فشرده سازی تصویر رنگی در متلب
فشرده سازی تصویر رنگی در متلب : پروژه متلب
پروژه متلب فشرده‌سازی تصویر (Image Compression)، کاربردی از فشرده‌سازی اطلاعات در تصاویر دیجیتال است. هدف از آن کاهش افزونگی (redundancy) محتویات تصویر است برای ذخیره کردن یا انتقال اطلاعات به شکل بهینه.
پروژه متلب فشرده‌سازی تصویر می‌تواند به صورت بی اتلاف (Lossless) و با اتلاف (Lossy) صورت گیرد. فشرده سازی بی اتلاف برای بعضی تصاویر مثل نقشه های فنی و آیکون‌ها ترجیح داده می‌شود، به این دلیل که فشرده‌سازی با اتلاف خصوصاً وقتی برای نرخ بیت‌های پایین استفاده شود به کیفیت تصویر لطمه می‌زند. روش‌های فشرده‌سازی بی اتلاف همچنین ممکن است برای محتویات پر ارزش مثل تصاویر پزشکی یا تصاویر اسکن شده برای بایگانی شدن نیز ترجیح داده شوند. روش با اتلاف مخصوصاً برای تصاویر طبیعی مناسب است که از دست رفتن کیفیت برای دست یافتن به کاهش نرخ بیت قابل توجه باشد.
روش‌های فشرده‌سازی بدون اتلاف عکس‌ها عبارتند از
پروژه متلب – کدگذاری بر اساس طولِ ران (run-length encoding)، استفاده شده در روش‌های پیش‌فرض در dcx و یکی از امکانات TIFF ,TGA ,BMP
– entropy coding
– الگوریتم‌های مطابق واژه‌نامه مثل lzw استفاده شده در GIF,TIFF
– کاهش اعتبار (deflation) استفاده شده در TIFF ,MNG ,PNG
روش‌های فشرده‌سازی پراتلاف عبارتند از
- کاهش فضای رنگی برای رنگهایی که
پروژه متلب بیشتر در عکس استفاده شده‌اند. رنگی که انتخاب شده در پالت رنگ در بالای عکس فشرده شده مشخص می‌شود. هرپیکسل فقط به شاخص رنگ در پالت رنگ اشاره داده می‌شود.‘
- 'chroma subsampling'''' این روش براساس این واقعیت است که چون چشم انسان تغییرات مکانی روشنایی را سخت تر از رنگ درک می‌کند به وسیلهٔ میانگین‌گیری یا حذف کردن برخی از اطلاعات رنگ تابی یک عکس عمل فشرده‌سازی صورت گیرد.' - 'تغییر شکل دادن کدگذاری ('transform coding') این روش بطور عادی بیشترین استفاده را دارد.' - 'fractal compression''''بهترین کیفیت عکس در یک نرخ بیت (یا نرخ فشرده سازی) معین هدف اصلی از
فشرده‌سازی عکس است. به هر حال ویژگی‌های مهم دیگری از رویه‌های فشرده‌سازی عکس وجود دارد که عبارتند از: ‘
مقیاس پذیری('scability'): به‌طور کلی به کاهش کیفیت حاصل شده در اثر دستکاری گروه بیتی یا فایل گفته
می‌شود. (بدون بازیابی). نام‌های دیگر برای مقیاس پذیری،progressive coding یا embedded biststream است. با وجود خلاف واقعی بودنش مقیاس‌پذیری نیز می‌تواند در رمز گذارهای (codec) بدون اتلاف یافت می‌شود. مقیاس‌پذیری خصوصاَ برای پیش نمایش عکس‌ها در حال دریافت کردن آن‌ها یا برای تهیه کیفیت دستیابی متغیر در پایگاه‌های داده مفید است.
انواع مختلف مقیاس
پذیری عبارتنداز:
- 'کیفیت مترقی('quality
progressive ‘)یالایه مترقی(‘layer progressive):گروه بیتی پی در پی عکس را از نو می‌سازد.‘
- 'وضوح مترقی('resoloution
progressive’):ابتدا یک عکس وضوح پایین را کدگذاری می کند سپس تفاوت‌های وضوح بالاتر را کدگذاری می‌کند.
- 'مؤلفه مترقی ('component
progressive’): ابتدا رنگ را کدگذاری می‌کند.
ناحیه
پروژه متلب جذاب کدگذاری (‘region of interest coding’)نواحی خاصی از عکس با کیفیت بالاتری نسبت به سایر نقاط کد گذاری می‌شوند و می‌تواند با مقیاس‌پذیری (کدگذاری ابتدایی یک بخش و دیگران بعداَ) ترکیب شود.
اطلاعات
غیر نمادین(‘meta information’)داده‌های فشرده شده می‌توانند شامل اطلاعاتی در رابطه با عکس باشد که می‌توان برای طبقه‌بندی کردن، جستجو یا بررسی عمومی عکس از آن‌ها استفاده کرد. مانند اطلاعاتی که می‌توانند شامل رنگ و الگو و پیش نمایش کوچکتر عکس‌ها و اطلاعات خالق و کپی رایت باشد.
قدرت
پردازش(‘processing power‘) الگوریتم‌های فشرده‌سازی اندازه‌های متفاوتی از قدرت پردازش را برای کدگذاری و کدگشایی درخواست می‌کنند. بعضی از الگوریتم‌های فشرده‌سازی عالی قدرت پردازش بالا می‌خواهند.
کیفیت
پروژه متلب روش فشرده‌سازی اغلب به وسیلهٔ سیگنال ماکزیمم به نسبت پارازیت (peak signal-to-noise ratio) اندازه‌گیری می شوند. اندازه پارازیت‌ها نشان دهند؟ فشرده‌سازی پراتلاف عکس است به هر حال قضاوت موضوع گرایانه بیننده همیشه بیان کنند؟ اهمیت اندازه‌گیری است.
Jpeg2000 Jpeg2000 یک استاندارد فشرده‌سازی عکس براساس wavelet (wavelet-based)
است؛ و در سال ۲۰۰۰ به‌وسیله کمیته Joint Photographic Experts Group با نیت جایگزین کردن با استاندارد اصلیJpegکه براساس تغییر گسسته(discrete cosine transform-based) است (محصول سال۱۹۹۱) تولید شده‌است.
JPEG 2000
پروژه متلب زمان بیشتری را برای عملیات باز کردن فشردگی نسبت به JPEG طلب می‌کند.
خروجی متلب :
دیدگاه ها