Metody kompresji

1
Metody kompresji
2
Plan prezentacji

• Metody kompresji
• dzwieku
• elementy psychoakustyki
• wspólczesne standardy stratnej kompresji
• obrazu
• metody bezstratnej kompresji
• metody stratnej kompresji
• metody kompresji obrazu ruchomego

3
Metody kompresji dzwieku
4
Metody kompresji dzwieku

• Ze wzgledu na duza entropie informacji w sygnale
  fonicznym, wspólczynnik kompresji dla dzwieku
  jest stosunkowo niewielki przy zastosowaniu
  bezstratnych algorytmów kompresji.
• Dlatego tez opracowano stratne metody kodowania,
  których dzialanie opiera sie na wykorzystaniu
  wlasnosci psychofizycznych sluchu, dzieki czemu
  mozliwe jest kilkukrotne zwiekszenie
  wspólczynnika kompresji przy jednoczesnym
  zachowaniu wysokiej jakosci sygnalu fonicznego.

5
Elementy psychoakustyki

• System sluchowy czlowieka przetwarza dzwiek w
  pewnych podpasmach, zwanych pasmami krytycznymi.
• W kazdym z nich sygnal jest analizowany w sposób
  niezalezny od dzwieku w pozostalych pasmach
  krytycznych.
• Kazdemu pasmu krytycznemu odpowiada pewien
  odcinek na blonie podstawnej slimaka równy 1,3
  mm.
• Szerokosc tych pasm nie jest wielkoscia stala.
  Mianowicie ponizej 500 Hz jest ona stala i wynosi
  100 Hz, zas powyzej 500 Hz szerokosc kazdego
  nastepnego pasma jest o 20 wieksza niz dla
  poprzedniego pasma.
• Perceptualna jednostka szerokosci pasma jest 1
  Bark.

6
Elementy psychoakustyki

• Maskowanie - zagluszanie skladowych sygnalu
  fonicznego przez inne.
• maskowanie jednoczesne (w dziedzinie
  czestotliwosci)
• maskowanie niejednoczesne (w dziedzinie czasu).

7
Elementy psychoakustyki

• Maskowanie jednoczesne charakteryzuje sie tym, ze
  pewne tony staja sie nieslyszalne w obecnosci
  innych, tzw. maskerów.

8
Elementy psychoakustyki

• Maskowanie niejednoczesne moze wystepowac jako
  premaskowanie lub postmaskowanie.

9
Wspólczesne standardy stratnej kompresji dzwieku
10
SONY ATRAC

• System kodowania sygnalów fonicznych ATRAC (ang.
  Adaptive Transform Acoustic Coding) jest
  przeznaczony dla przenosnych rejestratorów
  dzwieku wysokiej jakosci. Przeplywnosc binarna
  kodeka ATRAC wynosi okolo 140 kbit/s, przy czym
  ATRAC wykorzystuje
• maskowanie jednoczesne w dziedzinie
  czestotliwosci,
• maskowanie w dziedzinie czasu,
• bank 3 zwierciadlanych filtrów kwadraturowych QMF
  (ang. Quadrature Mirror Filters), dzielacych
  zakres na podpasma 0-5.5 kHz, 5.5-11 kHz i
  11-22 kHz,
• zmodyfikowana dyskretna transformacje kosinusowa
  MDCT (ang. Modified Discrete Cosine Transform),
• zmienna rozdzielczosc czestotliwosciowa dla
  róznych pasm czestotliwosci,
• zmienna rozdzielczosc czasowa w zaleznosci od
  parametrów statystycznych sygnalu.

11
Dolby AC-3

• Standard ten opracowano w celu zastosowania w
  systemie wielokanalowego naglosnienia kina
  cyfrowego, nastepnie wybrano go dla potrzeb
  kodowania dzwieku w HDTV.
• Wykorzystuje
• maskowanie jednoczesne w dziedzinie
  czestotliwosci
• bank filtrów oparty na transformacie TDAC (Time
  Domain Aliasing Cancelation)
• zmienna rozdzielczosc czasowo-czestotliwosciowa.
• Koder wykorzystuje dodatkowe 16-bitowe slowo
  synchronizacji oraz 2 slowa 16-bitowe w celu
  kontroli bledu (CRC).
• Przeplywnosc binarna kodeka AC-3 jest zawarta
  miedzy 32 a 640 kb/s w sumie wszystkie kanaly.
• Typowe calkowite opóznienie czasowe kodowania
  ok.100ms.

12
PASC

• Standard PASC (ang. Precission Adaptive Subband
  Coding) zostal opracowany przez firme Philips
  wraz z japonska firme Matsushita i zastosowany w
  magnetofonie cyfrowym DCC (ang. Digital Compact
  Casette).
• Jego interfejs foniczny sklada sie z
  przetworników A/C oraz C/A, przy czym dla wejscia
  analogowego mozliwa jest jedna czestotliwosc
  próbkowania (44.1 kHz), natomiast dla wejsc
  cyfrowych mozliwe sa trzy wartosci czestotliwosci
  próbkowania 32 kHz, 44.1 kHz oraz 48 kHz.
• Analiza sygnalu szerokopasmowego odbywa sie przy
  pomocy 32 filtrów NOI, pasmowo-przepustowych o
  stalej szerokosci pasma (750 Hz).
• Przeplywnosc binarna kodeka PASC wynosi 384
  kbit/s dla sygnalu stereo przy kompaktowej
  jakosci dzwieku.

13
MUSICAM

• MUSICAM (ang. Masking-pattern Universal Subband
  Integrated Coding And Multiplexing) zostal
  opracowany dla potrzeb cyfrowej transmisji
  radiowej DAB (ang. Digital Audio Broadcasting).
• Cyfrowy sygnal foniczny w standardzie EBU/AES
  (768 kbit/s) jest dzielony na 32 podpasma o
  szerokosci 750 Hz przy pomocy wielofazowego banku
  filtrów.
• Zastosowano uklad realizujacy FFT, który oblicza
  co 24 ms 1024 skladowych widma.
• Kodek MUSICAM wykorzystuje maskowanie jednoczesne
  w dziedzinie czestotliwosci i jest kompatybilny z
  formatami ISO/MPEG (Layer I).
• Przeplywnosc binarna kodeka MUSICAM wynosi 384
  kbit/s dla sygnalów stereo przy kompaktowej
  jakosci dzwieku.

14
MPEG-1

• MPEG to skrót od Moving Pictures Experts Group
• umozliwia kodowanie sygnalów PCM dla
  czestotliwosci próbkowania 32, 44.1, 48kHz
• maskowanie jednoczesne w dziedzinie
  czestotliwosci
• maskowanie w dziedzinie czasu
• zastosowanie banku 32 filtrów wielofazowych
  wytwarzajacych podpasma o stalej szerokosci 750Hz

15
MPEG-1

• MPEG umozliwia prace z zadanym trybem
  przeplywnosci
• FBR - praca ze stala przeplywnoscia bitowa
• VBR - praca ze zmienna przeplywnoscia bitowa
• Wprowadzono mechanizm zabezpieczenia przed
  bledami transmisji
• Przeplywnosc binarna wynosi od 64 do 384kb/s -
  kanal stereo

16
MPEG-1

• Schemat kodera MPEG

17
MPEG-1

• Schemat dekodera MPEG

18
MPEG-1

• Mozliwa jest praca w 3 warstwach 1, 2 i 3.
• Warstwa 1
• Uproszczona wersja schematu MUSICAM.
• Przeznaczona glównie do zastosowan takich, jak
  cyfrowe nagrywanie w warunkach domowych na
  kasetach, twardych dyskach i dyskach
  magnetooptycznych.
• Warstwa ta uzywa ramki o czasie trwania 8ms przy
  czestotliwosci próbkowania 48kHz.

19
MPEG-1

• Warstwa 2
• Wprowadza dalsze udoskonalenia w stosunku do
  warstwy 1.
• Podstawowa dlugosc ramki to 24ms przy 48kHz.
• Jest prawie identyczna ze schematem MUSICAM.
• Ma zastosowanie glównie w profesjonalnej technice
  dzwiekowej, czyli wykorzystywana jest w
  rozglosniach radiowych i telewizyjnych, studiach
  nagran oraz w systemach multimedialnych.

20
MPEG-1

• Warstwa 3
• kombinacja efektywnych modulów z kodera ASPEC i
  MUSICAM.
• Hybrydowy bank filtrów wprowadza dodatkowa
  rozdzielczosc czestotliwosciowa.
• Dlugosc ramki jest identyczna z warstwa 2.
• Uzywana jest tutaj niejednolita kwantyzacja,
  adaptacyjna segmentacja i kodowanie entropijne
  skwantowanych wartosci w celu zwiekszenia
  wydajnosci kodowania.
• Metoda ta jest najbardziej uzyteczna w
  telekomunikacji, szczególnie w waskopasmowym
  ISDN, laczach satelitarnych i wszystkich
  przypadkach, gdzie wymagana jest wysoka jakosc
  przy niskich przeplywnosciach.

21
MPEG-2

• MPEG-2 BC - kompatybilny wstecz
• Obejmuje kompresje sygnalu fonicznego dla
  czestotliwosci próbkowania 16, 22.05, 24kHz -
  telekonferencje
• Kompresja wielokanalowego sygnalu fonicznego typu
  3/21 lub 5/21
• Oferuje obsluge wielokanalowych sciezek
  dzwiekowych w wersjach wielojezycznych.

22
MPEG-2

• Kanal L (lewy) i R (prawy) sa zastapione przez
  zmatrycowane sygnaly Lc i Rc
• Lc L a C b Ls
  Rc R a C b Rs
• i kodowane kodem MPEG-1.
• Dodatkowe kanaly C(centralny), Ls (lewy surround)
  i Rs (prawy surround) sa przesylane w pomocniczym
  polu MPEG-1

23
Metody kompresji obrazu
24
Metody kompresji bezstratnej

• Niewielki stopien kompresji (okolo 50).
• Prostota metody.
• Stosowane czesto tam, gdzie wprowadzanie
  jakichkolwiek zaklócen jest niedopuszczalne (np.
  obrazy uzyskiwane dla potrzeb medycznych).
• Mozna je w ogólnosci podzielic na cztery grupy
• kody o zmiennej dlugosci slowa,
• metody arytmetyczne,
• metody slownikowe oraz
• metody wykorzystujace specyfike danych
  graficznych.

25
Kody o zmiennej dlugosci slowa

• Kod Huffmana
• Kazdemu poziomowi jasnosci przypisuje sie
  czestosc wystepowania piksli o tej jasnosci.
• Nastepnie wyszukuje sie dwa poziomy o
  najmniejszej czestosci wystepowania i laczy je w
  jeden, o czestosci wystepowania równej sumie
  czestosci obu polaczonych poziomów.
• W wyniku polaczenia liczba rozpatrywanych
  poziomów maleje o jeden.
• Czynnosc wyszukiwania i laczen powtarza sie tak
  dlugo, az polaczeniu ulegna wszystkie poziomy.
• Kolejnosc laczenia wyznacza drzewo.
• Jezeli dla kazdego rozgalezienia jedna z galezi
  oznaczy sie 0, a druga 1, to poruszajac sie w
  kierunku od korzenia do dowolnego wezla
  terminalnego napotkane symbole wyznacza kod
  Huffmana, odpowiadajacy temu wezlowi.

26
Kody o zmiennej dlugosci slowa

• Kod Huffmana
• Kody róznych symboli charakteryzuja sie tym, ze
  zaden z symboli nie jest poczatkiem innego
  (dluzszego) symbolu.

27
Metody arytmetyczne

• Srednia wartosc wspólczynnika bit/symbol jest
  zblizona do wartosci entropii.
• Symbole ulozone sa w kolejnosci rosnacych lub
  malejacych prawdopodobienstw wystapienia wzdluz
  odcinka od 0 do 1.

28
Metody arytmetyczne

• Symbole sa nastepnie kodowane poprzez przypisanie
  binarnej liczby zmiennoprzecinkowej
  przedstawiajacej poczatek odpowiedniego fragmentu
  odcinka.
• Liczba bitów znaczacych po przecinku odpowiada
  dlugosci odcinka (i równa jest log2(dlugosc
  odcinka)).
• Slowa kodowe dla róznych symboli maja nastepujace
  wartosci

29
Metody slownikowe

• Idea tego rozwiazania polega na kodowaniu ciagów
  symboli (piksli) za pomoca odwolan do slownika
  zawierajacego takie ciagi.
• Im dluzszy ciag piksli uda sie zastapic indeksem
  do slownika, tym wiekszy bedzie stopien
  kompresji.
• Najpopularniejszym algorytmem tego typu jest,
  zaproponowany w 1984 roku, algorytm LZW.
• Z algorytmu tego korzystaja dwa popularne formaty
  graficzne GIF oraz TIFF.

30
Metody wykorzystujace specyfikacje danych
graficznych

• Metody te wykorzystuja fakt, ze sasiadujace ze
  soba piksle maja czesto takie same lub podobne
  kolory.
• Najpopularniejsza metoda w tej grupie jest RLE
  (ang. Run Length Encoding).
• W metodzie RLE obraz przegladany jest liniami
  (np. poziomymi). Poniewaz w wiekszosci linii
  powtarzaja sie podobne elementy, koduje sie
  nastepujace pary liczba piksli i kolor.
• Metode RLE wykorzystuja takie formaty graficzne,
  jak PCX oraz TIFF.

31
Metody wykorzystujace specyfikacje danych
graficznych

• Do tej grupy metod zaliczyc mozna metody
  kodowania plam.
• W metodach tych obraz rozbijany jest na
  jednokolorowe plamy i kodowane sa pary ksztalt i
  kolor.
• W zaleznosci od sposobu opisywania ksztaltu plamy
  mozna wyróznic kilka metod kodowania plam
• metoda konturowa,
• metoda prostokatów,
• metoda drzewa czwórkowego.

32
Metody kompresji stratnej

• Duzy stopien kompresji osiagany jest kosztem
  utraty szczególów.
• Metody stratnej kompresji obrazu mozna w
  ogólnosci podzielic na trzy grupy
• metody bezposrednie (w dziedzinie obrazu),
• metody fraktalne,
• metody transformat.

33
Metody bezposrednie

• Metoda predykcyjna
• Wykorzystuje ona fakt, iz kolory sasiednich
  piksli sa zblizone.
• Mozna przewidziec kolor piksla.
• Znajomosc bledu estymacji, tzn. róznicy e koloru
  rzeczywistego c i przewidywanego c, wystarcza do
  wiernego odtworzenia obrazu.
• Aby uzyskac lepszy stopien kompresji, mozna przed
  zakodowaniem dokonac kwantyzacji bledu estymacji
  e.

34
Metody bezposrednie

• metoda binarnej kwantyzacji blokowej BTC(ang.
  Block Truncation Compression)
• Obraz dzielony jest na bloki nm piksli.
• Na kazdym z bloków dokonuje sie kwantyzacji
  binarnej, tzn. kolory kolejnych piksli
  zastepowane sa przez jeden z dwóch kolorów c1 lub
  c2 wybieranych osobno dla kazdego bloku.
• Zamiast pelnej liczby 2l kolorów (poziomów
  szarosci) koduje sie jedynie dwa kolory w bloku
  (1 bit/piksel w miejsce l bitów/piksel).
• Dla kazdego bloku nalezy pamietac c1 i c2.
• Kompresja mozliwa do uzyskania w tej metodzie
  jest rzedu 41.

35
Metody fraktalne

• Do kompresji obrazów mozna wykorzystac teorie
  fraktali.
• Wiele obrazów cechuje sie znacznym stopniem
  samopodobienstwa w jednym obrazie mozna
  wyróznic cale fragmenty, moze inaczej polozone,
  innej wielkosci czy jasnosci, ale o bardzo
  zblizonym ksztalcie.
• Najwazniejsza operacja, dokonywana podczas
  kodowania fraktalnego, jest rozpoznawanie par
  obiektów i znajdowanie przeksztalcen,
  odwzorowujacych jeden obiekt w drugi, bedacych
  zlozeniem obrotów, skalowania i przesuniec. Ta
  klasa przeksztalcen nosi nazwe przeksztalcen
  afinicznych.

36
Metody fraktalne

• Stopien kompresji mozliwy do uzyskania ta metoda
  wynosi typowo kilkadziesiat do jednego.
• Wielka zaleta metody jest niezaleznosc
  zakodowanego obrazu od rozdzielczosci, co
  umozliwia latwe skalowanie obrazu wynikowego.

Zastosowanie kompresji fraktalnej
Powiekszenie obrazu
37
Metody transformat

• Transformaty umozliwiaja rozlozenie funkcji
  jasnosci, bedacej dyskretna funkcja dwóch
  zmiennych, na superpozycje funkcji bazowych
  transformaty.
• Najczesciej wykorzystuje sie dyskretna
  transformate cosinusowa (DCT).
• Jesli f(i, j) oznacza wartosc piksla lezacego w
  punkcie o wspólrzednych (i, j), a F(u, v)
  reprezentuje dwuwymiarowy wspólczynnik
  transformaty ze skladowa harmoniczna rzedu u
  wzdluz osi U i skladowa harmoniczna rzedu v
  wzdluz osi V (gdzie U i V odpowiadaja osiom I i
  J), wówczas F(u, v) definiowane sa jako

38
Metody transformat standard JPEG

• Najpopularniejszym standardem wykorzystujacym
  dyskretna transformate cosinusowa (DCT) jest JPEG
  (Joint Photographic Experts Group).

Ogólny schemat kodera JPEG
Ogólny schemat dekodera JPEG
39
Metody transformat standard JPEG

• Zmiana modelu barw z RGB na YUV.
• Wyznaczenie, niezaleznie dla kazdego skladnika
  barwy, dyskretnej transformaty cosinusowej.
• Kwantyzowanie wspólczynników transformaty F(u, v)
  otrzymanych z kodowania DCT przy pomocy macierzy
  kwantyzacji. Polega to na dzieleniu kazdego ze
  wspólczynników F(u, v) przez odpowiadajacy mu
  element tablicy dwuwymiarowej Q(u, v) (gdzie Q
  jest macierza kwantyzacji).

40
Metody transformat standard JPEG

• Skladowe stale róznych bloków (wspólczynniki
  F(0,0)) sa kodowane przy uzyciu metody DPCM.
  Sygnaly róznicowe wygenerowane przez koder DPCM
  sa nastepnie kodowane przy uzyciu kodera
  Huffmana.
• Pozostale wspólczynniki F(u, v) zawieraja
  skladowe zmienne. Po skwantyzowaniu wiele z nich
  zaokragla sie do zera.

• Skwantyzowana tablica dwuwymiarowa F(u, v)
  przeksztalcana jest w tablice jednowymiarowa
  (wektor) wedlug kolejnosci przedstawionej na
  rysunku
• Wspólczynnik kompresji dla metod opartych o
  transformate cosinusowa wynosi okolo 301.

41
Kompresja obrazów ruchomych

• Duzy stopien kompresji uzyskiwany jest dzieki
  uwzglednieniu zaleznosci, jakie wystepuja miedzy
  nastepujacymi po sobie obrazami.
• Do najczesciej spotykanych standardów kompresji
  obrazów ruchomych naleza
• MPEG (Moving Picture Experts Group)
• SONY SX
• M-JPEG (Motion JPEG)

42
MPEG

• MPEG oparty jest na dwóch podstawowych
  technikach kompensacja ruchu pod katem
  nadmiarowosci miedzyramkowej (nadmiarowosc
  czasowa) oraz kompresja DCT do nadmiarowosci
  wewnatrzramkowej (nadmiarowosc przestrzenna).
• Schemat blokowy kodera i dekodera MPEG

Ramki ze skompensowanym ruchem
Wspólczynniki DCT
43
MPEG

• Zakodowany ciag obrazów moze zawierac trzy
  rodzaje ramek
• Wewnetrzne ramki odniesienia I, które nie zaleza
  od zadnych innych ramek. Sa one kodowane w sposób
  podobny do tego, jaki wykorzystuje algorytm
  kompresji obrazów statycznych. Umozliwiaja one
  swobodny dostep do zakodowanego ciagu obrazów.
• Ramki P, przedstawiajace obraz bedacy róznica
  miedzy biezaca ramka a ramka odniesienia.
  Poniewaz na sasiednich obrazach wiekszosc
  obiektów nie ulega istotnym zmianom, tak
  zmodyfikowany obraz zawiera znacznie mniej
  informacji.
• Ramki B, majace dwie ramki odniesienia jedna
  wczesniejsza i jedna pózniejsza.

44
MPEG

• Kolejnosc kodowania sekwencji obrazów MPEG

45
SONY SX

• System kompresji SONY SX uzywa tylko ramek I
  oraz B.
• Sekwencja ramek w schemacie SONY SX

46
M-JPEG (Motion JPEG)

• Cechy standardu M-JPEG
• jest rozszerzeniem metody JPEG i przeznaczony
  jest do kompresji obrazów ruchomych,
• dokonuje kompresji kazdej ramki w sekwencji
  obrazu wizyjnego,
• mozna uznac, ze jest bardzo uproszczona wersja
  standardu MPEG (bez kompensacji ruchu), czyli bez
  kodowania miedzyramkowego (wszystkie ramki sa
  typu I),
• czas kompresji (zlozonosc) M-JPEG jest mniejsza
  niz dla MPEG, gdyz nie trzeba dokonywac predykcji
  ramek typu P i B oraz dokonywac kosztownego
  przeszukiwania ramek i dopasowania podczas
  kompensacji ruchu,

47
M-JPEG (Motion JPEG)

• Cechy standardu M-JPEG
• techniki edycyjne sygnalu wizyjnego (przesuwanie
  w przód i w tyl, zatrzymywanie, itd.) dla
  standardu M-JPEG sa mniej zlozone obliczeniowo
  niz dla MPEG, a zatem szybsze podczas dzialania,
• dostep swobodny do dowolnej ramki jest
  natychmiastowy,
• dekompresja ramek nastepuje w tej samej
  kolejnosci, jak podczas kompresji,
• M-JPEG wymaga mniej pamieci operacyjnej niz MPEG,
  gdyz nie przeprowadza takich operacji buforowania
  jak MPEG,
• wspólczynnik kompresji w standardzie M-JPEG jest
  taki sam jak dla JPEG i wynosi okolo 101, 151,
  natomiast dla systemu MPEG wspólczynnik kompresji
  wynosi okolo 301. Ponadto, MPEG moze byc takze
  uzyteczny przy wspólczynnikach rzedu 1001.

48
Zródlo

1. J. Zabrodzki, Grafika komputerowa metody i
   narzedzia, Wydawnictwo Naukowo-Techniczne,
   Warszawa, 1994.
2. S. Anderson, S. Anger, Grafika PC bez tajemnic,
   Interfoftland, Warszawa, 1995.
3. R. Królikowski, Wspólczesne standardy
   perceptualnej kompresji dzwieku wysokiej
   jakosci, Zeszyty Naukowe Wydzialu
   Elektrotechniki i Automatyki Politechniki
   Gdanskiej Nr 11, str. 81-88, Gdansk, 1997.
4. K. Brandenburg, M. Bosi, Overview of MPEG Audio
   Current and Future Standards for Low-Bit-Rate
   Audio Coding, J. Audio Eng. Soc., Vol. 45, No.
   1/2, pp. 4?21, 1997.
5. J. Lebiedz, Kompresja danych materialy do
   wykladu, Politechnika Gdanska, Wydzial ETI,
   Katedra Technik Programowania, Gdansk, 1996.
6. A. Wieczorkowska, Badanie metod kompresji
   obrazu, Zeszyty Naukowe Wydzialu Elektrotechniki
   i Automatyki Politechniki Gdanskiej Nr 10, str.
   71-76, Gdansk, 1996.
7. W.S. Moscibrodzki, Badanie metod kompresji
   obrazu ruchomego, Zeszyty Naukowe Wydzialu
   Elektrotechniki i Automatyki Politechniki
   Gdanskiej Nr 12, str. 113-120, Gdansk, 1998.