Documentos de Académico
Documentos de Profesional
Documentos de Cultura
WAVELETS
Las wavelets son funciones definidas sobre un intervalo finito y con valor medio cero. La
idea bsica de la transformada wavelet es representar arbitrariamente una funcin como
superposicin de un conjunto de wavelets o funciones bsicas. Estas wavelets se obtienen a
partir de una wavelet prototipo denominada wavelet madre, mediante dilataciones,
escalados y traslaciones. Se pueden aplicar a todo tipo de problemas sobre el procesado de
la seal: eliminacin de ruidos, sismologa, msica, criminologa y visin, entre otras. A
menudo, las wavelets se utilizan como alternativa al anlisis de Fourier. Por ejemplo, en la
base de datos de huellas digitales del FBI, las wavelets reemplazan la tcnica de Fourier
con JPEG.
TRANSFORMADA WAVELET DISCRETA
La transformada wavelet discreta (DWT) se emplea para obtener una nueva representacin
de la imagen, ms apropiada para el proceso de compresin.
EMBEDDED ZERO-TREE WAVELET
El mtodo de compresin EZW fue propuesto por Shapiro en 1993. Este mtodo de
compresin se aprovecha de las propiedades aportadas por la DWT para obtener unos
resultados satisfactorios en la compresin. El EZW es sensible a la significancia del grupo
de bits transmitidos. Adems, consigue altas tasas de compresin con unas buenas calidades
en las imgenes reconstruidas.
ALGORITMO SPIHT
El mtodo de compresin Set Partitioning In Hierarchical Trees no es una simple
ampliacin de los mtodos tradicionales de compresin, sino que representa un gran avance
en este campo. El SPIHT se aprovecha de las ventajas aportadas por la utilizacin de las
wavelets. Al igual que el EZW permite la transmisin progresiva de la informacin por
orden de bits ms significativos, y tambin logra imgenes con una gran calidad y altas
tasas de compresin.
ANLISIS DE SEALES MEDIANTE WAVELETS
Las tcnicas de anlisis wavelet emplean regiones de tamao variable, para el anlisis de
las seales deja usar durante largo tiempo intervalos donde se necesita mucha informacin
que precisa poca frecuencia y pequeas regiones donde la informacin necesita altas
frecuencias.
proceso se le conoce con el nombre de anlisis. Este filtrado nos proporciona el doble de
datos de los que son necesarios, este problema se soluciona con la operacin de
downsampling.
La eleccin de las
wavelets
analizadoras
juega un papel muy
importante
en
los
resultados finales. Entre
las caractersticas ms
importantes a tener en
cuenta se encuentran:
soporte
compacto,
simetra, etc. Las wavelets
biortogonales son las ms
eficientes
para
un
posterior
proceso
de
compresin,
y
en
particular, aquellas con
pocos coeficientes, ya que
el coste de obtencin de los coeficientes se incrementa con su nmero.
ORGANIZACIN DE LOS COEFICIENTES WAVELET
Generalmente, la energa de las imgenes se concentra
en las frecuencias bajas. Una imagen tiene un espectro
que se reduce con el incremento de las frecuencias.
Estas propiedades de las imgenes quedan reflejadas
en la transformada wavelet discreta de la imagen. Los
niveles ms bajos de compresin se corresponden con
las bandas de alta frecuencia. En particular, el primer
nivel representa la banda de ms alta frecuencia y el
nivel ms fino de resolucin. A la inversa, el ltimo
nivel (n) de descomposicin corresponde con la banda
de frecuencia ms baja y la resolucin ms tosca. As,
al desplazarse de los niveles ms altos a los ms bajos,
o sea, de baja resolucin a alta resolucin, se observa una disminucin de la energa
contenida en las sub-bandas recorridas.
Si los coeficientes wavelet obtenidos por medio de la transformada wavelet discreta (DWT)
para un nivel concreto poseen pequeas magnitudes (valores prximos a cero), se espera
que esos coeficientes wavelet estn en los primeros niveles de descomposicin. El aumento
del nivel de descomposicin wavelet produce unos coeficientes con mayores magnitudes.
Adicionalmente, se puede comprobar como existen similitudes espaciales a travs de las
subbandas.
En la figura anterior se puede observar los contornos de Brbara en los distintos niveles y
cmo son ms bastos en el primer nivel de descomposicin, adems de cierta similitud
entre los distintos niveles.
REDUNDANCIA DE DATOS
Hay que resaltar la diferencia entre informacin y datos, ya que en muchas ocasiones se
utilizan como sinnimos y no lo son. Los datos son una forma representar la informacin;
as, una misma informacin puede ser representada por distintas cantidades de datos. Por
tanto, algunas representaciones de la misma informacin contienen datos redundantes.
La compresin de datos se define como el proceso de reducir la cantidad de datos
necesarios para representar eficazmente una informacin, es decir, la eliminacin de datos
redundantes. En el caso de las imgenes, existen tres maneras de reducir el nmero de datos
redunda ntes: eliminar cdigo redundante, eliminar pxeles redundantes y eliminar
redundancia visual.
CDIGO REDUNDANTE
El cdigo de una imagen representa el cuerpo de la informacin mediante un conjunto de
smbolos. La eliminacin del cdigo redundante consiste en utilizar el menor nmero de
smbolos para representar la informacin.
Las tcnicas de compresin por codificacin de Huffman y codificacin aritmtica utilizan
clculos estadsticos para lograr eliminar este tipo de redundancia y reducir la ocupacin
original de los datos.
PIXELES REDUNDANTES
La mayora de las imgenes presentan semejanzas o correlaciones entre sus pxeles. Estas
correlaciones se deben a la existencia de estructuras similares en las imgenes, puesto que
no son completamente aleatorias. De esta manera, el valor de un pxel puede emplearse
para predecir el de sus vecinos.
REDUNDANCIA VISUAL El ojo humano responde con diferente sensibilidad a la
informacin visual que recibe. La informacin a la que es menos sensible se puede
descartar sin afectar a la percepcin de la imagen. Se suprime as lo que se conoce como
redundancia visual.
La eliminacin de la redundancia esta relacionada con la cuantificacin de la informacin,
lo que conlleva una prdida de informacin irreversible. Tcnicas de compresin como
JPEG, EZW o SPIHT hacen uso de la cuantificacin.
CLASIFICACIN
Los mtodos de compresin se pueden agrupar en dos grandes clases: mtodos de
compresin sin prdida de informacin y mtodos con prdida de informacin.
LOSSLESS Los mtodos de compresin sin prdida de informacin (lossless) se
caracterizan porque la tasa de compresin que proporcionan est limitada por la entropa
(redundancia de datos) de la seal original. Entre estas tcnicas destacan las que emplean
mtodos estadsticos, basados en la teora de Shannon, que permite la compresin sin
prdida. Por ejemplo: codificacin de Huffman, codificacin aritmtica y Lempel-Ziv. Son
mtodos idneos para la compresin dura de archivos.
LOSSY Los mtodos de compresin con prdida de informacin (lossy) logran alcanzar
unas tasas de compresin ms elevadas a costa de sufrir una prdida de informacin sobre
la imagen original. Por ejemplo: JPEG, compresin fractal, EZW, SPIHT, etc. Para la
compresin de imgenes se emplean mtodos lossy, ya que se busca alcanzar una tasa de
compresin considerable, pero que se adapte a la calidad deseada que la aplicacin exige
sobre la imagen objeto de compresin.
JPEG (Joint Photographic Experts Group) es el mtodo de compresin ms utilizado
actualmente para la compresin de imgenes con prdida. Este mtodo utiliza la
transformada discreta del coseno (DCT), que se calcula empleando nmeros enteros, por lo
que se aprovecha de algoritmos de computacin veloces. El JPEG consigue una compresin
ajustable a la calidad de la imagen que se desea reconstruir.
http://coco.ccu.uniovi.es/immed/compresion/descripcion/fundamentos/fundamentos.htm