Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pablo Roncagliolo B.
N 15
Orden de las clases...
CAPTURA, DIGITALIZACION Y
ADQUISICION DE IMAGENES
TRATAMIENTO
ESPACIAL DE IMAGENES
TRATAMIENTO
EN FRECUENCIA DE IMAGENES
RESTAURACION
DE IMAGENES
OPERACIONES
MORFOLOGICAS
PROCESAMIENTO
DE IMGENES EN COLORES
COMPRESION
DE IMAGENES
REPRESENTACION Y
DESCRIPCION
SEGMENTACION
DE IMAGENES
TOPICOS
AVANZADOS
INFORMACION
INFORMACION
DATOS
prb@2007 Imgenes: Gonzalez&Wood 3
Fundamentos de Compresin de Imgenes
INFORMACION
DATOS
A
INFORMACION
DATOS REDUNDANCIA
B DE DATOS
prb@2007 Imgenes: Gonzalez&Wood 4
Fundamentos de Compresin de Imgenes
Cdigo redundante
Pxeles redundante
Redundancia Visual
Se distingue entre:
no adaptativos,
semiadaptativos,
sistemas adaptativos,
9 simb.
simb. + 1 bit = 18+1 = 19 bits
8 simb.
simb. = 3*8 = 24 bits
P(2) R(2) E(3) G(1) U(2) N(1) T(1) A(2) (2) D(1) B(1)
Menor a mayor:
D(1) B(1) G(1) N(1) T(1) P(2) R(2) (2) U(2) A(2) E(3)
rbol:
D(1)B(1)G(1) N(1)T(1)P(2)R(2) (2)U(2)A(2) E(3)
0 1
La anotacin de pxeles por series es adecuada en imgenes con zonas zonas amplias de
colores
prb@2007 uniformes, pero no en otras con cambios
Imgenes: frecuentes de valor
Gonzalez&Wood valor o de texturas 23
Compresin de Imgenes
Cuantizacin Vectorial
Cuantizacin Vectorial
Cuantizacin Vectorial
Algoritmo:
1. Eliminar los bloques repetidos
2. Definir un umbral de diferencia mnima y
eliminar as los bloques similares.
Compresin JPEG
2. Submuestreo (opcional)
El visin del humano tiene menor sensibilidad al croma que
a la luminancia, por lo tanto se puede muestrear con menor
frecuencia los canales de croma.
4:4:4 = los tres canales sin submuestreo
4:2:2 = los canales U y V submuestreo horiz. (cada 2 pxeles)
4:2:0 = U submuestreo horiz. , y V subm. Horiz y vert. cada 2
4:0:0 = U y V submuestreo Horiz,
Horiz, y Vert. cada 2 (1/4 tamao!)
Y U V
Antes Despus
5. Cuantizacin (o cuantificacin):
Ejemplo para
prb@2007 coeficiente DC: Imgenes: Gonzalez&Wood 34
Compresin de Imgenes
5. Cuantizacin (o cuantificacin):
Para la cuantizacin se utiliza una matriz de
normalizacin estndar, y se redondean los
resultados a nmeros enteros.
El ojo humano es muy bueno detectando pequeos
cambios de brillo en reas relativamente grandes,
pero no cuando el brillo cambia rpidamente en
pequeas reas (variacin de alta frecuencia), esto
permite eliminar las altas frecuencias, sin perder
excesiva calidad visual.
Este es el proceso donde se produce la prdida de
informacin.
El paso siguiente consiste en reordenar en zig-zag
la matriz de coeficientes cuantizados.
prb@2007 Imgenes: Gonzalez&Wood 35
Compresin de Imgenes
6. Codificacin
N 1 N 1
(2 x + 1)u (2 y + 1)v
C (u , v) = (u ) (v) f ( x, y ) cos cos
x =0 y = 0 2N 2N
1
para u , v = 0
() = N
2 para u , v = 1,2,...N 1
N
N 1 N 1
(2 x + 1)u (2 y + 1)v
f ( x, y ) = (u ) (v)C (u , v) cos cos 2 N
u =0 v = 0 2N
1
para u , v = 0
() = N
2 para u , v = 1,2,...N 1
N
Algoritmo bsico:
N=32;
C=zeros(N);
for u=1:N
for v=1:N
if (u==1) & (v==1)
for x=1:N
for y=1:N
C(v,u)=C(v,u)+
(1/N)*A(y,x)*cos((2*(x-1)+1)*pi*(u-1)/(2*N))*cos((2*(y-1)+1)*pi*(v-1)/(2*N));
end;
end;
else
for x=1:N
for y=1:N
C(v,u)=C(v,u)+
(2/N)*A(y,x)*cos( (2*(x-1)+1)*pi*(u-1)/(2*N))*cos( (2*(y-1)+1)*pi*(v-1)/(2*N));
end;
end;
end;
end;
end;
prb@2007 Imgenes: Gonzalez&Wood 41
Compresin de Imgenes
Wavelets
Wavelets
Wavelets
Wavelets
Ajuste de resolucin...
Proceso recursivo:
PA
PB
Pseudo-Implementacin:
for nivel=0:2
n=2^nivel;
for f=1:2:nf/n
for c=1:2:nc/n
R=A(f,c);
H=A(f,c+1)-A(f,c);
V=A(f+1,c)-A(f,c);
D=A(f+1,c+1)-A(f,c);
B((f+1)/2,(c+1)/2)=R;
B((f+1)/2,(c+1)/2+nc/n/2)=H;
B((f+1)/2+nf/n/2,(c+1)/2)=V;
B((f+1)/2+nf/n/2,(c+1)/2+nc/n/2)=D;
end;
end;
A=B;
end;
prb@2007 Imgenes: Gonzalez&Wood 60
Compresin de Imgenes
Transformada Wavelets
Pseudo-Implementacin Inversa:
for nivel=2:-1:0
n=2^nivel;
for f=1:2:nf/n-1
for c=1:2:nc/n-1
R=A((f+1)/2,(c+1)/2);
H=A((f+1)/2,(c+1)/2+nc/n/2);
V=A((f+1)/2+nf/n/2,(c+1)/2);
D=A((f+1)/2+nf/n/2,(c+1)/2+nc/n/2);
B(f,c)=R;
B(f,c+1)=R+H;
B(f+1,c)=R+V;
B(f+1,c+1)=R+D;
end;
end;
A=B;
end;
prb@2007 Imgenes: Gonzalez&Wood 61
Compresin de Imgenes
EZW
EZW
EZW
EZW
EZW
EZW
SPIHT
SPIHT
Compresin Fractal
A: Imagen Original
B: Imagen Comprimida
Relacin Seal a Ruido :La Relacin Seal a Ruido Mxima o PSNR (del ingls
Peak Signal-to-Noise Ratio) es un trmino utilizado en ingeniera para definir la
relacin entre la mxima energa posible de una seal y el ruido que afecta a su
representacin fidedigna. Debido a que muchas seales tienen un gran rango
dinmico, el PSNR se expresa generalmente en escala logartmica, utilizando
como unidad el decibel.
255
PSNRdB = 20 log10
2
ecm
prb@2007 Imgenes: Gonzalez&Wood 73