Fraktaalipuristus
Fractal pakkaus on tapa kuvanpakkaus vielä vähän käytetty tänään. Se perustuu kuvioiden toistumisen havaitsemiseen ja pyrkii eliminoimaan kuvan redundanssin kuvassa.
Se on tuhoava menetelmä, koska kaikkia lähtötietoja ei löydy lopullisesta kuvasta. On olemassa useita menetelmiä (kolmioiden jakaminen, Delaunay jne.), Mutta pakkaaminen Jacquin-menetelmällä on tunnetuin.
Kuva Jacquin-menetelmällä
- Fraktaalipakkaus koostuu ennen kaikkea kahden segmentoinnin (jota kutsutaan myös viiluksi tai osioksi) suorittamisesta kuvalle: lähdeluetteloiden segmentoinnista ja kohdekohteiden segmentoinnista.
- Tällöin on löydettävä jokaiselle lähdekuvalle, mikä on paras pari (lähdekuvio, kohdekuva), joka minimoi virheen. Tämä virhe lasketaan yleensä vähentämällä nämä kaksi lukua. Vähennysoperaation suorittamiseksi on tarpeen muuttaa lähdekuvio kohdekuvan mittoihin (ja geometriaan).
Lisäksi säännöt, kuten kierto ja kääntö, ovat mahdollisia.
- Kun kaikki parit on löydetty, ulostulotiedosto sisältää sitten eri parit sekä suoritetut eri muunnokset (kierto, keskiarvon pienentäminen jne.).
- Pakkauksen aikana kuva luodaan uudelleen näistä muunnoksista. Lähentyminen taataan sitten sillä, että toisaalta tapahtuu virheiden minimointi (ero) ja pikselien muokkaus, ja toisaalta, että lähdeluvut ovat suurempia kuin kohdeluvut. Fraktaalipakkaus käyttää samaa ominaisuutta kuvan rekonstruoinnissa.
Osiot
Osiointi on kuvan segmentointi alueiksi. Jacquin-menetelmän mukaisessa pakkauksessa tarvitaan 2 osiota: Lähde ja Kohde. Jacquin-menetelmä käyttää esimerkiksi neliönmuotoja, mutta muut muodot ovat mahdollisia (hunajakennot, kolmiot jne.).
- Oleellinen kohta lähde- ja kohdealueiden osioinnissa on, että määränpään laatoituksen on oltava pienempi kuin lähteen laatoitus. Todellakin, muuten meidän olisi tehtävä laajennus (eikä vähennys), kun lähdeluvut siirretään kohdelukuihin. Fraktalilla on loputtomasti toistuva kuvio, kutistuu. Menetämme myös tämän ominaisuuden, jos kohdeosiointi on suurempi kuin lähdeosiointi, kuvaa ei voida yhdistää.
- Jakaminen Jacquin-menetelmällä on staattinen osiointi. Adaptiivisen osituksen käyttö (joka riippuu käsiteltävästä kuvasta) parantaa huomattavasti pakkauskerrointa.
Dekompressiota
Dekompressointi koostuu lähde-kuva-kohdekuvavastaavuuden sisältävän tiedoston lukemisesta. Käytä sitten muunnoksia vain useita kertoja. Tämä iteroitu jälleenrakennusprosessi, joka tunnetaan myös nimellä iteroitujen toimintojen järjestelmä , takaa lähentymisen suhteessa lähtökuvaan. Tuloksen laatu riippuu voimakkaasti segmentointilukujen koosta, sitä enemmän luvut ovat, ja sitä parempi tulos on.
Matemaattiset perusteet
- Mustavalkoinen kuva voidaan esittää vektorina ulottuvuuden n vektoritilassa: vektorin i: s komponentti edustaa i: nnen pikselin harmaata tasoa. Pikselin harmaa taso voi vaihdella välillä 0-255. Pakkausta ja purkamista voidaan käyttää tässä kuvan matemaattisessa mallissa. Voimme pitää värikuvaa kolmen pääkerroksen päällekkäisenä punaisen vihreän sinisenä .
- Pakkausta varten takuu parien löytämisestä (lähdekuvio, kohdekuva) sekä mukautetut muunnokset lepää sidoksen teoreemalla .
- Dekompressiota varten kiinteän pisteen lause varmistaa taatun lähentymisen pakattua kuvaa kohti . Juuri tämä lause määrää, että määränpään laatoituksen on oltava pienempi kuin lähteen laatoitus.
Huomautuksia ja viitteitä
Katso myös
Sisäiset linkit
Ulkoiset linkit