEJEZET. FRAKTLOK 16

3. "Koszjtk".Vegynk fel hrom pontot a skon, gy hogy azok egy egyenlo szr h-
romszg cscsait hatrozzk meg. Cmkzzk fel ezeket a pontokat az 1,2,3 szmokkal.
Ezeket bzisoknak fogjuk hvni. Ezutn kezdett veszi a jtk. Vegynk fel egy tetszo-
legesen kivlasztott pontot a hrom bzispont ltal meghatrozott hromszgn bell.
Ezt jtkpontnak fogjuk nevezni. Majd jabb s jabb pontokat veszk fel, a kvetke-
zo szably szerint. Sorsoljunk vletlenszeruen egy 1 s 3 kztti szmot. Ezt knnyedn
megtehetjk akr egy hatoldal dobkocka segtsgvel is, ha pldul az egyes s ngyes,
a kettes s ts, illetve a hrmas s hatos rtku dobs kztt nem tesznk klnbsget.
Tegyk fel, hogy a kisorsolt szm az x volt. Ekkor kssk ssze kpzeletben a jtkpon-
tunkat az x cimkju bzisponttal, s vegyk fel j jtkpontknt az gy kapott szakasz
felezopontjt. Mivel a bzisokat minden jabb pont felvtelekor vletlenszeruen vlaszt-
juk, gy azt vrhatnnk, hogy a jtkot nhnyszor megismtelve mindig ms s ms brt
kapunk vgeredmnyl. Ha elegendoen sok pontot vettnk fel, akkor tisztn felismerheto
lesz a Sierpinski-hromszg jellegzetes alakja.

4. Az elso esetben skidomokbl, a msodikban vonalakbl, a harmadikban pedig pontokbl

"ptkeztnk". Most egy bizonyos rtelemben szmokkal tesszk ugyanezt. Induljunk ki a
Pascal-hromszgbol. Cserljk le a pratlan szmokat adott mretu, fekete sznu egyenlo
szr hromszgekere, a pratlan szmokat ugyanekkora, "fejk tetejre lltott" fehr
hromszgekre. Az gy kapott alakzat egy Sierpinski-hromszg lesz.

2.4.4. Sierpinski-szonyeg
A Sierpinski-szonyeg (2.5.bra) a Cantor halmaz egyik lehetsges kt dimenzis ltalnos-
tsa (a msik a Cantor-por). Univerzlis grbe, ami azt jelenti, hogy tetszleges egydimenzis
grbe skra vettett kpe homomorf a Sierpinski-szonyeg egy rszhalmazval. Mivel a harma-
dakkora rszekbol nyolcat hagyunk meg, ezrt a szonyeg dimenzijra

ln(8
,
ln(3)

azaz 1.8928 krli rtket kapunk.

2.4.5. Menger-szivacs
A Menger-szivacs (2.6.bra) esetn egy (3 dimenzis) kockbl indulunk ki, teht bizonyos
rtelemben ez a Cantor halmaz 3 dimenzis megfeleloje. Rettenetesen rdekes tulajdonsgok-
kal rendelkezik: Vgtelen nagy a felszne, 0 nagysg a trfogata, emellett n. univerzis grbe
is, hiszen topolgiai dimenzija 1 s brmilyen grbe homomorf a Menger-szivacs egy rszhal-
mazval.
2. FEJEZET. FRAKTLOK 17

2.4. bra. A Sierpinsi-hromsszg

2.5. bra. Sierpinski-szonyeg

2.4.6. Julia halmazok

A Julia halmazok Gaston Julia (1893-1978) francia matematikusrl kaptk a nevket, aki
1918-ban megjelent munkjban ismertette o ket. Legyen adott a kvetkezo fggvny:

f : C 7 C , f (z) = z 2 + c,
2. FEJEZET. FRAKTLOK 18

2.6. bra. Menger-szivacs

ahol c C adott paramter. Iterljuk f -et a kvetkezo mdon:

f 0 (z) = z

f n (z) = f (f n1 (z)), n 1

Lthat, hogy egy adott z C rtkkel indtva az itercit kt dolog trtnhet z-vel, ha n 7 .
Vagy elszkik a vgtelenbe, vagy egy vges terleten marad. Vezessk be a szksi halmaz fo-
galmt:

Definci(Szksi halmaz) : Legyen c C adott paramter. Ekkor azon pontok halmazt, ame-
lyek a vgtelenbe szknek az iterci sorn, szksi halmaznak nevezzk, azaz:
n o
Ec = z C : lim |f n (z)| = +
n7

Most mr definilhatjuk a Julia halmaz fogalmt.

Definci(Julia halmaz) : Legyen c C. Az Ec szksi halmaz hatrt Julia halmaznak ne-

vezzk, s Jc -vel jelljk.
2. FEJEZET. FRAKTLOK 19

2.4.7. Madelbrot halmaz

Definci(Mandelbrot halmaz) : Azon c komplex szmok halmaza, amelyekre a z 7 z 2 + c
Julia halmaza sszefggo, Mandelbrot halmaznak nevezzk, azaz:
n o
M= c C : Jc sszefggo

Megadhat egy alternatv definci is:

Definci(Mandelbrot halmaz, 2.vltozat) :

n o
M = c C : lim fcn (0) <
n7

Mitsuhiro Shishikura 1991-ben bizonytotta, hogy a Mandelbrot-halmaz hatrnak Hausdorff-

dimenzija 2, mg a topolgikus dimenzija 1, vagyis definci szerint a Mandelbrot-halmaz
hatra fraktl. Ezt az lltst egybknt nhny vvel korbban Mandelbrot s Milnor is meg-
sejtette. Korbban Elenbogen s Kaeding fizikusok 1989-ben azt lltottk, hogy Milnor sejtse
hamis, de a bizonytsuk minden bizonnyal hibs volt. A bizonyts rszletei [9]-ben

2.5. A fraktlok formlis lersnak mdjai

A fraktlok vgtelenl sszetett matematikai alakzatok, amelyek minden (de legalbbis na-
gyon sok) mrettartomnyban rendelkeznek rszletekkel, gy a puszta lerajzolsuknl sokkal
preczebb lersra van szksgnk, ha egzakt matematikai objektumokknt akarjuk kezelni o ket.
Tbbfle lersi mdszer kerlt kidolgozsra, m univerzlis ler eszkzt (legalbbis ezideig)
nem sikerlt megadni. Ezrt a fraktlokat az alapjn is osztlyozhatjuk, hogy mely ler rend-
szer segtsgvel jellemezhetoek (akr annak ellenre is, hogy vannak olyan fraktlok, amelye-
ket egyszerre tbb osztlyab is besorolhatunk, ilyen pldul a Sierpinski-hromszg). A fobb
osztlyok:

L-System fraktlok

IFS fraktlok

Komplex fraktlok

Klns attraktorok
2. FEJEZET. FRAKTLOK 20

2.7. bra. A Mandelbrot halmaz s nhny pontjhoz tartoz Julia halmaz

2. FEJEZET. FRAKTLOK 21

2.5.1. L-System fraktlok

1968-ban Aristid Lindenmayer, magyar szrmazs elmleti biolgus s botanikus alkotta
meg a rla Lindenmayer-rendszernek, rviden L-Systemnek nevezett formlis lersi mdszert.
Klnbzo nvnyek nvekedst vizsglva rjtt, hogy kzlk igen sok lerhat nhny egy-
szeru formlis szabllyal. Ehhez csak egy megfelelo generatv nyelvtant kell rgzteni.

A generatv grammatika:

G =< V, S, , P >, ahol

V : bc, vltozk halmaza (nemterminlisok)

S : konstansok (terminlisok) halmaza

: mondatszimblum

P : levezetsi szablyok halmaza

Pldk:

Cantor-halmaz

vltozk : A B
konstans : nincs
mondatszimblum : A szablyok : (A 7 ABA), (B 7 BBB)

Az A (egyenes irny, elore halad) rajzolst, a B rajz nlkli haladst jelent.

Koch grbe

vltozk : F
konstansok : + -
mondatszimblum : F
szablyok : (F 7 F+F-F-F+F)

Az F rajzolst, a + jel kilencven fokkal balra, a - jel pedig kilencven fokkal jobbra trtno for-
dulst jelent.

Sierpinski hromszg
2. FEJEZET. FRAKTLOK 22

vltozk : A B
konstansok : + -
mondatszimblum : A
szablyok : (A 7 B-A-B),(B 7 A+B+A)
fordulsi szg: 60o

Az A s B is rajzolst jelent, a + jel balra, a - jel jobbra fordulst az adott fordulsi szggel. A
szg minden iterci sorn elojelet vlt.

Fraktl nvny

vltozk : X F
konstansok : + -
mondatszimblum : X
szablyok : (X 7 F-[[X]+X]+F[+FX]-X),(F 7 FF)
fordulsi szg: 25o

Az elozoekhez hasonlan az F rajzolst, a - jel adott szggel balra, a + jel jobbra fordulst
jelent. Az X-hez semmilyen rajzolsi muvelet nem kapcsoldik, az o szerepe a klnleges forma
kialaktsban van. Az [ jel menti az aktulis pozci s szg rtkeket, amelyek az ] jellel
visszatlthetok.

2.5.2. IFS fraktlok

Az IFS az Iterated Function System (Iterlt fggvnyrendszer) kifejezs rvidtse. Egy IFS
nem ms, mint kontraktv, R2 7 R2 alak transzformcik kollekcija, mely szintn egy lek-
pezs. Az ilyen tpus lekpezseknek mindig van egy egyedi fixpontja, digitlis kpekre alkal-
mazva ez a fixpont ltalban egy fraktlkp. IFS-sel elollthat pldul a fent emltett fraktlok
nagy rsze, pl: Cantor halmaz, Sierpinski hromszg, s -szonyeg, Koch-grbe. Az IFS-ekrol
bovebben a 3.fejezetben lesz sz, ahol a szleskru alkalmazsi lehetosgk egy jabb pldjt
mutatom be.

2.5.3. Komplex fraktlok

Mint ahogy a nevk is mutatja, a komplex szmskon rtelmezett fraktlokrl van sz. Pl-
daknt emlthetjk a korbban mr bemutatsra kerlt Julia halmazokat s a Mandelbrot hal-
2. FEJEZET. FRAKTLOK 23

mazt, vagy az gynevezet Mgnes-fraktlt.

2.5.4. Klns attraktorok

Klns attraktorra is lttunk mr pldt, de szmos tovbbi is ltezik, pl: Rssler-attraktor.

2.6. Kosz s fraktlok klnbzo tudomnyterleteken

A koszelmlet igazi transzdiszciplinris trgy, nem ktheto kizrlagosan egyetlen tudo-
mnyterlethez sem, de taln nincs olyan terlet, amelyet ne rintene. me nhny plda.

2.6.1. Orvostudomny
A testnkn bell is j nhny pldt tallunk kaotikus folyamatokra, sot gy tunik, ez a jel-
lemzo. gy aztn gyakran az okoz problmt, hogy ez a kaotikus viselkeds megszunik, ilyenkor
az orvosok feladata a kosz visszalltsa. J plda erre az epilepszia, ahol az agy normlis ka-
otikus mukdsre val visszallts a cl. Az emberi test egybknt zsfolsig tltve van frak-
tlokkal. Az lo szervezetekben a termszetes szelekci knyszere ltal meglehetosen energia-
s helytakarkos megoldsok szlettek. A legjellemzobb a trkitlto fraktlok jelenlte. Egy
tlagos emberi tdo felszne pldul kb. fl teniszplya nagysg, mgis elfr a mellkasunkban.

2.6.2. Populcidinamika
A populcidinamika lolnyek idobeli egyedszmvltozst vizsglja egy adott lohelyre
vonatkozan. Jellemzoen nemlineris egyenletekkel rhat le, hogy mekkora lesz a populci
egyedszma egy ksobbi idopontban, s ezek a nemlineris egyenletek gyakran mutatnak kaoti-
kus viselkedst. Bizonyos rovarpopulcik esetben ezt laboratriumi ksrletek is altmaszt-
jk. Az lolnyek versengsnek dinamikja, valamint tpllklncok s hlzatok viselkedse
is hasonl kaotikus viselkedst mutathat.

2.6.3. Genetika, posztgenetika:

A modern genetika tudomnya alig 100 ves mltra tekinthet vissza, mgis ilyen rvid ido
alatt is hihetetlen eredmnyeket volt kpes felmutatni. m, ahogy azt a neve is mutatja, az rk-
lodsi informcikat trol DNS-nek csak egy kizrlagos rszvel foglalkozik, nevezetesen a
gnekkel. A termszet a DNS-szekvencinak csak egy kis darabjt hasznlja a gnek kdols-
ra, a fennmarad rsz a tbbsg funkcijt a mai napig nem sikerlt tisztzni. Sok szakember
gondolta (s gondolja) gy, hogy a DNS ezen darabjai semmit sem kdolnak, gy aztn maguk
2. FEJEZET. FRAKTLOK 24

kzt csak szemtnek (angol terminolgival junk DNA-nek) neveztk o ket. Nemrg kiderlt
viszont, hogy nem csak a gnek, hanem az eddig feleslegesnek tartott DNS-rszletek is fon-
tos informcikat kdolnak, csakhogy ezeket ms mdon lehet kiolvasni, a lineris feldolgozs
ebben az esetben mit sem r. Az elismert magyar informatikus, Pellionisz Andrs s munka-
trsai fraktl algoritmusok segtsgvel fraktl-strutrt mutat, ismtlodo, nhasonl rszeket
talltak a DNS szekvenciban. A fraktl-alakzatok hasznlata kituno mdszer az informci
tmrtsre, gy nem csoda, ha az rklodo informci trolsrt felelos genom szintn ilyen
tpus elrendezodst kvet.[3] gy aztn az sem tl meglepo, hogy az igazi ttrst egy infor-
matikus munkja hozta meg.

2.6.4. Informcielmlet
A kosz informcit teremt..... Figyeljk meg a kvetkezo szmsort: 0, 0, . . . Az sorozat
az elso elem utn semmilyen j informcival nem szolgl. A kvetkezo sorozat egy fokkal
jobb: 0, 1, 0, 1, . . ., hiszen a sorozat elso eleme utn nem llthajuk, hogy ismerjk a sorozat
sszes elemt, a msodik utn viszont mr igen (legalbbis bizonyos rtelemben). s most ve-
gynk egy kaotikusan vltoz szmsort. Nyilvnval, hogy eme szmsor informcitartalma
vgtelen, hiszen a sorozat brmennyi eleme ismeretben sem tudjuk megjsolni, hogy mi lesz
a kvetkezo elem. Vajon lehetsges, hogy amikor egy rendszer kaotikus llapotba kerl, ak-
kor informci keletkezik? Norman Packard szavait idzve: A bonyolult dinamika cscsn a
biolgiai evolci vagy a tudat folyamatai llnak. Intuitve vilgos felttelezsnek tunik, hogy
ezek a vgletesen bonyolult rendszerek informcit lltanak elo. Millird vekkel ezelott csak
protoplazmacseppek lteztek, s most, millird vek elteltvel mr mi is jelen vagyunk. Egysz-
val az informci a struktrnkban keletkezett s troldott. Ahogyan teht a gyermekkortl
kezdve fejlodik az ember tudata, nemcsak ksz informci halmozdik fel benne, hanem j is
keletkezik, spedig korbban nem ltezett kapcsolatok rvn.

2.6.5. Matematika
Ahogy azt pl. a Koch-grbe estben is lttuk, az elso fraktlokat, mint extrm tulajdonsg
objektumoknak, ellenpldknak, matematikai szrnyetegeknek tekintettk. Ksobb kiderlt,
hogy bizonyos rtelemben ezek az alakzatok, sokkal termszetesebbek, mint a matematikban
addigra szleskrben elterjedt trsaik. Mivel a termszetben sokkal gyakrabban fordulnak elo
fraktlszeru grbk, viszont hagyomnyos eszkzkkel elg nehezen rhatak le, j mdszrek
kidolgozsra volt szksg. Kiderlt, hogy az olyan hagyomnyos grbk is, mint a Bzier-
grbk, kezelhetok fraktlknt. (Egy igazn j ttekintse a tmnak [7]-ben olvashat.)

Egy msik alkalmazsi md a korbban trgyalt IFS-eken alapul. A harmadik fejezetben ar-
2. FEJEZET. FRAKTLOK 25

ra lthatunk majd pldt, hogy hogyan lehet iterlt fggvnyrendszerek segtsgvel digitlis
kpeket tmrteni. Ha jobban meggondoljuk, ez a felhasznlsi md nem is annyira jszeru, a
matematikusok mr elg rgen rjttek, hogyan lehet vgtelen mennyisgu informcit nhny
bjtba surteni (legalbbis bizonyos rtelemben). Vegyk pldaknt a 2 ngyzetgykt! Mivel

2 irracionlis szm, ezrt vgtelensok szmjegyre van szksgnk, hogy egszen pontosan
megadjuk az rtkt. Vagy vlaszthatunk egy jval egyszerubb (s helytakarkosabb), mdszert

keresnk egy iterlt fggvnyt, amelynek fixpontja pp a lerni kvnt 2:
1 2
2 : xn+1 = Xn + , x0 > 0
2 xn

Erre az iterlt fggvnyre gy is tekinthetnk, mint egy vgtelen kapacits informci-trol

berendezsre, amelybol bizonyos sebessggel a 2 szmjegyei szekvencilisan kiolvashatk.

Egybknt a tisztn matematikai fogalmak krben is tallunk pldt nhasonlsgra.

Pldaknt lljon itt a mrtani sor sklzssal szembeni invariancija:
Induljunk ki a mindeki ltal ismert mrtani sorbl:

X
qk = 1 + q + q2 + q3 + . . .
k=0

Sklzzuk ezt a sort q faktorral:

X
q qk = q + q2 + q3 + q4 . . .
k=0

gy aztn:

X
X
k
q =1+q qk
k=0 k=0

Vagyis gy kaphatjuk meg a mrtani sor sszegt, hogy 1-hez hozzadjuk az eredeti sor skl-
zott vltozatt.

2.6.6. Informatika
2.6.6.1. Alapveto adatszerkezetek

Az informatikban kt legltalnosabban hasznlt homogn adatszerkezet minden bizonnyal

a lncolt lista s a binris (vagy tbbg) fa. Knnyu beltni, hogy ezek szintn fraktlstrukt-
rval rendelkeznek. A fa adatszerkezet esetben ez nyilvnval is, hiszen ppen a termszetben
elofordul nvnyek alakjnak kellemes tulajdonsgait szerettk volna az informatikusok t-
2. FEJEZET. FRAKTLOK 26

ltetni mestersges krnyezetbe (kln tudomnyg foglalkozik a termszet msolsval, a

neve bionika). Az nhasonlsgot hasznljuk ki rekurzv algoritmusok hasznlatakor is, gon-
doljunk csak a binris fk klnbzo rekurzv bejrsi mdjaira, ahol egy binris fa kt gt
mint kt binris ft dolgozunk fel.

2.6.6.2. Szmtgpes szimulcik

Mivel a termszeti kpzodmnyek tbbsge fraktljellegu, trivilisnak tunik, hogy virtulis

vilgok ltrehozsakor a modellezs eszkzl fraktlokat hasznljunk. A legjabb szmt-
gpes jtkok tbbsge ki is hasznlja az egyszeru, rvid formulval megadhat, termszetes
hatst kelto fraktlszeru alakzatok ltal knlt lehetosgeket. Hogy az ily mdon elolltott k-
pek mennyire termszetes hatst keltenek, jl tkrzi a 2.8. bra is, amely egy ilyen technikval
elksztett tjkpet mutat be.

2.8. bra. Fotorealisztikus fraktl-tjkp

2. FEJEZET. FRAKTLOK 27

2.6.6.3. lvletlenszm generls

A kaotikus rendszerek alapveto tulajdonsga, hogy hossz tv idobeli viselkedsk elore

gyakorlatilag nem jsolhat meg, msrszt a kezdeti felttelek igen csekly eltrse is nagyon
klnbzo idobeli viselkedst (dinamikt) okoz. Ezen tulajdonsgaikat akr az elonynkre is
fordthatjuk. Egy lvletlenszm genertor annl jobb, minl hosszabb peridus szmsort tud
elolltani. m idovel az ismtlods elkerlhetetlen. A kaotikus viselkedst a periodicits tel-
jes hinya jellemzi, ezrt alkalmas lehet vletlen szmsorok elolltsra. Erre a clra akr az
1.2.1.1. fejezetben trgyalt logisztikus lekpezs bizonyos ltalnostsait is felhasznlhatjuk
(az n. B-expnencilis lekpezseket, [8]).

2.6.6.4. Kriptogrfia

A kaotikus rendszerek elozo pontban ecsetelt tulajdonsgait zenetek titkostsi mdszere-

inek javtsra is felhasznlhatjuk. Megtehetjk pldul, hogy a tovbbtand jelhez egy kaoti-
kus jelet adunk hozz. Egy ilyen elven mukdo kd feltrse igen nehz feladat, hiszen mg ha
ismerjk is a kaotikus jelet ltrehoz dinamikai rendszert, a kaotikus jelet ltrehoz kezdofelt-
telek pontos ismeretnek hinyban az eredeti zenetet nem lennnk kpesek visszafejteni.

2.6.6.5. Szteganogrfia

Az adatrejts, idegen szval szteganogrfia alapfeladata, hogy gy rejtsen el informcit va-

lamilyen hordoz rtegbe (pl. kp, hang, szveg, stb.), hogy egy illetktelen szmra mr a titok
puszta ltezsnek tnye se legyen nyilvnval. A kpekbe trtno informcirejts tbbfle
mdja ismert, ltalnos megolds, hogy a kp egyes pixeleit sorban rintve azok valamilyen
paramtert kismrtkben megvltoztatjk. Ilyen esetekben clravezetobb lehet egy trkitlto
grbe ltal definilt kpbejrsi algoritmus. Az ilyen mdon megvltoztatott kppontok folt-
szeruen helyezkednek el, amely sokkal kevsb feltuno vltozst okoz, mint a hagyomnyos,
szekvencilis elrendezs.

2.6.6.6. Digitlis kpfeldolgozs

A trkitlto grbk elobb emltett kellemes tulajdonsga miatt clszerubb lehet egy kpet
egy trkitlto grbe mentn bejrni, gy pl. tbb azonos pixelrtk kerlhet egyms mell a
bejrs sorn, ami (klnsen egyes tmrtsi mdszerek estn) elonysebb lehet. A fraktlok
hasonl jellegu egyb felhasznlsi mdjaival egy kln fejezet foglalkozik.
3. fejezet

Fraktl alap kptmrts

Egy sz tbbet mond ezer sznl, szoktuk gyakran mondani. Nos, ltalban jval tbb helyet
is foglal, egy 1024 768-as felbonts, 32 bites sznmlysgu tmrtetlen kp mrete kzel 3
megabjt trhelyet foglal el. gy aztn manapsg, amikor mr a legolcsb mobiltelefonokban is
beptet megapixeles kamert tallunk, fontos, hogy mind jabb, nagyobb hatsfok adattm-
rtsi (elsosorban kp- s hangtmrtsi) mdszereket alkossunk. Jobb tmrtsi arny rheto
el, ha a tmrts sorn elollt kptol nem vrjuk el, hogy pontos msa legyen az eredetinek.
Egszen kis eltrsekrol van sz, akr olyanokrl is, amelyek az emberi szem szmra ltha-
tatlanok maradnak. Az ilyen elven mukdo mdszereket vesztesges tmrtoknek nevezzk.
Jelenleg hrom technolgia uralkodik a vesztesges tmrts terletn : a vektor kvantlsnak
nevezett mdszer, a diszkrt kosznusz transzformci (DCT), s a fraktl alap kptmrts.
Az elso mdszer esetn a kpet kisebb rszekre osztjk, s egy n. kdknyvbol (codebook)
vlasztanak hozz megfelelo reprezentnst. A diszkrt kosznusz transzformci a kpeket egy
msik trbe (az n. frekvenciatrbe) konvertlja, majd az gy kapott rtkeket megfelelo mdon
kvantlja. A harmadik esetben a termszetben elofordul alakzatok (bizonyos mrtku) nhason-
lsgt hasznlja ki. 1988 Barnsley kidolgozott egy mdszert, amely digitlis kpek j hats-
fok tmrtst tette lehetov IFS-ek felhasznlsval. A mdszert sokan tovbbfejlesztettk,
jelenleg is igen sok vltozata ismert. A technika mg csak gyerekcipoben jr, a lehetosgek
majdhogynem belthatatlanok. Barnsley alapgondolata az volt, hogy ha nhny nagyon egy-
szeru transzformci segtsgvel bonyolult, a termszetben is elofordul alakzatok sokasga
llthat elo, akkor ez felhasznlhat az ilyen alakzatokat brzol kpek tmrtsre, hiszen
a kppontok helyett elegendo a kpet elollt transzformcikat eltrolni, ami drasztikusan
lecskkenti a szksges trhely mrett. Azt is szrevette, hogy az egyes itercik fixpontja
semmilyen mdon nem fgg a kezdeti kptol, gy az iterci tetszoleges kiindulsi kppel el-
indthat. A krds csak az, hogy tetszoleges kp elollthat-e IFS-ek segtsgvel, vagy meg
kell elgednnk bizonyos kpek nagyarny tmrtsnek lehetosgvel. Sajnos a vlasz nem-
leges, vagyis a kpek tbbsghez nem adhat olyan IFS, amelynek fixpontja maga a kp lenne.

28
3. FEJEZET. FRAKTL ALAP KPTMRTS 29

Ez logikus is, hiszen pl. egy emberi arc egyltaln nem nhaonl, teht a szerkezete nem frak-
tlszeru. Mrpedig az IFS-ek segtsgvel leginkbb fraktlokat lehet elolltani (vagy csakis
azokat, ennek eldntshez pontosan kellene definilnunk a fraktl fogalmt pl. fraktl-e egy
ngyzet?). Szerencsre van megolds: osszuk fel a kpet egyforma mretu kisebb tartomnyok-
ra, s ezen tartomnyokat prbljuk meg sszevetni egymssal. Ezt a technikt Arnaud Jacquin
dolgozta ki, s az ehhez felhasznlt specilis iterlt fggvnyrendszereket PIFS-nek (Partiti-
oned Iterated Function System) nevezik. A mdszerek jl kidolgozott matematikai alpokkal
rendelkeznek, tekintsk most t ezeket.

3.1. Matematikai alapok

3.1.1. Fraktlok
A tovbbiakban egy F halmazt akkor neveznk fraktlnak, ha teljesti az albbi felttelek
(majdnem) mindegyikt:

(1) F minden mrettartomnyban rendelkezik rszletekkel.

(2) F (pontosan, nagyjbl vagy statisztikusan) nhasonl.

(3) F fraktldimenzija nagyobb, mint a topolgiai dimenzija.

(4) Ltezik egy igen egyszeru, rvid algoritmus, mely F-et elolltja/jellemzi.

3.1.2. Iterlt fggvnyrendszerek

Definci(Iterlt fggvnyrendszer): Legyen X teljes metrikus tr. Kontraktv transzformcik
egy : X 7 X (i = 1, . . . , n) kollekcijt iterlt fggvnyrendszernek nevezzk.

Iterlt fggvnyrendszerek megadsakor n. affin-transzformcikat hasznlunk.

Definci(Kt dimenzis affin-transzformci): Az

" # " #" #" #
x ai b i x ei
i =
y ci di y fi

alak transzformcikat affin transzformciknak nevezzk, ahol az ai , bi , ci , di , ei , fi konstanst

jell.

A kpekre mint metrikus terek rszhalmazaira fogunk tekinteni, ezrt tekintsk t az ide vo-
natkoz fogalmakat.
3. FEJEZET. FRAKTL ALAP KPTMRTS 30

3.1.3. Teljes metrikus terek

Definci(metrikus tr): Egy X halmazt metrikus trnek neveznk, ha adott egy d : X X 7 R
vals rtku fggvny, mely rendelkezik az akbbi ngy tulajdonsggal:

1. d(a, b) 0 minden a, b X-re

2. d(a, b) = 0 akkor s csak akkor, ha a = b minden a, b X-re

3. d(a, b) = d(b, a) minden a, b X-re

4. d(a, c) d(a, b) + d(b, c) minden a, b, c X-re (hromszg-egyenlotlensg)

A d fggvnyt metriknak nevezzk.

Hausdorff metrika

Kt kp kztti tvolsg mrsre az n. Hausdorff-metrikt fogjuk hasznlni. Legyen az A

s B egy metrikus tr kt rszhalmaza (azaz legyen kp), ekkor a h(A, B)-vel jellt Hausdorff-
tvolsgot a kvetkezo mdon szmolhatjuk ki: Minden x A pontra keressk meg az sszes
y B pontal vett tvolsgok minimumt (itt pontok kztti tvolslsag alatt a hagyomnyos
euklideszi tvolsgot rtjk). Szmoljuk ki ezeket a minimlis tvolsgokat mind az A, mind
a B halmazbl kiindulva, s vegyk ezek maximumt. Ez lesz az A s B halmaz Hausdorff-
tvolsga.

Definci (Cauchy-sorozat): Egy metrikus trben rtelmezett an pontsorozatot Cauchy-sorozatnak

neveznk, ha brmaly  > 0 esetn ltezik egy n0 kszbszm, melyre d(am , an ) <  teljesl
n, m > n0 indexre.

Definci (Teljes metrikus tr): Egy (X, d) metrikus teret teljesnek neveznk, ha benne min-
den Cauchy-sorozat konvergens.

Definci (Kompakt metrikus tr): Egy metrikus tr kompakt, ha zrt s korltos.

Ezek utn megadhatjuk azt a teret, amelyben dolgozni szeretnnk. Legyen

H(X) = {S X | S kompakt}.

Teht a H(X) halmaz az X sszes lehetsges kompakt rszhalmazainak halmaza. Jellje tet-
szoleges A H(X) esetn Ad () az A halmaz pontjaitl legfeljebb  tvolsgra levo pontok
3. FEJEZET. FRAKTL ALAP KPTMRTS 31

halmazt, azaz legyen Ad () = {x|d(x, y) , y A}. Ezutn az A, B H(X ) halmazok

Hausdorff-tvolsgn a kvetkezot rtjk:

hd (A, B) = max{inf{|B Ad ()}, inf{|A Bd ()}}

Vegyk szre, hogy hd rtke fgg a d metriktl. A gyakorlatban gyakran elhagyjk a d inde-
xet, ha a szvegkrnyezetbol vilgosan kiderl, hogy melyik metrikrl van sz.

Ttel: Legyen X teljes metrikus tr d metrikval. Ekkor H(X) is teljes metrikus tr lesz hd
metrikval.

3.1.4. Kontraktv lekpezsek s IFS-ek

A clunk az, hogy tetszoleges kezdeti kpbol kiindulva bizonyos szm itercis lps utn
egy egyrtelmuen meghatrozott fixponthoz rkezznk, s ez a fixpont maga a kdoland kp
legyen. Az n. kontraktv lekpezsek fixpont ttele garantlja neknk az egyrtelmu fixpont
ltezst, csakhogy valsznutlen, hogy ez a fixpont egybeessen az eredeti kppel, hiszen eh-
hez az eredeti kpnek tkletesen nhasonlnak kellene lennie, ami a gyakorlatban igen ritkn
teljesl, az S kdoland kp helyett a fixpont S 0 lesz, ahol az S 0 -tol csak azt vrhatjuk, hogy
elegendoen kzel legyen S-hez (vagyis a kt kp tvolsga egy bizonyos hibartk alatt legyen).
Emiatt lesz a tmrts vesztesges. De az n. kollzs-ttel ilyen esetekben is biztost minket
arrl, hogy minl jobban illeszkedik az eredeti S kpre a megfelelo transzformcikkal ssze-
lltott W (S)kollzs, annl kzelebb lesz az xw attraktor S-hez. A matematiai megalapozs:

Definci (Lipschitz-lekpezs): Legyen (X, d) metrikus tr. Egy w : X 7 X lekpezst s

Lipschitz faktor Lipschitz-lekpezsnek nevezeznk, ha ltezik olyan pozitv vals s rtk,
hogy:
d(w(x), w(y)) sd(x, y)

minden x, y Xesetn. Ha s < 1, akkor a w lekpezst s kontraktivits kontraktv lekpezs-

nek nevezzk.

Lemma: Ha a w : X 7 X lekpezs Lipschitz-fle, akkor w folytonos.

Ttel: Ha wi : R 7 Rsi kontraktivits kontraktv lekpezs (i = 1 . . . n), akkor a

n
[
W = wi : H(R2 ) 7 H(R2 )
i=1
3. FEJEZET. FRAKTL ALAP KPTMRTS 32

is s = maxi=1...n{si } kontraktivits kontraktv lekpezs a Hausdorff-metrikra nzve.

Ttel(Kontraktv lekpezsek fixpont ttele): Legyen X teljes metrikus tr s f:X 7 X egy

kontraktv lekpezs. Ekkor ltezik egy egyrtelmu xf X pont, melyre igaz, hogy minden
x Xesetn
xf = f (xf ) = lim f n (x).
n7

Az xf pontot az f lekpezs fixpontjnak vagy attraktornak nevezzk.

Ttel(Kollzs-ttel): Az elozo ttel jellseit megtartva rvnyes a kvetkezo:

1
d(x, xf ) d(x, f (x))
1s

Teht a kdols menete a kvetkezo: Adott egy f kp, amit kdolni szeretnnk. Osszuk fel
a kpet rtelmezsi tartomnyokra s rtkkszletekre. Ezt tbbfle mdon megtehetjk, vagy
fix mretu blokkokat hasznlunk, vagy megadhatjuk a kpnek az n. 4-fa reprezentcijt. En-
nek elonye, hogy vltoz mretu blokkokat hasznl, ezzel is nvelve az illeszkeds valsznu-
sgt (hiszen lehet, hogy a kt kprszlet klnbzo mrettartomnyban ugyan, de nagyjbl
ugyanazt brzolja). Ekkor keressk meg minden rtkkszlethez azt az rtelmezsi tartomnyt
s transzformcit, amelyere a transzformci eredmnye s az rtkkszlet kztt az eltrs
minimlis, s egy bizonyos kszb alatt van. Ha a msodik felttel nem teljesl, a akkor 4-fa
felbontst alkalmaz vltozatban az rtkkszletet tovbb bontjuk, s jra prbljuk lefedni va-
lamely rtelmezsi tartomny s transzformci segtsgvel. Ha tovbb nem tudjuk bontani, s
mg mindig hibakszb felett vagyunk, akkor knytelenek lesznk a minimlis hibt erdem-
nyezo transzformcit elfogadni. Ha sikerlt minden rtkkszletet a megfelelo transzformci-
k segtsgvel lefedni, akkor az eltrolt transzformcik reprezentljk a kdolni kvnt kpet.
A dekdols ennl sokkal egyszeubb, induljunk ki egy tetszoleges kpbol, iterljuk a PIFS-t,
amg el nem jutottunk a fixponthoz, azaz amg xf = W (xf ) nem teljesl. Ez az xf fixpont lesz
a dekdolt kp.

3.2. Az algoritmus javtsai, egyb vltozatai

A PIFS eszkzrendszert hasznl fraktl alap kptmrts egyetlen nagy htrnya, hogy
borzasztan nagy a kdols szmtsi ignye (a dekdolsnl ilyen problma mr nem jelent-
kezik, teht ilyen tekintetben felveszi a versenyt az egyb megvalstsokkal). Ennek oka, hogy
minden egyes rtkkszlet esetn elkpesztoen sok rtelmezsi tartomny jelltet kell megvizs-
3. FEJEZET. FRAKTL ALAP KPTMRTS 33

glni, hogy megtalljuk a szmunkra legmegfelelobbet. Ezen gy segthetnk, hogy vagy vala-
milyen heurisztikt hasznlunk, vagy a klnbzo sszehasonltsokat prhuzamosan vgezzk
el. Klnbzo javtott megoldsok szlettek, ezek kzl mutatok be nhnyat:

3.2.1. Klasszifikci
Az egyik lehetosg a szksges sszehasonltsok szmnak drmai cskkentsre a lehet-
sges rtelmezsi tartomnyok osztlyokba sorolsa. Kdolskor minden egyes rtkkszletet
csak a vele egy osztlyba tartoz rtelmezsi tartomnyokkal hasonltunk ssze. Szmos md-
szer ltezik az osztlyozs megvalstsra, egy viszonylag egyszeru megolds a kvetkezo.
Minden (ngyzet alak) rtelmezsi tartomnyt ngy egyforma rszre osztunk, s az egyes r-
szekhez indexeket rendelnk, gy, hogy a bal felso ngyzet az egyes, a jobb felso a kettes, a bal
als a hrmas, a jobb als pedig a ngyes index rtket kapja. Ezek utn minden negyedhez hoz-
zrendelnk egy szmrtket az albbi mdon. Jelljk az i. negyedben az egyes pixelrtkeket
pi1 , . . . pin -nel (i = 1 . . . 4), ekkor legyen Ai = nj=1 pij tovbb: Msik kplet Figyelem-
P

be vve, hogy kdolskor az rtelmezsi tartomyok elforgathatak 90o tbbszrseivel, az Ai

rtkekek hrom klnbzo cskkeno sorrendje fordulhat elo:

1. alaposztly : A1 A2 A3 A4

2. alaposztly : A1 A2 A4 A3

3. alaposztly : A1 A4 A2 A3

Mivel az egyes Vi rtkek sszes lehetsges sorrendjeinek szma 4! azaz 24, ezrt mindhrom
alaposztlyhoz tovbbi 24 alosztly tartozik, gy az osztlyok szma sszesen 72 lesz.

3.2.2. Archetpusok
Ebben az esetben is szksg van osztlyozsra. Egy archetpus nem ms, mint egy adott osz-
tly azon eleme, amellyel a legjobban lefedheto az osztlyban lvo sszes tbbi elem. Az arche-
tpusok meghatrozsa nagyon hasonlt a vektor kvantlson alapul kptmrts codebook-
jnak meghatrozshoz, az alaptlet legalbbis ugyanaz. Az eredmnyek azt mutatjk, hogy
ezzel a technikval (is) jelentosnek mondhat gyorsuls rheto el.

3.2.3. PIFS s neurlis hlk

A neurlis hlk elonye, hogy hasznlatukkal nagyfok prhuzamossg rheto el. Ez k-
lnsen hasznos olyan szmtsignyes feladatoknl, mint a PIFS alap kptmrts. Az elv
a kvetkezo. Minden egyes pixelhez egy neuront rendelnk hozz oly mdon, hogy az adott
3. FEJEZET. FRAKTL ALAP KPTMRTS 34

pixel intenzitsrtkt a neki megfelelo neuron llapota hatrozza meg. Az eljrs sorn a k-
dolni kvnt kprol msolatot ksztnk, majd mindkt pldnyt tartomyokra - az egyiket r-
telmezsi tartomnyokra, a msikat rtkkszletekre - osztjuk fel. Ezutn minden rtelmezsi
tartomnybeli pixelhez egy input s minden rtkkszletbelihez egy output neuront rendelnk.
Minden j output neuronhoz 4 input neuron kapcsoldik, legyenek ezek i, i + 1, i + 2 s i + 3.
A j output neuron zj kimeneti rtke a Zi , Zi+1 , Zi+2 , Zi+3 rtkekbol, az ezekhez tarto-
z Wji , Wji+1 , Wji+2 , Wji+3 slyokbl, s a j kszbrtkbol szmthat ki. Kt klnbzo
aktivcis fggvny hasznlatos, ez alapjn beszlhetnk lineris s nemlineris modellrol:
Lineris modell esetn: !
i+3
X
zj0 = Oj wjk zk j
k=i

Nemlineris modell esetn:

i+3
!
1 X
zj0 = Oj0 wjk zk j
B k=i

Ahol B a maximlis lehetsges intenzitsrtk (leggyakrabban 255).

ltalnosan elmondhat, hogy a nemlineris modell sokkal robosztusabb, flexibilisebb, jobb

kpminosget eredmnyez, a lineris modell viszont egyszerusge folytn kevsb szmts-
ignyes.

Az eljrs lpsei a kvetkezok:

(1) Vlasszunk egy ec hiba-kszbrtket s egy rm minimlis mretet az rtkkszletekhez.

(2) Osszuk fel a kpet egymst nem tfedo rszekre. Ezek lesznek az kiindulsi rtkkszle-
tek. A kiindulsi mretet legyen 32 32 pixel.

(3) Minden i rtkkszlethez keressnk egy olyan (nla ngyszer nagyobb mretu) j rtelme-
zsi tartomnyt, amelynl a az i s a j kzti hiba legfeljebb ec nagysg. Adjuk meg az
i-hez tartoz transzformcis fggvnyt (lsd fent), s frisstsk a wij slyokat minden
i s j-beli pixelre, hasznljuk a delta tanulsi szablyt a transzformcis fggvnyben
szereplo kontraszt s fnyessgrtk kiszmtshoz, gy a hiba minimlis lesz.

(4) Ha adott rtkkszlethez nem tallunk rtelmezsi tartomnyt (vagyis nem tallunk olyan
tartomnyt, amelyhez tartoz hibartk legfeljebb ec ), akkor osszuk fel az rtkkszletet
4 egyforma nagysg rszre, amelyek mrete mg nem kisebb rm -nl, s a (3)-as pontnak
megfeleloen adjuk meg ezen rsztartomnyok transzformcis fggvnyeit.
3. FEJEZET. FRAKTL ALAP KPTMRTS 35

(5) Ha az rtkkszletet nem tudjuk tovbbi rszekre osztani gy, hogy azok mrete legalbb
rm nagysg legyen, akkor a legkisebb hibt produkl rtelmezsi tartomnyt kell v-
lasztanunk mg akkor is, ha a hiba mrete meghaladja az elort ec kszbrtket.

3.2.4. PIFS s genetikus algoritmusok(GA)

Az n. lgy szmtsi mszerek egy msik npszeru csoportjt a genetikus algoritmusok
alkotjk. Elonyk, hogy robosztusak, flexibilisek, bizonytalan s pontatlan informcis krnye-
zetben is eredmnyesen hasznlhatak, s a prhuzamos tbbpontos keressnek ksznhetoen
kpesek kzel optimlis megoldst tallni akkor is, ha a lehetsges rtkek tere hatalmas, s su-
run tartalmaz loklis optimumokat. Mindezen tulajdonsgai teszik klnsen alkalmass a frak-
tl alap kptmrtsben val hasznlatra ([1],[2]). A genetikus algoritmusok hrom alapveto
opertora a szelekci, a mutci s a keresztezs. Ennek megfeleloen egy ltalnos genetikus
algoritmus felptst a 3.1. folyamatbra mutatja be.
A genetikus algoritmusok terletn kiemelt fontossg a szkmattel. A szkmk egyszeru
karakterlncok (sztringek), amelyekben 3-fle karakter fordulhat elo: 0, 1, s #. A # jel felfogha-
t n. Joker-karakternek, egyarnt jelenthet 1-est vagy 0-t. Minden szkma egy-egy hiperskot
jell ki a keressi trben.

Ttel(szkmattel) : Egy az tlagosnl jobb kltsggel rendelkezo rvid szkma exponencili-

san gyakrabban fordul elo a kvetkezo generciban, egy tlagosnl rosszabb kltsgu szkma
pedig exponencilisan ritkbban.
Ezt kihasznlva a megfelelo blokkok kivlasztst gyorsan s hatkonyan tudjuk megtenni.
A mdszer alapelemei:

(1) Kromoszmk: Minden kromoszma 19 bitbol ll, 8-8-3-as felosztsban, az elso tizenhat
biten az adott rtelmezsi tartomny abszolt pozcijt, a maradkon a transzformcit
meghatroz informcit troljuk.

(2) Fitnesz-fggvny: Mivel a tartomnyok kzti tvolsg mrsre a legkisebb ngyzetes

hibt hasznljuk, ezrt fitnesz-rtknek tkletesen megfelel ennek reciproka.

(3) Kezdeti populci: A kromoszmkat vletlenszeruen lltjuk ssze.

(4) Szelekci: A jsg mrtke alapjn szelektlunk.

(5) Keresztezs: A populcit a kiszmtott fitnesz-rtkek alapjn kt csoportra bontjuk. Az

Sb jeluben a jobb, az Sw -ben a rosszabb fitnesz-rtkkel rendelkezo kromoszmk kapnak
helyet. Mivel az Sb halmazban tallhat kromoszmk mind j gnekkel rendelkeznek,
3. FEJEZET. FRAKTL ALAP KPTMRTS 36

3.1. bra. Egy ltalnos genetikus algoritmus mukdse

3. FEJEZET. FRAKTL ALAP KPTMRTS 37

ezrt rdemes ezeket egymssal keresztezni. Mivel az Sw -beli kromoszmknak imm-

ron nem sok hasznt vesszk (hisz kicsi a valsznusge, hogy kzvetlen krnyezetkben
alkalmas kromoszmkat tallunk), nyugodtan lecserlhetjk o ket az Sb -beli kromosz-
mk keresztezse sorn ltrejvo j genercira. A Pc valsznusg hatrozza meg, hogy
adott helyzetben trtnjen-e keresztezs.

(6) Mutci: A termszetes kpek alapveto tulajdonsgait figyelembe vve kt mutcis stra-
tgia hasznlatos. A Sb halmaz brmely kromoszmja eslyes a vgso gyozelemre. Eb-
bol viszont az kzetkezik, hogy az o kzeli szomszdaik szintn eslyesnek szmtanak,
gy az rtelmezsi tartomnyok abszolt koordintinak felso bitjei j hatsfok sm-
kat hatrozhatnak meg. Belthat, hogy ugyanahhoz a smhoz tartoz kromoszmk
bizonyos fokig ugyanazt az informcit tartalmazzk, ezrt egy j sma minden kromo-
szmja j fitnesz-rtkkel br, gy ezt a tulajdonsgot megorzendo az rtelmezsi tarto-
mny koordintinak als biteit egy elore rgztett valsznusggel mutlni fogjuk. Az
gy kapott leszrmazottakat viszont a koordintk felso bitjein s a transzformcit meg-
hatroz biteken rdemes mutlni, hiszen csak gy tudjuk garantlni, hogy az algoritmus
a teljes keressi teret bejrja..

(7) Megllsi felttel: Befejezzk a keresst, ha elrtnk egy elore rgztett iterciszm-
kszbt, vagy ha ugyanaz a kromoszma tbb alkalommal is a legjobbnak bizonyult.

Ezek utn a kdols folyamata a kvetkezo :

1. Kezdeti lpsknt vlasszunk egy populcimretet, egy keresztezsi maszkot, egy Pc

keresztezsi arnyt, egy mutcis maszkot, s a Pm,b s Pm,w mutcis rtkat.

2. Generljunk vletlenszeruen egy kiindulsi kromoszma-populcit.

3. Szmoljuk ki ezen kromoszmk fitnesz-rtkeit.

4. Osztlyozzuk a kromoszmkat a fitnesz-rtkeiknek megfeleloen.

5. Ha elrtnk egy elore meghatrozott iterciszm-kszbt, vagy ha ugyanaz a kromo-

szma egyms utn tbbszr is legjobbnak bizonyul, akkor jegyezzk fel a neki megfelelo
fraktlkdot, s stop. Egybknt folytassuk a kvetkezo pontban.

6. A jsguk alapjn soroljuk be a kromoszmkat az Sb s Sw halmazokba.

7. Alkalmazzunk egy egyenletes keresztezst az Sb -beli elemekre, majd az gy kapott le-

szrmazottakkal rjuk fell Sw elemeit.

8. Alkalmazzunk mutcit az Sb -beli kromoszmkra s azok (immron Sw -beli) leszrma-

zottaira.
3. FEJEZET. FRAKTL ALAP KPTMRTS 38

9. Szmoljuk ki az j generci fitnesz-rtkeit, majd ugorjunk a 4-es pontra.

3.3. Egyb felhasznlsi terletek

3.3.1. Kptmretezs

3.3.2. Kpindexels

3.2. bra. Mdostott Sierpinski-hromszg

CF a b c d e f
w1 0.5 0 0 0.4 1 150
w2 0.5 0 0 0.6 -80 1
w3 0.5 0 0 0.6 80 1
3.1. tblzat. A mdostott Sierpinski hromszg IFS-kdja

CF a b c d e f
w1 0.5 0 0 0.5 1 150
w2 0.5 0 0 0.5 -80 1
w3 0.5 0 0 0.5 80 1
3.2. tblzat. Az eredeti Sierpinski hromszg IFS-kdja

Hasonl kpekhez taroz IFS is hasonl, mint ahogy az a mdostott s az eredeti Sierpinski-
hromszg IFS-kdjnak sszevetsbol is jl lthat. ppen ezrt az IFS-kd jl hasznlhat
3. FEJEZET. FRAKTL ALAP KPTMRTS 39

kpek globlis tulajdonsgainak sszevetsre, sot egyfajta kategorizlsra is lehetosget ad.

Bizonyos rtelemben tartalom alap keresesst tesz lehetov kpeket tartalmaz adatbzisokban
([5]).

3.3.3. Vzjelezs
A demokratikus mdia (Internet) npszerusdsvel egyre nehezebb feladat a szerzoi jo-
gok rvnyre juttatsa, hiszen pldul egy digitlis kprol nagyon nehz bizonytani, hogy
adott szemly ksztette. A vzjelezs lnyege, hogy olyan (binris) informcikat rejtnk el
a kpben/kpen, amelyek hagyomnyos eszkzkkel nem trlhetoek, ellenlnak klnbzo
geometriai transzformciknak, s a vesztesges tmrts sem tesz klnsebb krt bennk.
Tbbfle mdszer ltezik, az egyik a fraktl alap kptmrts tulajdonsgait hasznlja ki. A
mdszer lnyege, hogy a kphez tartoz IFS-t gy vltoztatjuk meg, hogy a kdols minosge
ne vltozzon. Igen valsznutlen, hogy egy termszetes kpen brmely rtelmezsi tartomny
tkletesen megegyezzen a hozz tartoz rtkkszlettel. Ezt kihasznlva nhny R rtkksz-
letet lecserlnk a hozzjuk tartoz rtelmezsi tartomnyok pontos msolataira. Ezek a pontos
msolatok reprezentljk (egy rgztett protokoll alapjn) az elhelyezni kvnt vizjelet. A leg-
nehezebb feladatot a megfelelo rtelmezsi tartomnyok kivlasztsa jelenti, hiszen ezeket gy
kell megvlasztani, hogy robosztusak legyenek az alulterszto szurokkel (ilyeneket hasznl-
nak a tmrto algoritmusok), a forgatssal s az eltolssal szemben. A blokkok kivlasztsa
az alacsony frekvencis sszetevoik alapjn is trtnhet, az algoritmus DCT-alap vltozata ez
alapjn rangsorol. A gyakorlat azt mutatja, hogy a DCT alap vzjelezsi mdszer sokkal ro-
bosztusabb, mint a kptr-alap. Egy ilyen alapon mukdo protokoll rszletes lerst talljuk
[6]-ban
Bibliogrfia

[1] lmos Attila, Gyori Sndor, Horvth Gbor, Vrkonyin Kczky Annamria: Genetikus
Algoritmusok

[2] Ming-Sheng Wua, Jyh-Horng Jeng, Jer-Guang Hsieh : Schema genetic algorithm for fractal
image compression

[3] [origo] Eltunt a hulladk: j korszak kezdodtt a DNS megrtsben, 2006.oktber 16.

[4] K.T. Sun, S.J. Lee P.Y. Wu : Neural network approaches to fractal image compression and
decompression

[5] M. Nappi, G. Polese, G. Tortora : FIRST: Fractal Indexing and Retrieval SysTem for Image
Databases

[6] Patrick Bas, Jean-Marc Chassery, Franck Davoine : Using the fractal code to watermark
images

[7] Krzysztof Gdawiec : Curves as fractals

[8] Mahesh C Shastry,Nithin Nagaraj, Prabhakar G Vaidya : The B-Exponential Map: A Ge-
neralization of the Logistic Map, and Its Applications In Generating Pseudo-random Numbers

[9] Mitsuhiro Shishikura : The Hausdorff Dimension of the Boundary of the Mandelbrot Set
and Julia Sets

[10] Jean-Francois Gouyet : Physics and Fractal Structures

[11] Kosz s nemlineris dinamika a trsadalomtudomnyokban (Szerkesztette : Fokasz Ni-

kosz)

40
3. FEJEZET. FRAKTL ALAP KPTMRTS 41

[12] Tl Tams - Gruiz Mrton : Kaotikus Dinamika

[13] James Gleick : Kosz - egy j tudomny szletse

[14] Wikipedia - Fractals - Chaos theory - Hausdorff dimension

[15] Retter Gyula : Fuzzy, Neurlis, Genetikus, Kaotikus rendszerek

[16] Bacsosz Sztavrosz : Fraktlok a fldrajzban

[17] Heinz-Otto Peitgen Hartmut Jrgens Dietmar Saupe : Chaos and fractals

[18] Kecsks Lajos : Egy lnyi vgtelen

[19] Ziauddin Sardar, Iwona Abrams : Koszelmlet msKPp

[20] Fractal Image compression, Editor : Yuval Fisher