Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TESIS
QUE PARA OBTENER EL TITULO DE INGENIERO
EN COMUNICACIONES Y ELECTRNICA
PRESENTA:
MARIO SANDOVAL OLIV
ASESOR
DRA. MARIA ELENA ACEVEDO MOSQUEDA
TEMA DE TESIS
QUE PARA OBTENER ELTITtJLO DE
TESIS Y EXAMENORALINDIVIDUAL
DEBERA(N) DESARROLLAR
PRUEBAS
-\~~\L,
ASESORES
DE Le.E.
NDICE
Resumen ........................................................................................................... III
Objetivo general ............................................................................................... IV
Objetivos especficos ...................................................................................... IV
Hiptesis ............................................................................................................ V
Justificacin ..................................................................................................... VI
Metodologa ..................................................................................................... VII
ESIME Zacatenco
II
Conclusiones................................................................................................... 52
Aplicaciones y trabajo a futuro ...................................................................... 54
Anexos ............................................................................................................. 55
Apndice A .................................................................................................... 55
Apndice B .................................................................................................... 57
Apndice C .................................................................................................... 60
Glosario ........................................................................................................... 61
Referencias ...................................................................................................... 66
ESIME Zacatenco
III
RESUMEN
El algoritmo de compresin que se propone en este trabajo de investigacin
realiza la compresin sin prdidas de una imagen de alta resolucin. Esto surge
debido que los algoritmos que se usan en la actualidad presentan detalles que
hacen que la compresin realizada no sea 100% eficiente.
Este mtodo se distingue de los actuales por la forma en la que la imagen es
guardada. El algoritmo recorre la imagen Pixel por Pixel obteniendo la
informacin de la imagen, que en el proceso de descompresin utiliza para
reconstruir una nueva imagen que contiene la informacin de la imagen original.
As, este algoritmo genera una compresin efectiva, en la cual la imagen
obtenida no presenta prdida de informacin.
Sin embargo, las imgenes las cuales se pueden implementar este mtodo
deben ser de pocos colores, debido a la forma en que la informacin de la
imagen es guardada.
Es por esto que este mtodo es muy eficaz en aplicaciones de fotografa
satelitales, debido a que estas imgenes usan muy pocos colores y requieren
un mtodo de compresin eficaz para su manipulacin y transporte.
ESIME Zacatenco
IV
OBJETIVO GENERAL
Desarrollar un algoritmo que realice la compresin sin prdidas de
una imagen de alta resolucin y pocos colores.
OBJETIVOS ESPECIFICOS
Hacer un estudio de los mtodos de compresin actuales.
Describir el mtodo de compresin que se propone.
Implementar este algoritmo con imgenes de alta resolucin y
pocos colores.
Realizar una comparacin y anlisis del mtodo propuesto con los
mtodos existentes.
ESIME Zacatenco
HIPOTESIS
Se realizar un algoritmo capaz de realizar la compresin sin prdidas de
una imagen de alta resolucin y de pocos colores, dando inicio a nueva
forma de compresin que sustituya a los mtodos actuales en ciertas
aplicaciones.
ESIME Zacatenco
VI
JUSTIFICACIN
En la actualidad, han surgido avances tecnolgicos de gran relevancia que
ayudan a facilitar la vida del ser humano. Un claro ejemplo de esto es la
fotografa digital, en donde las imgenes son capturadas por un sensor
electrnico, archivndose en una unidad de memoria. Estas imgenes podemos
verlas muy a menudo en cualquier pgina de Internet, publicacin, revistas o
incluso como fondo en el escritorio de cualquier computadora, y en el caso de la
fotografa profesional, ahorra al fotgrafo mucho tiempo al momento del
revelado.
Sin embargo, ocupan demasiado espacio lo cual genera dificultad para su
envo, manipulacin o utilizacin. Por esta razn se requieren de mtodos de
compresin los cuales generen que estas imgenes sean procesadas,
ocupando menos espacio y siendo de fcil manejo y transporte.
Este ejemplo nos muestra la importancia de la compresin, ya que sin esta
diversos formatos de archivo (como pueden ser archivos de sonidos, archivos
de video, etc.) no podran ser transportados y ser utilizados en diversas
aplicaciones de usuario. Sin embargo, estas tcnicas de compresin presentan
prdidas, que llegan alterar a la imagen de tal forma que no se pueda recuperar
su forma original. Es el precio que se tiene que pagar al utilizar estos mtodos:
prdida de informacin.
Este proyecto de tesis propone el desarrollo de un algoritmo de programacin
que realice la compresin de imgenes de alta resolucin sin que estas
presenten prdidas al momento de su reconstruccin.
De esta forma se obtendra compresin adems de no ejercer alguna alteracin
irreversible sobre la imagen a comprimir.
ESIME Zacatenco
VII
METODOLOGA
El proceso a seguir para el desarrollo de este algoritmo es el que se muestra en
el siguiente diagrama:
ESIME Zacatenco
CAPTULO I
INTRODUCCIN
Una imagen (viene del latn "imago", del verbo "imitari" que significa imitar) es
una imitacin de una figura real. A partir de esta definicin, se define la palabra
Pixel como la unidad ms pequea de una imagen; proviene de las siglas en
ingls PICTURE ELEMENT (elemento de una imagen), y adems, en una
imagen los pxeles pueden ser ms grandes o ms pequeos. Mientras ms
grandes son los pxeles, la imagen se ve ms borrosa, mientras ms pequeos
sean estos, es ms ntida y tiene ms detalles.
La compresin de imgenes
El principal inconveniente de las imgenes digitales es, sin duda, la cantidad de
informacin que requiere y el tamao de los archivos que genera. La capacidad
de trabajo y de almacenamiento de los sistemas informticos va en aumento,
pero tambin nos vamos habituando a disponer de mucho ms pxeles. De ah
que se mantenga el uso y el inters por la evolucin de las tcnicas de
compresin.
La compresin, en realidad, consiste en sustituir una cadena de datos por otra
ms corta cuando se guarda un archivo. Ciertos mtodos son reversibles
("lossless data compression2", en ingls), porque permiten la reconstruccin
exacta del original. Pero con otros, la informacin original slo se recupera
aproximadamente, ya que se descarta una parte de los datos ("lossy data
compression3"), a cambio de relaciones de compresin mucho mayor que este.
Compresin sin prdidas (LOSSLESS)
Es aquella compresin que permite recuperar exactamente la calidad original de
la imagen. La compresin sin prdida de datos, es utilizada para comprimir
2
3
ESIME Zacatenco
El algoritmo Huffman, permite la compresin de datos a travs de una tabla de cdigos de longitud
variable. Ver captulo 2.
ESIME Zacatenco
ESIME Zacatenco
Figura 1.2. Comparacin entre las compresiones con prdidas y sin prdidas (lossy y lossless
respectivamente). Como podemos observar, en la compresin lossy existen prdidas de la
informacin la cual genera que la imagen original no pueda ser recuperada del todo.
ESIME Zacatenco
ESIME Zacatenco
Algoritmo/
Caracterstica
Memoria
Tasa de
compresin
Operaciones
complejas
Tipo imgenes
LZW
Huffman
RLE
Aritmtica
Gzip
Basados en
TDC
Basadas
en
wavelets
Baja
Alta
Muy baja
Media
Baja
Media
Baja
Media
Media
Baja - Media
Baja - Media
Media
Media - Alta
Alta
No
Punto flotante
No
Algunos casos
No
Construccin
rbol
Algunos
casos
Casi
Colores
Colores
Colores
Tonos
Colores
No tan
uniformes
uniformes
uniformes
continuos
uniformes
importante
NA
NA
NA
NA
NA
NA
Si
NA
NA
NA
NA
Si
NA
Si
NA
NA
NA
NA
NA
Si
Si
Si
Si
Si
Si
Si
Si
Si
cualquier
tipo
Codificacin de
regiones de
inters (ROI)
Manejo de
errores
Con prdida de
informacin
Sin prdida de
informacin
ESIME Zacatenco
CAPITULO II
MTODOS DE COMPRESIN DE IMAGENES
Teora de imgenes y colores.
Resolucin.
Las dimensiones en pxeles de las imgenes de mapa de bits son una medida
del nmero de pxeles de altura y anchura de la imagen. La resolucin es la
precisin del detalle en las imgenes de mapa de bits, que se mide en pxeles
por pulgada (PPP). Cuantos ms pxeles por pulgada tenga una imagen, mayor
es su resolucin. En general, las imgenes con mayor resolucin producen una
calidad de impresin mejor. En la figura 2.1, se muestra la comparacin de dos
imgenes con diferente resolucin.
ESIME Zacatenco
Modelos de color.
Una imagen est representada en una tabla bidimensional en la que una celda
es un Pixel. El proceso para representar una imagen digital es crear una tabla
de pxeles en la que cada celda contiene un valor. El valor almacenado en cada
celda de esta tabla se codifica en un determinado nmero de bits que
determinan el color o la intensidad del Pixel y se lo denomina profundidad de
codificacin. Existen varios estndares de profundidad de codificacin:
Mapa de bits blanco y negro. Si se almacena un bit en cada celda, se
pueden definir dos colores: negro o blanco.
Mapa de bits con 16 colores o 16 niveles de gris. Si se almacenan 4
bits en cada celda, se pueden definir 2 4 intensidades por cada Pixel, es
decir, 16 grados de gris desde el negro al blanco o 16 colores diferentes.
Mapa de bits con 256 colores o 256 niveles de gris. Si se almacena 8
bits (equivalente a un byte) en cada celda, se pueden definir 2 8
intensidades, es decir, 256 grados de gris desde el negro al blanco o 256
colores diferentes.
Mapa de colores de paleta de colores. Se puede definir una paleta de
colores, o tabla de colores, con todos los colores que puede contener
una imagen, para los cuales hay un ndice asociado en cada caso. El
nmero de bits reservados para la codificacin de cada ndice de la
paleta determina el nmero de colores que pueden utilizarse.
Por lo tanto, cuando se codifican los ndices en 8 bits, se pueden definir
256 colores disponibles como se vio en el ejemplo anterior; es decir,
cada celda de la tabla bidimensional que representa la imagen contiene
un nmero que indica el ndice del color que se utilizar. A la imagen
cuyos colores estn codificados segn esta tcnica se la denomina
imagen de color indexado.
ESIME Zacatenco
ESIME Zacatenco
10
Figura 2.2. Frecuencia de aparicin de las letras del ejemplo citado para explicacin del cdigo
Huffman.
ESIME Zacatenco
11
Los cdigos correspondientes a cada carcter son tales que los cdigos para
los caracteres ms frecuentes son cortos y los correspondientes a los smbolos
menos frecuentes son largos. Esto se puede apreciar mejor si se ve la figura
2.4.
M
00
100
110
010
011
1110
1111
1010
10110
10111
12
La transformada de coseno discreta (DCT del ingls Discrete Cosine Transform) es una transformada
basada en la Transformada de Fourier discreta, pero utilizando nicamente nmeros reales. Ver glosario.
ESIME Zacatenco
13
ESIME Zacatenco
14
La transformada wavelet (de sus siglas en ingls Discrete Wavelet Transform) es un tipo especial de
transformada de Fourier que representa una seal en trminos de versiones trasladadas y dilatadas de
una onda finita. Ver glosario.
7
Un wavelet es una onda cuya oscilacin comienza en cero, aumenta y disminuye a cero nuevamente.
Ver glosario.
ESIME Zacatenco
15
Figura 2.8. Bsqueda de los coeficientes mayores o iguales al umbral para la compresin de
una imagen usando EZW.
ESIME Zacatenco
16
El termino quadtree es utilizado para describir clases de estructuras de datos jerrquicas cuya
propiedad comn es que estn basados en el principio de descomposicin recursiva del espacio. Ver
glosario
ESIME Zacatenco
17
ESIME Zacatenco
18
ESIME Zacatenco
19
de
todos
los
pxeles
significativos
para
el
umbral
20
ESIME Zacatenco
21
RLE
Definicin. El mtodo de compresin RLE (Run Length Encoding, a veces
escrito RLC por Run Length Coding cuyas siglas significa Cdigo de Manejo de
Longitud) es utilizado por muchos formatos de imagen (BMP, PCX, TIFF). Se
basa en la repeticin de elementos consecutivos.
El principio fundamental consiste en codificar un primer elemento al dar el
nmero de repeticiones de un valor y despus el valor que va a repetirse. Por lo
tanto,
segn
este
principio,
como
ejemplo,
la
cadena
ESIME Zacatenco
22
Por lo tanto, no tiene sentido utilizar la compresin RLE excepto para datos con
diversos elementos repetidos de forma consecutiva, en imgenes particulares
con reas grandes y uniformes.
Sin embargo, la ventaja de este mtodo es que es de fcil implementacin.
Existen alternativas en las que la imagen est codificada en bloques de pxeles,
en filas o incluso en zigzag, tal y como se aprecia en la figura 2.13 d.
Este problema origina que la compresin genere archivos incluso de mayor
tamao que el archivo original.
ESIME Zacatenco
23
Figura 2.13. Ejemplificacin del proceso que realiza la compresin a travs de RLE.
LZW
Definicin. El mtodo LZW es un algoritmo muy rpido tanto para la compresin
como para la descompresin, basado en la multiplicidad de aparicin de
secuencias de caracteres en la cadena que se debe codificar. Su principio
consiste en sustituir patrones con un cdigo de ndice y construir
progresivamente un diccionario.
ESIME Zacatenco
24
Figura 2.14. Comportamiento del algoritmo LZ: # 3 2 significa retroceder tres pxeles y repetir
dos; # 12 7 significa retroceder 12 pxeles y repetir siete.
ESIME Zacatenco
25
CAPITULO III
MTODO DE RECORRIDOS SOBRE UNA IMAGEN
Este algoritmo realiza la compresin de una imagen sin presentar prdidas. Se
distingue de los dems mtodos en que, la compresin se obtiene de la forma
en que los datos de la imagen original son guardados. As, el algoritmo es
capaz de descomprimir la imagen sin que sta presente prdida de informacin.
Este mtodo es conocido como recorridos sobre la imagen (RSM).
El principio de funcionamiento de esta tcnica, se desglosa a continuacin:
Obtener los datos de la imagen: dimensiones de la imagen, el nmero
de colores de la imagen, nmero de pxeles, nmero de bits por Pixel y
los colores de la imagen. Este paso lo ejecuta, hacindose un escaneo
sobre la imagen.
Almacenamiento de la informacin. El algoritmo crea un vector
llamado CADENA, el cual sirve como auxiliar para almacenar los datos
obtenidos del escaneo hecho sobre la imagen.
Archivos *.DAT. La informacin almacenada en CADENA es guardada
en archivos (FILES) con formato en binario (extensin .DAT). Los datos
obtenidos se guardan en este formato para ser ledos y procesados por
la computadora en el proceso de descompresin.
Descompresin. Los archivos en formato binario son ledos por la
maquina y acomodados en la forma en la que fueron obtenidos. Sin
embargo, dependiendo del tamao del bit ms significativo de cada
archivo, ser la representacin de cada uno de los dems valores
almacenado en el.
Por ejemplo, si en el archivo dimesiones_de_la_imagen.DAT, el bit ms
significativo corresponde al nmero 15, todos los datos almacenados
nicamente en ese archivo sern de 4 bits, por que se necesitan 4 bits para
ESIME Zacatenco
26
ESIME Zacatenco
27
ESIME Zacatenco
28
Figura 3.3. Representacin de una imagen de alta resolucin de pocos colores. Los nmeros
del uno al cuatro representan 4 colores diferentes contenidos en esta imagen. Cada celda
representa un Pixel, mismo que contiene en su interior 24 bits, esto es por que como se
mencion corresponde a una imagen de alta resolucin.
Para este ejemplo, supngase que la imagen mide 512 pxeles de ancho x 456
pxeles de alto. Ver figura 3.4.
ESIME Zacatenco
29
As, tenemos los siguientes valores, tomando en cuenta tambin que alto x
ancho = nmero de pxeles en la imagen:
CADENA = 512DECIMAL 256DECIMAL 131072DECIMAL
24DECIMAL 4DECIMAL
Para representar a los datos de esta imagen en base binaria, se toma el
nmero ms grande; este corresponde a 131072. Para representar en binario a
este nmero requerimos de 18 bits. Por lo tanto, todos los datos guardados en
este archivo, sern de 18 bits.
ESIME Zacatenco
30
17
16
15
14
13
12
11
10
09
08
07
06
05
04
03
02
01
00
512
256
131072
24
Blanco
Este
archivo
no
lleva
blancos.
Esto
se
debe
que
en
ESIME Zacatenco
31
1. Color 1 ocupa la posicin 0 (ver figura 3.5) Este valor se transforma a base
binario y es almacenado en CADENA.
todos
los
datos
guardados
en
este
archivo,
con
nombre
ESIME Zacatenco
32
Figura 3.6. Recorridos e identificacin de la posicin de los colores sobre la imagen. Despus
de localizar la posicin del color, observamos que se cuenta desde uno la siguiente localidad.
NOTA: El nmero mayor de los recorridos debe ser el mayor de los cuatro
colores.
Descompresin. La informacin de los tres archivos creados en la etapa de
compresin es concatenada en el vector CADENA para ser procesada por la
maquina. De esta forma, se especifica el alto y ancho de la imagen y el nmero
de colores que contiene la misma.
Para colocar cada color sobre la imagen el algoritmo realiza el siguiente
procedimiento:
Identifica los colores de la imagen.
Toma el primer color.
ESIME Zacatenco
33
Dependiendo
de
los
datos
almacenados
en
el
archivo
ESIME Zacatenco
34
Se ocuparon 3 Windows form para elaborar este software. Como primer paso,
*
10
ESIME Zacatenco
35
13
Ver apndice A.
ESIME Zacatenco
36
ESIME Zacatenco
37
Figura 3.12. Ventana inicial del proceso de compresin mediante el mtodo RSI.
ESIME Zacatenco
38
ESIME Zacatenco
39
ESIME Zacatenco
40
Figura 3.15. Descompresor de imgenes. Como se puede apreciar posee dos botones:
uno para ver la imagen comprimida por este mtodo y otro para guardarla.
ESIME Zacatenco
41
CAPTULO IV
PRUEBAS Y EXPERIMENTOS REALIZADOS
Esta seccin pretende hacer mencin de las pruebas realizadas por el algoritmo
para la compresin de imgenes.
Prueba No. 1.
Figura 4.1. Compresin de una imagen de alta resolucin con 2385 colores.
ESIME Zacatenco
42
Resultados obtenidos.
Dimensiones de la imagen real: 200 X 200, tamao: 3,64 Kb, Nmero de
colores: 2385.
Primera prueba con fallas. El mtodo de descompresin presentaba fallas al
momento de leer los colores por lo que siempre tomaba el color negro. Este
error se corrigi al modificar en el cdigo fuente la seccin correspondiente al
ingresar en la variable cadena la informacin de la imagen.
ESIME Zacatenco
43
Prueba No. 2.
Figura 4.2. Compresin de una imagen de alta resolucin con 2385 colores.
Resultados obtenidos.
Dimensiones de la imagen real: 200 X 200, tamao: 3,64 Kb, Nmero de
colores: 2385.
Esto es debido a que esta imagen a pesar que ante el ojo humano posee pocos
colores, en realidad tiene mucho ms, lo cual se concluye que por este mtodo
no es posible que se realice la compresin.
ESIME Zacatenco
44
Prueba No. 3.
Resultados obtenidos.
Dimensiones de la imagen real: 300 X 300, tamao: 263 Kb, Nmero de
colores: 5.
Dimensiones de la imagen comprimida: 300 X 300, tamao: 179 bytes.
Por lo cual se obtuvo una compresin del 68%.
ESIME Zacatenco
45
Prueba No. 4.
Figura 4.4. Compresin del logotipo de una empresa de comida. Esta imagen tiene 11 colores
Resultados obtenidos.
Dimensiones de la imagen real: 332 X 320, tamao: 52,6 Kb, Nmero de
colores: 11. Dimensiones de la imagen comprimida: 330 X 320, tamao: 229
bytes.
En esta imagen se obtuvo una compresin del 90%. Este es un ejemplo muy
claro de que este algoritmo tiene un funcionamiento optimo, dependiendo del
nmero de colores que contenga.
ESIME Zacatenco
46
Prueba No. 5.
Figura 4.5. Compresin de una toma satelital de un lago. Esta imagen contiene 12 colores.
Resultados obtenidos.
Dimensiones de la imagen real: 350 X 624, tamao: 107 Kb, Nmero de
colores: 12. Dimensiones de la imagen comprimida: 350 X 624, tamao: 270
bytes.
En esta imagen, igual que en la anterior se obtiene una compresin del 90%.
Por lo regular las tomas satelitales son imgenes de alta resolucin y de poco
colores.
ESIME Zacatenco
47
Prueba No. 6.
Figura 4.6. Compresin de una toma satelital del continente americano. Esta imagen contiene
14 colores.
Resultados obtenidos.
Dimensiones de la imagen real: 799 X 543, tamao: 212 Kb, Nmero de
colores: 14.
Dimensiones de la imagen comprimida: 799 X 543, tamao: 166 bytes. Se
obtiene una compresin del 90% nuevamente.
ESIME Zacatenco
48
Prueba No. 7.
Figura 4.7. Compresin de una toma satelital de la ciudad de Villahermosa, Tabasco. Esta
imagen contiene 67 colores.
Resultados obtenidos.
Dimensiones de la imagen real: 400 X 345, tamao: 135 Kb, Nmero de
colores: 67.
Dimensiones de la imagen comprimida: 400 X 345, tamao: 821 bytes. Se
obtiene una compresin cerca del 90%.
ESIME Zacatenco
49
Prueba No. 8.
Resultados obtenidos.
Dimensiones de la imagen real: 900 X 637, tamao: 560 Kb, Nmero de
colores: 64.
Dimensiones de la imagen comprimida: 900 X 637, tamao: 382 bytes. Se
obtiene una compresin de ms del 90% a comparacin con el tamao de la
imagen real.
ESIME Zacatenco
50
Prueba No. 9.
Figura 4.9. Compresin de una toma satelital de la ciudad de Irapuato. Esta imagen contiene
567 colores.
Resultados obtenidos.
Dimensiones de la imagen real: 500 X 375, tamao: 184 Kb, Nmero de
colores: 567. Dimensiones de la imagen comprimida: 500 X 375, tamao: 934
bytes. Se obtiene una compresin de ms del 90% a comparacin con el
tamao de la imagen real. Se puede apreciar que conforme el nmero de
colores aumenta, el tamao de la imagen comprimida es mayor.
ESIME Zacatenco
51
Comparaciones.
En la tabla 4.1 se muestra la comparacin del mtodo propuesto contra los
mtodos de compresin ms usados en la actualidad.
Figura
Compresin
Tamao
Numero
por mtodo
Compresin
de la
Compresin
de
de
por el Cdigo
imagen
por JPEG
colores
recorridos
Huffman
Original
RSI
567
184 Kb
934 bytes
22,3 Kb
609 Kb
67
135 Kb
821 bytes
53,0 Kb
64,5 Kb
12
107 Kb
270 bytes
37,9 Kb
28,4 Kb
Tabla 4.1. Tabla comparativa del mtodo de recorridos sobre una imagen vs jpeg y Huffman.
52
CONCLUSIONES
De las imgenes de prueba mostradas en el capitulo anterior concluyo que este
algoritmo es til si se requiere comprimir imgenes de alta resolucin pero que
posea pocos colores.
La principal razn por la cual este mtodo no puede aplicarse a cualquier
imagen es que, como la misma tiene una gran cantidad de colores, los cuales
debe obtener su posicin exacta, llega un momento en que son tantos datos,
tantos valores que la mquina simplemente ya no puede seguir procesando. Es
por esta razn que durante las pruebas con la imagen de 2385 colores, no se
obtuvo compresin.
Un dato relevante del mtodo es su escaneo. Este paso es de vital importancia,
puesto que nos dice realmente cuantos colores posee una imagen, a pesar que
ante el ojo humano pareciera tener pocos colores. Esto se corroboro con la
misma imagen de la figura 4.3, que a simple vista tiene solo 4 colores, pero
mediante el escaneo que el programa realiza sobre la imagen, se determino
que el nmero de colores contenida en la misma era de 2385.
Por lo tanto, concluyo que este mtodo slo puede aplicarse a imgenes de alta
resolucin de pocos colores. En caso de querer comprimir imgenes con un
nmero de colores igual o mayor a 2385, se sugiere utilizar otro mtodo de
compresin de los ya conocidos.
Sobre las posibles aplicaciones de este mtodo son mapas geogrficos
satelitales. Estos mapas poseen la caracterstica de ser imgenes de alta
resolucin o de formato de 24 bits, que no requieren de muchos colores. Estos
mapas requieren de un mtodo que no genere prdidas debido a los usos en el
campo de la fsica y geografa. Un posible mtodo de compresin para su
transporte y manipulacin es el que se presenta en este escrito obtenindose
mejores resultados que los mtodos de compresin ya existentes en el
mercado.
ESIME Zacatenco
53
Por ltimo, concluyo que los objetivos planteados al inicio de esta investigacin
se han cumplido satisfactoriamente, dando inicio a un mtodo que en el futuro
promete obtener una compresin sin prdidas, no solo para imgenes, sino
tambin para archivos de audio e incluso video.
ESIME Zacatenco
54
ESIME Zacatenco
55
ANEXOS
Apndice A.
David Albert Huffman
David Albert Huffman (1925-1999) naci en Alliance, Ohio. Despus de
graduarse de la Universidad del Estado de Ohio como ingeniero en electrnica
a la edad de 18 aos, se uni a la marina. Se recibi como Maestro en Ciencias
en ingeniera electrnica en el Estado de Ohio en 1949, y cuatro aos ms
tarde, recibi el ttulo de Doctor en Ciencias en el Instituto Tecnolgico de
Massachusetts (MIT).
ESIME Zacatenco
56
ESIME Zacatenco
57
Apndice B.
El proceso de compresin consta de los siguientes pasos:
BIBLIOTECAS SUGERIDAS PARA EL PROCESO DE COMPRESIN.
System
System Collections Generic
System Component Model
System Data
System Data Odbc
System Drawing
System Text
System Windows Forms
System IO
System Runtime InteropServices
System Collections
ESIME Zacatenco
58
String.Concat(BaseBinaria(_bits1),
BaseBinaria(0),
BaseBinaria(_bits2),
BaseBinaria(0),
BaseBinaria(_bits_),
colores)
59
{
auxiliar += Convert.ToString(_cadena[j])
if (auxiliar.Length==NUMERODEBITS)
{
if (auxiliar == auxiliar)
{
cadena
+=
BaseBinaria24(rec)
anterior = recorrido anterior
recorrido++
}
else
{
NO LO HACE
}
}
j++
}
}
FileInfo(".\\Archivo.DAT");
ESIME Zacatenco
60
Apndice C.
El proceso de descompresin se describe mediante el siguiente algoritmo
desglosado:
PARA LA DESCOMPRESIN DE IMGENES SE CREA UNA NUEVA CLASE
Y SE SUGIERE LAS SIGUIENTES BIBLIOTECAS.
System Collections Generic
System Component Model
System Data
System Drawing
System Drawing Imaging
System Media
System Text
System IO
System Windows Forms
VARIABLES UTILIZADAS EN ESTE PROCESO.
Bitmap bmp
int ancho, alto
string cadena
DANDO INICIO A ESTE PROCESO SE PROCEDE A ALMACENAR LA
INFORMACIN DEL ARCHIVO RSI EN LA VARIABLE CADENA Y
RECONSTRUIR LA IMAGEN..
cadena = ReadFromFile(".\\Archivo.RSI")
bmp = new Bitmap(ancho, alto, PixelFormat FORMATO DE LA IMAGEN);
bmpData = bmp.LockBits (ImageLockMode,
bmp.PixelFormat)
UnlockBits (bmpData)
int r = Convert.ToInt32 (aux1)
int g = Convert.ToInt32 (aux2)
int b = Convert.ToInt32 (aux3)
Color rojo
Color verde
Color azul
Color.FromArgb(r, g, b)
SetPixel(POSICIN x, POSICIN y, Color)
ESIME Zacatenco
61
GLOSARIO
BMP. Es la extensin que corresponde a un tipo de fichero grfico de mapa de
bits (el estndar en Windows). Ver Bitmap.
DCT-II
ESIME Zacatenco
62
DCT-III
DCT-IV
ESIME Zacatenco
63
ESIME Zacatenco
64
Umbral. Es la cantidad mnima de seal que debe estar presente para ser
registrada por un sistema.
ESIME Zacatenco
65
ESIME Zacatenco
66
REFERENCIAS
[1] A. K. Jain, Fundamentals of digital image processing, Prentice Hall
International, Englewood Cliffs, 1989.
ESIME Zacatenco