bardziej rozbudowane wielowymiarowe modele statyst esji obrazєw
Transkrypt
bardziej rozbudowane wielowymiarowe modele statyst esji obrazєw
! " # $ %& '% " # $ ( % " # $ ) * %+ # * !, " # $ * * % !# $ % !- # $ ' ( , ' % ' . & * % ,. ! " # $ , ' , , / ' & ' " % & #. ! ! % 0 # ! * % ,' % . ) . / # . # $ % & ' % " ! % " 1 2 ! % 0 3 ' " ,' * . " # . * ! ! ! ,' ' " ,' , & # - . % #. ! % * % ' #. ! " # $ ( % " # $ 1 4 ' % ( , / ' ' . ( % ! . " % 5 ! ' " * % " & #. ! ) # " ' 6 " # ' ' % * !. " # $ ) ( " * ! , 3 bardziej rozbudowane wielowymiarowe modele statyst % # " ! ,' 6 0 # ! " ,' * . / # * ! " %' 0 # ! ! * !& , ! * % ,' % ! ( % 1 ,' / * % ,' ! '" % ! 1 7 89 8 : ; < = > ? @ A B C D = A B C E F G H I J K L M K NO P Q R ST SM U V W T I V W K XY P R P Q N Z U I [ I Y TU Z K R \ V X ] I T R J Y R ] P Q esji obrazów jest R J P R Z XI J K XI P Q M I ^ _L J N K XI J N K U V W Z P Q M I ST Q M I K X R ` Q N M a b c I _I ] O I ST T N Y XI a ST N Z XI K XI J N K U V W M I M ` XR Qa Y R J R Z N K I ^ R d N ` U Y R _IO K R Z U ST e P R Z N f U P R S R ` X I M ` _ Xg R K I Z N QT R \ V X J N K U V W M R ` SM N Q h Z R ` Q N M a T Q I \ V XR Z R M N _I g K U V W iP XY S I _ I M Y Q N Z e J M X d P f N SM V M U M K y o jednorodnej O N S K R \ V X X T P bj b k Z R Q M R K U O I S T Z T I K S P R S h ` K R Z U S T Q a ] X I l Z I O \ V X R Z U J _ N ` I M S T Q N T K I ^ R Y R J I Q N J N K U V W i K P b I K T Q R P XO K I ^ R d S f R Z K X Y R Z I ^ R j R Z X e Y S M I O P R J N T K R \ V X K N Y R ] P Q I SO e b m R M Z N g ] U P Q M U Y f N J R Z R M N ^ N J K X I K X I SY a T I V M K IO N Q V W XZ XM N VO X R ` Q N M a R J R ] XK a O L V U V W P N S N V W P XR K R Z U V W Z V N f IO O I ^ R P Q M I ST Q M I K X b n ST N Z XNO L V Z N QT R \ V X P XY S I _X Z O I J I K ST Qa ] X I l P R P Q M I M J R P X SU Z N K X I J N K U V W Y R _IO K R Z X I Q SM N ] X R ` Q N M a a M U SY N ] U M K N V M K X I ^ R Q SM L SY a T I V M K R \ o K Xg Z P Q M U P N J Y a Y X I Q a K Y a P Q M I ^ _ L J N K X N Z I J f a ^ Y R _a ] K b p K NO J L S X e Z T I J U R ` R k siebie silnie skorelowane iP R J R ` K I j Z N QT R \ V X P XY S I _ X M Z X e Y S M NO L V M K N V M K X I I [ I Y T U Z K R \ o P Q R V I Sa Y R J R Z N K XN b m U S b q br b s P R SR ` U P QM I^ _L J N K XN J N K U V W R ` QNM R Z U V W t K NP QM I ] XI K K I iK N _IZ R jd P R R Y Qe^ N V W (na prawo) u ` R Y J Z a K N Q M a V NO L V U V W S X e SP R S R ` h Z SY N K R wania pikseli po wierszach i po Y R _a ] K N V W ] R g K N M N S T R S R Z N o ` N Q J M X IO M f R g R K I N _ ^ R Q U T ] U P Q M I ^ _ L J N K X N J N K U V W b v Q M U Y f N J R Z R K X I V W V L V Z U Q h g K X N o g N J K I ^ R M Y X I Q a K Y h Z d ] R g K N P Q M I ^ _ L J N o J N K I K N P Q M I ] X I K K X I d TO b Z X I Q S M d potem krótsza o jeden element kolumna, krótszy o jeden wiersz, krótsza o 2 kolumna itd. u ` Q N M a O I T R QU Sa K I Y q b r b n M N S N J K XR K U ] T N Y g I Z U J NO I S X e P Q M I ^ _ L J N K X I P XY S I _X P R V R Q N M Z Xe Y SM U V W R Y Q e ^ N V W M N T N V M N K U V W Z R Y h f V I K T Q N _K IO V M e \ V X R ` Q N M a iQ U S b q b rj d SM V M I ^ h _K X I P Q M U M X IO X ST R TK IO T Q I \ V X a ] X I S M V M R K IO Z V I K T Qa ] R ` Q N M a d kompresji obrazów naturalnych o najbard K P b T I _I Y R K [ I Q I K V U O K I R ` Q N M U TZ N Q M U b w R _X ST I Y SM T NfT U P Q I M I K T R Z N K U V W R ` XI Y T h Z S L K N TU _I 101 P R Z SM I V W K I Z Q h g K I ^ R TU P a R ` Q N M N V W d g I P R SM a Y XZ N K X I Q R M Z XL M N l a Z M ^ _ e J K X NO L V U V W V M e ST I M ] X N K U Y X I Q a K Y a P Q M I ^ _ L J N K X N M J NO I S X e Z P I f K X a M N S N J K XR K I b H I J K N M T N Y XV W ] I T R J M R ST N f N P Q M I J ST N Z XR K N P R K Xg IO b Krzywa Hilberta v Q M I ^ _ L J N K X I R ` Q N M a P R Y Q M U Z IO x X _` I Q T N d M Z N K IO K X I Y X I J U Z _ XT I Q N T a Q M I T N Y g I Y Q M U Z L v I N K R y r z d Z U J NO I S X e a Z M ^ _ e J K X N o Q h g K R Q R J K R \ o Y SM T N fT h Z R ` XI Y T h Z Z U ST e P a O L V U V W Z R ` Q N M XI K X I Z U Q h g K X NO L V g N J K I ^ R M Y XI Qa K Y h Z d K N Z I T _R Y N _K X I b v Q M U Y f N J R Z L P R ST N o Y Q M U Z IO x X_` I QT N J _N ` _R Y h Z R ` Q N M a R Q R M J M X I _ V M R \ V X { × 8 i 16 × 16 przedstawia rys. 7.2. Rys. 7.2. Krzywa Hilberta dla bloku obrazu o wymiarach 8× 8 i 16× 16. | ` U M ` a J R Z N o N _^ R Q U T ] P Q M I ^ _ L J N K X N P R T N Y M f R g R K IO Y Q M U Z IO ] R g K N Z U Y R Q M U ST N o R P I Q N T R Q M J I [ XK XR Z N K U P R K Xg IO b Niech {O x , y ; 0 ≤ x, y ≤ N − 1} oznacza kwadratowy obraz rozumiany jako J Z a Z U ] X N Q R Z N Q I N _XM N VO N P R _N _R S R Z I ^ R b v Q M I Y SM T N f V I K X I T I ^ R P R _N Z O I J K R Z U ] X N Q R Z U V X L ^ Z N QTR \V X T I ^ R g P R _N { ; 0≤~ ≤} H 0 = O p0 gdzie 2 − 1} oraz R P XS N K I O I ST K N ST e P a O L V R t H n = O pn −1 + pn dla ≤ ≤ , (7.1) p i ∆p ¡ ¢ p n = f n ( x, y ) , 0 ≤ n ≤ N 2 − 1 oraz I tak p dla ¥ ≤§ ≤ ¦ £ p n = g n ( x, y), 1 ≤ n ≤ N 2 - 1, przy czym 0 ≤ x, y ≤ N − 1 . ¤ − 1 jest zbiorem wektoró¨ © ª « ¬ ® ¯ ® ° ± ² ± ³ ´ µ ¶ ª « ³ ¶ · ² µ ¸ ¹ º » ¼ ´ ½ ¨ ® ª ³ ¾ » ¨ ² » ¿ ¸ º ® À · µ ¯ º ± ® ¸ ± ª ¾ ® · ± ¹ Á ¶ º ³ © ¶ ∆p  ¹ º ² ¶ ¼ º ¶ ¸ º » ¹ ¾ « ¸ ¹ à ¹ Ä ® ² ± ¶ ¨ ª ¶ Ä ¯ » ¿ ª ¹ ª ³ ¶ ·À ¹ » « ¿ ³ Å Æ ¹ Ä ² ¶ º ¶ ¸ ± ¾ ¶ Ç È Â p  = p  −1 + ∆p  = p0 + ∑ ∆p É . É =1 Ê ® Ë·± º ¶Ã¹ Ä» ¿ » ¸ ¹ ¼º µ«ª ¹¨ µ ¨ ¾¸ ¬ à º ½ ¯ ² » ¼ Ì Í Î ©Î Ï © ¨ « ® ¯ » ¸ ¹ º » ¼´ ½  ¨ ¶ ·À ¹ » «¿ ±® ¸ º ® À · µ ¯ ania (7.2) p0 w punkcie o p  = ∑ ∆p É Å Ð · ° ¶ Á ® « ¿ ¹ Ä · ± ¨ » ¼ Ì ¸ º » ¹ ¾ « ¬ ¨ ¸ ¹ à ¹ Ä ® ² ± ¶ ∆p  jest É =1 ² ¶ ¾« ½ ¸ ³ ´ µ ¼ » È 102 ∆p P = [1,0] L ∆p = [−1,0] ∆p n = D ∆p = [0,1] ∆p G = [0,−1] - w prawo - w lewo , - w dól - w gór½ Ò ≤§ ≤ ¦ Ñ -1. (7.3) Na podstawie tych czterech ruchów p ¹ ¯ ¾ « ¶ ¨ ¹ ¨ » ¼ Ì ¿ ¹ Ä ² ¶ º ¯ ® ° ± ² ± ¹ ¨ ¶ Ç ¼ º « ® » ¶ ² ¶ · ¹ À ± ¼ º ² ® © Á ¶ ¯ º ± ® ´ º à ¹ Ä ¹ ² ® Í ¨ » Ä ¾ º ® À ¹ º ½ ¯ ³ Ï ³ ¼ Ì » ´ ¶ ª ² ± Ä ®´ Í ¸ ¶ « º » ¾ Å Ó ÅÔ Ï È × Ö Õ RP1 = ∆p + ∆p + ∆p , (w prawo) RL1 = ∆p + ∆p + ∆p , (w lewo) RD1 = ∆p + ∆p + ∆p , ͨ ¯ ¬ ÃÏ RG1 = ∆p + ∆p + ∆p . ͨ À ¬ ½ Ï Õ Ø × Ö × Ø Ø Õ Ö RP1 RL1 RD1 RG1 (7.4) Ù » ¾ ÅÓ ÅÔ Å Ú º « ® » ¸ ¹ ¯ ¾ « ¶ ¨ ¹ ¨ ® ³ ¼ Ì » ¸ ± ® ¨ ¾ º ® À ¹ º ½ ¯ ³ Í ¸ ¶ ¨ ¹ © · ® ¨ ¹ © ¯ ¬ à © À ¬ ¶ Ï ¨ ® ¯ à ³ À ¬ ¨ ² ¶ Û (7.4). Ü ¸ ® ¶ ¼´ ® ¯ ¹ ¨ ¹ ·² ® À ¹ º ½¯³ n (§ = 2 Ý ) w czterech elementarnych kierunkach ¹ ª ® Ë·¹ ² ® ¾ µ ® ª ³ ¾» ¨ ² ±® ¸ ¹ ¸ º ® º ² ¶ ¾« ½ ¸ ³ ´ µ ¼ ® ¬ ¨ ² ¶ ² ±¶ È RPn = Q n,q1 RDn/2 + Qn,q2 RPn/2 + Q n,q3 RG n/2 + Q n,q4 RPn/2 RLn = Q n,q1 RLn/2 + Q n,q2 RDn/2 + Q n,q3 RLn/2 + Q n,q4 RG n/2 (7.5) RD n = Q n,q1 RPn/2 + Q n,q2 RLn/2 + Q n,q3 RDn/2 + Q n,q4 RDn/2 RG n = Q n,q1 RG n/2 + Q n,q2 RG n/2 + Q n,q3 RPn/2 + Q n,q4 RLn/2 , gdzie Q  , É dla i=1, 2, 3, 4 oznacza macierze § × § ¾ ª à ¶ ¯ ¶ ´ µ ¼ ® ¾ ± ½ º ¼ º « ® ® ¼ Ì ª ¨ ¶ ¯ ¶ ² « ¬ ¨ Ý ¹ ª ® Ë · ¶ ´ µ ¼ » ¼ Ì ® À ± ¹ ² ¹ ¸ ® ¶ ¼ ´ ± Å Þ « ¶ ª ¸ º » ª à ¶ ¯ ¹ ¨ ¹ ¸ ± ® ¨ ¾ º » ª ¨ adrant odpowiada regionowi 'lewo-À ¬ ¶ ß ± ¨ » À · µ ¯ ¶ ² ¶ ¾ « ½ ¸ ³ ´ µ ¼ ¹ È 103 1...1 ... 1...1 Q , 1 = Ý 0...0 ... 0...0 0...0 ... 0...0 . 0...0 ... 0...0 (7.6) Kwadrant drugi Q n ,q 2 ¹ ª ® Ë · ¶ ´ µ ¼ » ® À ± ¹ ² ߸ ¶ ¨ ¹ -góra', trzeci Q n ,q 3 - 'lewo- ¯ ¬ à ߩ ¶ ¼ º ¨ ¶ « » Q n ,q 4 - 'prawo¯ ¬ Ã ß º ¯ ® °±² ±¹ ¨ ¶ ² ® ¾ µ ¶ ² ¶ ·¹ À ±¼ º ² ±® Å Ü ¾« ¶ « ® ¼ º ² ±® ¨ ± ½ ¼ ª º » ¨ ¶ à ±·Á ® « ¶ ´ ® ¾« ´ ® ¯ ² ¹ º ² ¶ ¼ º ² ± ® º ¯ ® ° ±² ±¹ ¨ ¶ ² ¶ ¸ º ® º ¨ ® ª « ¹ pozycji P ¹ ª ® Ë · ¹ ² » ´ ¶ ª ² ± Ä ® ´ È RP dla nieparzyst ych q = log 2 n P = [ p1 ... p n ] = n RD n dla parzystych q á ¸ ¹ ¾¬ Á À ® ² ® ¶ ¼´ ± ª º » ¨ ®´ à ± ·Á ® « ¶ © « ¶ ª Ä ® ¯ ·¶ ¹ Á ¶ º ¬ ¨ º ² ¶ · ® â Ç u Skarbka [2]. (7.7) ¹ ¿ ¶ « » ¼ » ² ± ® ª ¨ ¶ ¯ ¶ « ¹ ¨ ®´ © ¿ ¹ Ä ² ¶ Ú º ½ ¾ « ¹ ¾ « ¹ ¾ ³ ´ ® ¾ ± ½ « ® Ä ¹ ¸ ® ¶ « ¹ ¬ Ä ² ± ¼ ¹ ¨ » à ± · Á ® « ¶ - HD ¸ ¹ ¸ ¶ ¨ ± ¶ ´ µ ¼ » ¨ » ¶ â ² ± ® ã ä å æ ç è é ê ë ì í ä ë î ï ð ç ãñ ò î ç æ ë ó ã ô ë õ ê ò ä ë õ ö è ÷ ø ù ë ú ç û ü ë ê ê ü ï ð é ç û ú ý ó ü ê ò å ë þ ð ü é å õ ç ó ô å û ä ð é ö õ çñ ÿ ò úþ ç ðæ ü ò ú ò è é ç ê òå õ ãï ô è é ö ê ê òä õ HD ë þ ð ü é å ñ ü ä ë ð ê ò è ö õ ü ð æ ë ì è ò ü ä æ å ü lnej i ñ ç ãæ õ ò è é ó ç òê òë õ ü ê ö ê ü ãæ ï å ñ ý è ë poprzedniej. Operator HD HD0 = O p0 oraz HDn = O pn −1 + pn − O pn −1 dla ≤ ≤ (7.8) ù ð é ç ä ãé æ ü ô è ç ê ò ç ÿ ï ë é õ ü úü é î ê ò çñ ãé ö í ä ë ð ç úü èñ ï ð é ç ãæ ð é ç ê ê ý ï ë î ò ó é ö ó ü ê ö î ò ë þ ð ü é å ï ð é ç é è ë å î ë ú ò õ ò ! " # $ % & ' ( ) * + ) ( , - danych (obrazowych. Aby prze ( ) + 4 ' , . 0 + ( ) / ( . 2 + + 3 ' + 4 ) + 4 ) 1 , , 3 3 + 5 - ) 0 ( 6 7 6 7 ; ( , - 8 9 ! : ; < = > ( ? - / 3 ' + 4 ( ) ardowych obrazów naturalnych oraz obraz medyczny (patrz rys. 7.4) poddano ( , + ( + ) + 4 ( ( + 4 ) ( ( + 4 / / - 7 ) - @ 3 * 3 ' +4 2+ tak skonstruowanych metod kompresji przedstawiono w tabeli 7.1. A , 3 ) ) 6 7 8 3 - * - + 2 + , 3 2 + , 0 0 ( + ) + ( , - A , 2 + 2 ( + 4 , + 4 Technika przegladania\Obraz Wiersz-kolumna Kolumna-wiersz Naprzemiennie 8 /) +4 Hilberta 5 3 ' + 1 > Lena 5,28 4,87 5,03 4,97 5,06 4,79 Barbara 6,40 5,86 6,22 6,04 6,17 5,79 104 3 ' + 4 7& ( ) 3 , + 4 Goldhill 5,50 5,45 5,42 5,38 5,47 5,31 / ( - - bpp. Obraz CT 1,98 1,90 1,98 1,77 1,93 1,89 B ( + 4 ( 3 + 4 + 4 ( + 4 algorytmu. W stosunku do typ ( @ 2 + / 2 + +4 , ( E + 4 - ' ) ) 2 + - ( . & 0 ( ( ' + ( ) E 8 ) ( 7C D + 4 A + 4 , & + 4 ( + 4 , / ( + 1 , 105 - ( + 4 - - ( 0 - 3 ( + ( + & H 7I J H 7I + 0) ? ( 4 , - ' ( ) Rys. 7.4. Obrazy testowe( (Lena: góra-lewo, Barbara: góra- & ( 30 G - ' , + 4 2+ 3 ' + 4 ( @ ( 3 + 4 3 ' + . 2 . 2 ( , + 2 + ) 3 , , 3 3 ' + & ( 0- ' ' 2. , - - + 2 . & + 2 + ( / + ' ( ) , 3 ( ( - F ( ( 3 0 -lewo, CT: , + 4 7.2. Metody predykcyjne Predykcja 2-D (dwuwymiarowa) daje zazwyczaj lepsze rezultaty przy kompresji obrazów w ( 2. + 4 G& ) ( ' - - . + / stosunku do metod 1-D (jednowymi ( ( ' 2+ / ( + 4 ( ( + 2+ ( ) 2. 3 & / + 4 ( , 3 + 4 ' 2+ + , 3 / ( - 3 ! / ( - ' * / ) ( & ' ( @ ( + ' ' ( - / ( 3 , ' 2 . ( + + ( + & + 4 + 3 , - + + + 4 & ( 0- ' - ( + + 4 ( 2+ ( przeprowadzonych w poprzednim rozdziale5 roz ( ( @ - + ( ) + 4 - + , + 4 ! ( / 2+ + + 4 , ( * ( + 4 , + 4 ( ) + + 4 & ' / ( + ' $ ( 8 ( ( ' B 6 H ' ' + + + ) / ( - Linia k Linia k+1 B Linia k+2 A C Rys. 7.5. Przedstawiono fragmenty tr + 4 + 4 ( - ' & , 0 - ( + ( ( - C @ ) , 2 & 3 / ( 8 0 ( / - + M Q P + ,Q O ,Q N + 4 , - ( & ( - / ; 30 30 ( + ( + 4 2+ - 3 > 8 K L & + + + $ ( ( ( + + 4 3 ) A, B, ( jak na rys. 7.5): ˆ = 0.50 ⋅ Q Q ˆ = 0.90 ⋅ Q Q Q ˆ = 0.75 ⋅ Q ; 0 - ( + ( + ' ( - / . ( + ) - ' + 0.50 ⋅ Q P − 0.81 ⋅ Q P − 0.50 ⋅ Q N O + 0.90 ⋅ Q N O + 0.75 ⋅ Q N (7.9) . 0 - - ( - + + 4 ( + . P + 2+ 8 + ) 3 - + - , & 3 0+ ) , 0/ ( - 2 ( ( ) Zagadnienie predykcji 2-D zostanie przedstawione nieco bardziej formalnie. Oznaczmy przez F=F[f(x,y)] macierz obrazu o rozmiarach M × N, gdzie element f(x,y) ( przedstawia w 2 . - + 2 + - + / x-tej kolumnie i y-tym wierszu 7 @ ( + 2 . macierzy, przy czym x=0, ... , M-1, y=0, ... , Nf(x,y) jest ( , ' , + 2 + - + + 4 / ( Ω ( - ( + G / - + 3 , F (jes 106 ^ ∑ á(m, n, p, q) ⋅ f ( p, q) , f (m, n) = (7.10) p ,q∈Ω ( gdzie á(m, n, p, q ) + 3 0 + + & 3 ) - ) . - + 0 ' M x,y), np. w algorytmach adaptacyjnych. Tworzona jest nowa macierz E=E[e(x,y)] + , 0 / ( ( + ( ( + 4 2 + + F + ' 2+F E T S ( , R ) = Q ( S , R ) − Q ˆ ( S , R ) , przy czym e(⋅), f (⋅), fˆ (⋅) ∈ Z @ ( ( 2+ + E 2 . ) ) , - + 4 / kodowane. 2 ( U ( + - - ( Ω( + & 0 ( + 4 ( 6 H + + 4 , + 4 & kodowan ) & + + ) ( - ( 2+ - + 4 - Q + Y( - ) ( + / 2+ Y& + ( . ( 0 ( + 4 ( ( i. W + 4 ( - + ) + 2+ ( + - ( + ( - - ( 0 , ( - + ( 2 + + + E ( - ) ( - M 2+ ) + 4 ( + + ) 3 ( , - F 2+ ( / ( ( + - ' V W ( & X+ 4 - ) ( - - + 4 ' 2+ / ( @ + ( + 4 & 3 + + 4 + 2+ 2+ - ( 2+ ( & ( + G ˆ ( S , R ) ze ( + ) + ( 0- ) Q / - + ' 2+ F (S , R ) = Q ˆ (S , R ) + T (S , R ) . @ 3 0+ , 0/ ( - ) ( ( ) predykcji á( x, y, p, q) 2 ( ( ) + 4 + ) - + 0 ( - - + ! 03 ' & M - ( , + / 2 + ' + + 2 + G R(m, n) = f + σ ρ + ( 0- ) 2 2 | m| poz F 2+ ρ |n | pion - + 2 ( , gdzie σ f z 2 jest m=x-p i n=y-q ρ oznacza M G & - + + 0≤ ρ ≤1 e lokalny charakter danych w obrazie, odpowiednio w kierunku poziomym ρ Z [ \ i pionowym ρ Z ] [ ^ . Taki model obrazu to + & 3 0 + + / 2 + & + 3 0 + + ( + 4 + 4 ( L A 2. , 3 naturalnych wynosi ponad 0.9 w obu kierunkach. Ω elementu f(x,yG , 3 + + ( F f(x-1,y) - punkt A na rys. 7.5, f(x-1,y-1) - punkt B, f(x,y-1) - punkt 5C( - oraz f(x+1,y ' 1) jako kolejny punkt z wie ' + ) ' - + ) > 2 . 2 ( , - ) ) ( 2 + ' ( ) - + f = 0 dla nowej reprezentacji i poszukajmy najlepszego modelu predykcji. 5 2 ( ' 5 - / ( - & ' 2 ( ( ) , 3 3 0+ 3 α A = ρ poz , @ ( . & ' - > 0 + ( - - , - 5 + 2+ 8 . ( - - - α B = − ρ poz ρ pion , ' ( - - > ( + ) ( 0 - ( + / - + F 107 α C = ρ pion , ( ( ( + , 0 / ( - ( / - + F + , αD = 0. (7.11) 2+ ( ' + - Q 8 / + ( 0 ( - - M 3 3 0 + - ˆ (S , R ) = ρ Z [ \ Q MV 7I GG + , - + / − ρ Z [ \ ρ Z ][ ^ Q P + ρ Z ][ ^ Q N . (7.12) 3 0 + ( + & ' ( _ + + O , - erunkach ρ Z [ \ = ρ Z ] [ ^ = ρ & - 0 ' - - + 4 / - + . funkcji przewidywania: b c ˆ (a , ` ) = b b b 1 [ ρ ( a , ` − 1) − ρ 2 ( a − 1, ` − 1) + ρ ( a − 1, ` )] . ρ (2 − ρ ) d ef g hi j k l m n o o { trj k f l m k d p l g hp d o q i u |k i j } j f g o q rh m q f e h o z j r { w s p { i e~ q l f y q d i q | g p h m j k l o z x g o v d e m | r o { e f k ~ q ep d w | fg q d f v rwhf x y k f o g en tf l m g |k h fhp s o u m d o |h f j r r eo k v rf ep q f eho zj r j f g o q rh m g o l h m g |h p q i g o l f l o h m |h i d e m k m l h o q f l m q o s o q f l r m o { e f k p o { efk ~ q l f tmu i d ek mq rs i q f l m y s f j l f |h w d l rm d e m s i g j r k f o { |m eq o q f x c q rs k m l rf (7.13) d ek i g f s k rm k q i g o e k i |h f l rm v d tp | s o s f h g o q i q v o s m tp d e m s i g j r l f d e k i g f s k r m e ~ u l i j } v m h o s d e m s i g j r o { efk h m |h o q i e i | d o s s f l o kompresji bezstratnej przy wykorzystaniu liniowej predykcji z kontekstu 2-D oraz kodera fei hv mhi jk l mn o ek w s p s o g o s o q f l rf e m |k h d em s i g j yjnych. Skonstruowano 4 konteksty ek w s p y y y o e m n e m | r t rl ro q m g |khfj rm f g i l rg r l f e i | y f q | d ~ j k i l l r g r v o s m t r d e m s i g j r t r j k o l o v m h o s d o e~ q l f m m g hi q l o zj r hfg |g o l |h ep o q f l i j } v mho s g o v d e m | r przedstawiono w tabeli 7.2. i | o q i g o e k i |h f l m d ek m n t s f l rf t m q m q s f l i j } d fhek kompresji d e k m |h e k m l r o { e f k p |h e o l rm d e m s i g j r o { efk o q i j } hf{ k p v rm |k j k o l o q f eho zj r g o tp v l f |k h fh k f j } o q fl rm v g o l h m g |h i d rg | m tr q d o g o l h m g |h ~ q ek w s p o s d o q rm s l ro d ek i g f s k rm g o tp v l r m k m p q k n tw s l rf q k n tw s p d rg |m tm d e k i j k i l o q o z j r v o s m tp o obraz testowy CT. 108 y c fo u o l i d e f q m l f y m |h tm d |k m l f { t ru m |h e o l rm r y |j} m v fh wyniki q d o o u o l m - dodatkowy f{ m tf d e m s i g j r s fl i j } j m l f |g p hm j k l o zj r g o v d e m | r trl ro q m mg hi q l o zx d e m s i g j r s tf g fu s mn o q i z j ro q m n o o { efkp f{ m tf Lena 4,87 4,55 4,48 4,48 4,49 d hi v f tl i d ek m n t s o l h m g |h e k w s p o l h m g |h e k w s p o l h m g |h e k w s p o l h m g |h e k w s p ro l i j } k q rw g |k i x |g p hm j k l o zx fh o v rf |h e m k p th f h l ru o d h i v f t l m | g f l o p u f s o q f eh o z j r d e m s i g j r m s i g j r o { efkp g o v d e m | r ych kontekstów w modelu o d hi v f tl v mho s zem s l rj } ek w s p f{ m tf p k i |g f l o rl l m n o CT1 (rys. 7.4) CT2 (rys. 7.6) 1,77 1,84 2,00 1,51 2,02 1,48 2,12 1,51 2,14 1,45 n m l m e f tl rm |hq rm e s k rx y d o k q f tf s o { ~ e o o { efkp q ze m s l r m h m |h o q f l i j } d ek i v o s m tr d ek i m |h q o { efk ~ q y g h~ em s f l i v d e o |hi j } h f{ m tr q s f j f d e m s i g j f |rw s ff k fp q f u i x o s k q rm e j r m s t f |g o e m to q f l m ek w s p v o s m tf j} |h o |p l g p d ek i d f s g p d ek mn t s f l rf |h o |p l g p s o o ts } rtt n o e |k i v mho s hfg u m d o k ro v q f eho zj r d e m s i g j r s o o { efk ~ q d o s fl o o q i ef¡ l rm g o e m tf j r o s v rm l l d rg |m tr s f l i j } y |g p hm j k l o zx o { efkp | f { r m s tf o { efkp k q y o |g o e m to q f l m d o d efq f o d hi v f t rk f j |g f l o q f l rf l fhp e f tl i j } o d hi v f tl m ze m s l ro g q f s e fho q o q |d ~ j k i l l rg r anych obrazów. v o s m tp d e m s i g j r o { efk ~ q ek w s p ze m s l ro g q f s e fh o q m n o k l f j k m l rf d p l g h ~ q Lena |d ~ j k i l l rg r d ek i d f s g ~ q v mho s i f e { f e f y g o l hmg zj rm y d o q o s p m f e s k r m q i ef¡ l f |d ~ j k i l l rg r Obraz q i g o e k i |h f l r m { rh o q m q m l f y u m q rw g |k o zj r o s d o q rm s l r m k v l r m |k m l r m o s d o q rm s l ro s tf g fu s mn o k g o v d em |o q v rl r v f t rk f j r { w s p v o s m tp |h ep v rm l r f wanie. d o s o { l rm k em |kh fg q v o s m tp d ek mn t s f l rf { rh o q i j } Goldhill 5,38 4,98 4,95 4,95 5,13 o { efk ~ q l ru q |d ~ j k i l l rg ~ q y ¢p u g o v d e m | r ek i g f s o q o y k s i l f v r j m k v r f l y | k l f j k l rm { f e s k rm d o s f h l m l f d e m s i g j w l ru mg hi q l o zj r ef s fl i j } y s tf { p s o q fl i j } d o |k j k m n ~ tl i j } pr v l r m |k m d rg | m t m e~ u l o eo s l o zx j o v o s m tf j } e~ u l q f eho zj r v o u l f g o v d e m | r y fk ~ q e~ u l i j } y k fq rmef q i l rg ~ q danych. Dla kolejnych obr l f t m d |k m n o | j } m v f hp d e k m n t s f l r f d o e~q l f l o Barbara 5,86 5,28 5,23 5,17 5,69 Na podstawieh m jprzedstaw d e m s i g j r q } l rg f j } { m k |h e f h l m o efk s tf { d d Metoda\Obraz { f e s k r m o { e fk ~ q Barbara o { trj k o l m v mho s g o l h m g | h p f g l f e i | Goldhill CT1 CT2 α A α B αC α A α B αC α A α B αC α A α B αC α A α B αC .7 -.5 .8 .25 -.06 .8 .81 -.53 .72 .53 -.11 .57 .79 -.65 .87 o ek i zx k m k q rw g |k f l rf hm o emhi j k l i j } eo kq fu f o { e f k o q i j } f q r w g |k f rm v f czym n d o n o e |k m l rm ek w s m v ek w s p r j } f ef g hm ep ek w s p d o q i u m o d f ehi j } d o d efq f y l f s tf v o s m tp o { efkp m |h o { efkp v o l o ho l rj k l m n o | g p h m j k l o z j r g o v d e m | r y f tf v o s m tp y g rm s i e f j k m y ek s d e m s i g j f l rm d o k q f tf l f p k i |g f l rm d o d e fq i 109 |rw n f rl l i j } o d hi v f tl i ho k l rg o v f y £ feg o q f y m |h j o d o hq rm e s k f j } f ef g hm ei k p j i v s tf v o s m tp d ek i d f s g f j } v o s m tp q q i s f m o n ~ tm v o s m t |rw |p |k l o z x k { r~ e ek w s p ek w s p s fl i j } y d ek i s f m n s k rm z d o v rw s k i l rm |g p hm j k l f y k q rw g |k m l rm m m g h i q l o z j r y f q e w j k d e k m j rq l r m 7.3. Metody interpolacyjne £ mho s i } r m e f e j } r j k l m o h f j k f j m n o g rm s i q d p l g h o { efkp g o l hmg zj rm k fo u o l i v d m q l m k d ek m n t s f l rf o { efkp o e o | l j m zg o grubej siatki dalekos o q fl m | m s i l r m g o tm l m d tf l ~ q d p l g h~ q { f e s k r m o { efkp s o |g o l fi g o l h m g |h |h f m g o s mef m m g hi q l i v o v fo |rw ¦ e i |p l g p g o v d e m | r r s f x d rm eq |k m £ g o tm l o z j r r trjk { i k f s f q f t f j m r k | s o tp { s p u i j } y m s l o eo s l i j } { o g p r ho q l f |h w d l rm £ o u l f |rw k d p l g h~ q d rm eq |k i j } d rg | m tr ho g o |k hm v } rmefej} rf d o v r f l f y tm u j i j } jk i tr s tf g o tm l i j } s tf l rj } k { p s o q f x { t ru m q d e k m |h e k m l r d o e j r |h ep v r m l r f q i z j ro q m n o rl h m e d o t f j w d o k ro v ~ q o { rmg h~ q q s f t |k m q i { ef l mn o g o t m l o z j r y q q i f zl ro l i { to g p d o d ek mk jk i q rzj rm y s fl i v efn v m l j rm s p u m o s tmn o zj r k fp q f u i x y u m ¨ hi tg o o { efkp j khmem j} k o |h f l f ×d e9m sobrazu. W i g j w -D q d ek i d f s g p d e o |h d rg | m t f m |h d e k m q rs i q f l f m s i l r m k hi v ho rzewidywania. o k l f jk o l m fg o q o s { i x m |h d o d e fq rf l f { o q rm v g o s o q fl i j } f ei hv mhi j k l m s o s fhg p podstawowe elementy obrazu u f s l m d e m s i g j r f eh o d e k i |rw |he o l i § j k w |h o d r|m tm tfhmn o hmu l rmek f s g o { mk v p |r o l rm jk l o zx m m g h i q l f d e o |h f d e m s i g j f s f l i j } m s l m } rmefej } rjk l d rg |m tm ¤ p v f l f §k u m rl h m e d o t f j o { e f k f j k w z j r m m |h trj k { i d rg | m t r e m k p th f h i y n s i u q f e h o z x tmq mn o l f |rm{ rm d rg |m tr k d ek mk n ep d g o s o q fl m g o s o q f l rm q i |h w d o q f l rf n ~ ei d rw x l f k i q f x d o q o s p m y { tru m f s f j i º, sk o { efkp hf v { w s k rm v i d rg | m t r v f j i j } k l f j k l r m |g p h m j k l r m | k i g o l h m g |h d o v i | d e m s i g j r zj l f o u o l m j o efk g o l h m g zj rm g o l h m g |hp º). Przewidywanie wartoq jik danego piksela, l rm hi tg o d rg | m t m m z l r m | k m y d e k i g o l h m g |hp q f eho zj r d e o d o e j f k { p s o q fl rf e o k s k rm tj k o zj r £ fo d rg | m t r tmu ji j } o { e f k p ¥ |h o h l ¦ d e~ { d e m s i g j r |h ep g hp ei o s tm n i j } | q i |h w d p s f l i j } y v o s m tp } r m e f e j } r j k l m g o tm l i j } d t f l ~ q |h e o l i d e m s i g j r d ek i j k i l o q o zj r |k hp j k l m ¤ ¥ g f u s m v o s m tp d o ek s g p k f j } o q fl rf rl h m e d o tf j r hf d e m s i g j f s f d rg | m tr tm u j i j } g efhmg k o { efkp ji j } o d f j f |rw g o s o q f x h m q f eh o z j r trj k ba tak nieefektywnie kodowanych - 9 z 81 pikseli bloku 9 × 9. Kolejna grupa kodowanych pikseli d o k ro v p s ep n rm n o q trj k { rm k { to g p v f e ~ q l rm u |h o |p l g o q o s f tm g o o s tm n i g o l h m g |h r m y f t m p u o h f j k f j i q i { e f l i d r g | m t k j k h m e m j } | h e o l o d e f q i predykcji (2 kratki po skos v o s m tp s t f n ep d i s ep n r m l r m p s f m | r w |g o l |p v o q f x m m g h i q l r m k m q k n t w s p l f v f tr j k l o z x d rg | m tr m |h h m |h o |p l g o q o n ep d i o s o q f l rm v o u l f q i g o l f x d rg | m tr y k s q rm g o l h m g |h p u i hi j } s o { p s o q fl i o s tm n o z j r d rg |m tr s o d rg | m t r rl h m e d o tf j m { t ru | k m n ep d i v ff | o k l f jk o l i j } d ek m k rj } l f rj } m |h m |k j k m d o s |h f q rm { f e s k r m g o s o q fl i j } m mg hi q l m y n s i u q j k m z l r m g e f h g ry n ~ e f y s ~ y tm q o y d e f q o i j } d rg | m tr m |h t r j k l r m | k m rl h m e d o t f j r q f eho zj r r v o u l f q q f eho zj r tf rj } d ek i d f s g p d rg | m t r q k { p s o q f x m |k j k m trj k { rm |k m | l f |hp o { p |h f hl rm g o e k i |h l r m | o s tm n o zx przewidywania wynosi jedna kratka po skosie, a dla 40 pikseli kontekst jest | h e o l y k l f { tru | k m o s t m n o z j r i l rg f |h s y u m d e f q rm d o o q f d rg | m tr q { to g p d ek i jk i l o q i g o l h m g | h l f { t r u | k i j } d r g | m t r o h f j k f j i j } m k g f u s m | h e o l i m |h g o s o q fl f k s p u m m g hi q l o zj r y n s i u v o u l f s tf l rj } k { p s o q f x g o l h m g |h ¦ £ o s m tm rl h m e d o tf j i l m k f |h o |o q f l m s t f g f u s m n ep d i d rg | m tr v f e k s e ~ q l i v mho s i zy d rg |m tr k j k h m e m j } eo kq fu fl i v p u i hm n ep d ¤ ¥ m |h |j } m v fhi k fn f s l rm l rm v | f { f m mg hi q l o zx rl h m e d o tf j r m |h h p h f | v fo d e k m |p l rw j rm g o v d e m | r |g p hm j k l m k f v o u trq r m s fl i j } k q k n tw s p s p u m d rm eq |k i j } l f trjk { i o s tm n i d rg |m tr d o k ro v ~ q y º). f s g rm s i ho g o l h m g | h tp j k o q i v l f d o k ro v i q i u |k m y k lepszym kontekstem. rm q h d trq d eo n em |i q l i k f tmh j } fefg hme f tn o ei h v p hq o ek o l m n o } r m e f e j } r j k l m |hep v rm l rf rl h m e d o tf j r m |h s f l i j } y g o t m l o z j ry niskorozdzielczej wersji obrazu w pierwszej e o |l j e o k s k rm t j k o z j r d e k i d o v o j i g o tm l i j } 110 f l fhp e f tl rm p v o u trq r f j i l f |h w d l rm p k i |g rq f l i d ek m |i f l rm s o o g e m ztf l rm o { efkp d o e j r rl o e v f j r s o |i f l i j } k g o s m e f k i | ¥ tp | h e f j f g o s o q f l rf kodowanych kolejno poziomu.. e k m s |h f q ro l i p |d efq l rf l i n ep d v o s m t rmg fq i rl h m ed o tf j i l m n o k l f j k m l rf d rg | m t r d rm eq |k m n o y } r m e f e j } r j k l m d o v i | s ep n rm n o y rl h m e d o tf j r v o s i rg f j r hmn o y y hek m j rm n o y v o u m |j } m v fhp { i x y y o jk i q rzj rm |h f l o q r s o hi j k j k q f eh m n o r d rhmn o d o d e fq rf l i k f |f s l rj k r g o l j m d j w techniki CALIC [4], uznawanej obecnie za state-of-art w dziedzinie bezstratnej kompresji obrazów. 7.4. Dwuwymiarowe modele statystyczne q p q i v rfeo q m v o s m tm |h f hi |h i j k l m v o n { i x { p s o q fl m l f { f k rm f l f to n rj k l i j } kontekstów, jak | rw przypadku metod predykcyjnych. Zasadniczy h m schemat kodera fei hv mhi jk l mn o w l rm k v rm l rf y n s i u k l f s p k f |h o | o q f l rm |f v m v o s m tm d e f q s o d o s o { rm |hq q f ep l g o q i j } q i u |k i j } ek w s ~ q y f g q o d r|f l i j } q e o k s k h m j } l rg f j } kodowania arytmetycznego. Wv otym przypadku jednak kontekst modelu budowany jest w |d o |~ { { f e s k r m ko u o l i s m tp ek w s p q f eho zj r s f l i j } m kontekstu nie tworzy m { m k d o ze m s l ro d o d e k m s k f j i j } g o s o q f l i |i v { o t q |h ep v r m l rp q m z j ro q i v y f t m q f eho zj r m | | r m s l r j } q d e k m |h e k m l r o { e f k p f e h o z j r d r g | m tr g o l h m g | h p v p | k { i x q r w j j k w | h o d o { r m e ane e ~ q l r m u k q j k m z l r m | k i j } d f e h r r |h e p v r m l r f y l d k d o d e k m s l r m n o q r m e | k f d e k i g o s o q f l rp d rg | m tr q rm e |k d o s fl mn o d rg | m t f v mho s w p |h f tm l rf q |k i |h g rm q f ep l g p q rm e |k p o l rm j k l m q g o s o q fl i v g o l h m g |hp y l f e k p j f j q f eh o z j r q i g o e k i |h f l m q s o q rw j d o d efq l m £ o u l f o s d o q rm s l r o g e m ztm l rf p |h f tm l rm q i o { efk rx |o { rm g o tm l o z x g o l h m g |h p { i i g o l h m g |hp e~ q l rmu g o s o q fl rf d o { rmef l m q i |h d rm l rf rl h m ed o tf j i l d rg |m tr h f g y f{ i d ek i k f j } o q f l rp d ek i j k i l o q o zj r f d o q f u l r m |k m ek w s ~ q m |h o { efk rm d eo { tm v i g o s mef j} fei hv mhi jk l i j } e k m s | h f q r o l m k o |h fi h p h f k q rk f l m k g o l | h e p g j v o s m tr |h f hi |h i j k l i j } s o hi j k k f n f s l rm l rf e o k e k m s k m l rf g o l h m g |hp l rmg h~ em |d o |o { i 111 d o d efq i q i u |k i j } d fhek eo k s k | g p h m j k l o z j r g o v d e m | r o { e f k ~ q k q i g o e k i |h f l rm v v o s m tr q i u |k i j } ek w s ~ q d o d ek mk v g q f l h i k f j w k w |h o |h o |o q f l i v |d o |o { m v k v l r m | k m l r f odelowanie kontekstu i jego g o l h m g |hp g o s mef fei hv mhi jk l mn o y hkq kwantyzacji kontekstu, jest liniowa kombinacja elementów kontekstu modelowanego, który v f e m f tl i q d i q l f g |k h fh o q f l rm v o s m tp |h fhi |h i j k l m n o |d ~ j k i l l rg r trl ro q m n o o d m e f h o e f g q f l h i k f j r g o l h m g |hp | s o { r m e f l m v m h o s e m n e m | r t r l r o q m e m s p g o q f l i m | h e o k v r f e g o l h m g | h p y j k i t r e k s v o s m tp |h f hi |hi j k l m n o mhp d efq q i d ml rm l rm s o k v rf l v o s m tp to g f tl m e o k s k y hi v q f eh o z j r Dodatkowy efekt zmniejszenia dynamiki (alfab s o d o s o { rm |hq q f ep l g o q i j } q d e o j m |rm g q f l h i k f j r v o u m r j o k f hi v |h f hi |h i g r k l f jk l rm h f g rv s o o g e m z tf j i j } f tf { mhp d o q o s p m rs k rm y q rw g |k m n o q rf ei n o s l o zx y f h f g u m |h ep v rm l rf kq rwg |k i x q m z j ro q m n |g p hm j k l o zx e o k q r k f l rp |h m ep j m n o g o s m e m v v o s m t |k i { |k m |k i { |k f s f d h f j w o. Taki prosty algorytm, wspomniany w { m k |h e f h l m g o v d e m | r o { efk ~ q £ ~ q r o l f |h w d p j i d e k i g f s c q f l h i k f j f g o l h m g | h p q fei hv mhi j k l i v g o s o q f l rp m l f y f e{ f e f y o ts } rtt r Zbiór czterech obrazów testowych: L hmn o eo k s k rfp d o s s fl o g o s o q f l rp v o s m tp j m n o ek w s p d eki hfg u m k o e~ u li j} d o v o ji v o u trq o z j r g q f l h i k f j w d o d efq i trl ro q m n o ek w s p k q fn fv r |g p hm j k l o zj r m tm v m l h ~ q r g q f l h i k f j r g o l h m g |hp k d o d ek m s l rj } d ek i g f s ~ q q i g o e k i |h f l rm v k g o l h m g |hp e o k v rf e f j } o l h m g |h h m l m |h g q f l h o q f l i o d mefho ef f tf { mhp f ei hv mhi j k l m v p s o { ef l i v r g o s oq fl rf g o l h m g |hp y j o o { efk ~ q s o g o l hm g |hp v mho s fei hv mhi j k l mn o d o d ek mk s f m l f | h w d p j d o |h f x d e o j m |p x ′k −1 w punkcie f k q m s p n p |h f to l m d rm eq |k m n o e m n e m | r © g o e k i | h f l o s o s fhg o q v o s m to q f l rf g o tm l o z j r d e k m n t s f l r f danych): gdzie m- ek s « ¬ ® ¯ ° ± ² ³ ³ ´µ ¶ ·¸ ¹ º· m ∑ α i x k −i x ′k −1 = round i =1 q g o l h m g |hp v o s m to q f l m n o y i- indeks po elementach kontekstu 2-D, a µ wantyzacji alfabetu. Wyniki zebrano w tabeli 7.4. » ¼½ ¼ ¾ ¿ À® « ³ · ³ ´¹ ¬µ Á ¹ ° ± ³ ¿ ð ´ µ ¿ Ä À ¹ ¬Å ´ ¿ ¸ À·± ® « Æ º· (7.14) ª ≥ 1 to À ® Ç ³ ² ° È µ ¿ ³  ¹ µ ¬Â ® « Ä ¿ Æ ¹ ºÁ Å É ° ² ° È ¿ À± Ð Æ Á ÊÅ · µ « À ± ² µ ¯ · Æ ± ´ ¹ » ¼Ë Ì Í µ « · ³  ¿ « · ³ ² ° È Æ ¿ µ ¿ ³  ¹ µ ¬ÂÁ Î « ¹ Æ ¯Á Ï Ï · º ¹ ¿ à » ¼ ½ Ì ¼ ¶ · ¸ ¹ º · · ¹ À · · À ¿ à à À ¹ ¸ ¿ ¿ ¼ Ñ · À ¿ Ã Ò ± Ç ³ ° ´ Ê Î ± « ´ «  °´ Æ ³ ´° È ´Â « ² ° È µ Æ Á  « ¬ ® ¯° ± ² ³ ³ ´µ · - Æ ¿ ¸ À · ³ · Å ¹ ¬Â ¿  ² Ä · º³ ´¹ Æ º· µ · Ç Æ ¹ Lena q =4 4,61 4,56 4,55 4,53 Ó ¿ ³  ¹ µ ¬ Â Ä ¿ Æ ¹ ºÁ Å É ° ² Ô ± É Æ Õ Ô ± É Æ ½ Ñ Ô ± É Æ Ö Ô ± É Æ × ¿ À ® « ³ · ³ ´Á µ ¿ Ä À ¹ ¬Å ´ ¼ ¬µ Á ¹ ° ± ³ ¿ ð ´ Ä ¿ Æ ¹ º¿ « · ³ ´Á ¬µ Á ¹ ° ± ³ ² ° È ± À± ² µ ¯· Æ ¹ Ä Ù « ´Ðµ ¬± · ³ ´¹ À ¿ ± « ´É ± · Ú » ¼Ë À¿ ± Ä ´· ÀÁ µ ¿ Ä À ¹ ¬Å ´ ¼ ¬Â ¿ ¬Á Å ¹ Ï « ´Ð µ ¬± ² · ³ ² - Barbara q =6 5,56 5,51 5,39 5,37 Á ± ² ¬µ · ³ ¿ ± ¸ º´Ç ¿ ³ É µ ¿ ³  ¹ µ ¬ÂÁ ¾ ¿ « ´¹ À Æ ± · ¬´Ð q ¿ ± ¿ ¸ À·± ® « ¼ ¿ ¿ « ® º³ ´¹ Ï µ ¿ ³  ¹ µ ¬Â ³ ´Ç Goldhill q =5 4,98 4,95 4,95 4,94 Æ ¿ « À¹ Æ ² µ °²Å ³ ² ° È µ ·Ç Æ ¹ À± ²Å Ä ¿ « · ³ É À ¹ Æ ² µ °Å ´Í À ¿ ± À± ¹ Æ ± ¹ ³ ´¿ « ² ° È ¼ Û ¿ Æ ¹ º ¬ ¿ Ç ²  µ ¿ « · Ò À ± ¹ ° ± ² « ´ ¬Â ¹ µ ¿ À ¹ º · °Å ¹ ¿ Ä ´ Ð Æ ± ² Ä ¹Â¿ Æ À± ² · Æ µ Á CT2 q=1 1,49 1,48 1,41 1,36 ¿ ¿ ¸ À·±Á Ï ± · ¬· Æ Ð Í Ç ¹ ¿ °± ² « ´Ã° ´¹ ¬Â · ² ¬Â ² ° ± ³ ² ¹ عµ ² « ³ ¿ ÃÒ Æ ·¯¿ ¿ À·« Ð ¬Â · ² ¬Â « ¿ Æ ¿ ±« · º· º ¹ ´ ¹Å ¹ º ¹ Ä ¹ ³  · Ä ´ ¿ ¸ ¹Å Ä ¿ « · ³ ² Ä ´ À ± ¹ ± 112 ycznym « · ÀÁ ³ µ ´¹ Ä ¿ ´¬· Ò ± Æ ¹ Ø´ ´ niowany µ ¿ ³  ¹ µ ¬Â ¼ Ü ´¹ ¸ ¹ ± ± ³ · ° ± ¹ ³ ´ · Å ¹ ¬Â  ¹ Ç · Æ ·  · ° ² Å ³ ² Á « ´· À² ¿ Æ ³ ´· ³ ´¹ Ï ¬° È ¹ Ä ·Â® « ¿ À± ¹± À · « Æ ¿ ¿ Æ ¿ ¸ ´¹ Ú ¬Â« À ¹ Æ ² µ °Å ´ ¬Â ¿ ¬¿ « · ³ ² ° È ± · ¬Â ¿ ¬ ¿ « · ³ ´¹ Á ± ² ¬µ · ³ ² ° È µ ¿ ³  ¹ µ ¬Â Á À± ² À ¹ Æ ² µ °Å ´ À± Ð Æ Á ¿¯É °± ¹ ³ ´¹ × ¿ ¸ Á À ¹ Æ ² µ °Å ´ « Ï µ Æ µ ´ºµ Á Ý Þ ± µ ¿ Ä À ¹ ¬Å ´ « Å ¹ Æ ³ ² Ä ±¯¿ Ç ¹³ ´¹ ¾ ¿ À·« · Å ¹ ¬Â ¬Â É Æ Õ Ì ¼ ¬° È ¹ Ä · ° ´¹ Í À± ² « ´Ð µ ¬± · µ ´¹ Æ ² ¿ « ² µ ¿ À ± ² ¬Â · ³ ´Á µ ¿ ¿ Æ À± ² · Æ µ Á ß ´¹ µ ·« ² Ä Ê ÂÅ ¼ ¬  · ¯ ¹ ¬Â ·  ² ° ± ³ ² ° È ¹ عµ ² « ³ ¿ ð ´ ³ ·Å º ¹ ¬ ± ² Ä « À± Ð Æ Á Æ ¿ mpresji À ¹ ± Á ºÂ ·  ® « ʬµ Á ¹ ° ± ³ ¿ ÃÒ ¹ µ ¬ ¹ À² Ä ¹ ³ ¹ Ä « · À ¿ à ° ´ Å ¹ ¬Â À® Ç ³ ´° ¿ « ¹ Æ « Á « ² Ä ´·À¿ « ² ° È ¿ Ä ¿ Æ ¹ º´ ² ° È µ ¿ Æ ¿ « · ³ ´· wykorzystane d ¿ ¹À¹ Ä À·³ ´° · ° È ¸ º´¬µ ¿ ·À² ÂÄ ¹Â² °± ³ ´¹ « µ ¿ Æ ¹ À · · º ¿ À² ÂÄ ® « Í À± ² °± ² Ä ¬Â · ² ¬Â ² ° ± ³ ¹ Ä ¿ Æ ¹ º¿ « · ³ ´¹ Å ¹ ¬Â Ï · À ¿ à ¸ ¹ º ¹ Í · · ¿ Æ Æ ± ´¹ º³ ´¹ «  ° ´ ±« ± Ð Æ ³ Å ± ³ µ µ ¿ Æ ¿ « ·³ ² Å ¹ ¬Â Ï · À ² Â Ä ¹  ² ° ± ³ ² Ä Í Æ ·Å ¹ Æ ¿ Æ ·  µ ¿ « ¹ ± « ´Ð µ ¬± ¹ ³ ´ ¹ ¬µ Á  ¹ ° ± ³ ¿ à ° ´ µ ¿ Æ ¿ « · ³ ´· « ¿ ¸ ´³ · À ³ ² Ä « ² ³ ¿ ¬´ ´ À ± ¹ ° ´« ´ ¹ Ú ¬Â « ´ ¹ » ¼Ë ¼ µ ¿ ³  ¹ µ ¬ÂÁ µ ¿ ³  ¹ µ ¬Â ¹ Ä Ä ¹Â¿ Æ ¬É « ¿ À ® « ³ · ³ ´Á µ ¿ Æ ¿ « ·³ ¹ ¬Â ·Â² ¬Â ² ° ± ³ ² ° È ¼ ¾ À ¿ ¬Â ¹ À± ² µ ¯· Æ ± ´¹ À± Ð Æ ® « « ² Ç ¬± ² ° È ¬ ° È ¹ Ä · Â Ä ¿ Æ ² Ø ´ µ · °Å ´ Ä ¿ Æ ¹ ºÁ « · ÀÁ ³ µ ¿ « ² ° È Ì À¿ ° ¹³  ¼ ¶ ·µ ´ « ¯· ó ´¹ ¬° È ¹ Ä ·Â Å ¹ ¬Â ¿ Æ ¬Â · « É ³ ·Å ¬µ Á  ¹ ° ± ³ ´ ¹Å ¬± ² ° È ¿ ¸ ¹ ° ³ ´¹ technik kompresji bezstratnej obrazów [4,5]. JPEG-LS Inny sposób¹ À doboru kontekstu zastosowano w standardzie kompresji bezstratnej JPEG-LS à Íá â ¼ Ñ Ä ¹ · ¹ À¹ ¿ À · ¿ À¿ ¿ ¹ À ¹ º¹ Ä ¹ ¿ ¼ ß Ö ´ ³ ·  ¿ Ä ´· ¬Â ¿ Ä ´Ð Æ ± ² « ¬± ² ¿ ¸Å É Ò Â ´ Ä ¿ Æ ¹ º¹ Ä Æ ² µ °Å ´ « ² µ ¬Â · ² ¬Â ² ° ± ³ ² Ä ± ² ¬Â ³ µ ¿ Æ ¹À· ¬Â ² ¬± ¹ À ¬± ² µ ³  µ ¬Â ¿ ¸ ¬± · À  ®Å ³  « ² ¿  ¹ ³ °Å · º³ ² ° È È ° É ° ± · º¹Ç ³ ¿ ð ´ Æ · ³ ² Ä ´ ± Æ ¹ Ø ´ ³ ´ ¿ « · ³ ¿ µ ¿ ³  ¹ µ ¬Â Ä ¿ Æ ¹ ºÁ Å É ° ² Å · µ ³ · À ² ¬ ¼ » ¼× ¼ ã E B C A X D Rys. 7.8. ·Kontekst w ¿predykcji nieliniowej JPEG-LS oraz¿ modelowaniu statystycznym ¿ ¹À· ¸ À ¹ ¿ ä ¹ Ä ·À¹ · À· ¿ · · ¹ º¹ Ä ¹ ¹ À º· À¹ Í µ · Æ ´³ ³ Ï ¿ º· Å · ¬³ ¿ ¬± · À ¹ ° ´ ³ ¬± µ « Á ± Á ¹ ¯ ³ ´ ·Å É Â¹³ Æ Â² ± ³ µ ¿ ³  ¹ µ ¬Â ° ± Æ ¿ Å É ³ ² « ´Ð µ ¬± ¹ Ï ¿ µ ³Â µ ¬ÂÁ µ ¿ ³  ¹ µ ¬ÂÁ ± Ð Æ Á À± Ð Æ Á Ö Õ Æ « Æ ² µ °Å ´ Ä ¿ Æ ¹ º¿ « · ³ ´Á statystycznym. Û ¿ Æ ¹ º À ¹ Æ ² µ °Å ´ Å ¹ ¬Â ³ ´¹ º ´³ ´¿ « ² Í ¿ µ À ¹ ú¿ ³ ² µ ¿ Æ ¿ « · ³ ´Á ¸ ´³ · À³ ² Ä ¬µ « · ³  ¿ « · ³ ² µ ¿ ³  ¹ µ ¬Â ° ± « · À ¹ ç 1 = é ê − , Ï ç 2 ³ · = é µ ¿ ³  ¹ µ ¬Â Á ¬µ ¯ · Æ ·Å É ° ² è − , ¿ À± ¹ ± ± · º¹ Ç ³ ¿ ÃÒ ã if B ≤ min( A, C ) w p.p. ¿ Æ ¬Â · « ´¹ ¿ À± Ð Æ Á X if B ≥ max( A, C ) min (A,C) Xˆ = max (A,C) A+C − B Ü · ¬Â Ð ³ ´¹ Í « Æ º· ´µ ¬ ¹ º· ç 3 = Model probabilistyczny konstruowany na bazie takiego kontekstu jest postaci: À± Ð Æ Á (7.15) Ö ± À ² ¬ ¼ » ¼× ± Æ ¹ Ø´³ ´¿ « · ³ ¿ ¬ ´Ð ± ³ · ¬Â Ð Á Å É ° ² ° È « · À ¿ à ° ´ À ® Ç ³ ´° ¿ « ² ° È ã è æ − , = ç 4 æ − À · « Æ ¿ ¿ Æ ¿ ¸ ´¹ Ú ¬Â« å . (7.16) « · ÀÁ ³ µ ¿ « ² ° È ³ · P ( X | g1 , g 2 , g 3 , g 4 ) . ë ºØ·¸ ¹Â µ ·Ç Æ ¹ Ï ¿ ± ² ° È ¹ º¹ Ä ¹ ³  ® « (7.17) ¬ À¿ « · Æ ± ¿ ³ ¿ À± ² ¿ Ä ¿ °² ¿ ¹ À ·  ¿ À · µ « · ³  ² ± · °Å ´ ¬Â · ³ ® « 9 symboli zbioru {-4,-3, ..., ¿ 3, 4}, co ¿daje 9 =¿ 6561 ¹À¹ ¿ ¹ ¹ ¹ º¹ Ä ¹ Ä · ºØ·¸ ¹ 4 °±Â °È Á ³ µ ® « µ ³  µ ¬Â Á Æ ± ´ « ´Ð ° ´ ³  113 « ² ¸ ·± ´¹ Ä ¿ Æ ¹ ºÁ ʵ · Ç Æ · ° ´¹ Ì ¼ í  · ³ Å ¹ ¬Â ì (⋅) do µ ¿ Ä ¸ ´³ · °Å · ¿ µ À ¹ ú¿ ³ ² À± ¹ ± é µ ¿ Ä ¸ ´³ · °Å Ð = [ç 1 , ç 2 , ç 3 , ç 4 ] . Ponadto, dla zmniejszenia liczby stanów w modelowaniu ¹ ¿ ¸ Í Ç ¹ Å ¹ ú´ statystycznym wykorzystano oddzielne ustalanie znaku stanu C «  ³ ¬ ¬ ® ´¹ À« ¬± ² (4) ³ ´¹ ± ¹À¿ « ² ¹ º¹ Ä ¹ ³  ¬Â · ³ Á ʱ · ° ± ² ³ ·Å É ° ¿ Æ Ì Å ¹ ¬Â ç ÁÅ ¹ Ä ³ ² ¿ ¿ Æ « À· ° ·³ ¹ 1 ± ³ ·µ ´ ¬É é wszystkich niezerowych elementów stanu, czyli przechodzi on w stan − . Wymaga to ¿ à ¹ ¹ · · ¿ ¿ À ¹ ú¹ · · Ä ¿ ¹ º ¼ ¾ ¿ · º· ¿ Ä ¹ Ò º ¸ °±² « ´ ° ´ « ¯É °± ³ ´ ± ³ µ Á Æ stanów do (9 4 + 1) / 2 = 3281 « ¹ À ¬Å · ° È é ¬Â · ³ Æ · À Æ Á = [ 1, ç ( 3) ¬Â · ³ ² ç 2 , ç Æ º · Ä ¿ Æ ¹ ºÁ ë ¸ ² 3 ] Í ¿ Å · « ´¯ ° ¿ À± ² Ï ³ ´ ·µ Ç ¹ ¬´Ð ² Ä ¬Â · ² ¬Â² ° ± ³ ¹ ¹¯³ ´ « µ ¼ ¶ ¿ Å Á Ç ¿ Á Dz ¹ ³ Á · º Æ ± ¸ ²  ¬´Ð ¬Â · ³ ¬· Ä ² Ä ± Æ ¹ Ø´³ ´¿ « · Ò ¬Â ¿ µ ·± ·¯· ±« Â Æ Á Ç · º´°± ¸ · ¬Â · ³ ® « ¿ µ À ¹ ú¿ ³ ² ¿ À² ÂÄ ´¹ Ï Á ² ºµ ¿ µ « · ³  ² ± · °Å ´ ± ³ ´ Å ¬± ² À± ¹± ´ « ÂÀ±² · ºØ· ¸ ¹ÂÁ Æ ·¯¿ ´° ± Ð µ ¿ º¹Å ³ ² ° È ¹ º¹ menty Å ¹ Æ ² ³ ´¹ Õ á Ö ¿ Æ ¿ µ ¿ Æ ¿ « · ³ ´· ¿ ¸ À · ± Á ¼ Ï À¿ ° ¹ ¬ µ « · ³  ² ± · °Å ´ µ ¿ ³  ¹ µ ¬Â Á ¿ÂÀ± ¹¸ · Å ¹ ¬± ° ± ¹ ¿ µ À ¹ ú´Ò sposób kwantyzacji alfabetu elementów takiego kontekstu do alfabetu o 9-ciu symbolach, ¼ Ü ¹ Ä Á ¬ ´  ¿ ¸ ² Ò « ° · º ¹ µ « · ³  ² ± · °Å · À ® « ³ ¿ Ä ´ ¹ À ³ · ´ ° ± ² º´ ± Æ ¹ Ø ´³ ´¿ « · Ò Å · µ Æ ± ´·¯ · ¿ ¹ À ·Â¿ À ì (⋅) ´ í « ² ¸ À · ³ ¿ ³ · ¬Â Ð Á Å É ° ¹ À ¹ ´¿ ³ ² µ « · ³  ² ± · °Å ´ ³ ·Å ° ± Ð Ã ° ´ ¹Å ³ ´ ¹ Å ¹ ¬Â ¼ Ñ ¬° È ¹ Ä · ° ´¹ î¾ ï ð ñ Ï dla · ¿ · ¹ º¹ Ä ¹ ³ ® « « · À¿ ð ´ µ ¿ ³  ¹ µ ¬Â Á Í ³ · º ¹ Ç É ° ² ° È Æ ¿ × x µ« ³Â « ³²°È -mio bitowego alfabetu: ¼ ò °± ² « ´Ã° ´¹ ¿ µ ·±ÁÅ ¹ Ä ³ ´ ¹Å ¬ ± ² ° È ¬´Ð Í Ç ¹ Æ º· {0},±{1,2},±{3,4,5,6},±{7,8,...,20},±{x > 20} ± ¸ ´¿ À ® « Æ ·³ ² ° È Í ³ ¼ ¿ ¸ À·± ® « ¿ À¿ ± Ä ´·À· ° È á ½ ó á ½ Í º¹ ´ ¹Å Å ¹ ¬Â Á Ç ² Ò Å ¹ ¬± ° ± ¹ ¬ ´ º³ ´ ¹Å ¬ ± ¹Å kwantyzacji kontekstów, np. do 63 stanów trójelementowego kontekstu z alfabetem ¬µ ¯ · Æ ·Å É ° ² Ä ¬´Ð ± ¬² Ä ¸ ¿ º´ ´ Ð ° ´Á ± · Ä ´· ¬Â Æ ± ´ ¹ « ´ Ð ° ´Á ¼ µ ¿ Ä À ¹ ¬Å ´ Í ¸ ¿ Ä ¿ Æ ¹ º ¿ Ä ³ ´ ¹ Å ¬ ± ¹ Å º ´ ° ± ¸ ´ ¹ ¬  · ³ ® « ô ·Å ¹ ¿ ¿ À·« Ð ¹ عµ ² « ³ ¿ ð ´ Ä ¿ Ç ¹ ¸ ² Ò Â Á  ·Å º ¹ ´ ¹Å ¿ µ À ¹ à º ¿ ³ ² ¼ Do kodowania binarnego stosowano na etapie rozwoju standardu koder Huffmana z ·À ¿ Ä Í · · ¹ · º ¿ À Ä ¿ À ¿ ð ¿ º¿ Ä ¸ · ¼ À · « Æ ¿ ¿ Æ ¿ ¸ ´¹ Ú ¬Â« · Ä ´ í µ Á ¹ °± ³ ¿ ÃÒ µ ¿ Æ ¹À· « Á ³ µ í î¾ ï ð « ² ´ Å ¹ ¬Â  µ Ç Å ¹ Æ ³ ·µ -ñ przytoczone w kolejnym podrozdziale. ¿ Ï ² Â Ï À·³ ´°± ¿ ³ · Í µ ³ ¬Â Á µ °Å ´ ° ¿ µ ¿ µ ·±ÁÅ É Æ ® « À ¹ ± Á ºÂ ·  ²  ¹ ¬Â ® « 7.5. CALIC – efektywny algorytm bezstratnej kompresji obrazów Û ¹Â¿ Æ · Ä ¹Â¿ Æ Ð À ± ¹ Æ ¬Â · « ´¿ ³ · ¸ ¹ ± ¬Â À ·  ³ ¹Å « µ ¿ Ä À ¹ ¬Å ´ ² Ä Á ³ µ ° ´¹ ¿ ¸ À·± ® « ¼ Å ¹ ¬Â Á ± ³ ·« ·³ · ¾ ¿ ±« · º· Á ± ² ¬µ · Ò µ ¿ Ä À ¹ ¬Å ´ bitowych przy stosunkowo niewielkim czasie · Ä ¿ ¼ ¾ ¿ ¹À · ¿ · Ä ¹ ¿ ¹ ´Ð ° ´ « ² ° È Â« ´ Æ ± Å É Â « ² ³ ´µ ´ ± ´ ¬± ° ± ¿ ¸ ¹ ° ³ ´¹ ¸ ·ÀÆ ± ¿ ³ · µ ¿ Ú °Á ¹ ³ ³ ·Å ¹ Ø ¹ µ  ² « ³ ´ ¹Å ¬ ± É « · À¿ ð ´ Ä ·¯² ° È ´ Ï ± · Ä ·¯¹ ÃÀ¹ Æ ³ ´° È « ² Ä · ¿ ¿ Æ À¿ ± Æ ± ´·¯Á ¼ Ï · ³ ´· ° È Technika CALIC (ang. Context-based Adaptive LosslessÀ ImageÍ Codec) wykorzystuje ¿ ¿ · ¹ À¹ ¹ ¿ ¹ ¹Ä · · ¹ ¿ ¿ ¸ ¿ · Æ · · °²Å ³ ¹ Ä ¹Â¿ Æ µ Æ « ³ ´ ´³  ¹ À ¿ º· ° ² Å ³ ² ° È À ¿ ± Æ ± ´¹ º° ± ¿ ð ´ Ê° ¿ À·± Æ ² µ °²Å ³ ± ¬¹µ « ¹ ³ °²Å ³ É Ä ³ ´ ¹Å ¬ ± ¹Å µ ³  µ ¬Â « ² Ç ¬± ² ° È · ³ · º´± Ð ¬µ · º´Ì ¼ ¿ ¸ À·±Á ô Á Ç É ± Ð Æ ® « ³ ·  ° ¿ À·± ¹ عµ ² « ³ ¿ ÃÒ µ Ç Æ « ² Ç ¬± ² Ä µ ¿ Æ ¿ « ·³ ´· ³ É Æ ¿ ± ´¿ Ä ´¹ ± ·« Æ ± ´Ð °± · nieliniowemu, odpowiednio dobranemu kontekstowemu modelowi predykcji,À ¹ który¼ Á Å ¹ Æ ¿ ¸ À · ³ ¹ ³ · ¿ Æ ¬Â · « ´¹ ¹ µ ¬ ¹ À ² Ä ¹ ³  ® « « · À ¿ à ° ´ « ¬ ® ¯ ° ± ² ³ ³ ´µ ® « Æ ² µ °Å ´ wykorzyst Ü ¹ ¿ · º · ¿ · ¹ ¿ º¹ ¿ À ¹ ¹ · ¿ Ä · · ¿ ¹ Í ´¬µ ´ µ ® À² µ ¬± ² ¿ ± « · º· prawdopodo À¿ Í À¹ ·º ¬Â ² ´µ °Å ´ ¸ ´¹ Ú ¬Â« Ï Æ Á Ç É ³ ¬É ± µ ´ ¬µ Á ¹ ° ± ³ ¿ ÃÒ « · ÀÁ ³ µ ¿ « ² ° È ¼ ´± ¿ « · ³ ² « ± ¬´É Á ± ² ¬µ · Ò « ´Ð µ ¬± ¿ ð ´ « ë º ± ± ° ´ µ ¿ Æ ¿« ·³ ´· ¿ À² ÂÄ µ « ² À± ² Ä ¿ Æ Á º¿ « · ³ ´· Ï · À² Â Ä ¹Â² ° ¹ º´° ± ¸ ² ¬¯ µ « ³ ² ± ³ ´¹« ´¹ ºµ ´Ä µ ¿ ³  ¹ µ ¬ÂÁ °Å ´ µ ³  À¿ ± Ä ´·À± ¹ ¿ À·± ° · ¯ µ ¿ « ´Â ² ° È Í ± À ¿ ¬Â É º ¿ µ ¬ÂÁ ·¸ º´° À ¹ Æ ² µ °Å ´ Ï Å ¹ ¬Â ´µ É ¼ ¶ · µ « ´ Ð ° czas wykonania predykcji i modelowania (w koderze i dekoderze jest identyczny) dla obrazu 512× × 512 wynosi 1.52 sekundy na komputerze SUN SPARC10. Ø·± ² · º ¿ À² ÂÄ Á ß ë ß Ä ¿ Ç ³ · Á Ç ² Ò ¹ ³  À ¿ ´Å ³ ¹ ¿ µ ¿ Æ ¹ À · Ï ñ õ Ï Ø Ø Ä · · Í · À Ä ¹ Ì Í · ¹ · ¹ ¿ ¹ Ä · Êö Á ³ ²  ² ° ± ³ ² ° ° È ² ° ¯ ¬°È  Á µ ¿ Ä À ¹ ¬Å ´ ± Æ · Å É ¬ ´ Ð Ï Ï Ä ¿ Æ ² Ø ´ µ · °Å · ° È Í ³ · À ¹ · º ´ ± · °Å Ð Â ¹Å Ä ¹Â¿ Æ ² ¿ ±« ·º· Ò Í À± ² ¹« ³ ² ° È « « ¹ À ¬Å ´ ± À ¿ À ¹ ¬Å É Ï ¿ À ¹ ¿ · · À ¿ ¹ º ¿ Ã Ò ¿ · ¿ ¿ · Ú À · Ä ¼ ± ´ ³  « ³ É ³ ± Æ ± ´ °± Æ ± ¬Â ¬ «  ³ ¬ ´¬²Å ³ ² ° È ô ¿ Æ ¿ « ¿ º³ ¹ ¿ À ¹ · º´± · °Å ´ ¿ ¬Â ·  ³ ´¹Å À ¿ Æ ± ·Å Á 114 ¶ « ® À°² ß ë  ¹ ° È ³ ´µ ´ ñ õ ß ± Æ ·« · º´ ¬¿ ¸ ´¹ Æ ¿ ¸ À± ¹ ¬ À·« Ð skutecznej metodzie odwracalnej kompresji. Nic dziwnego, s ¿ Ä ¹ í ò · ¿ À¿ ¿ ¿ ¹ ¿ · ·À ¸ ¹ À· µ ´Â ÂÁ Å õ µ ± ² °Å Ð ³ « ¬Â Ï ³ Æ Æ Á ± ¬Â « ² Ä · ± µ ¿ À¿ · Ú ¬Â · « ´· ³ ² ° È Ï ¿ ¬« Å É Ä ¹Â¿ Æ Ð Æ ¿ ¯¿ ¬´º´ ± Ï µ ¿ Ä À ¹ ¬Å ´ ¼  ³ ¹Å Ù · ¬· Æ ³ ´°± ² Ä elementem ich schematu kompresji jest modelowanie kontekstu. Kryteria stawiane · º ¿ À Ä ¿ Ä Ä ¿ ¹ º¿ · · ¿ ¹ Í À¹ ¿ ¿ º · Ò ¹ ع ¿ ÃÒ ¸ ¹ À· ¹ ¿ ² Â Ï ¿ ¿ µ Æ « · ³ ´· Æ « ¿ ¸ À·±Á ³ ´ µ ³  µ ¬ÂÁ ± ³ · ° ± ¹ ³ ´Á « µ ® ±« Ä · µ ¬² Ä · º³ ¹Å É Á ± ² ¬µ µ ¿ Ä À ¹ ¬Å ´ Æ Á Ç É ¿ À·± µ ² « ³ À · µ ² ° ± ³ ¹Å ± ¬Â ³ À± ² Æ ·Â³ ¿ ð ´Í Ï ¬É ³ · ¬Â Ð Á Å É ° ¹ ã a) silna dekorelacja - · · Ä ·À¿ ¬Â ² ¬Â ² ° ± ³ É ³ Æ Á ³ ´« ¹ À ¬ · º³ ¿ Ã Ò b) ¬Â ·Â² ¬Â ² µ ´ ÷ À ® Æ ¯ ´ À± ²Å в Ä ¿ Æ ¹ º ¿ ¸ À·±Á ¿ ± « · º· ¬µ Á ¹ ° ± ³ ´¹ ¬± ² ¸ µ ¿ À ± ² ¬Â ¿ ¬ ¿ « · Ò ¿ µ À ¹ ú´Ò ± À¹ Æ Á µ ¿ « · Ò ´ « ¿ ÃÒ ÷ À® Ư· ä ¿ ¸ À·±Á -· ä model Ä ¿ Ç ¹ Ê· Æ ¿ ¿ « · ÒÌ ¬´Ð Æ ¿ ³ ´¹ ± ³ · ³ ¹Å c) niski koszt obliczeniowy - same konteksty oraz modelowanie obrazu i predykcja oparte na ² ° È µ ¿ ³  ¹ µ ¬Â · ° È Ä ¿ · ³ ´· d) niskie wymaÏ ¿ ¹ µ ³  µ ¬Â ® « Ï É ¸ ² Ò ¿ ¸ º´° ± ¿ ³ ¹ Ê« ² ± ³ · ° ± ¿ ³ ¹ Ì ¬Â ¿ ¬Á ³ µ ¿ « ¿ ³ ´¬µ ´Ä · Ä ´Ð ° ´¿ « ¹ ´³ Ø ¿ À Ä · °Å ´ ´ - À ± ¹ ¬Â À ± ¹ Ú ±« ´É ± · ³ ² ° È Â² Ä ´ ± · Ä ´Ð ° ´ µ ¿ ¬± ¹ Ä ä À± ¹± ³ · °± ¿ ³ · µ ¿ ³  ¹ µ ¬Â · Ä ´Í Æ ¿ Á Ç ² « · ³ · À¿ Ä · Æ ± ¹ ³ ´· Ï Ä ¿ Æ ¹ º¿ « · ³ ´Á ´ « À ¹ Æ ² µ °Å ´ ³ ´ ¹ ¿ « ´³ ³ · ¸ ² Ò ³ · Æ Ä ´ ¹ À ³ · ¼ Ù · À¿ ¿ ³ ¿ « ·³ ¿ À¿ ± « ´É ± · ³ ´¹ Í µ ® À ¹ ± · Æ · « · º·Å É ° ² « ¬ ¿ ¬® ¸ ¬ ¹¯³ ´· ¹ µ À²  ¹ À ´· , przez ¿ Æ « À · ° · º³ ¹Å co uznawane jest powszechnie jako state-of-art kompresji. Krótka charakterystyka techniki CALIC, napisana na podstawie [4], przedstawia · ¿ ¼ « ¬ ® ¯ ° ± ¹ ¬³ ² ° È ¬´Ð ³  ¹ ° È ³ ´µ ¬Â Ð Á Å É ° Trzy-stopniowy schemat kodowania predykcyjnego z przeplotem Ü ´¹ ° È ¿ ¸ À·± ¿ À² ¸ Ð Æ ± ´¹ ¿ ´¬· ³ ² ´³ · º³ ² Í « ´¹ º¿ ¿ ± ´¿ Ä ¿ « ² ± ¹ ¬µ · ºÉ ¬± · À ¿ ð ´Í ¿ ¬± ¹ À¿ µ ¿ ð ´ ¿ ¿ à M ´ « ² ¬ µ °´ N f ( x, y ), 0 ≤ x < M , 0 ≤ y < N . Kodowanie predykcyjne realizowane jest w trzech kolejnych etapach, schematycznie pokazanych na rys. 7.9. Na ¹  · ´¹ À ± ¹ À ¿ « · Æ ± · ³ ¹ Å ¹ ¬Â À ± ¹ º·  · ³ ¹ À ® ¸ µ ¿ « · ³ ´¹ ¿ ¸ À · ± Á ¿ À² ´³ · º³ ¹ ¿ ¼ ß ¹ º¹ Ä Ç Æ ² Ä ka Ï Ï À¹ · º · Ä ¿ ¹ º ¹ ¹ ¹ À¹ ¹ ¿ À ¹ ¹ Ä ¿ º ¿ à À ¹ · · ´± °Å ´ Æ µ ¿ Æ ¿ « ·³ ² ° È zbudow ¿ º¹ ¹ ¼ · Ò Ï ØÁ ³ µ °Å É Á ¬ µ « « · À¿ ð ´ ¿Â¿ °± ¹³ ´¹ Å · ¬³ ¿ ð ´ ³ °²Å ³ À± ² Å ¿ Ä ¿ °² ¸ º´¬µ ´¹ Æ ² µ °Å ´ Å ³ ·Å º ¹ ¬± ¹ µ ¿ ³  ¹ µ ¬Â ¿ « ´ Õ á ø Ï ¬Â ¿ za ÂÀ± ¹ ° ´Ä ¹  · ´ ¹ À ¹ Æ ² µ °Å ´Í À ± ² ´µ ¬ ¹ º´ ¿ ¸ À · ± Á ¼ î ¹ ¬Â  ¿ Å ¹ Æ ¹ ³ ± « ·Ç ³ ² ° È ± ³ ´ Ç ´« Æ ÀÁ « ° ´ Ï ´Ä ± « ´Æ ² « ¹Â · ´¹ Á Æ ·Å ¹ ³ ´ ¬´Ð º, Äprzy czym jest Äto¿ jednak otoczenie do ¹ ¹ · ¹ Í ¹ ¹ º À¹ ¿ ¸ ¹ Ä Ü ·Å º ¹ ¬± · ¬² ÂÁ · °Å · « ² ¬Â Ð Á Å ¹ « Æ ¯ ÂÀ± ° ´ Ï ¿  ¿ ° ± ¹ ³ ´ ¹ ± µ · Ç Æ ¹Å ¬Â À ¿ ³ ² ´ Å ¹ Æ ³ ¿ ° ± ¹ à ³ ´ ¹ Å ¹ ¬Â  ¿ Á « ·Ç ² Ò Í Ç ¹ « ¬Â« µ ¿ ³  ¹ µ ¬Â Á ¼ î Á Ç Â·µ ° ± ² ³ ³ ´µ ® «  ´ µ ´ µ ¿ ³  ¹ µ ¬Â Æ ¿ ¸ À² Ä Æ ² Æ ¸ ·ÀÆ ± ¿ Æ ² µ °Å ´ ¸ º´¬µ ´ ¼ Ñ · À¿ Å À± ² ÃÒ ÁÅ ¹ ² Ä µ ¿ ³  ¹ µ à ° ´¹ Í µ ¿ Æ ¿ « · ³ · Å ¹ ¬Â ¿ ¯ ¿ « · ¿ ± « · º·Å É ° ² ° È Á ± ² ¬µ · Ò Æ Á Ç É ¬µ Á ¹ ° ± ³ ¿ ÃÒ µ ¿ Ä À ¹ ¬Å ´ ° · ¯ ¹ Å Ä ¹  ¿ Æ ² ¼ Pierwszy etap A. Tworzony jest podobraz o dwukrotnie zm³ ´ ¿ ¸ · ã M / 2× N / 2 « ¬ ¬® ³ ¬Â Ð Á Å É ° ² ¹Å ¬ ± ¿ ³ ¹Å À ¿ ± Æ ± ´¹ º° ± ¿ ð ´ « ¿ ¸ Á µ ´¹ ÀÁ ³ µ · ° È f (2 x,2 y ) + f (2 x + 1,2 y + 1) µ ( x, y ) = , 0 ≤ x < M / 2, 0 ≤ y < N / 2 . (7.18) 2 B. Podobraz µ kodowany jest z wykorzystaniem kontekstu 180º, jak w typowym schemacie dla DPCM, tj. µˆ ( x, y ) = µ ( x, y − 1) + µ ( x − 1, y ) µ ( x + 1, y − 1) - µ (x − 1, y − 1) + .. 2 4 115 (7.19) Ñ ¬ ® ¯ ° ± ² ³ ³ ´µ ´ À ¹ Æ ² µ °Å ´ ± ¿ ¬Â · ¯ ² ¿ ¸ À·± ® «  ¹ ¬Â ¿ « ² ° È ¼ Ù · ¿ µ ÀÉ ¿ ¸ º´° ± ¹ Ú ¼ « ² ± ³ · °± ¿ ³ ¹ Ä ¹Â¿ Æ É À ¹ º¿ ³ ¹ Ï ± ¿ ¬Â · ¯² x Ô ² ¬ ¼ » ¼Ý ¼ í ° È ¹ Ä · Â Ä ¿ Æ ¹ º ¿ « · ³ ´ · µ ¿ ³  ¹ µ ¬  Á « · º Ï ß ë ¿ À² ÂÄ ´¹ ñ õ ß ¼ procesie predykcji, ß ± ·À³ ¹ Æ ¿ ÂÀ±² ¿ ± ³ · ° ± ·Å É Á ³ µ ² ¿ÂÐ ´ ¹  · ¿ « ¹Å À ¹ Æ ² µ °Å ´ µ ¿ Æ ¿ « · ³ ² ° È « · À  ¿ à ° ´ « ´µ ¬ ¹ º¹ ³ ·  ¿ Ä ´· ¬Â ¬± · À ¹ ´µ ¬ ¹ º¹ ³ ´¹ ¸ ´¿ À É « « · À¿ ð ´ ´µ ¬¹ º´ ¼ ß ² ØÀ² À± ² Ï À ¹ ¬Å ´ º ´ ³ ´ ¿ « ¹ Å ³ · Æ Á Ç ² Ä ± ¸ ´ ¿ À ± ¹ Ï Æ « ®Å µ ´ ± ¹ « ± ºÐ Æ Á ³ · À ¿ ¬Â ¿ Â Ð Ï ± · · ³ Æ · ³ ¹Å · Ç ¿ « ·³ ¹ ³ · Æ · ³ ² Ä ¹Â · ´¹ « Ï ° È « ´º´ Á Æ ± ´ · ¯ Á « À ± ¹ « ´ Æ ² « · ³ ´Á ¹ º ¹ Ä ¹ ³  · À ³ ¹Å µ ¿ Ä ® À ° ¹ ´ µ ¬ ¹ º´ ¿ ± ³ · ° ± ·Å É ¹  · ´ ° È µ ¿ Æ ¿ « · ³ ´ · ¼ y Drugi etap ¶ ¹³ A. º ¹ ¬· Ä ± ·µ ¿ Æ ¿ « ·³ ² ³ · Ç É °² ° È Æ ´· Ï ´µ ¬ ¹ º ¹ º ¹ Ç É ° ¹ ³ · Æ ´ · ¿ Æ ¿ ¸ À·± Å Á Ç ¿ ³ · º³ ¹Å ¹ º ¹ Ä ¹ ³  · À ³ ¹Å Ï ¿ ³ · º³ ¹Å ÊÅ ¹ ¬  ´ ° È µ ¿ ÄjestÀ stosowany jako¹ º kontekst predykcji pikseli ¹À¹ À ¼ » ¼Ý ¼ Ó ¿ ¿ · ¹ µ ® MN / 4 µ ´ °±  °È ´µ ¬ ´ ± ² ¬ Æ « f (2 x, 2 y ), f (2 x + 1,2 y + 1), 0 ≤ x < M / 2, 0 ≤ y < N / 2 . B. ë ¸ ² ± · µ ¿ Æ ¿ « · Ò « · À ¿ à ° ´ f(2x,2y) stosuje ¬ ´Ð ³ · ¬Â Ð Á Å É ° ² Ü ·  ¿ Ä ´· ¬Â ¿ ± ¿ ¬Â ·¯² ° È Ä ¿ Æ ¹ º º ´³ ´¿ « ¹Å « · À  ¿ à ° ´ Æ ´ · ¿ ³ · º ³ ¹ Å Í ÂÅ ¼ Ï ¹ ¿ ¹ À ¹ À ¹ Æ µ Æ ± µ ¿ ³ ¬Â ÀÁ ¿ « · ³ ¹ ± ± · º¹ Ç ³ ¿ à ° ´ ã f(2x+1,2yþ 2Î À ¹ Æ ² µ °Å ´ ã ¹ À Ä ³ ´ ± ² ¬Â É « ² ¬Â É ´Ò « ¹ Æ ¯Á ¸ ¯É Æ ¿ ¸ ° ´Ð ° ´· Ê» ¼Î× Ì ¬Á Ä · À¹ ¬± ² (7.21) Ì Í ³ ´¹ ¿ ÂÀ± ¹¸ · Å Á Ç µ ¿ Æ ¿ « · Ò ¼ 3 f (2 x + 1,2 y + 1) = 2µ ( x, y ) − f (2 x,2 y ) . Mo Ç ± ²  ² diagonalnej µ ¹ ·À ¼ Û ¿ ¬É (7.20) Pierwszy etapf (2 x − 1,2 y + 1) + f (2 x − 1, 2 y − 1) + f Drugi (2 x + 1etap ,2 y − 1) fˆ = 0.9µ ( x, y ) + . 6 ù úû ù ú û üý - 0.05[ f( 2 x − 2 ,2 y)+f( 2 x,2 y − 2 )]-0.15[ + 1,y) + + 1 )] í É ¿ ³ ¹ « ³ Ì Í ¿ ´ ¬ · ³ ¹ Å · µ ³ ´Ç ¹Å ã 3Á ¯ · Ä µ ¿ « ¹Å Í Æ ² Ï ´µ ¬¹ º´ « · À¿ ð ´ (7.22) 1 À± ² º ´ ° ± ¹ ³ ´Á Å ¹ ¬Â º´° ± ¸ É ÃÀ ¹ Æ ³ ´¹Å ° · ¯ µ ¿ « ´Â É Æ « ® ° È Ï Ç ³ ·  ¿ ± ´ ³ ¿ À ¿ « · Ò ºÁ ¸  ¹ Ç Æ ¿ Æ · Ò Å ¹ Æ ¹ ³ ¸ ´Â ´ ³ Ø ¿ À Ä · °Å ´ ¿ ³ ´ ¹ · À ± ² ¬  ¿ à ° ´ ¼ Ï Na podstawie 1i2 Trzeci etap A. Ü · º¹ Ç ² ± ·µ ¿ Æ ¿ « · Ò Æ « ´¹ ¿ ± ¿ ¬Â ·¯ ¹ « · À¿ ð ´ ´µ ¬¹ º´ ¿ ¸ À· ¿ À · º ¹ ¿ · ±Á ² ´³ ³ ± µ Ç Æ Elementarna komórka Ï Ïpikseli ¹ ¿ Ï elementarnego bloku czterech pikseli, a mianowicie f (2 x + 1,2 y ), f (2 x,2 y + 1), 0 ≤ x < M / 2, 0 ≤ y < N / 2 . Trzeci etap ô º· ±« ´Ðµ ¬± ¹ ³ ´· °±Â¹À¹ °È ´µ ¬ ¹ º´ ´µ ¬ ¹ º ´ ± ¬µ Á ¹ ° ± ³ ¿ ð ´ ³ ·Å ¸ º ´Ç ¬± ¹ ¬É ¬´¹ Æ ± « · ± ·µ ¿ Æ ¿ « ·³ ¹ « µ ¿ Æ ¹À± ¹ ¿ Ï ¿ ÃÄ ´¿ ¿ À·± À ¹ Æ ² µ °Å ´ ¬É ¬´¹ Æ ± « · - « ² µ ¿ À ± ² ¬Â · ³ ¿ « ¿ ¯É ° ± ¹ ³ ´¿ « ¹ Ï ± Æ ¹µ ¿ Æ ¿ « ·³ ¹ « rekonstrukcji. ÿ ¼ Ù · ¬  ¿ ¬ ¿ « · ³ ¿ ³ · ¬  РÁ Å É ° ² Ä ¿ Æ ¹ º À ¹ Æ ² µ °Å ´ ã 116 À · ¬Â À± ¹ ¿ ¼ Ñ µ ¿ ³  ¹ µ ¬Â °±Â¹À¿ ¬± ² ¬Â µ ´¹ Õ á ø ¿¯É °± ¹ ³ ´ -¿ ³ ¹ Æ ¹ µ ¿ Æ ¹ À± ¹ Í · « ´Ð ° º skį ¿ · Æ ·Å É ° ² ¬´Ð ¿ À·± Æ « ® °È « ² ± ¿ ¬Â ·¯² ¬É (7.23) « ° ± ¹ ó ´¹Å Å Á Ç Æ ¿ ¬Â Ð ³ ¹ z « À ¿ ° ¹ ¬´¹ fˆ = [ f ( x − 1, y ) + 3 8 f ( x, y − 1) + f ( x + 1, y ) + f ( x, y + 1)]− f ( x − 1, y − 1) + f ( x + 1, y − 1) . 4 (7.24) Modelowanie i kwantyzacja kontekstu. ô ¿ÂÉ Æ Æ ¿ Ä ¿ Æ ¹ º¿ « · ³ ´· µ ¿ ³  ¹ µ ¬Â ® « pikseli f wykorzystywano m ÎÍ Ë ´ Õ ¹Â · ´¹ ¼ ë ¸ ² ¿ Æ ¿ « ´¹ Æ ³ ´¿ ³ · µ ¿ Æ Á « ²Å ð ´¿ « ¹ µ · Ç Æ ¹Å « · À ¿ à ° ´ Ï ¿ Æ º· ³ · ÂÀ± ¹ °È ¹Â· · ° È « · À¿ ð ´ ¬É ¬´¹ Æ ³ ´° È ± ¸ ´¿ ÀÁ À± ² « · À¿ ð ´ À ¹ Æ ² µ °Å ´ ´µ ¬ ¹ º´ ¹ ³  À ¿ ´Å ³ ² Ä « · À¿ ð ´ ¿ ¬± ° ± ¹ ® º³ ² ° È Ï f1 , f 2 ,..., f m , przy czym m = 4, 9, 6 µ ¿ Æ ¿ « · ³ ´Á Á ± ² ¬µ · Ò Ä ´³ ´Ä · º³ É Æ ¯Á À ® Ç ³ ´° ¿ « ² ° È Ï ¿ ÃÒ e = f − fˆ (gdzie fˆ wyznaczono dla ¿ ÂÀ± ¹¸ · Ä · µ ¬² Ä · º´± ¿ « · Ò À ·« Æ ¿ ¿ Æ ¿ ¸ ´¹ Ú ¬Â« · f w trójetapowej predykcji) ¼ · · ·À ¿ Ä ¹Â¿ Æ ³ ¼ µ ¿ Æ ¿ « · ³ ´· · À² ÂÄ ¹Â² ° ± ³ ¹ ¿ warunkowe p(e / f 1 ,..., f m ) Ç ² « Å É ° ¬  ³ Æ Æ « ² ° È Ï Â ¹ ¿ À ± Ð Æ Á ¿  À ± ¹ ¸ · « ® « ° ± · ¬ ¿ µ À ¹ ú´Ò « ¬ ¿ ¬ ® ¸ ´ ¬Â ¿  ³ ± ± ·¯¿ Ç ¿ ³ ² Ä Ä ¿ Æ ¹ º¹ Ä Û · Àµ ¿ « · m- Ï y º´°± ¸ · mW ¿ ± ´¿ Ä ® « ¬± · À ¿ à ° ´Ì Í ° ¿ Å ¹ ¬Â À ¿ ¸ º¹ Ä ¹ Ä statystycznie model o 2 stanach (Wniebagatelnym. Do przechowania parametrów takiego modelu statystycznego potrzeba bardzo Ä ¿ Æ ¹ º ¬Â · ² ¬Â ² ° ± ³ ¹Å « ´ · À ² ¿ Æ ³ ¿ ð Æ Á Ç ¿ · Ä ´Ð ° ´Í · ³ · ¸ À · ³ ´¹ À± ¹ ±  ¹ ³ Ï i· wymaga bardzo ¹ ¿ ¸ ¿ À · À ¿ ¸ º¹ Ä À ¿ À ¹ ¹ · ¿ ¹ Ì ¼ Ô ¿ · ¹ ¿ · ¿ Æ Á Ç ± ´ Á Æ ³ ² ° È Ï Ä ·¯¿ À· µ ² ° ± ³ ¹ ¼ Ù · ¬Â ¿ ¬ ¿ « · ³ ¿ ¹ Ø ¹ µ  ² « ³ ´ ¹Å ¬ ± ¹ ¿ Ê ± « ¿ ¸ ¹ ° ¿ µ À ¹ ú¹ ³ ´· Ï À ± ¹ « ´ Æ ² « · ³ ¹Å µ ¿ À ¹ µ °Å ´ ± Æ ± ³ ´ µ ³  µ ¬Â Á ± « ´É ± ë ¸ ² Á ¯ ·Â« ´Ò « · À¿ ð ´ ± « ´É ± · ³ ² t = t m ...t1 Í ¬µ ¯ · Æ ·Å É ° ¹Å Å ¿ Ä ¿ Æ ¹ º ³ · ¬Â Ð Á Å É ° ² µ « · ³  ² ± · °Å ´ Ï À ¹ ¿ · ¹ º ¸ À · ¿ ± Æ Á µ « ³ Å ´°± ² « Æ ¿ Æ ¿ ¸ ´¹ Ú ¬ Ä ¿ Æ ¹ º¿ « · ³ ´¹ f1 , f 2 ,..., f m  ¹ « Рº´ ¬ À± Ð Ç ¹ ³ ´· ±« À¿Â³ ¹ ³ · ¬Â Ð Á Å É ° ¿ ã A. ³ ´ µ ¿ ³  ¹ µ ¬ÂÁ ¸ ¯Ð Æ ® « À± ¹« ´Æ ² « · ³ É ± ¬´Ð ± ¸ ´Â ® « m Ï ¿ ¼ « ´ ¬´Ð « ´Ð ° Å µ ¿ ³  ¹ µ ¬ÂÁ Í ± Æ ¬Â ¬´Ð « ´ °± ² ´ ° À¹ À¹ ± ¹ ³ ÂÁÅ ¹ « ² Ç ¬± ¹ Ï ¿ fˆ do liczby o postaci binarnej ·µ Í Ç ¹ ã À± Ð Æ Á À ± ¹ ¬Â À ± ¹ ³ ³ É (7.25) ¬Â ÀÁ µ ÂÁ À Ð Ä ¿ Æ ¹ º¿ « · ³ ¹ ° È Ð ¿ ¸ À· ± Á Í µ ® À· Ä ¿ Ç ¹ « ¬µ · ± ² « · Ò ³ · ± · ° È ¿ « · ³ ´¹ ¬´Ð ¸ ¯ Ð Æ Á inaczej - Ä · « ² À·Ç · Ò µ ¿ À ¹ º· °Å Ð ¿ ¿ ° ± ¹ ³ ´· ± ¸ ¯Ð Æ ¹ Ä ¿ µ ¿ ³  ¹ µ ¬ÂÁ Í Ï À ¹ Æ ² µ °Å ´ ô ¾ ß Û ºÁ ¸ À ¹ Æ ² µ °Å ´ ¼ Û ¿ Ç ³ · « ¹³ ¬ ¿ ¬® ¸ ºÐ Æ ³ ´ Ò µ À · « Ð Æ ± ´ ¹ Í À ¿ ´ ¬Â À Á µ  Á À Í Â ¹ µ ¬Â Á À ² Í µ  ® À ¹ ³ ´¹ Ä ¿ ¯ ² ¸ ² Ò « ² ° È « ² ° ¿ ³ ¹ Ï Ï Ï ô ¾ ß Û Êµ ® À ¹ ¿ « ¬ ® ¯° ± ² ³ ³ ´µ ´ ¬É º¿ ¸ · º³ ¹ Í « ¬ ® º³ ¹ Æ º· ° ·¯ ¹ ¿ ¿ ¸ À · ± Á Ì ¼ Ï Ï Ï À± ¹± ò ¸ º´°± · ³ · µ ® À· Á « ± B. ¬´Ð µ ¿ ³  ¹ µ ¬Â 0 if f i ≥ fˆ , 1 ≤ i ≤ m. ti = 1 if f i < fˆ Liczba t º ¹ ° ¹ ºÁ « tw warunkowych oraz À ¹ · · ¾ ¿ Ä ² ¬¯ À ¹ Æ ² µ °Å ´ ô ¾ ß Û Í µ « · ³ ² ± Á Å ¹ « · À ¿ ð ´É µ Å ¹ ¬Â ·µ Ç ¹ « · À¿ ÃÒ « ´¹ ºµ ¿ ð ´ ± « · ³ ¹Å ° È · À · µ  ¹ À ² ± Á Å ¹ ± Ä ´¹ ³ ³ ¿ Ã Ò « · À ¿ à ° ´ µ ¿ ³  ¹ µ ¬ÂÁ ÊÅ ¹ Ï Æ ² ¬µ À² Ä ´³ ·Â ¿ À ¹ Ä ¿ Ï ¯· Æ µ ¿ ÃÒÌÍ « Ä ¿ °² ¸ ¯Ð Æ Á Í ¬ ¿ ¬ ® ¸ ³ · ¬Â Ð Á Å É ° ² ã m ∆ = ∑ wi | f i − fˆ | . (7.26) i =1 ¹ ¿ · ¹ Ä ¿ · ¹ Ä ¿ · Ò À· ¿ ¿ ¿ ¸ ¹ Ú ¿ ·À ¿ ¹ ¸ À¹ Ç ³ ¬Â ² « « Æ Æ ´ ¬Â« « Á ³ µ « ¯Ð Æ Á Æ ² µ °Å ´ Na j Å Æ ¬  « ´ ¼ ë ¸ ² Æ ¿ Æ ·  µ ¿ « ¿ ± º´µ « ´Æ ¿ « · Ò À ¿ ¸ º ¹ Ä À ¿ ± À ± ¹ Æ ± ¹ ³ ´ · jako p(e/ ) zamiast p(e / f 1 ,..., f m ) Ì ¿ ¿ · · ¹ · · · ·À ¿ à · kontekstu przy estymacji p(e à ¹ Æ µ ³ ²Í « · ³ ¿ Å ¬·  µ «¹ ³  ² ¿± ° Ÿ « ·  ° ´· ¿ ³ · L¹ À · ¹ · Æ µ ¯ Æ ³ ´ Å ¬ ¬® µ « ³  ² ± °Å ´ ± ¬Â ³ ´ poziomów (w µ  ² ° ³ Å ° ± Ð ° ´ Å L= × ¿ ´ ¬ · ³ ² ³ ´ ¹ ° ¿ ® ÷ ³ ´ ¹Å Ì ¼ É ° ± É °  ¹ À · ± Í Å · µ ¿ ´º¿ ° ± ² ³ µ · À ¹ ±Å · Ú ¬µ ´ m Í Æ ² ¬µ À² Ä ´³ ·Â ¿ À L× 2 m kwantowany do L poziomów oraz 2 kwantowanych wzorców tekstury kontekstu t i ¿ÂÀ±² Ä ÁÅ ¹ Ä ² ¿ ¬Â ·  ¹ ° ± ³ ´¹ µ « · ³  ² ± · °Å Ð 2 mW 117 ¬Â · ³ ® « ÷ À® Ư· ¿ °± ɵ ¿ « ¹ Ï ¿ Æ ¿ ± ³ · °± ³ ´¹ zredukowanej liczby L ⋅ 2 m stanów nowego modelu kontekstu. Tak uproszczony ¿ ã kwantowaniem kontekst oznaczony jest nast Ð Á Å É ° C (d , t ), 0 ≤ d < L, 0 ≤ t < 2 m . ¾ ¿ ± ¿ ¬Â ·Å ¹ Å ¹ ¬ ± ° ± ¹ « · Ç ³ ² À ¿ ¸ º ¹ Ä · ¿ ¸ À · Ò « · À  ¿ à ° ´ « ¬ ® ¯ ° ± ² ³ ³ ´µ ® « À· ¹ -Å µ Æ wi « « ² Ç ³ ´ Á Ê » ¼Ë á Ì ¼ Ñ · À  ¿ Ã Ò Å ¹ ¬Â Á ¬Â · º· ³ · Å · µ ¿ ÃÀ ¹ Æ ³ ´¿ µ « · Æ À ·  ¿ « · ¹ ¬Â² Ä ·  · e| (z minimalnym ¸ ¯Ð Æ ¹ Ä ÃÀ ¹ Æ ³ ´¿ µ « · Æ À ·Â ¿ « ² Ä ³ · ú· Æ Á Å ¹ « · À ¿ ð ´ Ì ¼ ò µ À ¹ ú· ¬´Ð « ´Ð ° « · À¿ ð ´ ˆ e= f − f « ¬ ® ¯ ° ± ² ³ ³ ´µ ® « ¬  ¿ ¬ Á Å É ° ¬  · ³ Æ · À Æ ¿ « É Ä ¹  ¿ Æ Ð À ¹ À ¹ ¬Å ´ º ´ ³ ´ ¿ « ¹ Å ¼ Ñ ¿ ¸ ¹ °  ¹ ¿ Í Ä · Å É ° Ï Ï wi À± ² µ ¯· Æ ¿ « ² À¹ Æ ² µ ¿ À ô ¾ ß Û m fˆ = ∑ α i xi jednego z trzech etapów predykcji, ã i =1 « · À ¿ à ° ´ wyznaczany jest treningowy zbiór U Ü · ¬Â Ð ³ ´¹ « · À¿ ð ´ wi , 1 ≤ i ≤ m | e |=| f − fˆ | oraz | f i − fˆ |, 1 ≤ i ≤ m . ¿ ¸ º´°± · ³ ¹ ¬É Ä ¹Â¿ Æ É À¹ Ï À ¹ ¬Å ´ º ´³ ´¿ « ¹Å ·µ Í ·¸ ² ± Ä ´³ ´Ä · º´± ¿ « · Ò « · À¿ ÃÒ ã m ∑ {| e | −∆} = ∑ | f − fˆ | −∑ w U i =1 U i | f i − fˆ | (7.27) na treningowym zbiorze danych. ) Jednak L ⋅ 2 m stanów kontekstu w danym modelu to jednak dalej zbyt wiele do uzyskania szybkiej i skutecznej estymacji prawdopod! " # $ % & ' ( ( ) * + , - ! ( . / 0 1 ( ' . 2 3 * 4 . 3 ) 5 - + p(e|C(d,t)). 6 ! " $ / ' $ 7 ! , ) & ' 8 3 + 9 $ : A. ; &'. 2 ! ( ) , #$ ( ) *+ , - ! ( $9 ( ) *' ! < / # ! / 4 $ - #( ) , $9 E{e|C(d,t)} poprzez wyznaczenie A B C > ? @ 5 D) * = E , . / 0 - ( ) , ' ! ( ) , . / 0 - ! , ' $ - &' = ( F G , ' + #/ . 9 , #$ ! 5 3 ! ( #$ 5 , # $9 <* $ 5 , # $9 3 * = " $ - wia 5 ! 2 ! 1 4 , ) /4 , #$ 5 ! " * $9 L ! / 4 $ - #( ) , $9 , #E 3 * ) ( 5 ! 3 ! 5 ! " # $ % &'( ) H 5 ! - I ) 5 , # $9 J K _T S ` Z [ ] \ ] TV Z a Y \ ] b ec f d g hi j k il i mn o p q l i r s t u j v i u w n i w x ki } ~ vn x k 2 , # $9 3 *=" $- 3 !'*4 $" ) 5 ! p ~ mw p j i m } ~ r s t u y z { | C(d,t), ~ f z fˆ j v i u o w xl } ~ vn x k $ &' . 2 ) /9 # ( ) *+ , - ! ( $9 ( ) *' ! < / # OP L − O NQ M M W X Y Z [ S \ ] ^ − N M R S T UV U J K o w xl k y z { | } w } ~ n } ~ o p j j v i p u o kw ~ xl j v i u o w xl k } ~ vn x k p k i il w v i h il ~ mn j q l t x f f = fˆ + e (d , t ) . Nowy predyktor f jest adaptacyjny, nieliniowy i realizuje mechanizm mj v i k~ } o } vn i j viu o w n v w u } ~ k~ r suq p ~p o rsuq j v i u o w xl k niv~ iu ~w } o ~r o j ki ki p rstu j nh w v w q o w v o mnq l t x j v i u o w xl k ~p wt p u o kw } ~ j mn ~ } i j v i u o w n v ~ ~ l iu i ε= f −f mj v i k~ dla entropijnego } vn i ~ hi o l i mn v i u kt f = fˆ + ε (d , t ) , gdzie ε (d , t ) ~xo warunkowanych skwantowanym kontekstem C (d , t ) n i w n i w mn } i p u i h } ~ k i r s u q j v i u o w xl k r u k i m k u r o } ~ ~ j u mn ~ } ki } ~ v n x k próbek ws~u } ~ vn x k rsuq j v i u o w xl k ~x } qli } no p j vo j ~u w q j mn ~ . v ws~u q ~ j h ~ x i ~ ~ h i l i m n } o v ~ k i } o m n v o x j } k j j v ~ } k m w q n i x i n v j kl i kodowania. B. Optymalizacja kwantyzatora Q } ~ vq w } il i nv j kk } ~ vn x k } ~ v n x k v o n i v kq p rsu} ~ h i il u w } ~ no ~ xl i jest minimalizacja r k vq r v ~ ów mn ~ u ~ v u } il u o ~ p k x il i p( k q o } ~ p o n i x kw k } o r vq } ~ vn x k = < < ⋅⋅⋅ < − < = ∞ ¡ ¢ £ ¤ ¥ ¦ § ¨ § © ª « ¢ ¤ ¡ ¢ £ ¬ ® ¬ « ¯ ° ± § £ ² ³ ³ ¬ L ª ° ¡ ª « ¢ ¤ ¡ ¢ £ ¬ ´ ® µ U = {ε | q ≤ ∆ < q } ¶ ¯ ¬ · £ § © ¸ ¤ ® « ¬ ¸ ¤ £ ¤ µ d d d +1 nv i k } o x r hkx ~ p o r k v } ~ vn x k j ~ v 118 − ∑ p (ε ) log p (ε | ε ∈ U d ) (7.28) ε ³ ° ¹£¦ º ¬ » £ £» ¼ » ½ Dwa procesy poszukiwania ³optymalnego schematu kwantyzacji, tj. wyznaczanie ³³ ³ ® ¹ª ´ § ¢ ¨ £ · ´ ® ® ª « ° § ¤ ¹ £ ¤ » £ £ » ¬ ¥ £ ¢ ¬ § ¾ £ ® ¨ « ¬ ¸ ¤ £ ¬ ¿ À ½Á À  £ ª ° ¡ ¢ £ ¬ ª « ¢ ¤ ¡ ¢ £ ¬ ¼ ® ¬ « ¯ ° ± § £ ³ ³ ³ ² ³ ¬ L ª ° ¡ ª « ¢ ¤ ¡ ¢ £ ¬ ´ ® ® ¤ ¡ ¼ º « ° ¢ ® £ ¦ ¢ ¬ £ ¬ ¡ ¬ ¾ ¦ § ¤ º ° » £ £ » ¼ » ¢ ¬ ¥ ¤ ¸ ° ± § £ ¿ À ½Á à  ¶ » ° º ¦ Ä Ä ³ ³ ³ ³ ³ ¨ Å ª « ¢ ¤ ª « ° ® ¬ ¡ ¢ ¬ ¤ « ´ ® £ ¤ ¸ ® ¹ª ° ¹ ´ ¦ § ¢ ¨ ¿· ® ¬ ¯ ¨ ¢ ¬ §¾ ¬ ¦ § ¢ ¬  ½ Æ ³ ³ ³ ½ Ç ¯ « ° ª £¾ ¤ · ° ¡ ° ® ¬ £ ¤ ® ¬ « ¯ ° ± § £ È - entropijne kodowanie adaptacyjne (najlepiej Ä ³ ³ ² ¬ « ¨ ¯ » ¤ ¯ ¨ § ¢ ¤  ¢ ¼ ¸ ¨ § £¤ » ¯ ¨ ¥· ° L ª « ¬ ® ¡ ° ª ° ¡ ° £¤ É ¹¯® ® ¬ «¼ · ° ® ¨ § © È ÊË ¿ )=d), p( Í Î ³ Ì ≤ < ¡ ¥¬ ª ° ¹¢ § ¢ ¤ º ´ ¥ ¨ § © ® ¬ «¯° ±§ £ È. 119 Ï Ð Ñ Ò Ð Ñ Ó Ô Õ Ö ×Ò Ñ Ö Õ Ø Ó Ù ÚÛ Ü Ó Ý Ð Ò Ü Þ Ø Ôß × à á âã ä å â æç á ã è å é ê ë ï æ â å î è ï è î è ñ äí þ ýüå ε ' $ B * p( % ε P i ε ( ) & C ' D + ( - * + E F h . 2 3 4 i 5 6 7 3 8 29 )=d : 3 ! 7 : ; < 2 2 ç ûéüí / = 5 / 9 ñé ú " 2 3 = : 2 / 6 > ? : 3 îè 9 ; 6 @ / å éèý " A 8 2 B * H I @ ; G / : 3 J 9 ; 6 @ / A 8 2 ≤ K < L M . / ? : ; 6 / 7 = 7 2 3 G 2 4 trzenia , , , i j k g l n y k v q u i } h / 0 1 p(ÿ ÷ èøù õ ö ó ô εò 5 6 ; 9 ε # C * = / 5 / = / N ( ) ' D i + , , 2 3 O I @ 9 / )=d) na dwa: S T e f g h . G ; + m n j k o y i p e f t j ε X U d ï æðñ íã å â æç á ã è å é ê ë ' ( - * QR ìæí î á äê ë p( ~ u q s h Y p n = Z V tm t m | ε q r g s h )=d X U j i } r Y V t ε [ X [ V u v t h ≥ Z W Z , \ s q u q s q r t v s f i n m h − ] i n w j k h g v p y i q y t ε S `^ t m n j k = a h S ] ε `^ t v x y z q h j k t k g j k g z t ε b S ^ n { u t l i } e i q v t f v q f v f n s f n y i n z q y k n z (7.29) { g e i n . c a i + r } s x f x p g < b _ a s t m | s t m n − j i } y i p j f | m n s y t z o p n j k h q y i p j f n v q f h i | f t y i n u v f g r i p n y i x zapobiega tym ograniczeniom. q p y t f t q r j n v h q h t o p n + j h { q i l = x + { + y t q p g j k v f t y g { l q s r q p y t − y h i e i n l i } e h u v f n v f x ε e i { q k v f g l x m | e h { oraz t v k q e i j g l − q r ∆ = f } s n l t ε − q e f n z ih n k v g e f y i n h ∆ = t y n m o f } s n l j | v h q j i y n m f n v q o f n v q h e i | p q y g n j k g l t k q v u v t h mniejszej wariancji w stosunku do p(ε | Q (∆) = d ) ( ε ∆ = nm s q u q s q r i n w j k h t ¡ ¢ £ ¤ ¥ ¢ ¦ § ¨ v q f z t s x ε −ε ∆ = − + h § ¢ ¥ ¤ © ª « ) i o ª ¬ ® ¨ © ¯ ° ¢ ¥ ¡ ± ¨ ® ¤ © ¯ ¥ ± § ¤ ² ª ³ ¢ © ¯ © ¢ § ¨ ¯ ¨ ´ ¨ © ¯ ¤ µ ¢ ¯ ¥ ¢ ¶ ± ¢ · ¢ ± µ § ¨ ® © ± ¤ £ ¸ ¥ ¨ ¡ § ¹ ° ¯ ¹ º ¡ » ° ¨ ± ¡ ¡ ¢ ¯ º ¨® ¶ ¢ µ ¼ ¥ ¢ ± ° ¨ ± ¥ ± ¥ ± ¨ ¡ ± ¨ § ¢ º § ¯ ¨ º © ¯ » ª ½ ¡ © » µ ¸ ¢ ¥ ¯ » ® ¹ ¢ · ´ ¥ ¤ ¯ µ ¢ § ¢ ± § ¢ º » ε = − , koder sprawdza, czy ε À ¶ ¥ ± ¨ ¥ ± » ÀÁ  à ° ¾ ¼ ¡ » < Ä ® ¨ © ¯ § ¢ © ¯ ¼ ¶ » ® ¹ ¤ ¿ ¶ ¥ ± ¨ ¡ º ¡ na podstawie kontekstu C(d,t - ¸ ² ª Å ¨ ¸ ¶ ¥ ¨ ¡ ¤ º ® ® ¨ © ¯ » ® ¨ µ § ¤ Æ ± ¢ © Ì × Ø Ù Ê Ë Ì Ë Ô É Ê É Ú × Ù â Õ Ù Û Ì Õ Ù Ô Ô Ù Û Ì × Ï É Û Ú Ù Í × É Î Ï Ô ç Û Òâ Ø Ê É Ô Ï Ì ê Ð é Õ ç Ë Ô Ù Õ Ñ Û º ¡ ¢ § ¢ C(d,t) i ε ε. Ö ã Ò Ø è É ß ® ¨ © ¯ à Ü Ý ¢ ¥ ¯ £ Ç È É Ê Ë Ì Í Ì ÎÏ É Ð Ñ Ò Ó ¢ § ¨ µ Ë Ô Í Ñ Ë É Õ · ° ¾ ¹ ¡ kach Ç . á Þ Ì Ú Ù È â Ù ã ä Ø Ï Ì Û Ì × Ø Ù Ò Í × Ù È Ì Õ Ê Ô å Ò Ø æ Í × É Û á Ê Ò Ù ä ç á Ñ Ê Ø é Ò Ï ç Ï É â Õ Ì Ò Í Ñ × Ø Ù × Ø É Í Ë Ô Í Ù Ê Ø Õ Ñ Ê É × Ø Ù Í × É Û ç Ò â Ø ë pˆ (ε , d ) = p + (ε , d ) + p − ( −ε , d ) p = p+ + p− p− p+ p+ (ε , d ) = p− (−ε , d ) Rys. 7.10. Wyostrzanie prawdopod przerzucanie − ê Ì Ø Ù ì ê î Ø Ï Ê Ì Ô Í Ù × Ø Ù É Ô Õ Í Ø Ù â Î Ï Ê É Ê É Ô ç × Û Ì Ê ê Ì Ù í Ì á Ò Ø ï Ú Ì × Ù í Ì 120 Ù Î Ï Ñ É Ï Ì Ô É î = ++ pˆ (ε , d ) . î î − poprzez Ogólny opis algorytmu ð á á ä í Ì Ô Ñ Ï Î Û Ð É Õ É Î Ø é Í Ï Ô Í Ù Ò Ó í Ð å Ê • adaptacyjna predykcja, • modelowanie kontekstu, • Û Ì Õ Ì Ê á Ë Ô Í Ñ É × Ø Ù Í Ù × Ï Ô Ì Ë Ø ï Ê É Ô ç × Ñ Ò Ó × Û Ì Ê Ù ä Ù Ù × Ï å Ê ñ ï È á Ò Í Ñ Ì Õ Ù ä Ì Ê É × Ø Ù Û Ì × Ï Ù Û Ö Î Ï ç Ê Ë Ð Ñ Ê É Í É Ô å Ê × Ì Ô Í Ù Õ Î Ï É Ê Ø Ì × Ñ × Ø Ú Ù â É ä í Ì Ô Ñ Ï × É Ë Ô Ù Õ Ñ Û Ò â é â É Û Ø Ù × Ï Ô Ì Ë Øâ × Ù Û Ì Õ Ì Ê ê á Ë Ì Û É Í ç â Ù Ê Î Ë Ì Î å É × Ø Ù á Î Û Ì × Õ Ù × Î Ì Ê É × Ñ Í É Î É Õ × Ø Ò Í Ñ Ë Ì Ñ Î Ð realizacji CALIC-a. ò ó Algorytm 7.1. Kompres ô õ ö ó ÷ ø ù ú û ô ü ý þ ÿ þ 1. Inicjalizacja: N(d,t)=1, S(d,t)=0, ≤ ! # " ! $ ! " ! < , 0 ≤ t < 2m . " ! " ! f α i , wi , 1 ≤ i ≤ m . ! ! % & ! etapu: m a). fˆ = ∑ α i f i dla kontekstu predykcji f 1 , f 2 ,..., f m ; i =1 m b). ∆ = ∑ wi ( f i - fˆ ) ; i =1 c). d=Q ' ( ) * d). wyznacz wzorzec tekstury t = t m ...t1 : if ( f < fˆ ) t = 0 else t = 1, 1 ≤ i ≤ m; i i i e). ε = S (d , t ) / N (d , t ); + f). f = fˆ + ε ; + g). ε = f − f ; h). S(d,t)=S(d,t) , - . / (d,t)=N(d,t)+1; i). if N (d , t ) ≥ 128 S (d , t ) = S (d , t ) / 2; N (d , t ) = N (d , t ) / 2; j). if S(d,t)<0 koduj (-- 0 ) else koduj (- 0 ); ! ! ! rozrzedzenia kontekstu poprzez: ! ! • C(d,t) oraz kontekstu Q' ( ) " ! % ! • 6 ! 7 6 !% 6 ! % 5 * 1 2 3 41 ! & 5 % zenie problemu ! % ! ' ) 6 ! ! " ! ! ! ! - ! ! % 8 !5 6 6 6 % % ! ! $ " ! 6 ' ) kodowania. 121 ë 9 :; < = ; >; ? @A B < C D: E @; : F < E? E G H I J G K L M N O P Q R ST U V W O X YL M Z Q[ \ [ U [ V ] Z \ M \ Q O \ Mc N M V X W Q Oc W\ M\d b Q Q OjO^ Ld Z \ d b Q Y ^ _ L O ` W \ [ a ` Q ^ [ b U V O Yc Q b O L [ X d L O ` k \ Q^ M b Q \ Mc b \ Q Oc Y W m a V O X \ Q m N QL [ Z m X P M ^ M n X O o [ W [ N V M W ] Z p MN O PM R ST S q `O\ M OjO^ Ld Z \ [ a`Q ^ [ b U V O Yc Q ^ [ b U V O Yc Q e f g he [ X Z V M ` M P\ Oc S W Q\ \ d b Qi K d Ll_ YW ` W [ \ [ [ V M W \ Mc b \ Q Oc Y W m a V O X \ Q m S ^ [ X OVM e f g he S r [ XM\ [ Z M VL [ a ` Q aVO X \ Q` k bitowych w bpp. Wyniki przytoczono za [7]. Obraz Balloon Barb 1 Zelda Hotel Barb 2 Board Girl Gold Boats Lena s UCM 2.81 4.44 3.80 4.28 4.57 3.57 3.81 4.45 3.85 4.17 3.97 V O X \ Q[ ECECOW 2.86 4.34 3.71 4.38 4.57 3.62 3.81 4.42 3.86 4.09 3.98 S+P 2.97 4.53 3.84 4.53 4.71 3.82 3.96 4.56 4.03 4.16 4.12 Sunset 2.89 4.68 3.81 4.46 4.77 3.73 3.91 4.56 4.01 4.21 4.10 JPEG-LS 2.90 4.69 3.89 4.38 4.69 3.68 3.93 4.48 3.93 4.24 4.08 CALIC 2.78 4.33 3.72 4.22 4.49 3.50 3.71 4.38 3.77 4.04 3.89 Techniki wymienione w tabeli 7.5 to: • ^UCM (ang. Universal Context Modelling algorithm) - uniwersalny algorytm modelowania [ \ L O ^ YL _ [ U V M ` [ Z M \ d U V W O W K O Q\ N O V o O V M tu v i ^ L ] Vd W O Z W o Pw X _ \ M X _ n d YL [ U QO x Wl[ n [ \ [ a`Q Q X_ n O koszty czasowo- W M YL [ Y[ Z M x S • U M b Q w ` Q[ Z O \ Q O \ M X Mc O Y Q w Z l M a ` QZ Q O X [ U V M ^ Ld ` W \ d ` k ECECOW (ang. Embedded^ [Conditional Entropy Coding of Wavelet L V Coefficients) b OL[ X M W M o \ QO n X n [ \ O o [ X [ Z M \ QM Z YU ] l ` W d \ \ Q^ ] Z j M P^ [ Z Oc M\ Yj[ Vb MLd W [ Z Oc wykorzystaniem entropii warunk [ U V M ` [ Z M \ M U V W O W y S K _ tR v S p O ` k \ Q^ M Q b [ X O P[ Z M \ QO b LM Z ^ [ \ L O ^ YL_ ^ Z M \ L d W M `c Q i M ^ [ \ ` O \ LV_c O VW wX_ Z O V Yc Q N O W Y L V M L \ O c Z d ^ [ V W d Y L _ c O [ X Z V M ` M P \ m L V M \ Y j [ V b M L w j M P ^ [ Z m z W ` M l ^ [ Z QL d b Q Z Y U ] l ` W d \ \ Q ^ M b Q{ i U V [ YL d Y_ ^ ` O Yd Z \ Oc Z d Y[ ^ QO o [ YQw \M W Mo \ QO n X n [ \ d b [ X O P [ Z M \ Q_ M Po [ Vd L b U V M Z X [ U [ X [ N QO x YLZ Z M V _ \ ^ [ Z d ` k U V W d ^ [ X [ Z M \ Q_ YL V _ b Q O \ Q M Z Y U ] l ` W d \ \ Q ^ ] Z S K d ^ [ V W d Y L _ c O L _ L Mc U [ X [ N \ d U [ b d Yl cM^ Z b OL [ X W QO ^ Z M \ L d W M `c M i U V W d ` W d b e f g he | b [ X O P[ Z M \ QO ^ [ \ L O ^ YL_ Z d Y[ ^ QOo [ YW ` W O o ] P\ m _ Z M o w W Z V M ` M \ M [ X X W QO P\ O ^ [ \ L O ^ Y W \ M ^ _ Z YU ] l` W d \ \ Q^ ] Z S • S+P - U [ PO o M X VW OZ M • Q c Oo [ towe kodowanie N O W Y L V M L \ M Z O V Yc M L O ` k \ Q ^ Q ^ [ b U V O Yc Q } M Q X M Q r O M V P b M \ M i ^ L ] V O c W M Y M X \ Q ` W d U [ b d Y l \ M U M VL d `c [ \ [ Z M \ Q_ WOVi ^ L]VOb _ Z YU ] l ` W d \ \ Q^ ] Z • VW wX_ U [ X W N Q[ V ] Z L[ Z M VW d YW d k QOVMV` k Q`W \ Oo [ WZ Qw^ YW O \ QO X VW OZ M Z YU ] l` W d \ \ Q^ ] Z i LW Z S OjO^ Ld Z \ [ a`Q ^ [ X [ Z M\ QM Ld `k n O t~ v S YL M \ X M V X N O W YL V M L \ Oc ^ [ b U V O Yc Q t v [ W \ M ` W \ Q O W Z Q w ^ Y W [ \ O c OjO^ Ld Z \ [ a`Q Z JPEG-LS stosunku do poprzedniej wersji odwracalnego JPEG-a. [ X Z V M ` M P\ d ^ [ X O V g M \ o X [ \ M Q M QX Q\ d M ^ M i [ U M VLd W M Y M X \ Q` W [ \ M ^ YW L M lL [ Z Sunset aniu i U M V M b O L V d W M `c Q W M PO n \ O o [ [ X ^ [ \ L O ^ YL_ V [ W ^ l M X _ Z M VL [ a ` Q ^ [ X [ Z M \ d ` k X M \ d ` k t v S r V W O X YL M Z Q[ \ O Z d \ Q^ Q U [ LZ QO V X W Mc m N M V X W [ ^ MnXOo [ W X W Q O Y Q w ` Q_ [N VMW]Z L O YL [ Z d ` k X[N Vm WO Y^ _ L O ` W \ [ a L O ` k \ Q^ Q e f g h e S r V MZ QO X PM YL M \ X M V X _ a V O X \ Q m N QL [ Z m Y ^ [ b U V O Y [ Z M \ Oc V O U V O W O \ L M `c Q S 122 r b OL[ X M LM X MlM \ Mc b \ Q Oc Y W m 7.6. Bezstratna kompresja sekwencji obrazów q N [ ^ ^ [ V O P M `c Q U V W O YL V W O \ \ d ` k Z U [c O X d \ ` W d ` k [ N V M W M ` k ` [ V M W N M V X W Q Oc U M P m ` d b U V[ N PO b O b Y L Mc O Y Q w Y W d N ^ Q O U V W O Y d l M \ Q O ` W d W M U Q Y X l _ o Q ` k Y O ^ Z O \ `c Q [ N V M W ] Z S M X b Q M V [ Z [ a ` W M Y [ Z M i Z d \ Q^ Mc m ` M W U [ W Q[ b QO i c M ^ Z QX \ Q Oc O U [ X [ N QO x YLZ M ` k [ ` QM n N d Z Z LOXd LM ^ [ POc \ d ` k YMb M [ Y[N M o O Y L d ^ _ P_ c m ` M i ` W d L O n Q \ \ d b p M^nO Z d YL w U _ c m ` O Z [N VMW]Z Z Y O ^ Z O \ `c Q c O YL U V W d U M X ^ _ L O PO ^ [ \ j O V O \ `c Q S M X l _ o Q ` k Z d ^ [\_c m`M VMWOb \ QOW N d L ` W w YL [ \M W\ M`Wm`d b Y O V Q M ` k ^ [ POc \ d ` k ^ P M L O ^ o Z MlL [ Z \ O V_ ` k d i b ] Z Qm ` M Q Z Q X [ ` W \ M c O YL c O X d \ Q O LZ M V W W O W b Q O \ Q Mc m ` m Y Q w b Q b Q^ m S Z Qw ^ YW [ a` Q [N VMW[Z d `k N MXMx b OXd `W\d `k Y O ^ Z O \ `c O [ N V M W ] Z skorelowanych czasowo (np. zapis pracy serca w echokardiografii) i przestrzennie (np. P Oc \ O Z M V Y L Z d b ] W o _ Z N M X M \ Q M ` k e p { b [ o m N d ^ [ b U V O Y [ Z M \ O Y ^ _ L O ` W \ Q Oc U V W d U [ b [ ` d ko b O L [ X i ^ L ] V O O PQb Q\ _ c m L w b Qw X W d [ N V M W [ Z m \ M X b QM V [ Z [ a S K d ^ [ V W d YL_ c O ^ [ X [ Z M \ QM b Qw X W d [ N V M W [ Z O o [ zM \ o N MW_c m` \M U [ X [ N QO x YLZ QO Y Q w L _ L Mc L O ` k \ Q ^ Q { ^ [ X _c m ` O c O X \ [ ` W O a\ QO ` Ml m o V_ U w [ N VM W ] Z i . interframe V M b O ^ X M \ Oc ^ [ P Oc \ d ` k Y O ^ Z O \ `c Q S efektywne od technik jednoobrazowych (ang. intraframe ^ M n X O o [ W [ N V M W ] Z Z Y O ^ Z O \ `c QS q ^ MW_c m YQw [\O N MVX W QO { \ Q O W M P O n \ O c i [ X X W Q O P \ O c ^ [ b U V O Yc Q p O ` k \ Q^ Q b Q w X W d [ N V M W [ Z O o [ ^ [ X [ Z M \ Q M Y O ^ Z O \ `c Q [ N V M W ] Z YL [ Y[ Z M \ O Y m ` W w a ` Q Oc Z Z O V Yc Q Y L V M L \ O c z Y L M \ X M V X r { i M P O L M ^ n O c M ^ [ N O W Y L V M L \ O i Y W ` W O o ] P \ Q O Z U V W d U M X ^ _ [ N V M W ] Z b O X d ` W \ d ` k i ^ Q O X d \ Q O b [ n \ M Y [ N Q O U [ W Z [ P Q \ M _ L V M L w c M ^ Q Oc ^ [ PZ Q O ^ Q \ j [ V b M `c Q W [ N V M W ] Z [ Vd o Q\ M P\ d ` k S OL[ Xd LO cOX\ M^ \ QO X Mc m W M W Z d ` W Mc W \ M ` W m ` O c U [ U V M Z d Y ^ _ L O ` W \ [ a ` Q ^ [ b U V O Yc Q Z z[ prócz przypadków trywialnych) YL [ Y_ \ ^ _ X [ b O L [ X c O X \ [ [ N V M W [ Z d ` k i Y m c O X \ M ^ o [ X \ O [ X \ [ L[ Z M \ QM S r VW dc VW d c b d YQw \ QO ^ L ] Vd b V [ W Z Qm W M \ Q[ b S K U VM `d [ [ YM Q QOVo O OVM t v U VW OU V[ Z M X W [ \ [ b Qw X W d [ N VMW [ Z Oo [ ^ [ X [ Z M\ QM \ M W \ M `W m `d b V O X _ ^ `c w \ M X b QMV[ Z [ a`Q VO \ Lo O \ [ Z Y^ QO zYO VQw ` W M Y [ Z Oc S T [N VMW]Z [ N YW O V\ m [ ` O \ w V] n \ d ` k LO ` k \ Q^ W N Q[ V W O [ N V M W ] Z L O YL [ Z d ` k i U V W d ` W d b N M X M \ [ [ b U VOY[Z M\ [ b OL[ X m T N O W YL V M L \ m M \ o Q[ o V M b d k W YW d N ^ [ a` Qm [ N V M W ] Z × 512 × 9b, zarejestrowanyc × 1512 × 8b przy rejestracji 25 obrazów/s, 18 obrazów × 256 × 8b przy rejestracji 25 obrazów/s oraz 18 obrazów 256 × 256 × 8b przy rejestracji 256 ST [ N V M W ] Z Y { [ V M W Y ` d \ L d o V M b d Z m L V [ N d z [ N V M W ] Z u × 128 × 8b przy rejestracji 1 [ N V M W _ \ M b Q\ _ L w { S } L [ Y[ Z M \ [ V ] n \ O b O L [ X d X O ^ [ V O PM `c Q ` W M Y [ Z Oc i L M ^ QO c M ^ \ Q O V Oc O YL V_ c m ` m \M YO^ _ \ X wi [N VMW]Z T X O ^ [ V O PM `c w z M \ o S _ \ V O o Q YL O V O X X O ` [ V V O PM L Q[ \ { N O W ^ [ b U O \ Y M `c Q V_ ` k _ [ N Q O ^ L ] Z Z d YL w U _ c m ` d ` k Z [ N V M W QO i N P[ ^ [ Z m X O ^ [ V O PM `c w W ^ [ b U O \ Y M `c m V_ ` k _ zM \ o S N P[ ` ^ b [ L Q[ \ -compensated -compensated decorrelation) z wykorzystaniem metod zaproponowanych przez Netravaliego i Robbinsa [ V M W Z Q O \ O V [ Z Y ^ Q ` k S O L [ X d L O N d l d V O M P Q W [ Z M \ O Z Z O V Yc Q O ^ Y L V M U [ P M ` d c \ O c z O Y L d b M ` c M X O ` [ V V O PM L Q[ \ { [ V M W P[ ^ M P\ m X O ^ [ V O PM `c w W ^ [ b U O \ Y M `c m V_ ` k _ z M \ o S P[ ` M P b [ L Q[ \ ^ M n X O o [ [ N V M W _ c O X d \ QO \ M U [ X YL M Z QO [ N V M W ] Z [N VMW_ U VWd U [ b [ `d [N VMW ]Z U [ U V W O X \ Q ` k { [ V M W Q\ L O V U [ PM ` d c \ Oc (estymacja W M V Oc O YL V [ Z M \ d ` k W M V ] Z \ [ Z ` W O a\ Q Oc c M ^ Q U ] \ Q Oc { S r [ j M W Q O X O ^ [ V O PM `c Q ` W M Y [ Z Oc [ N V M W d N d l d \ M YL w U \ QO ^ [ b U V O Y [ Z M \ O U V W d U [ b [ ` d L O ` k \ Q^ Q h p S } `k Ob ML X O ^ [ V O PM `c Q \ Q O V Oc O YL V_ c m ` Oc WMV]Z \ [ Z Z O V Yc Q O ^ YL V M U [ PM ` d c \ Oc c M^ i interpolacyjnej jest bardzo prosty. Bazuje on na porównaniu[ pojedynczych pikseli z kadrów Y m Y Q O X \ Q ` k Z Y O ^ Z O \ `c Q S O a P Q U V W O W W \ M ` W d b d ` W M Y [ Z m Y O ^ Z O \ `c w f (x, t ), t = 0, 1, 2, ... c O YL U V W O YL V W O \ Q m [ ^ V O a P [ \ [ a ` Q j_ \ ^ `c Q c M Y \ [ a ` Q Q` k O YLd b M L w i L [ obrazów ( x f), a przez ˆ (x, ) przy ekstrapolacji mamy: fˆ (x, t ) = f (x, t − 1), t = 1, 2, 3, ... 123 (7.30) h \ L O V U [ PM `c M _ Z W o P w X \ Q M Q\ j [ V b M `c O [ XM\d b ^ M X VW O W MZ M VLm Z Ym YQO X \ Q` k [ N VMW M ` k W X Z _ YL V [ \ Z ^ [ POc \ [ a ` Q ` W M Y [ Z Oc i M Z Qw ` | fˆ (x,2 k (2t + 1)) = round{12 [ f (x,2 k +1 t ) + f (x,2 k +1 (t + 1))]}, k , t = 0, 1, 2, 3, ... (7.31) [ W \ M ` W M U [ W Q[ b gdzie k ^ MX Vd YO^ Z r [ Z d W \ M ` W O \ Q_ V [ W X W QO P ` W [ a ` Q ` W M Y [ Z Oc i U V W d O \ `c Q [ Vd o Q\ M P\ Oc { Z d YL w U _ c O X P M K b OL[ X M`k N P[ ^ [ Z d ` k Z d YL w U _ c O Z N P[ ^ ] Z W YQw c_ n U [X[N\O Z Ym YQO X \ Q` k ^ MXV]Z U V O X d ^ `c Q | U [ X [ N QO x YLZ [ N P[ ^ ] Z Y O \ Y Q O U V W d c w L Oc \M U Q^ Y O P Q Z [N VMWM`k b Q M V d S YL d b M `c M V_ ` k _ c O YL zenia parametrów translacji najbardziej YQON QO S M V X W Q Oc Wl[ n [ \ M O YL d b M `c M V_ ` k _ L V W O ` QOc ^ M L O o [ V QQ b O L [ X P[ ^ M P\ Oc ^ [ b U O \ Y M `c Q V_ ` k _ i ^ QO X d L [ Z d W \ M ` W M \ d c O YL Z O ^ L[ V U VW O b QO YW ` W O \ QM X PM ^ M n X O o [ o X W QO zZ YW d YL ^ QO ^ [ X [ Z M \ M c O YL Z M VL [ a N l w X _ c O X \ M ^ U V [ YL M i YU V [ Z M X W Mc m ` M Y Q w c O X d \ Q O X [ Z d W \ M ` U [X[N\d `k U [ W Q[ b ^ M n X O o [ ^ [ POc \ O o [ ^ M X V_ Y O ^ Z O \ `c Q S N MXM Y m Y Q O X \ Q ` k Z d N Q O V Mc m ` \ Mc N M V X W Q Oc \ Mc Z d n YW d k=0. Z M VL[ a` Q U VW OZ QX d Z M \ d ` k dU MX^_ (x, ) = ( x, ) ˆ (x, ) w prz `Wd b Z YW d YL ^ QO o O [ b OLVd ` W \ O U Q^ Y O P M S W d Y^ _ c O U VW O ^ YW LMl` O \ QM Z YQw Z LO\ U l M YW ` W d \ QO YU [ Y] N [N VMW_ U [ PO Z O ^ L [ V[ Z O i Ym [ U QYM \ O U VW OW P[ ^ M P\ O L V M \ Y P M `c O S } m L [ Y ` k O b M L d N M V X W [ W l [ n [ \ O Q ` W M Y [ ` k l [ \ \ O S W d Y ^ M \ O V O W _ P L M L d U [ ^ M W _ c m i n O U [ U V M Z M Y ^ _ L O ` W \ [ a ` Q ^ [ b U V O Yc Q U [ b Qw X W d [ N V M W [ Z O c O YL \ QO Z QO P^ M Z U [ V ] Z \ M \ Q_ W zN O W X O ^ [ V O PM `c Q ` W M Y [ Z Oc { U V W d U [ b [ ` d L O ` k \ Q^ Q h p S K U [ V] Z \ d Z M P\ O i U VW d `Wd b [ `W d Z Qa` QO Z Qw ^ YW O S q ^ M W _ c O YQw i n O O ^ YL V M U [ PM ` d c \ d ` k z_ aV O X \ Q Mc m ` d `W M Y[Z O{ Z YL [ Y_ \ ^ _ T ^ [ YW Ld Q\ L O VU [ PM ` d c \ O X[ \ QO ^ L ] Vd ` k U VW d U M X ^ M ` k Z d \ Q^ Q Y m `W M Y[Z O M Po [ Vd Lb d `k MVM^LOV przez kodowanie \ Q O W M P O n \ m ^ [ b U V O Yc m ^ M n X O o [ W [ N V M W ] Z L O ` k \ Q^ ^ [ b U V O Yc Q Q\ L O V U [ PM ` d c \ Oc W Ym ^ [ b U O \ Y M `c m \ QO ` [ O YL d b M `c Q W b \ Q Oc YW O \ Q M X l _ o [ a ` Q ^ [ X _ Z V_ ` k _ Ym Y^ _ L O ` W \ QOc Y W O [X Y Q P\ Q Oc YL [ Y_ \ ^ _ X[ Ll_ b Q YW _ b d \ QO W M PO n \ O o [ h p S } U [ aV ] X Z YW d YL ^ Q` k YL [ Y [ Z M \ d ` k b O L [ X X O ^ [ V O PM `c Q ` W M Y [ Z Oc \ Mc O j O ^ L d Z \ Q Oc Y W M N d l M b O L [ X M Z QO \ O V [ Z Y^ QOc Q\ L O V U [ PM `c Q S O L [ X M \ QO V Oc O YL V_ c m ` Oc X O ^ [ V O PM `c Q X Mc O W N P Qn [ \ O YL [ U \ Q O ^ [ b U V O Yc Q Z YL [ Y_ \ ^ _ X[ N M V X W Q Oc Wl[ n [ \ d `k b OL[ X ^ [ X [ Z M \ QM b Qw X W d [ N VMW [ Z Oo [ i U VW d W \ M ` W m ` d ` k ` W M Y[ Z d ` k [ YW ` W w X \ [ a` QM ` k S r [Z [ XOb [N VMW]Z \ QO Y^ _ LO ` W \ [ a` Q b OL[ X X O ^ [ V O PM `c Q ` W M Y [ Z Oc b O X d ` W \ d ` k b [ n O N d W c O X \ Oc YL V [ \ d \ Q Y^ Q U [ W Q[ b c Z d YL w U _ c m ` Oc Z ^ M n X d b do silnej korelacji przestrzenne U VWd ^ [ b U V O Yc Q ^ [ V O PM `c Q ` W M Y [ Z Oc Z W [N VMW]Z z YQP\ d YW _ b zL V_ X \ O X[ ^ QO V _ \ ^ _ U V [ YL [ U M X l d b _ Z W o Pw X \ QO \ QM L M ^ QO Wc MZ QY^ M i c M ^ W b QM \ d YL [ Y_ \ ^ _ ` W M Y [ Z d { P_ N L O n N M V X W QOc U V M Z X [ U [ X [ N \ M Yl M N M O YL d b M `c M U V W O Y_ \ Q w U Q^ Y O P Q ` W d o V_ U U Q^ Y O PQ Z [N VMWM`k Y O ^ Z O \ `c Q ^ [ P Oc \ d ` k aV O X \ Q Oc c M Y \ [ a ` Qi V_ ` k Z X [ [ N V M W _ i N M V X W QOc W l [ n [ \ d V_ ` k Z U l M YW ` W d \ QO [ N V M W _ i ^ L ] V d \ Q O X M Y Q w X [ ^ l M X \ Q O [ U Q Y M U V W d U [ b [ ` d P Q\ Q[ Z Oc L V M \ Y P M `c Q{ S q b M Z Q M \ O YU [ Y [ N d X O ^ [ V O P M `c Q b [ o m L O n W \ M PO W M YL [ Y[ Z M \ QO Z kolejny ^ [ b U V O Yc Q Y O ^ Z O \ ` c Q [ N V M W ] Z Y^ [ V O P[ Z M \ d ` k U V W O YL V W O \ \ QO i \ U S ` k Z M V YLZ X _ n O o [ [ V o M \ _ _ W d Y^ M \ d ` k Z L [ b [ o V M j QQ S OL[ Xd ^ [ X [ Z M \ QM b Qw X W d [ N VMW [ Z Oo [ Ym W M W Z d ` W Mc W \ M ` W \ QO Y^ _ L O ` W \ Q Oc YW O Z przypadku kompresji sekwencji obrazów video, telekonferencji czy nawet naturalnych n PQZ [ a ` Q Y Q P\ Oc Y O P O ^ `c Q Q\ j [ V b M `c Q obrazów filmowych, ale tam z racji potencjalnych mo YL [ Y_ c O Y Qw W X _ n d b U [ Z [ X W O \ QO b L O ` k \ Q^ Q YL V ML \ O S K YU [ b \ QM \ O L O ` k \ Q^ Q Z Z d N V M \ Oc Y O ^ Z O \ `c Q Z QX O [ X M l d N P Q Y^ [ W M YL [ Y [ Z M \ Q_ X [ U [ U V M Z w Y ^ _ L O ` W \ [ a ` Q ^ [ b U V O Yc Q Z b O L [ X \ Q O W M P O n \ d ` k zc O X \ [ [ N V M W [ Z d ` k { S 124 YL [ Y_ \ ^ _ X [ Bibliografia: 1. Y.-Q. Zhang, M.H. Loew, R.L. Pickholtz, A methodology for modeling the distributions of medical images and their stochastic properties, IEEE Trans. Medical Imaging, 9(4), pp. 376-383, 1990. 2. W. Skarbek - redakcja, Multimedia - Algorytmy i Standardy Kompresji, Akademicka Oficyna Wydawnicza PLJ, Warszawa, rozdz. 2, 1998. 3. A. Lempel., J. Ziv, Compression of two-dimensional data, IEEE Trans. Information Theory, 32(3):2-8, 1986. 4. X. Wu, Lossless compression of continuous -tone images via context selection and quantization, IEEE Trans. Image Process., 5(6), pp. 656-664, 1996. 5. M. Weinberger, G. Seroussi, G. Sapiro, The LOCO-I Lossless Image Compression Algorithm: Principles and Standarization into JPEG-LS, November 1998. 6. ISO/IEC JTC 1/SC 29/WG 1, JPEG LS image coding system, ISO Working Document ISO/IEC JTC 1/SC 29/WG 1 N399 - WD14495, June 1996. 7. X. Wu, High-order context modeling and embedded conditional entropy coding of wavelet coefficients for image compression, preprint, 1997. 8. M. J. Weinberger, J. Rissanen, R. B. Arps, On universal context modeling for lossless compression of the gray-scale images, preprint, 1994. 9. A. Said, W. Pearlman, An image multiresolution representation for lossless and lossy compression, IEEE Trans. Image Process., 5(9), pp. 1303-1310, 1996. 10. G. Langdon, C. Haidinyak, Context-dependent distribution shaping and parametrization for lossless image compression, Applications of Digital Image Processing XVII, SPIE, pp. 62-70, 1994. 11. P. Roos, M. A. Viergever, Reversible Interframe Compression of Medical Images: A Comparison of Decorrelation Methods, IEEE Trans. Medical Imaging, 10(4):538-547, 1991. 125