PDImagen Compresion 1dpp

Procesamiento Digital de Imgenes
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
prb@2007 Imgenes: Gonzalez&Wood 2

Fundamentos de Compresin de Imgenes
Hay diferencia entre informacin y datos.
En muchas ocasiones se utilizan como sinnimos y no lo son.
Los datos son una forma representar la informacin.
INFORMACION
INFORMACION
DATOS
Una misma informacin puede ser representada por

distintas cantidades de datos.
Por tanto, algunas representaciones de la misma

informacin contienen datos redundantes.
INFORMACION
DATOS
A
INFORMACION
DATOS REDUNDANCIA
B DE DATOS
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 redundantes:
eliminar cdigo redundante

eliminar pxeles redundantes
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.

Pxeles redundante
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.
Las tcnicas de compresin Lempel-Ziv implementan algoritmos

basados en sustituciones para lograr la eliminacin de esta redundancia.
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 cuantizacin de la

informacin, lo que conlleva una prdida de informacin irreversible.
Tcnicas de compresin como JPEG, EZW o SPIHT hacen uso de variaciones
en la cuantizacin.

Clasificacin de los mtodos de compresin:
Compresin sin prdida de informacin (Lossless)

Compresin con prdida de informacin (Lossy).
No confundir el concepto de prdida de datos o paquetes en redes.

Por . Ej.:
Se puede transmitir una imagen utilizando compresin sin prdida de

informacin sobre un protocolo de transmisin con prdida, como UDP.
Por el contrario se puede transmitir una imagen comprimida con prdida

de informacin sobre un protocolo sin prdida de datos como TCP.

Compresin sin prdida de informacin:
Los mtodos de compresin sin prdida de informacin

se caracterizan porque la tasa de compresin que
proporcionan est limitada por la entropa (magnitud de
la informacin) 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.

Compresin con prdida de informacin:
Los mtodos de compresin con prdida de

informacin 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 con prdida, ya que se
busca alcanzar una tasa de compresin considerable, pero que se adapte
a la calidad deseada que la aplicacin exige.

Compresin de Imgenes
Compresin sin Prdida
Se distingue entre:
no adaptativos,
semiadaptativos,
sistemas adaptativos,
segn tengan en cuenta o no las caractersticas del

archivo a comprimir.

Compresin sin Prdida
Los no adaptativos (cdigo Huffman) establecen a

priori una tabla de cdigos con las combinaciones de
bits que ms se repiten estadsticamente.
A estas secuencias se asignan cdigos cortos, y a

otras menos probables claves ms largas.
El problema que presentan es que un diccionario de

claves nico tiene resultados muy diferentes en
distintos originales.

Compresin sin Prdida: Huffman
Un cdigo de tipo Huffman se puede aplicar de modo

semiadaptativo, si se analiza primero la cadena de
datos a comprimir y se crea una tabla a medida.
Se logra mayor compresin, pero introduce dos

inconvenientes:
- la prdida de velocidad al tener que leer el original dos veces
- la necesidad de anexar en el archivo, el ndice de claves

Los compresores de uso general ms populares

utilizan mtodos como ste, por eso tardan ms
en empaquetar los datos que en descomprimirlos.
El nmero de entradas de la tabla puede ser

configurable.
24 bits
9 simb.
simb. + 1 bit = 18+1 = 19 bits
8 simb.
simb. = 3*8 = 24 bits

El cdigo del ejemplo es de longitud variable, pero no

se requiere usar ningn tipo de separador entre los
valores.
La razn es que siempre puede reconocer el final de

una palabra porque ninguna otra palabra es el principio
de otra dada.
Un cdigo con esta propiedad se denomina cdigo

prefijo. El cdigo Huffman es el cdigo prefijo que
requiere el mnimo nmero medio de bits por smbolo.

Contar cuantas veces aparece cada carcter.
Crear una lista enlazada con la informacin de caracteres y frecuencias.
Ordenar la lista de menor a mayor en funcin de la frecuencia.
Convertir cada elemento de la lista en un rbol.
Fusionar todos estos rboles en uno nico, para hacerlo se sigue el siguiente
proceso, mientras la lista de rboles contenga ms de un elemento:
Con los dos primeros rboles formar un nuevo rbol, cada uno de
los rboles originales en una rama.
Sumar las frecuencias de cada rama en el nuevo elemento rbol.
Insertar el nuevo rbol en el lugar adecuado de la lista segn la
suma de frecuencias obtenida.
Para asignar el nuevo cdigo binario de cada carcter slo hay que seguir el
camino adecuado a travs del rbol. Si se toma una rama cero, se aade un
cero al cdigo, si se toma una rama uno, se aade un uno.
(Cero a la izquierda y Uno a la derecha)

Compresin sin Prdida: Huffman. Ej.
PREGUNTA DE PRUEBA
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

Compresin sin Prdida: RLE
Entre los mtodos adaptativos, el ms simple es el RLE

(Run Length Encode), que consiste en sustituir series
de valores repetidos por una clave con indicador
numrico.

Compresin sin Prdida: RLE
Su eficacia depende del tipo de imagen. Los dos ejemplos siguientes

tienen 25 valores, pero mientras que el primero se queda en 10 datos,
el segundo no reduce su tamao, sino que lo duplica.
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 sin Prdida: LZ
El sistema adaptativo LZ (Lempel-Ziv), del que deriva el

LZW (Lempel-Ziv-Welch), es ms ingenioso y consigue,
en una lectura nica, codificar repeticiones sin crear
una tabla de cdigos.
Cuando se localiza una secuencia similar a otra anterior, se

sustituye por una clave de dos valores: los correspondientes a
cuntos pasos se retrocede y cuntos datos se repiten.
Compresin sin Prdida: LZ
Rpido y fiable, se utiliza en formatos universales como

el GIF o el TIFF. Aunque no logra relaciones de
compresin muy altas, normalmente ahorra un tercio
del archivo.
# 3 2 significa retroceder tres pxeles y repetir dos

# 12 7 significa retroceder 12 pxeles y repetir siete
Cuantizacin Vectorial
Consiste en subdividir la imagen en pequeos bloques.
En trminos ideales cada bloque posee un ndice, el

cual se transmite. Si existen varios bloques iguales, se
logran tasas de compresin.
Se debe transmitir tambin la tabla de bloques

(codebook)
Para compresin con prdida se elige un subconjunto

de bloques que sea representativo.


Por Ej.: para una imagen de 512x512
Con bloques de 4x4 16384 bloques
Algoritmo:
1. Eliminar los bloques repetidos
2. Definir un umbral de diferencia mnima y
eliminar as los bloques similares.
Cmo de terminar la tabla de bloques adecuada?
cada bloque es un vector clustering

Compresin JPEG
El 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
(mayor velocidad de cmputo).
El JPEG consigue una compresin ajustable.

ETAPAS Compresin JPEG
1. Transformacin de espacio de color.

Se convierte la imagen RGB a YUV (similar a PAL Y NTSC)
Y:luminancia, U y V: informacin de croma
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

3. Subdivisin imagen en bloques.

La imagen de entrada es dividida en bloques de NxN pxeles. El
tamao del bloque se escoge considerando los requisitos de
compresin y la calidad de la imagen.
En general, a medida que el tamao del bloque es mayor, la relacin
relacin de compresin tambin
resulta mayor. Esto se debe a que se utilizan ms pxeles para eliminar
eliminar las redundancias. Pero al
aumentar demasiado el tamao del bloque la suposicin de que las caractersticas de la imagen
se conservan constantes no se cumple, y ocurren algunas degradaciones
degradaciones de la imagen, como
bordes sin definir.
Un tamao del bloque conveniente es de 8x8 pxeles.

4. Transformada discreta de coseno (DCT).

Se procesa cada bloque de 8x8 de manera independiente. A cada bloquebloque se le
resta 128 para obtener valores entre 128 y 127 (byte
(byte)) y luego se aplica la DCT.
Antes Despus

5. Cuantizacin (o cuantificacin):
Los coeficientes de la transformada son cuantificados en base a un

nivel de umbral para obtener el mayor nmero de ceros posibles.
DCT DCT cuantificada
Ej. Matriz de Cuantificacin
Ejemplo para
prb@2007 coeficiente DC: Imgenes: Gonzalez&Wood 34
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.
6. Codificacin
Codificando con longitud variable los coeficientes, la imagen se puede

comprimir an ms.
El codificador ms utilizado es el algoritmo de Huffman, que se encarga

de transmitir los coeficientes ordenados. Una razn para utilizar el
codificador de Huffman es que es fcil de implementar.
Para comprimir los smbolos de los datos, el codificador de Huffman

crea cdigos ms cortos para smbolos que se repiten frecuentemente
y cdigos mas largos para smbolos que ocurren con menor
frecuencia.

Transformada de Coseno
Es un caso particular de la Transformada de Fourier.
Utiliza solo la componente real de la transformada.
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

La transformada de Coseno Inversa:
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

La transformada de coseno se puede interpretar como la proyeccin

de la imagen sobre cada una de las imgenes base. Los coeficientes
representan la presencia de dichas componentes o imgenes base.
Para una imagen de 8x8 las imgenes base corresponden a las

siguientes:

Los coeficientes representan las frecuencias en la imagen. Su

distribucin desde bajas a altas frecuencias es la siguiente:
Utilizando un muestreo de este recorrido es una posible forma de

compresin.
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;
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.

Wavelets
La transformada wavelet discreta (DWT) se emplea para obtener una

nueva representacin de la imagen, ms apropiada para el proceso
de compresin.
Para muchas imgenes la informacin ms importante se encuentra

en las frecuencias bajas, mientras que en las altas frecuencias se
encuentran los detalles o matices de la seal.
El anlisis wavelet permite descomponer la seal en

aproximaciones y detalles, a ste 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.
Wavelets
Proceso de descomposicin (anlisis).

Wavelets
El proceso de reconstruccin, tambin denominado

sntesis, se encarga de la obtencin de la seal a partir
de los detalles y aproximaciones. ste proceso se lleva
a cabo con la transformada wavelet discreta inversa.
La eleccin de los filtros

(wavelets) influye
notablemente en los
resultados finales.

Transformada Wavelets Discreta
La DWT aplicada a imgenes proporciona una matriz de

coeficientes, conocidos como coeficientes wavelet.
Se obtienen cuatro tipos de coeficientes:

aproximaciones
detalles horizontales
detalles verticales
detalles diagonales
La aproximacin contiene la mayor parte de la energa de la imagen,

es decir, la informacin ms importante, mientras que los detalles
tienen valores prximos a cero.
Transformada Wavelets Discreta

Organizacin de los Coeficientes:

Transformada Wavelets
Es una de las transformadas ms utilizadas en procesamiento de

imgenes. El algoritmo JPEG2000 se basa en ella..

Una explicacin muy simple de wavelets en imgenes...
Supongamos la primera lnea de la siguiente imagen:

Filtro Pasa Bajos (PB):

Ajuste de resolucin...

Filtro Pasa Alto:

Proceso recursivo:

Multiresolucin o descomposicin Wavelets


Filtrados PA y PB segn mtodo de lifting.

Se aplica sobre todas las filas y sobre todas las columnas.
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;
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;
EZW
EZW (Embedded Zerotree Wavelet) (Shapiro,1993).
Este mtodo explota las propiedades aportadas por la

DWT para obtener resultados satisfactorios en la
compresin:
un gran porcentaje de coeficientes wavelets

prximos a cero
y la agrupacin de la energa de la imagen.

EZW
El EZW es sensible al grupo de bits transmitidos por

orden de significancia, lo que le permite una compresin
progresiva (embedded coding) de la imagen.
Cuantos ms bits se aadan al resultado de la

compresin, ms detalles se estarn transmitiendo

EZW
Los primeros coeficientes que se transmiten (o se

almacenan) son los que superan un umbral predefinido.
Luego que se han transmitido dichos coeficientes, se

disminuye el umbral en potencias de 2 y se transmite el
nuevo grupo de coeficientes.
Esto corresponde a una especie de binarizacin por

umbral de los coeficientes.

EZW
Se construye un mapa de significancias (zerotrees) basado en la

bsqueda de los coeficientes mayores o iguales al umbral
determinado en el paso anterior.
La estructura zerotree agrupa los

coeficientes de cuatro en cuatro: cada
coeficiente tiene cuatro hijos, cada uno
los cuales tiene sus propios cuatro hijos
y as sucesivamente.

EZW
Por lo general, los hijos tienen unas magnitudes

menores que las de sus padres.
El EZW se aprovecha de esta

organizacin basada en el hecho de que
los coeficientes wavelet se decrementan
a medida que aumenta la escala.
As se puede garantizar que los

coeficientes de un quadtree son ms
pequeos que el umbral de estudio, si
su padre es ms pequeo que el umbral
prb@2007 antesGonzalez&Wood
Imgenes: mencionado 66
EZW
El EZW transmite el valor de los coeficientes en orden

decreciente. El recorrido de la matriz de coeficientes se
realiza en zig-zag transmitiendo el n-simo bit ms
significativo en cada pasada.
Este pequeo detalle lo hace muy

robusto a la prdida de paquete en
transmisiones, por ejemplo inalmbricas.

SPIHT
El algoritmo SPIHT (Set Partitioning In Hierarchical

Trees) se basa en la clasificacin de rboles jerrquicos
de coeficientes de la transformada wavelet.
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.

SPIHT
El SPIHT ofrece una nueva y mejor implementacin del EZW basada

en la utilizacin de conjuntos de datos organizados en rboles
jerrquicos, es decir, el SPIHT tiene en cuenta la significancia de la
descendencia del coeficiente que codifica

Compresin Fractal
La compresin fractal es una tcnica en desarrollo.
Pequeos bloques con

similitudes se pueden
codificar un mismo conjunto
prb@2007
de datos
Imgenes: Gonzalez&Wood 70
Cuantificacin del Error
entre dos imgenes:
A: Imagen Original
B: Imagen Comprimida

Cuantificacin del error o ruido en imgenes
error = A(c, f ) B(c, f )
Error Cuadrtico Medio, permite estimar la varianza del ruido de la

imagen
nc nf
1
ecm =
ncnf
( A(c, f ) B(c, f ))
c =1 f =1
2

Cuantificacin del error o ruido en imgenes
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.
El uso ms habitual del PSNR es como medida cuantitativa de la calidad de la

reconstruccin en el mbito de la compresin de imgenes. Se calcula en
decibeles, el valor mximo de una imagen gris (255) dividido por la raz del error
cuadrtico medio.
PSNR: Relacin Seal a Ruido Mxima en decibeles
255
PSNRdB = 20 log10

2
ecm

PDImagen Compresion 1dpp

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

PDImagen Compresion 1dpp

Cargado por

Copyright:

Formatos disponibles

Procesamiento Digital de Imgenes

prb@2007 Imgenes: Gonzalez&Wood 2

Hay diferencia entre informacin y datos.

En muchas ocasiones se utilizan como sinnimos y no lo son.

Los datos son una forma representar la informacin.

Una misma informacin puede ser representada por

Por tanto, algunas representaciones de la misma

La compresin de datos se define como:

En el caso de las imgenes, existen tres maneras

eliminar cdigo redundante

prb@2007 Imgenes: Gonzalez&Wood 5

El cdigo de una imagen representa el cuerpo de la

La eliminacin del cdigo redundante consiste en

Las tcnicas de compresin por codificacin de Huffman y codificacin

prb@2007 Imgenes: Gonzalez&Wood 6

La mayora de las imgenes presentan semejanzas o

Estas correlaciones se deben a la existencia de

De esta manera, el valor de un pxel puede emplearse

Las tcnicas de compresin Lempel-Ziv implementan algoritmos

El ojo humano responde con diferente sensibilidad a la

La informacin a la que es menos sensible se puede

Se suprime as lo que se conoce como redundancia visual

La eliminacin de la redundancia esta relacionada con la cuantizacin de la

prb@2007 Imgenes: Gonzalez&Wood 8

Clasificacin de los mtodos de compresin:

Compresin sin prdida de informacin (Lossless)

No confundir el concepto de prdida de datos o paquetes en redes.

Se puede transmitir una imagen utilizando compresin sin prdida de

Por el contrario se puede transmitir una imagen comprimida con prdida

prb@2007 Imgenes: Gonzalez&Wood 9

Compresin sin prdida de informacin:

Los mtodos de compresin sin prdida de informacin

Entre estas tcnicas destacan las que emplean mtodos estadsticos,

Son mtodos idneos para la compresin dura de archivos.

prb@2007 Imgenes: Gonzalez&Wood 10

Compresin con prdida de informacin:

Los mtodos de compresin con prdida de

Por ejemplo: JPEG, compresin fractal, EZW, SPIHT, etc. Para la

prb@2007 Imgenes: Gonzalez&Wood 11

Compresin sin Prdida

segn tengan en cuenta o no las caractersticas del

prb@2007 Imgenes: Gonzalez&Wood 12

Compresin sin Prdida

Los no adaptativos (cdigo Huffman) establecen a

A estas secuencias se asignan cdigos cortos, y a

El problema que presentan es que un diccionario de

prb@2007 Imgenes: Gonzalez&Wood 13

Compresin sin Prdida: Huffman

Un cdigo de tipo Huffman se puede aplicar de modo

Se logra mayor compresin, pero introduce dos

- la prdida de velocidad al tener que leer el original dos veces

- la necesidad de anexar en el archivo, el ndice de claves

prb@2007 Imgenes: Gonzalez&Wood 14

Compresin sin Prdida: Huffman

Los compresores de uso general ms populares

El nmero de entradas de la tabla puede ser

prb@2007 Imgenes: Gonzalez&Wood 15

Compresin sin Prdida: Huffman

El cdigo del ejemplo es de longitud variable, pero no

La razn es que siempre puede reconocer el final de

Un cdigo con esta propiedad se denomina cdigo

Compresin sin Prdida: Huffman

prb@2007 Imgenes: Gonzalez&Wood 17