Відмінності між версіями «Методи стиснення з втратою даних Решетник 2017»

Версія за 14:26, 4 грудня 2017 (переглянути вихідний код) 3149551 (обговорення • внесок) ← Попереднє редагування		Версія за 14:31, 4 грудня 2017 (переглянути вихідний код) 3149551 (обговорення • внесок) Наступне редагування →
Рядок 42:		Рядок 42:
	| Фрактальний		| Фрактальний
	| Самонагадування елементів зображень		| Самонагадування елементів зображень
−	| [[Файл:|міні]]	+	| [[Файл:Самонагадування_елементів_зображень.png|міні]]
	|}		|}
	[[Файл:1.png|200px|thumb|down|Фото лісового дикого кота, що показує зменшення ступеня стиснення, а отже кращу якість зображення, зліва направо|Фото лісового дикого кота, що показує зменшення ступеня стиснення, а отже кращу якість зображення, зліва направо]][[Файл:Пес2.jpg|200px|thumb|down|High Compression (на 98% менше інформації від оригіналу, 1.14 KiB)|High Compression (на 98% менше інформації від оригіналу, 1.14 KiB)]]		[[Файл:1.png|200px|thumb|down|Фото лісового дикого кота, що показує зменшення ступеня стиснення, а отже кращу якість зображення, зліва направо|Фото лісового дикого кота, що показує зменшення ступеня стиснення, а отже кращу якість зображення, зліва направо]][[Файл:Пес2.jpg|200px|thumb|down|High Compression (на 98% менше інформації від оригіналу, 1.14 KiB)|High Compression (на 98% менше інформації від оригіналу, 1.14 KiB)]]

---

Версія за 14:31, 4 грудня 2017

Незворотні (з регульованими втратами даних)	Незворотні (з регульованими втратами даних)	Зворотні	Зворотні
Переваги	Недоліки	Переваги	Недоліки
Застосовується до аудіо-, відеоданих, та графічних даних;	Їх не можна застосовувати до текстових даних.	Зворотні методи стиснення можна застосовувати до будь-яких типів даних; з архіву можна відновити інформацію повністю	вони дають менший ступінь стиснення у порівнянні з незворотними методами стиснення;

Застосування методів стиснення з втратою даних

Стиснення зі втратами зазвичай застосовується для зменшення обсягу звукової, фото- й відеоінформації і, як показує практика, для такого роду інформації це набагато вигідніше, але чим більша втрата даних при стисненні, тим помітніші в стиснених даних стають артефакти. Стиснення із втратами має надзвичайно широке застосування. Окрім комп'ютерних програм, стиснення з втратами використовується в потоковому аудіо в DVD, цифровому телебаченні і радіо та потоковому медіа в інтернеті. Перевага методів стиснення із втратами над методами стисення без втрат полягає в тому, що перші істотно перевершують по ступені стиснення, продовжуючи задовольняти поставленим вимогам. Методи стиснення із втратами часто використовуються для стиснення звуку або зображень. У таких випадках розпакований файл може дуже сильно відрізнятися від оригіналу на рівні порівняння «біт у біт», але практично не відрізняється для людського вуха або ока в більшості практичних застосувань. Багато методів фокусуються на особливостях будови органів чуття людини. Психоакустична модель визначає те, наскільки сильно звук може бути стиснений без погіршення сприйманої якості звуку. Помітні для людського вуха або ока недоліки, що виникли через стиснення із втратами, відомі як артефакти стиснення, у комп’ютерній графіці розглядаються як різновид цифрового шуму.

Алгоритми стиснення даних

Алгоритм JPEG – один з найновіших і достатньо потужних алгоритмів. Практично він є стандартом для повнокольорових зображень. Оперує алгоритм областями 8х8, на яких яскравість і колір мі- няються порівняно плавно. Внаслідок цього, при розкладанні матриці такої області в подвійний ряд по косинусах значущими виявляються тільки перші коефіцієнти. Стиснення в JPEG здійснюється за рахунок плавності зміни кольорів в зображенні. Алгоритм заснований на дискретно-косинусному перетворенні (ДКП), вживаному до матриці зображення для отримання нової матриці коефіцієнтів. Для отримання попереднього зображення використовується зворотне перетворення. ДКП розкладає зображення по амплітудах деяких частот. Таким чином, при перетворенні ми отримуємо матрицю, в якій багато коефіцієнтів або близьких, або рівних нулю. Крім того, завдяки недосконалості людського зору, можна апроксимувати коефіцієнти грубіше без помітної втрати якості зображення. Для цього використовується квантування коефіцієнтів. У найпростішому випадку – це арифметичний побітовий зсув вправо. При цьому перетворенні втрачається частина інформації, але можуть досягатися великі коефіцієнти стиснення. Процес відновлення зображення в цьому алгоритмі повністю симетричний. Метод дозволяє стискати деякі зображення в 10 – 15 разів без серйозних втрат.

Алгоритм	За рахунок чого відбувається стиснення	Ілюстрація
Wavelet	Поступові переходи кольорів
JPEG	Відсутність різких границь
Фрактальний	Самонагадування елементів зображень