Fractal Resim Sikistirma - PowerPoint PPT Presentation

1 / 40
About This Presentation
Title:

Fractal Resim Sikistirma

Description:

Title: Slide 1 Author: FCG Last modified by: Cengiz Gungor Created Date: 5/9/2003 4:44:10 PM Document presentation format: On-screen Show Company: EV – PowerPoint PPT presentation

Number of Views:80
Avg rating:3.0/5.0
Slides: 41
Provided by: FCG9
Category:

less

Transcript and Presenter's Notes

Title: Fractal Resim Sikistirma


1
Fractal Resim Sikistirma
  • Hazirlayan Ar.Gör.Cengiz Güngör
  • Haziran-2003

2
Fractal Resimler
Çoklu Küçültme Yapan Fotokopi Makinesi
  • Orijinalden ayni anda birden çok, üst üste
    binebilen kopya çogaltmak için dizayn edilmis
    birden fazla mercek içerir.
  • Her mercek orijinali belirli miktarda küçültecek
    sekilde yapilmistir.

Örnegimizin Özellikleri 3 mercekli, Her mercek
orijinali 21 oraninda küçültüyor, 1. kopya üst
ortaya, 2. kopya sol alta, 3. kopya sag alta
geliyor.
3
Fractal Resimler
4
Çiktilari Girdi Olarak Verip, Tekrar Tekrar
Kopyalarsak
Sierpinskis Triangle
. . .
5
Küçültme Isleminin Nedeni
  • Tüm lensler girdi olarak verilen resmi
    küçültmektedir, bu islem contractive mapping
    olarak bilinir.
  • Lenslerin contractive özellikleri yani
    küçültme yapmalari kritik bir önem tasir.
  • Contractive özellik tekrarli süreçlerde ilk
    verilen resim ne olursa, final resmin hep ayni
    çikmasini garantiler.
  • Non-contractive diye bilenen sürekli
    genisleyen yapida bir islemle bir final resme
    ulasmamiz imkansizdir. Elde edecegimiz sey sonsuz
    boyutta dagilmis bir çiktidir.
  • Bu yüzden Fractal resimlerde hep contractive,
    yani küçülten islemler kullanilir. Yukaridaki
    örnegimizde ½ oraninda küçültme vardir.

6
Tekrar Tekrar Kopyalamak
Belli bir tekrardan sonra çiktilar girdi ile ayni
olmaktadir. Bu yüzden kopyalama makinesinin
parametrelerini biliyorsak, sonuçta ne elde
edecegimizi de bilebiliyoruz.
7
Fotokopi Makinemize ait Affine Transformasyonlar
  • Her lense ait ayri bir contractive affine
    transformation matrisi vardir
  • Bu matris ile küçültme/büyütme (scale), döndürme
    (rotate), egme (share) ve öteleme/yer degistirme
    (translate) islemleri yapilabilmektedir.
  • Yani bir (x,y) noktasinin yeni koordinati olan
    (x,y) su sekilde elde edilir (transformasyon
    islemi)
  • Örnegimizdeki herbir lens için transformasyon
    matrisleri

8
Döndürmenin Etkileri
9
Fraktal Geometrinin Temelleri
  • Yinelemeli Fonksiyon Sistemleri (IFS)

IFS Tree
IFS Fern
10
(No Transcript)
11
(No Transcript)
12
(No Transcript)
13
Fractal Resim Sikistirma
  • Fractalleri resim sikistirmak için kullanma
    mantigi 4 temel varsayima dayanmaktadir 1.
    Çogu dogal manzara/resim detay içinde detaylara
    sahiptir. Bu Mandelbrot ile baslayan Fractal
    Devrimi nin bir getirisidir.

2. Iterated Function Systemleri ile dogala
benzeyen resimleri üretelebilir. 3.
Kullanilacak IFS çok kompakt bir biçimde
saklanabilir. Yandaki agaç için 4 transformas-yon
kullanilir, bu da 4 adet matris yani 4 adet
(a,b,c,d,e,f) parametresi demektir. Bitmap resim
olarak 256K dosya seklinde saklamak yerine 176
byte ile saklanabilir. Yani yaklasik 15001
sikistirma ile saklamak mümkündür.4. IFS
orjinal resmi kullanip tersten giderek elde
edilebilir. Ileriki slaytlarda gösterilecektir.
14
Kolaj Teoremi
  • Eger w1, w2, ... , wn seklinde tanimli n adet
    contractive affine transformasyon tanimli ise,
    verilen girdiye tüm bu transformasyonlar
    uygulandiginda elde edilen sonuç seklinde
    bilesim olarak ifade edilebilir.
  • Baslagiç imajimiza Io , son imajimiza I8 dersek,
  • 1. çikti I1 W(Io), ... Son imajimiz ise su
    sekilde ifade edilebilir
  • Bu ifadenin anlami W transformasyonlar
    bütününün her uygulanisinda detaylar artarak,
    limit mantiginda oldugu gibi bir sonuç imaja
    dogru yaklasilmaktadir, ve belli bir iterasyondan
    sonra sonuç degismiyor denilebilir.
  • Gerçekten de sonuç imajin detaylarina
    bakildiginda kendi benzerleri görülür.

15
Resim Içinde Benzer Parçalar
  • Küçük parçalara Range adi verilir.
  • Büyük parçalara da Domain adi verilir.

16
Range ve Domainler
Rangeler
Domainler
17
Neden Fractal Resim Sikistirma ?
  • Sikistirma islemi, bir blok veriyi bellekte daha
    az yer kaplayacak sekilde tutmayi
    amaçlamaktadir.
  • Daha az yer kaplayan veri, bir noktadan digerine
    daha hizli iletilebilecektir.
  • JPEG, Wavelet gibi yöntemlerde 95 oraninda
    (baska bir deyisle 201 oraninda) sikistirilan
    resimlerde deformasyon gözlenmekte sikistirma
    orani arttikça bozulma hizla artmaktadir.

18
Neden Fractal Resim Sikistirma ?
19
JPEG Kodlama
20
JPEG Kodlama
21
JPEGde Bozulmalar
22
JPEGde Bozulmalar
23
JPEGte Bozulmalar
  • 54   21   15   12   10    9    8   
    6   5.4  3.5    2 (KB)

24
Neden Fractal Resim Sikistirma ?
  • Bir kez fractal resim sikistirma isleminden
    geçirilmis bir resim her hangi bir boyutta tekrar
    açilabilmektedir ve ortaya çikan sonuç bir
    yagliboya tablo gibi olmaktadir.

25
Iterasyonlarla Decompress-1
26
Iterasyonlarla Decompress-2
27
Iterasyonlarla Decompress-3
28
Iterasyonlarla Decompress-10
29
Parçalarina Ayirma (Partitioning)
  • Sabit boyutlu bloklar
  • JPEGte de kullanilan en basit yöntemdir
  • Blogun yerini belirtmek için birkaç bit
    kullanilirken, blogun diger detaylari için daha
    fazla bit kullanilabilir.
  • Sabit boyutlarla islenen resimde, sikistirma
    orani da olur.

30
Parçalarina Ayirma (Partitioning)
  • Quadtree
  • En çok bilinen ayirma yöntemidir
  • 4 kollu agaç yapisinda, recursive olarak
    kullanilir.
  • Istenilen tolerans degeri saglanmi-yorsa, büyük
    rangeler 4 küçük parçaya bölünür.
  • Tolerans degerleri küçük olursa, rangeler
    küçülür, sikistirma orani azalir, fakat kalite
    artar.
  • Tolerans degerleri yükseltilirse büyük rangler
    kabul görür, sikistirma orani artar, fakat kalite
    azalir

31
Quadtree ile Decoding
  • Iterasyon-1 Iterasyon-2

32
Range ve Domain Benzerligi
33
Algoritma Degerlendirme Kriterleri
  • Sikistirma orani
  • Kodlanmis resmin boyutu / orijinal boyut
  • Sikistirma süresi
  • Sonucun kalitesi
  • PSNR (Peek-to-peek signal-to-noise ratio)

34
RMS Ölçümünde Lineer Iliskiler
35
Islem Karmasikliginin Nedenleri
  • Her bir range için tüm domainlerle
    karsilastir-malar yapilir ve minimum hata
    döndüren (yani en yakin benzeri olan) bir domain
    bulunur
  • Hazirlik asamasinda
  • Her Domain için ?dj ve ?dj2 hesaplanip saklanir.

v
v
X
v
v
v
36
Islem Karmasikliginin Nedenleri
  • Islem süresini ?djrj çarpimlarinin adedi
    belirler.
  • 512x512 lenna resminde, 32x32 piksel boyutlarina
    sahip 256 adet range için aranacak 12769 adet
    domain var, bu da 3.3 milyar çarpma-toplama
    demektir.
  • 16x16 rangeler için 3.8 milyar çarpma-toplama
  • 8x8 rangeler için 4.1 milyar çarpma-toplama
  • 4x4 rangeler için 4.2 milyar çarpma-toplama
  • Bu arayis bir NP-Hard problemdir.

37
Islem Sayisinin Azaltmak için Ortalamaya Göre
Siniflandirma
  • Sinif numarasi için
  • Bir pikselin degeri blogun ortalamasindan büyükse
    0
  • Küçük Esitse 1
  • binary kodu verelim.
  • 16 adet piksel 16 bitlik sinif numarasi
    olustururlar

38
Islem Sayisinin Azaltmak için Ikili Agaç
Kullanilmasi
39
Agaç Yerine 65536 Elemanli Pointer Dizisi
Kullanilmasi
40
Yöntemin Etkinligi
  • Her Rangein benzeri tüm Domainlerle
    karsilastirildiginda (Brute-Force yöntemi)
    Süre 34,53 Sikistirma Orani 22,72 PSNR
    33,743
  • Mevcut en etkin Saupe-Fisher algoritmasi ile
    Süre 1,39 Sikistirma Orani 22,11 PSNR
    33,749
  • Bizim yöntemimizle (Hizli)
    (Kaliteli) Süre 0,22 1,36 Sikistirma
    Orani 18,17 22,74 PSNR 33,643 33,715
Write a Comment
User Comments (0)
About PowerShow.com