‫مجلة الرافدين لعلوم الحاسوب والرياضيات المجلد (‪ )10‬العدد(‪2013)3‬‬

‫‪Digital Image Compression using Karhunen-Loève Transform‬‬

‫‪Ghada Thanoon Younes‬‬
‫‪College of Computer Science and Mathematics‬‬
‫‪University of Mosul, Mosul, Iraq‬‬
‫‪Received on: 06/02/2012‬‬ ‫‪Accepted on: 19/04/2012‬‬

‫‪ABSTRACT‬‬
‫‪In this research present the digital image compression using by Karhunen-Loève‬‬
‫‪Transform (KLT), by convert a color digital image to a gray square digital image, then‬‬
‫‪select the no. of eigen values and eigen vectors that can reconstruct the image, that be‬‬
‫‪very near to the original image.‬‬
‫‪And then calculate compression ratio and a high result reach it, after applied‬‬
‫‪fidelity criteria on image produce from compression represented by (PSNR, MSE,‬‬
‫‪correlation coefficient and compression ratio), and using a matlab language‬‬
‫‪programming for execute this research.‬‬
‫‪Keywords: digital image, compression, Karhunen-Loève Transform,‬‬

‫كبس الصور الرقمية باستخدام تحويل كارنوف لوف‬

‫غادة ذنون يونس‬

‫كلية علوم الحاسوب والرياضيات‬
‫جامعة الموصل‪ ،‬الموصل‪ ،‬العراق‬
‫تاريخ قبول البحث‪2012/04/19 :‬‬ ‫تاريخ استالم البحث‪2012/02/06 :‬‬

‫الملخص‬

‫في هذا البحث تم استخدام طريقة كارنوف لوف في كبس الصور الرقمية‪ ,‬بعد تحويل الصورة الرقمية الملونة‬
‫الى صورة رمادية ومربعة ومن ثم تحديد عدد القيم والمتجهات المميزة التي يمكن من خاللها استرجاع الصورة‪,‬‬
‫والتي تكون قريبة جدا من الصورة االصلية‪ .‬وقد كانت نسبة الكبس عالية بعد حساب مقاييس الكفاءة على الصور‬
‫الناتجة من الكبس والمتمثلة في (نسبة الضوضاء بالصورة‪ ,‬نسبة مربع الخطأ‪ ,‬معامل االرتباط‪ ,‬نسبة الكبس) وقد تم‬
‫استخدام لغة ماتالب لتنفيذ هذا البحث‪.‬‬
‫الكلمات المفتاحية‪ :‬الصور الرقمية‪ ،‬كبس‪ ،‬تحويل كارنوف لوف‪.‬‬

‫‪ -1‬المقـــدمة‬

‫ازدادت أهمي ةةة الك ةةبس نتيج ةةة للنم ةةو الس ةريع ف ةةي ق ةةدرة الحاس ةةوب ا ل ةةي وخاص ةةة ف ةةي مج ةةا تط ية ة الوس ةةا‬
‫المتعةددة ( ‪ ) Multimedia‬واسةتخدامات البةبكة العالميةة لالنترنيةت‪ ،‬فضةال عةن محاسةن تقنيةة الفيةديو التةي تبةمل‬
‫اإلمكانيات العالية الستخةدامات التلفةزيون والتي تتطلب الجديد واألفضةل واألسةرع لخوارزميةات الكبس ]‪.[1‬‬
‫ةةبكة االتصةةاالت الرقميةةة (‬ ‫يعة د كةةبس ال يانةةات مهمةةا فةةي العديةةد مةةن التط يقةةات مثةةل نقةةل المعلومةةات خةةال‬
‫) ‪ ،Networks‬فضال عن أهميته في تقليل مساحات الخزن في الذاكرة المستخدمة لخزن هذه ال يانات‪ ,‬وأهميته فةي‬

‫‪47‬‬
 ‫غادة ذنون يونس‬

‫االس ةةتخدام األمث ةةل تكم ةةن باإلمكاني ةةات والمة ةوارد المت ةةوفرة تقلي ةةل الكلفة ة ة م ةةن جه ةةة مم ةةا ي ةةلدو تل ةةى تقلي ةةل وق ةةت النق ةةل‬
‫المستخدم وتقليل حزمة اإلرسةةا )‪ (Bandwidth‬من جهة أخرى ]‪.[1‬‬
‫يبمل كبس الصور الرقميةة تقليةل حجةم ملةب ال يانةات‪ ،‬فةي حةين أن المعلومةات الضةرورية تبقةى ويةتم الحفةا‬
‫عليها‪ ,‬يطل على الملب الذو تم تقليصه ملب الكبس وهو الذو يتم اعتمةاده فةي نةاء الصةورة األصةلية‪ .‬تن المفتةا‬
‫لهيكل الكبس الناجح يأتي مع التعريف الدقي للمعلومات الضرورية‪ ،‬ولفهم هذا يجب التمييز ةين ال يانةات ) ‪( data‬‬
‫والمعلومات ) ‪ ( information‬بالنسبة للصور الرقمية‪ ,‬فال يانةات تبةير تلةى ةيم مسةتوى التةدرط للنقطةة ( ‪( gray‬‬
‫‪ level values‬والذو يمثل مقدار تضةاءة ( أو لمعان ) تلك النقطة‪ ,‬أما المعلومات فهي ترجمةة (تفسةير) ال يانةات‬
‫بطريقةةة تات معن ةةى‪ ،‬ات تعتم ةةد ال يان ةةات لغ ةةرل توص ةةيل المعلومةةات بأس ةةلوب يب ةةبه طريق ةةة الح ةةروف المس ةةتخدمة ف ةةي‬
‫توصةيل المعلومةةات عةةن طرية الكلمةةات‪ ,‬هةةذا تص ةةح المعلومةةات ببكلةةها المفهةةوم‪ ,‬فضةةال عةةن تلةةك يمةةكن تط يقه ةةا‬
‫ببة ةةكل محةدد‪,‬علة ةةى س ية ةةل المثة ةةا فة ةةي الصة ةةورة الثنةا ية ةةة ) ‪ (binary image‬التةةي تحتةةوو علةةى نةةم المعلومةةات‬
‫الضرورية فق أما أن تبةمل الةنم المةراد قراءتةه فحسةب‪ .‬أو فةي الصةور الط يةة فالمعلومةات الضةرورية ربمةا تبةمل‬
‫التفاصيل الد يقة في الصورة األصلية كلها]‪.[1‬‬
‫تن التمثيل الرقمي )‪ )coding‬للصورة يتطلب عددا ك ي ار جدا من القيم‪ .‬ومن المهةم فةي كثيةر مةن التط يقةات‬
‫أن يتم التفكير في تقنيات لتمثيل الصورة أو المعلومات‪ .‬وبالرغم مةن أن الهةدف مةن الترميةز هةو تخلةيط المعطيةات‬
‫فان تفضيل تقنية ترميز معينة على تقنية أخرى تعتمد على مسألة تعادة ناء كامةل المعطيةات (الصةورة) فةي ةكلها‬
‫الرمزو‪.‬‬
‫ونجا أية تقنية ترميةز يعتمةد علةى درجةة مالءمتهةا ل نيةة ليكةل المعطيةات‪ ,‬وقن الطريقةة المثاليةة فةي تصةميم‬
‫أسةةلوب فعةةا للترميةةز هةةي تحديةةد المعطيةةات أوال وبعةةد تلةةك اختيةةار طريقةةة تال ةةم تلةةك ال نية ة‪ .‬ولكةةن ناة ار الن أسةةلوب‬
‫الترميز للصورة غالبا ما يتضمن قةد ار مةن التجريةب (أو باالعتمةاد علةى المحاولةة والخطةأ)‪ ,‬فاالعتبةار األكثةر أهميةة‬
‫هةةو اختيةةار تقنيةةة ترميةةز تخفةةط يانةةات الصةةورة تلةةى عةةدد مةةن العناصةةر التةةي تحمةةل صةةفات تمييزيةةة كا يةةة مةةع حفة‬
‫كافي للمعلومات]‪.[2‬‬

‫‪ -2‬المجال التطبيقي للكبس‬

‫بمجاالت عديدة في حياتنا منها ‪ -:‬في مجا التراسل بمختلب أنواعها‪,‬‬ ‫كبس الصورة مهم جدا ويط‬
‫المتعددة‪ ,‬وفي مجا‬ ‫ببكل واسع في مجا الوسا‬ ‫والوثا ‪ ,‬والنقةل‪ ,‬بكة االتصةاالت ع ر اإلنترنت‪ .‬كذلك ط‬
‫صور‬ ‫االستبعار عن البعد‪.‬وقد استخدم الكبس أيضا في مجا‬ ‫التراسل ع ر أجهزة الفاكس‪ ,‬وفي مجا‬
‫الرسومات]‪.[7‬‬
‫اعتمد كثير من النماتط واألساليب على كبس الملفات‪ ,‬وقد جرت ببكل واسع عمليات الكبس على أسلوبين‬
‫هما(المادو وال رمجي)‪:‬‬
‫ببكل واسع عند الحاجة تلى كبس المعلومات‬ ‫▪ امتاز األسلوب األو بسرعة التط ي وسهولة االستخدام ويط‬
‫واكتسا ها‪.‬‬
‫▪ أما األسلوب الثاني فقد اعتمد على اإلمكانيات ال رمجية ألجهزة الحاسبات وقد تمكن كثير من الباحثين من ناء‬
‫خوارزميات لذلك الغرل‪ ,‬تت أن خوارزميات الكبس طورت واسطة اخذ محاسن التكرار والموجودة في يانات‬
‫الصور]‪.[3‬‬

‫‪48‬‬
 ‫كبس الصور الرقمية باستخدام تحويل كارنوف لوف‬

‫وهناك ثالثة أنواع ر يسية من التكرار ممكن أن تحتويها الصورة‪-:‬‬

‫‪ .1‬التكرار نتيجة الترميز‪.‬‬
‫‪ .2‬النقاط المتداخلة‪.‬‬
‫‪ .3‬التكرار‪.‬‬

‫‪ -3‬تقنيات كبس الصور‬

‫تصنب خوارزميات الكبس الى عدة ط ار ‪ ,‬ات يعتمد الكبس على أنواع ال يانات المراد كبسها وحسب تركي ها‬
‫والخواص التي تحتويها تلك ال يانات‪ ,‬تت أن هنالك بعط الخوارزميات تعمل ببكل جيد على بعط األصناف من‬
‫الصور وال تعمل جيدا على البعط ا خر‪ .‬ات توجد بعط الصور التي ال تتق ل أو فقدان أو تبويه بس ب الكبس‪,‬‬
‫أما البعط ا خر فقد تسمح بالفقدان أو التبويه للمعلومات عند تعادة استرجاعها وفك كبسها وعلى هذا األساس‬
‫يكون هناك أسلوبان لكبس ال يانات حسب حفاها للمعلومات]‪.[10‬‬

‫‪ -1-3‬الكبس بدون فقدان (‪)compression lossless‬‬

‫ال يانات األصلية‪ ,‬وتم‬ ‫في هذا النوع من الكبس من الممكن تعادة ال يانات التي تم كبسها ببكل يطا‬
‫استخدام خوارزميات هذا النوع من الكبس ببكل ا ع مع ملفات النصوص والتي ال تسمح بفقدان أو من معلوماتها‬
‫أثناء عملية الكبس‪ ,‬وكذلك استخدم مع ملفات الصور الط ية‪ ,‬والصور الفضا ية‪ ,‬وأر فة الصور والوثا ‪ ,‬واألعما‬
‫الفنية الثمينة ومع كل التط يقات التي تتطلب مصدا ية تامة]‪.[1‬‬
‫الكبس هذا األسلوب‪:‬‬ ‫ومن ط ار‬
‫❖ طريقة هوف مان‬
‫❖ طريقة الترميز الرياضي‬
‫❖ طريقة زيكزاك‬

‫‪ -2-3‬الكبس بفقدان )‪)lossy compression‬‬

‫ومن أهم مميزات هذا األسلوب هو الحصو على نسبة كبس عالية ولكن على حساب فقدان جزء من‬
‫المعلومات األصلية وعليه يكون استخدامه من عدمه معتمدا على نسبة فقدان ال يانات المسمو ها وأهميتها‪ .‬ولكن‬
‫فقدان ال يانا ت ال يعني انها ستلثر على نوعية الصورة الناتجة من عملية الكبس‪ .‬كما ان ال يانات المفقودة في‬
‫الصورة المستخدمة تكاد ال تكون واضحة بالعين الببرية]‪.[10][1‬‬
‫الكبس هذا األسلوب‪:‬‬ ‫ومن ط ار‬
‫❖ طريقة التحويل المويجي‬
‫❖ طريقة التكميم الخطي‬
‫❖ طريقة التقسيم البجرو‬
‫❖ طريقة التحويل الرمزو‬

‫‪49‬‬
 ‫غادة ذنون يونس‬

‫‪ -4‬ترميز البيانات ‪Transform coding‬‬

‫هي طريقة لترميز ال يانات المستخدمة في مجاالت كبس الصور الرقمية‪ ,‬يتم تحويل ال يانات الى فضاء اخر‬
‫ق ل عملية الترميز‪ .‬والفا دة من هذا هو لتحويل ال يانات المدخلة الى صيغة مختلفة مما يجعل اجراء عملية الكبس‬
‫اسهل وافضل‪ ،‬ومن الممكن تجاهل بعط المعلومات التي ال تودو الى خسارة معلومات في الصورة االصلية]‪.[10‬‬
‫تم في هذا البحث استخدام طريقة تحويل كارنوف لوف في مجا كبس الصور الرقمية‪ ,‬والتي تعد تقنية‬
‫مبهورة في مجاالت معالجة الصور وتعرف ب(‪ (karhunen –loeve transform‬او ‪hotelling transform‬‬
‫او ‪ eigenvector transform‬كل هذه التسميات مرتبطة وقريبة جدا من ‪component analysisprinciple‬‬
‫الذو يستخدم ببكل واسع في تحليل ال يانات واستخالص الخواص‪ .‬ات ان هذا التحويل يعتمد عل خصا م‬
‫احصا ية لنقاط الصورة او مواصفات وصفات اال كا داخل الصورة ]‪.[4‬‬
‫االحصاء‪ ,‬االتصاالت‪ ,‬الرؤية‬ ‫في عدة حقو خاصة في مجا‬ ‫ان طريقة كارنوف لوف استخدمت‬
‫الحاسوبية وفي مجاالت ومهام عدة خاصة في تمييز االنماط ومنها تمييز الوجه‪،‬تمييز اال كا ‪ ،‬تخمين مسار‬
‫الحركة‪ ،‬تعليم المتقدم وتتبع اال كا ]‪ [5‬وكما تعد طريقة مثالية لتقريب مجموعة من المتجهات او الصور والتي‬
‫تستخدم في مجا معالجة الصور والرؤية الحاسوبية لعديد من المهام وان العمليات الحسا ية تكون بط يعتها محددة‬
‫في هذا التط ي ]‪.[6‬‬
‫ان هذه الطريقة تجعل المعلومات التي لها اهمية اك ر بالصورة ظاهرة وواضحة‪ ,‬سيكون هذا التحويل اكثر‬
‫سهولة لو تم توزيع ال يانات او المعلومات ببكل صحيح حيث ات اعلى يم مميزة (‪ )eigen value‬تحوو على اك ر‬
‫نسبة من المعلومات ]‪.[9‬‬
‫تعد طريقة كارنوف لوف األمثل وتلك‪:‬‬
‫تستطيع ارجاع ال يانات االصلية باالعتماد على عمليات احصا ية مستقلة ‪.‬‬ ‫•‬
‫من الممكن استخدام اقل عدد من معامالت التحويل والتي تحوو اك ر نسبة من ال يانات‪.‬‬ ‫•‬
‫ونا ار لهذه الميزات تم استخدام كارنوف لوف ولكن هناك بعط السل يات ات انها تحتاط الى عمليات حسا ية‬
‫عديدة من اجل اجراء عملية التحويل]‪.[8‬‬

‫‪ -5‬خوارزمية تحويل كارنوف لوف‪:‬‬

‫ان الخطوات التي توضح خوارزمية كارنوف لوف تم ادراجها بالنقاط االتية‪:‬‬
‫‪ (1‬تحويل الصورة الملونة تات االبعاد ‪ n*m‬الى صورة رمادية والمتمثلة بالمصفوفة ‪ X‬وبابعاد ‪.n*n‬‬
‫‪ (2‬حساب المتوس الحسا ي للمصفوفة ‪ X‬والذو يمثل ‪.µ‬‬
‫‪N‬‬ ‫‪N‬‬
‫‪1‬‬
‫=‪‬‬
‫‪N*N‬‬
‫‪‬‬
‫‪i =1 J =1‬‬
‫] ‪X [i ][ j‬‬ ‫‪i = 1...N , J = 1....N‬‬ ‫)‪…(1‬‬

‫‪ (3‬اجراء عملية طر المتوس الحسا ي من المصفوفة ‪ X‬عن طري المعادلة االتية‪:‬‬

‫] ‪Z[i ][ j ] = X [i ][ j‬‬ ‫‪−‬‬ ‫‪i = 1...... N , j = 1..... N‬‬ ‫)‪…(2‬‬

‫‪ (4‬تكوين مصفوفة التباين للمصفوفة ‪ z‬والتي تمثل ة ‪ C‬عن طري المعادلة‪:‬‬

‫‪N‬‬ ‫‪N‬‬ ‫] ‪Z[ i ][ j ]  Z[ i ][ j‬‬
‫‪Ci , j = ‬‬ ‫‪i = 1... N , j = 1.... N‬‬ ‫)‪…(3‬‬
‫‪i =1 j =1‬‬ ‫‪N*N‬‬

‫‪50‬‬
 ‫كبس الصور الرقمية باستخدام تحويل كارنوف لوف‬

‫والتي سينتج عنها المصفوفة االتية‪:‬‬

‫‪ C1,1 C1, 2   C1, N ‬‬
‫‪C‬‬ ‫‪‬‬
‫‪ 2,1 C2, 2‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪C N ,1 C N , 2‬‬ ‫‪C‬‬ ‫‪‬‬
‫‪‬‬ ‫‪N ,N ‬‬

‫‪ (5‬حساب القيم المميزة والمتجهات المميزة (‪ )Eigen value ,Eigen vector‬لمصفوفة التباين ‪ C‬عن طري‬
‫استخدام الدالة الجاهزة لغة ماتالب (‪ )eig‬والتي سينتج عنها مصفوفة من القيم المميزة وبابعاد ‪n*n‬‬
‫ومصفوفة ثانية من المتجهات المميزة وبابعاد ‪.n*n‬‬
‫‪ (6‬اختيار متجهات الخواص او الصفات‪:‬‬
‫تتميز طريقة كارنوف لوف بان المتجهات المميزة التي تحمل يمة اك ر ستحوو على نسبة اك ر من‬
‫المعلومات او الخواص داخل الصورة ‪،‬وبذلك يمكن اخت از او تجاهل بعط هذه القيم التي ال تحمل نسبة‬
‫عالية من ال يانات ات ترتب القيم المميزة طرديا مع كمية ال يانات التي تمثلها‪.‬‬
‫لذلك سيتم ترتيب مصفوفة القيم المميزة تنازليا من االك ر الى االصغر وعلى اساس هذا الترتيب سيتم‬
‫اعتماد ترتيب مصفوفة المتجهات المميزة (كمثا لو ان السطر الرابع من القيم المميزة يحمل القيم االك ر‬
‫فان المتجه المميز الرابع من مصفوفة المتجهات المميزة سيكون بالسطر االو من المصفوفة الناتجة‪)A‬‬
‫لذلك سيكون لدينا المصفوفة‬
‫)‪A=(v1,v2,v3…………....vn‬‬
‫والتي ستحوو المتجهات المميزة فق وستكون ابعاد المصفوفة ‪ A‬هي ‪. n*n‬‬
‫‪ (7‬تكوين مجموعة من ال يانات الجديدة من خال تط ي المعادلة ‪:‬‬
‫)‪Final data=A*(X-µ‬‬ ‫)‪…(4‬‬
‫‪ (8‬استرجاع الصورة االصلية من اجل ارجاع الصورة االصلية سيكون تط ي المعادلة االتية ‪:‬‬
‫‪Data adjust=AT *Final data‬‬ ‫)‪…(5‬‬
‫وللحصو على ال يانات كاملة ومطابقة للصورة االصلية يكون تط ي المعادلة‪:‬‬
‫)‪X=AT*(Final data+µ‬‬ ‫)‪…(6‬‬
‫هذه المعادلة يتم تط يقها عندما ال يتم استخدام كل المتجهات المميزة في عملية استرجاع الصورة (وهذا ما‬
‫الحسا ي) في جعل عملية استرجاع ال يانات‬ ‫يعرف باستخالص الخواص) حيث سيساعد ) ‪ µ‬المتوس‬
‫االصلية صحيحة]‪.[4‬‬

‫‪ -6‬التطبيق العملي لخوارزمية )‪:)KLT‬‬

‫الخطوات االتية توضح التط ي العملي للطريقة المقترحة والتي تكون كاالتي‪-:‬‬
‫‪ .1‬تحويل الصورة الملونة والمتمثلة بالمصفوفة‪ X‬والتي ابعادها ‪ m*n‬الى صورة رمادية ومربعة‬
‫بأبعاد ‪ n*n‬وحسب المثا االتي فان ابعاد الصورة هي (‪.)252*252‬‬

‫‪51‬‬
 ‫غادة ذنون يونس‬

‫شكل (‪ )1‬تحويل الصورة االصلية الى صورة رمادية‬

‫‪ .2‬تط ي خوارزمية ‪ KLT‬على المصفوفة ‪ X‬الموضحة في الخطوة ‪ 5‬من الخوارزمية )‪.)KLT‬‬

‫‪ .3‬تحديد عدد المتجهات المميزة التي يمكن االعتماد عليها في استرجاع الصورة االصلية عن طري‬
‫تط ي المعادلة (‪.)6‬‬
‫‪ .4‬و يما يلي نتا ج تط ي الخوارزمية‪:‬‬

‫شكل(‪ )2‬استرجاع الصورة من متجه مميز واحد‬

‫شكل(‪ )3‬استرجاع الصورة من ‪ 20‬متجه مميز‬

‫شكل(‪ )4‬استرجاع الصورة من ‪ 50‬متجه مميز‬

‫‪52‬‬
 ‫كبس الصور الرقمية باستخدام تحويل كارنوف لوف‬

‫شكل (‪ )5‬استرجاع الصورة من ‪ 150‬متجه مميز‬

‫شكل(‪ )6‬استرجاع الصورة من ‪ 252‬متجه مميز‬

‫نالح من البكل رقم (‪ )2‬انه باالعتماد على او متجه مميز من المصفوفة ‪ A‬والذو ابعاده (‪ )1*252‬تم‬
‫الحصو على بعط ال يانات في الصورة وكلما زاد عدد المتجهات المميزة كانت يانات الصورة المسترجعة اكثر‬
‫واوضح المعالم ‪ .‬وكما موضح في البكل (‪ )6‬الذو تم يه استرجاع ال يانات كاملة وهي اقرب بكثير من الصورة‬
‫االصلية‪ ,‬وقد تم توضيح مقاييس الكفاءة على الصورة في الجدو (‪.)1‬‬
‫وان كمية ال يانات او المعلومات الخاصة بالصورة باستخدام تحويل كارنوف لوف موجودة في الربع االو‬
‫من المتجه المميز‪ ,‬اما البقية فتحوو كمية قليلة من ال يانات وكما موضح بالبكل االتي‬

‫شكل(‪ )7‬استرجاع الصورة من المتجه المميز رقم ‪ 200‬الى ‪252‬‬

‫ونالح من البكل رقم (‪ )7‬انه باالعتماد على يم المتجه المميز في المصفوفة ‪ A‬من ‪ 200‬الى ‪ 252‬ان‬
‫كمية ال يانات الخاصة بالصورة قليلة جدا‪ .‬وكما نالح من البكل رقم (‪ )8‬ان استخدام يم المتجه المميز من‬
‫‪ 100‬الى ‪ 252‬اعطت ايضا نسبة قليلة من يانات الصورة‪.‬‬

‫‪53‬‬
 ‫غادة ذنون يونس‬

‫شكل(‪ )8‬استرجاع الصورة من المتجه المميز رقم ‪ 100‬الى ‪252‬‬

‫من هنا تم التوصل الى فكرة استخدام كارنوف لوف في مجا كبس الصور الرقمية وتلك الن او جزء من‬
‫المتجه المميز اعطى كمية ك يرة من يانات الصورة ويمكن الغاء بقية يم المتجه المميز وتلك الحتوا ه على كمية‬
‫قليلة من ال يانات واالستفادة منه في مجا الكبس لذا فان طريقة كارنوف لوف باإلمكان ادراجها ضمن ط ار‬
‫الكبس بفقدان‪.‬‬

‫‪ -7‬مقاييس الكفاءة ‪fidelity criteria :‬‬

‫تم اقتباس مقياس الكفاءة من مجاالت معالجة اإل ارات الرقمية و نارية المعلومات ات تم استخدامها‬
‫ألجل التمكن من ياس كميات الخطأ في الصورة المعاد تكوينها ويمكن تعريفها بان مستوى المعلومات المفقودة‬
‫ممكن أن يع ر عنه وصفه دالة من الصورة األصلية –المدخلة‪ -‬والمك وسة‪ ,‬فهنالك كثير من القياسات التي‬
‫تعتمد على حساب مقدار التباين ين نسخ مختلفة لنفس الصورة ومن هذه المقاييس]‪:[1‬‬
‫نسبة مربع الخطأ ‪Mean Square Error‬‬ ‫أ‪-‬‬
‫‪n‬‬ ‫‪m‬‬
‫‪1‬‬
‫= ‪MSE‬‬ ‫‪‬‬
‫‪n * m i =1‬‬
‫‪ er‬‬
‫‪j =1‬‬
‫‪2‬‬
‫‪ij‬‬ ‫)‪…(7‬‬

‫حيث ان ‪:‬‬
‫‪ :m,n‬تمثل ابعاد الصورة المدخلة‬
‫‪ : Er‬تمثل نسبة الخطا ين الصورة االصلية مطروحا منه الصورة المسترجعة من الكبس]‪.[1‬‬
‫نسبة الضوضاء بالصورة ‪Peak To Noise Ratio‬‬ ‫ب‪-‬‬
‫حساب ‪ PSNR‬باستخدام المعادلة‬
‫‪R2‬‬
‫[ ‪PSNR = 10 log10‬‬ ‫]‬ ‫)‪…(8‬‬
‫‪MSE‬‬
‫حيث ان‪:‬‬
‫‪ :R‬اعلى يمة للتدرجات الرمادية في يانات الصورة وغالبا تساوو يمة ‪ 255‬في حالة كون الصورة المستخدمة‬
‫رمادية (‪.[1])gray image‬‬
‫نسبة الكبس ‪Compression Ratio‬‬ ‫ت‪-‬‬
‫يمكن حساب النسبة األصلية للكبس من خال حجم الصورة األصلية الرمادية غير المك وسة وحجم‬
‫الصورة الرمادية المك وسة وهذه النسبة للكبس ممكن التع ير عنها كما يلي]‪:[1‬‬
‫)‪…(9‬‬
‫حيث ان‬

‫‪54‬‬
 ‫كبس الصور الرقمية باستخدام تحويل كارنوف لوف‬

‫‪ :Compress image size‬يمثل حجم الصورة المك وسة‬

‫‪ :Uncompress image size‬يمثل حجم الصورة الغير مك وسة‬
‫معامل االرتباط ‪Pearson's Correlation Coefficient‬‬ ‫ث‪-‬‬
‫يوعا والمعتمدة على اجراء عملية تقسيم يمة التباين لمتغيرين على االنحراف‬ ‫يعد من اكثر المقاييس‬
‫المعيارو وان المعادلة المستخدمة في حساب معامل االرتباط موضحة بالبكل االتي‪:‬‬

‫الصورة االصلية والمسترجعة من عملية‬
‫)‪…(10‬‬
‫حيث ان‪:‬‬
‫‪ :X‬الصورة االصلية الرمادية‬
‫‪ :Y‬الصورة المسترجعة‬
‫)‪ :Cov(x,y‬تمثل التباين لة ‪.x,y‬‬
‫‪ :‬االنحراف المعيارو لكل من ‪ X‬و ‪ Y‬على التوالي‬
‫لذا من الممكن استخدام معامل االرتباط في حساب مدى تطا‬
‫الكبس]‪.[1‬‬

‫‪ -8‬مناقشة النتائج‪:‬‬

‫تم في هذا البحث استخدام طريقة كارنوف لوف لكبس الصور الرقمية واجريت االختبارات على العديد من‬
‫يم المتجه المميز وبقيم مختلفة من اجل استرجاع الصور المك وسة وقد تم حساب مقاييس المصدا ية ( ‪MSE,‬‬
‫‪ )PSNR, correlation, compression rate‬لكل الصور المسترجعة وقد اعطت جميعها نتا ج جيدة وكما‬
‫موضح بالجدو (‪ ,) 1‬علما ان الصورة التي طبقت عليها الخوارزمية هي لصورة تات التدرط الرمادو وابعاد الصورة‬
‫كانت (‪ )252*252‬وان عدد المتجهات المميزة التي تم االعتماد عليها بالكبس واختبارها هو (‪.)252*252‬‬
‫جدول(‪ )1‬نتائج تطبيق مقاييس الكفاءة للصور المعتمدة على متجهات مميزة مختلفة‬
‫‪Size of image‬‬ ‫‪Size of matrix‬‬
‫‪No. of‬‬ ‫‪Correlation‬‬ ‫‪Compression‬‬
‫‪MSE‬‬ ‫‪PSNR‬‬ ‫‪before‬‬ ‫‪after‬‬
‫)‪eigenvectors(R,C‬‬ ‫‪Coefficient‬‬ ‫‪Ratio‬‬
‫‪compression‬‬ ‫‪compression‬‬

‫)‪)1, 1: 252‬‬ ‫‪0. 0280‬‬ ‫‪0. 4550‬‬ ‫‪15. 1789‬‬ ‫‪0. 0040‬‬ ‫‪63504‬‬ ‫‪252‬‬
‫)‪)1: 10, 1: 252‬‬ ‫‪0. 0091‬‬ ‫‪0. 8681‬‬ ‫‪20. 0769‬‬ ‫‪0. 0397‬‬ ‫‪63504‬‬ ‫‪2520‬‬
‫)‪(1: 50, 1: 252‬‬ ‫‪0. 0037‬‬ ‫‪0. 9478‬‬ ‫‪23. 963‬‬ ‫‪0. 1984‬‬ ‫‪63504‬‬ ‫‪12600‬‬
‫)‪)1: 100, 1: 252‬‬ ‫‪0. 0024‬‬ ‫‪0. 9661‬‬ ‫‪25. 7801‬‬ ‫‪0. 3968‬‬ ‫‪63504‬‬ ‫‪25200‬‬
‫)‪)1: 150, 1: 252‬‬ ‫‪0. 0019‬‬ ‫‪0. 9736‬‬ ‫‪26. 8419‬‬ ‫‪0. 5952‬‬ ‫‪63504‬‬ ‫‪37800‬‬
‫)‪)1: 200, 1: 252‬‬ ‫‪9. 7573e-004‬‬ ‫‪0. 9864‬‬ ‫‪29. 7592‬‬ ‫‪0. 7937‬‬ ‫‪63504‬‬ ‫‪50400‬‬
‫)‪)1: 252, 1: 252‬‬ ‫‪3. 0519e-031‬‬ ‫‪1‬‬ ‫‪55. 8068‬‬ ‫‪1‬‬ ‫‪63504‬‬ ‫‪63504‬‬

‫نالح ة مةةن البةةكل (‪ )9‬انةةه كلمةةا زادت عةةدد ةةيم المتجهةةات الممي ةزة زاد معامةةل االرتبةةاط حتةةى وصةةل للواحةةد‬
‫بمعنى ان الصورة المسترجعة من الكبس هي جدا قريبة للصورة االصلية‪.‬‬
‫ام ةةا بالنس ةةبة للب ةةكل(‪ )10‬ف ةةنالح ان ةةه كلم ةةا زادت ةةيم المتجه ةةات الممية ةزة زادت ةةيم ‪ PSNR‬وه ةةذا يعن ةةي ان‬
‫الصورة المسترجعة قريبة من الصورة االصلية‪.‬‬
‫اما بالنسبة للبكل(‪ )11‬فنالح انه كلما قلت يم المتجهات المميزة كانت نسبة الكبس افضل‪.‬‬

‫‪55‬‬
 ‫غادة ذنون يونس‬

‫والب ةةكل(‪ )12‬نالح ة ان ةةه كلم ةةا زادت ةةيم المتجه ةةات الممي ةزة كان ةةت يم ةةة ‪ MSE‬قليل ةةة وه ةةذا يعن ةةي ان نس ةةبة الخط ةةأ‬
‫بالصورة قليلة وتكون الصورة المسترجعة اقرب للصورة االصلية‪.‬‬

‫شكل (‪ )9‬العالقة بين معامل االرتباط وعدد المتجهات المميزة‬

‫شكل(‪ )10‬العالقة بين المتجه المميز وقيم ‪PSNR‬‬

‫شكل(‪ )11‬العالقة بين نسبة الكبس وقيم المتجه المميز‬

‫‪56‬‬
 ‫كبس الصور الرقمية باستخدام تحويل كارنوف لوف‬

‫شكل(‪ )12‬العالقة بين ‪ MSE‬وقيم المتجه المميز‬

‫‪ -9‬مقارنة مع تطبيقات اخرى‬

‫المعروفة والمبهورة في مجا كبس الصور الرقمية وهي التحويل المويجي‬ ‫تم استخدام احد الط ار‬
‫‪:wavelet‬‬
‫‪ )EZW Embedded Zero tree Wavelet( ‬البجرة الصفرية المطمورة‪:‬‬
‫التحويل المويجي المعروفة والتي تعتمد على تقسيم الصورة الى اربعة مستويات ويكون‬ ‫وهي احد ط ار‬
‫التقسيم بالنسبة للصورة على البدة تات القيم االعلى ويستمر التقسيم الى ان نصل لقيمة العتبة المث تة ويتركز‬
‫التقسيم على الربع االو الن تركيز المعلومات يكون اك ر]‪ [11‬وكما موضح بالبكل(‪.)11‬‬

‫شكل(‪ )11‬يوضح مفهوم الشجرة الصفرية المطمورة‬

‫‪ )SPHIT Set Partitioning In HierarchalTree( ‬التقسيم البجرو الهرمي‪:‬‬

‫تعد طريقة ‪ SPHIT‬مطورة على ‪ EZW‬بعد ان يتم اجراء عملية التحويل المويجي على الصورة‪ ,‬يتم ترتيب‬
‫معامالت الناتجة من عملية التحويل وتدخل على ا (‪ )decoder‬والة(‪ )encoder‬باخذ كل معاملين متجاورين‬
‫والمقارنة ينهما والنتيجة اما "‪ "1‬او "‪ "0‬وترسل بالوقت نفسه من الة(‪ )decoder‬سلسلة من االصفار والواحدات الى‬
‫(‪ )encoder‬الذو يعكس العملية ]‪ [11‬وكما موضح بالبكل (‪.)12‬‬

‫شكل(‪ )12‬يوضح مفهوم التقسيم الشجري الهر مي‬

‫‪57‬‬
 ‫غادة ذنون يونس‬

‫وكما نالح في الجدو (‪ )2‬ان نسبة الكبس في الطريقة المقترحة والتي تم االعتماد على ‪ 50‬متجه مميز‬
‫كانت اقل بكثير من‬ ‫كانت افضل بكثير من طريقتي(‪ )EZW,SPHIT‬كما ان نسبة الخطأ(‪)MSE‬‬
‫طريقتي(‪ )EZW,SPHIT‬اما بالنسبة لل‪ PSNR‬ومعامل االرتباط فكانت جيدة ومقاربة للقيم الناتجة من طريقتي‬
‫الكبس(‪ )EZW,SPHIT‬كما ان الوقت الالزم لتنفيذ عملية الكبس باستخدام ‪ KLT‬اقل بكثير من الوقت المستغرق‬
‫بالتنفيذ باستخدام طريقتي‪. SPHIT,EZW‬‬
‫جدول(‪ )2‬نتائج مقارنة بين طريقة ‪ KLT‬وطريقتي ‪EZW,SPHIT‬‬
‫‪Correlation‬‬ ‫‪Compression‬‬ ‫‪execution‬‬
‫‪Method‬‬ ‫‪MSE‬‬ ‫‪PSNR‬‬
‫‪Coefficient‬‬ ‫‪Ratio‬‬ ‫‪Time/second‬‬
‫‪Proposed‬‬
‫‪0. 0037‬‬ ‫‪0. 9478‬‬ ‫‪23. 9634‬‬ ‫‪0. 1984‬‬ ‫‪0. 1092‬‬
‫‪algorithm‬‬
‫‪Ezw‬‬ ‫‪19. 2811‬‬ ‫‪0. 9930‬‬ ‫‪35. 2795‬‬ ‫‪0. 9104‬‬ ‫‪3. 5880‬‬
‫‪Sphit‬‬ ‫‪21. 4635‬‬ ‫‪0. 9919‬‬ ‫‪34. 8138‬‬ ‫‪0. 6160‬‬ ‫‪5. 2416‬‬

‫‪58‬‬
 ‫كبس الصور الرقمية باستخدام تحويل كارنوف لوف‬

‫المصادر‬

‫ كلية علوم‬,‫ بحث ماجستير‬,"‫النصية العربية‬ ‫ "كبس صور الوثا‬,2003 ,‫ ميسون خضر‬,‫الحيالي‬ [1]
.‫ العراق‬,‫ جامعة الموصل‬,‫الحاسبات والرياضيات‬
[2] R.C. Gonzalez, R.E. Woods, 2002., "Digital Image Processing", 2nd Edition,
Prentice-Hall, Jan.
[3] Y. Wang, J.Ostermann, and Y.-Q. Zhang, 2002, "Video Processing and
Communications", Polytechnic University, Brooklyn, NY11201, Prentice Hall.
[4] Smith I Lindsay, February 26, 2002, "AtutorialonPrincipalComponents
Analysis".
[5] Zhang Daoqiang, Chen * Songcan,2001,"Fast Image Compression using Matrix
K-L Transform", Department of Computer Science and Engineering, Nanjing
University of Aeronautics & Astronautics,Nanjing 210016, P.R. China.
[6] Patricia R. Oliveira, Roseli F. Romero, 1997, "A Comparision between PCA
Neural Networks and the JPEG Standard for Performing Image Compression",
Authorized licensed use limited to: IEEE Xplore. Downloaded on January
19,2012 at 22:07:01 UTC from IEEE Xplore. Restrictions apply.(ivsl)
[7] Roberto Arenas Lara, Yunhong Wang,2011, "Lossless Compression On-Board
Remote Sensing Satellites", Authorized licensed use limited to: IEEE Xplore.
Downloaded on January 19,2012 at 22:17:48 UTC from IEEE Xplore.
Restrictions apply. (ivsl)
[8] Wei Zheng1, Yan Zhang2, 2012, "A Novel Improvementto PCA for Image
Classification", Authorized licensed use limited to: IEEE Xplore. Downloaded
on January 19,2012 at 22:25:50 UTC from IEEE Xplore. Restrictions
apply.(ivsl)
[9] Jun Ding, Zuo Zhang,2011, "A Method for Urban Traffic Data Compression
Based on Wavelet-PCA", Authorized licensed use limited to: IEEExplorer.
Downloaded on January 19,2012 at 22:25:58 UTC from IEEE xplore.
Restrictions apply.(ivsl)
[10] Sonal, Dinesh Kumar, 2005, "A Study of Various Image Compression
Techniques", Department of Computer Science & Engineering Guru
Jhambheswar University of Science and Technology, Hisar.
[11] Priti Singh, Priyanka Singh, 2001, "Design and Implementation of EZW &
SPIHT Image Coder for Virtual Images", International Journal of Computer
Science and Security (IJCSS), Volume (5) : Issue (5) .

59