Содержание к диссертации
Введение
ГЛАВА 1 Аналитический обзор теории представления графической информации и процессов ее компрессии 13
І.І.Введение 13
1.2. Цветовая модель, как способ представления графической информации
1.2.1. Аддитивная цветовая модель RGB. 14
1.2.2. Субтрактивные цветовые модели (CMYu CMYK) 16
1.2.3. Перцепционная цветовая модель HSB. 18
1.2.4. Колориметрические цветовые модели Lab и другие. 19
І.З.Векторная и пиксельная графика как основные виды
представления графических изображений 21
1.4.Анализ существующих требований к алгоритмам сжатия .23
1.5. Аналитический обзор алгоритмов сжатия без потерь 27
1.5.1.Групповое кодирование 27
1.5.2.Ллгоритм LZW 27
1.5.3.Алгоритм Хаффмана 28
1.5.4.Алгоритм JBIG 29
1.5.5.LOSSLESSJPEG 29
І.б.Аналитический обзор алгоритмов сжатия с потерями 31
1.6.1 Рекурсивное сжатие 31
1.6.2 Алгоритм JPEG 31
1.6.3 Фрактальное сжатие 33
1.7.Исследование и критериальный анализ результатов компрессии при применении алгоритмов сжатия без потерь 34
1.8.Исследование и критериальный анализ результатов компрессии при применении алгоритмов сжатия с потерями 38
1.9.ВЫВ0ДЫ 45
ГЛАВА 2 Разработка методики компрессии изображений вариабельными фрагментами и формальная постановка задачи исследования ...46
2.1. Обозначения, определения и допущения 46
2.2. Алгоритм оптимальной компрессии статичных изображений вариабельными фрагментами 48
2.2.1. Математическая модель для учета погрешностей в цветовой гамме фрагментов . 52
2.2.2. Функции, используемые для преобразования фрагментов 60
2.3. Пример компрессии изображений вариабельными фрагментами 63
2.4. Расчет оценки быстродействия алгоритма 65
2.5.ВЫВОДЫ 66
ГЛАВА 3 Экспериментальное исследование и анализ компрессии изображений вриабельными фрагментами 67
3.1 Постановка эксперимента 67
3.1.ІЛрхивация двуцветных изображений 68
3.1.2.Архивация 16-цветного изображений 71
3.1.3. Архивация полноцветных изображений 73
З.ІЛОбщая характеристика тестируемых форматов 74
3.1.5. Орнаменты, мозаика, рисунки на коврах 75
3.1.6. Различные рамки 78
3.1.7. Узоры на тканях, полотнах 79
3.1.8. Экспериментальное исследование сжатия разряженных симметричных изображений 81
3.1.9.Графики, тексты 82
3.1.10. Фоновые изображения для мобильных телефонов. 85
3.1.11. Симметричные изображения. 87
3.2. Поиск оптимальной размерности фрагмента на основе анализа проведенных экспериментов 90
З.З.выводы 94
Заключение 95
Литература
- Цветовая модель, как способ представления графической информации
- Аналитический обзор алгоритмов сжатия без потерь
- Математическая модель для учета погрешностей в цветовой гамме фрагментов
- Орнаменты, мозаика, рисунки на коврах
Введение к работе
Процессы компрессии графических изображений и в частности статичных графических изображений занимают при обработке электронной информации значительную часть временного диапазона. Поэтому применительно к хранению и передаче информации предварительная ее компрессия имеет большое народнохозяйственное значение.
Современные теоретические и экспериментальные исследования, практика программирования и промышленной эксплуатации показали, что наиболее перспективным путем решения задачи повышения эффективности компрессии изображений является сжатие ее с применением теории вариабельных фрагментов.
С целью повышения эффективности сжатия статичных изображений некоторыми программными продуктами используется сложные математические модели которые не позволяют в полной мере производить операции сжатия без потери качества изображения, а также не в состоянии охватить весь спектр статичных изображений.
В частности в работах Дадаяна Л.С. [1,2] приводится описание методики компрессии статичных изображений вариабельыми фрагментами, сравнение пикселов в которой осуществляется посредством анализа структуры их цветовой гаммы и разделения на 3 цветовых спектра с использованием цветовой модели RGB. Результаты компрессии изображений полученных по методикам на основе вышеупомянутой теории по коэффициенту компрессионного сжатия выгодно отличаются от аналогичных наработок с использованием вариабельных фрагментов разработанных в СОЦНИТ, однако методика разделения цвета на спектры не позволяет производить объективное сравнение пикселов, а выбор минимального базового подмножества фрагментов не дает глобально - оптимального решения..
Для повышения эффективности компрессии и, следовательно, уменьшения объема сжатых файлов, скорости декомпрессии файлов необходимо предварительное разделение изображения на квадратные фрагменты дальнейшее сравнение и преобразование которых может привести к выбору базового подмножества хранящегося в памяти. С точки зрения теории компьютерной графики наиболее выгодно сократить объем сжатого файла (при высоком качестве изображения) за счет замены одних фрагментов статичного изображения так называемыми базовыми фрагментами.
Актуальность проблемы. С появлением новых технических средств растровые цифровые изображения в различных отраслях науки и техники, все чаще используются в качестве данных об обрабатываемых и исследуемых объектах в системах, созданных на базе ЭВМ; информационных комплексов и компьютерных сетей. Представление цифровых статических изображений в виде; двумерных матриц требует больших объемов данных и предъявляет высокие требования к сетевому оборудованию при передаче их по каналам связи, а также к емкости внешних носителей при хранении информационной базы. В частности книжная иллюстрация на обложке размером приблизительно 510 х 820 точек занимает емкость на цифровом носителе около 1.23 Мб — т.е. примерно столько же, сколько художественная книга объемом в 350 страниц (около 60 знаков в строке и примерно 40 строк на странице) [6]. Таким образом актуальность вопросов повышения эффективности сжатия статичных изображений не вызывает сомнения. Ярким примером острой необходимости скорейшего усовершенствования процессов компрессии изображений, являются системы, в которых необходимо обеспечить хранение большого количества изображений в автономном режиме: бортовые системы фотографирования поверхности Земли; спутниковые системы получения метеоснимков; -медицинские базы данных, хранящие диагностические снимки; фотографии; - результаты томографических исследований; охранные системы видеонаблюдения с возможностью видеорегистрации.
В последние годы решению проблем повышения эффективности компрессии статичных изображений серьезное внимание как у нас в стране, так и за - рубежом [10-15]. Существует большое количество различных методов сжатия графических изображений, в том числе как видоизмененные универсальные, так и абсолютно новые методы, ориентированные исключительно на сжатие изображений. Кроме того, в настоящее время успешно разрабатываются методы, ориентированные на конкретный класс изображений, например отпечатки пальцев, медицинские снимки. Практический опыт как российского, так и зарубежного использования различных методов кодирования, изображений; реализованных в существующих программных средствах, показывает, что нет универсального метода, который был бы равнозначно эффективен для, всех видов изображений.
Имеет место ситуация когда, любой из существующих методов обеспечивает высокий коэффициент сжатия при сохранении хорошего качества для одного вида изображений, а для других высокий коэффициент сжатия достигается ценой значительных потерь, заметных при визуальной оценке, а в худшем случае метод не применим [49].
Помимо перечисленных выше недостатков, методы сжатия с потерями, как правило, имеют параметры, позволяющие управлять соотношением, между объемом и качеством: чем меньше объем, тем ниже качество и наоборот.
Некоторые группы изображений допускают значительные потери, которые не заметны при визуальной оценке, и за счет этого максимально возможный коэффициент сжатия для них высок. В случае использования других групп изображений даже небольшие потери приводят к заметным искажениям, и как следствие, максимально допустимый коэффициент сжатия для них небольшой. Имеющий опыт работы с методами компрессии изображений пользователь ЭВМ, может по виду изображения определить, какой; метод и с какими параметрами является наиболее подходящим или подобрать их экспериментально. В то же время часто приходится сталкиваться с задачей, когда необходимо обеспечить эффективную компрессию изображений в автономном режиме ив масштабе реального времени.
Принятые к рассмотрению фактические обстоятельства делают актуальной задачу разработки методики создания программных средств, осуществляющих для конкретного графического статичного изображения выбор подходящего метода: кодирования и определение его параметров, которая, и решается в данной работе. Указанные проблемы определили направление исследований диссертационной работы автора, в которой объектом исследования являются программные средства повышения эффективности методов компрессии графических статичных изображений. Предметом исследования являются методы определения, максимально возможного коэффициента и параметров сжатия; для различных методов компрессии графических статичных изображений.
Работа проведена в соответствии с планом научно-исследовательских работ Северо-Кавказского горно-металлургического института (государственного технологического университета)
Целью настоящей диссертации является повышение эффективности процессов компрессии статичных изображении на основе теоретических и экспериментальных исследований вопросов структурного состава цветовых моделей, требований к алгоритмам сжатия и методик их работы, изучения российского и зарубежного опыта компрессии статичных изображений
Для достижения поставленной цели необходимо решить следующие задачи:
1. Произвести анализ современных мировых требований к методологии алгоритмов сжатия с потерями и без потерь. Для этого необходимо: выполнить обзор теории представления графической информации в цифровом виде и алгоритмов ее компрессии; изучить требования к алгоритмам сжатия графической информации; рассмотреть теорию смешивания цветовой гаммы в аддитивных и субтрактивных цветовых моделях, и выявить основные принципов работы алгоритмов компрессии.
2. Спроектировать и создать усовершенствованную программу компрессии изображений вариабельными фрагментами. Для чего необходимо: - оптимизировать выбор минимального подмножества фрагментов при компрессии изображений с поиском глобально - оптимального базового подмножества фрагментов; - предложить математическую модель, позволяющую описывать процесс компрессии изображений вариабельными фрагментами; - создать методику сжатия и последующего построения изображения, которая, позволит учитывать возможные погрешности при сравнении фрагментов изображений.
3. Экспериментально доказать, что результаты компрессии разработанного автором алгоритма сжатия SCI превосходят результаты сжатия алгоритмами JPEG и TIFF;
Для этого необходимо: - произвести сравнительный анализ экспериментальных исследований, применения алгоритма сжатия sci при компрессии двуцветных, 16-ти цветных и полноцветных типов изображений; произвести исследование и систематизировать результаты критериального анализа компрессии при применении алгоритмов сжатия без потерь; произвести исследование и систематизировать результаты критериального анализа компрессии при применении алгоритмов сжатия с потерями;
Методы исследования. В диссертационной работе на основе отечественного и зарубежного опыта и теоретических исследований по созданию и практическому применению алгоритмов компрессии использованы: известные методы аналитического, математического и физического моделирования, совокупность методов и приемов анализа и обработки информации, системный анализ, а также разработанная и предложенная автором теория компрессии статичных изображений с помощью вариабельных фрагментов, теория структуры цветовых моделей и общие вопросы теории компрессии алгоритмами JPEG TIFF .
Применялись лабораторные и экспериментальные исследования, обработка и систематизация данных с использованием ЭВМ.
Основные научные положения, которые выносятся на защиту:
Результаты систематизация требований к методологии алгоритмов сжатия с потерями и без потерь;
Предложенная теория методики сжатия и последующего построения изображения, позволяющая учитывать возможные погрешности при сравнении фрагментов изображений;
Созданная математическая модель, позволяющая описывать процесс компрессии изображений вариабельными фрагментами;
Разработанный автором алгоритм сжатия SCI;
5. Предложенный способ применения алгоритма сжатия sci при котором коэффициент сжатия эффективен в случае компрессии двуцветных, 16-ти цветных и полноцветных типов.
Научная новизна работы подтверждается:
Разработкой методики выбора базового подмножества фрагментов изображений в процессе сжатия;
Разработкой способа сравнения фрагментов статичных изображений в процессе компрессии;
Построением математической модели для учета выбора степени погрешности пользователем и ее применения при работе с алгоритмом SCI.
4. Предложенной и реализованной автором оригинальной методикой декомпрессии алгоритма сжатия SCI, которая позволяет сократить время декомпрессии и не зависит от размеров открываемого файла.
5. Получением двух свидетельств официальной регистрации программы для ЭВМ №2007610600, №2007613948.
Практическое значение работы. Разработанные и предложенные способы и методики алгоритмов компрессии и декомпрессии, статичных изображений обеспечивают получение стабильных результатов, позволяют повысить эффективность сжатия по сравнению с известными программными продуктами для хранения и передачи изображений. Созданная автором программа компрессии изображений SCI является универсальной и область ее применения неограниченна для изображений формата bmp.
Технико-экономическая эффективность предложенных методик и рекомендаций заключается в сокращение объема информационных файлов при их передачи и хранении благодаря увеличенной эффективности алгоритма компрессии. В частности сокращение среднегодовых затрат на приобретение цифровых носителей, расходования средств на оплату услуг связи пре передачи и хранении информации сокращается на 11%, вследствие увеличения эффективности компрессии изображений.
Обоснованность и достоверность научных положений, выводов и рекомендаций подтверждаются адекватностью экспериментальных исследований результатам вычислительных экспериментов.
Апробация и реализация работы. Основные результаты работы обсуждались на X Международном конгрессе (г. Нальчик , КБГУ), Всероссийских конференциях в г. Нальчик «Перспектива» в 2004 и 2006г. и Всероссийской научной студенческой конференции. г.Ставрополь, СевКавГТУ, 2006г.
Публикации. Основные положения диссертации опубликованы в 7 работах, в том числе два свидетельства об официальной регистрации программы для ЭВМ №2007610600, №2007613948 приравниваемого к публикации в изданиях рекомендованных ВАК РФ.
Структура и объем работы. Диссертация состоит из введения, 3 глав, заключения, библиографического списка из 121 наименований, 10 приложений, содержит 118 стр. машинописного текста, 44 рисунков и 32 таблиц.
Цветовая модель, как способ представления графической информации
Любое изображение цветное или черно-белое имеет определенный цвет. Информация о цвете реализуется в форме различных моделей, отображающих те или иные аспекты такого сложного явления, как цвет.
Цветовая модель (цветовое пространство) - это способ описания цвета с помощью количественных характеристик. В данном случае не только легко сравнивать отдельные цвета и их оттенки между собой, но и использовать их в цифровых технологиях [9].
В цветовой модели (пространстве) каждому цвету можно поставить в соответствие строго определенную точку. В этом случае цветовая модель -это просто упрощенное геометрическое представление, основанное на системе координатных осей и принятого масштаба.
Однако, цвет не укладывается в единственную простую модель, поэтому в области цветоведения создано множество моделей, исходя из разных практических требовании.
Любая цветовая модель должна удовлетворять трем требованиям: -реализовать цвета стандартным для нее способом, не зависящим от конкретного устройства; -точно определять диапазон воспроизводимых цветов; -учитывать механизмы излучения или отражения;
Все цветовые модели разделяются на 4 класса: аддитивные, субтрактивные, перцепционные, и колориметрические. [16]
В цифровых технологиях используют как минимум четыре цветовые модели: RGB, CMYK, HSB в различных вариантах и Lab [14], которые будут рассмотрены ниже.
Многообразие цветовой гаммы объясняется тем, что излучается свет определенных длин волн. К изучаемым цветам можно отнести, например, белый свет, цвета на экране монитора, телевизора, кино, слайд-проектора и т.д. Цветовой диапазон достаточно широк, но из него выделено только три цвета, которые считаются основными (первичными): красный, зеленый и синий. [6]
Условно цветовую модель RGB можно представить в виде куба на рис. 1.1. В этом случае каждому цвету можно однозначно сопоставить точку внутри куба, соответствующую значениям координат X(Red), Y(Green), Z(Blue). Тогда направление вектора, исходящего из начала координат, однозначно определяет цветность, а его модуль выражает яркость.
При смешении двух основных цветов результат осветляется: из смешения красного и зеленого получается желтый, из смешения зеленого и синего - голубой, синий и красный дают пурпурный. [4,5] Если смешать все три цвета, образуется белый цвет (рис. 1.2). Поэтому такие цвета называют аддитивными.
Аддитивные цвета нашли широкое применение в видеосистемах, устройствах записи на фотопленку, сканерах, цифровых камерах и т.п. Несмотря на простоту и наглядность, цветовая модель RGB имеет два существенных недостатка: аппаратная зависимость и ограниченный цветовой охват. [15]
Субтрактивные цвета, в отличие от аддитивных, получаются путем поглощения (вычитания - от англ. subtract) одного из первичных цветов из белого цвета, что соответствует физике процессов отражения и поглощения света от поверхностей объекта. [62-64]
Для описания этих процессов используется модель CMY, в которой используется три основных цвета, а именно голубой (Cyan), пурпурный (Magenta), желтый (Yellow).
Аналитический обзор алгоритмов сжатия без потерь
Название алгоритм получил по первым буквам фамилий его разработчиков - Lempel, Ziv и Welch. Сжатие в нем, в отличие от PCX, осуществляется уже за счет одинаковых цепочек байт. [9,105]Существует довольно большое семейство LZ-подобных алгоритмов, различающихся, например, методом поиска повторяющихся цепочек. Коэффициенты сжатия: 1/1000, 1/4, 7/5. Коэффициент 1/1000 достигается только на одноцветных изображениях размером больше 4 Мб. Ориентирован LZW на 8-битные изображения, построенные на компьютере. Ситуация, когда алгоритм увеличивает изображение, встречается крайне редко. LZW универсален -именно его варианты используются в обычных архиваторах. Он реализован в форматах GIF, TIFF и TGA.
Один из классических алгоритмов сжатия изображений. Использует только частоту появления одинаковых байт в изображении. Сопоставляет символам входного потока, которые встречаются большее число раз, цепочку бит меньшей длины. И напротив - встречающимся редко символам входного потока - цепочку большей длины. Для сбора статистики требует двух проходов по изображению. Коэффициенты сжатия: 1/8, 2/3, 1. Требует записи в файл таблицы соответствия кодируемых символов и кодирующих цепочек. На практике используются его разновидности. Так, в некоторых случаях резонно либо использовать постоянную таблицу, либо строить ее "адаптивно", т.е. в процессе архивации/разархивации. Эти приемы избавляют от двух проходов по изображению и необходимости хранения таблицы вместе с файлом. Кодирование с фиксированной таблицей применяется в качестве последнего этапа архивации в JPEG. [94]
Близкая модификация алгоритма используется при сжатии черно-белых изображений. Последовательности подряд идущих черных и белых точек заменяются числом, равным их количеству с признаком цвета. А этот ряд уже, в свою очередь, сжимается по Хаффману с фиксированной таблицей. Алгоритм реализован в формате TIFF[15]
Алгоритм разработан группой экспертов ISO (Joint Bi-level Experts Group) специально для сжатия однобитных черно-белых изображений. Например, факсов или отсканированных документов. В принципе может применяться и к 2-х, и к 4-х битовым картинкам. При этом алгоритм разбивает их на отдельные битовые плоскости. JBIG позволяет управлять такими параметрами, как порядок разбиения изображения на битовые плоскости, ширина полос в изображении, уровни масштабирования. Последняя возможность позволяет легко ориентироваться в базе больших по размерам изображений, просматривая сначала их уменьшенные копии. Настраивая эти параметры, можно использовать интересный эффект при получении изображения по сети или по любому другому каналу, пропускная способность которого мала по сравнению с возможностями процессора. Распаковываться изображение на экране будет постепенно, как бы медленно "проявляясь". При этом человек начинает анализировать картинку задолго до конца процесса разархивации [13].
Алгоритм построен на базе Q-кодировщика, патентом на который владеет ЮМ. Q-кодер также, как, и алгоритм Хаффмана, использует для чаще появляющихся символов короткие цепочки, а для реже появляющихся символов длинные. Однако, в отличие от него, в алгоритме используются и последовательности символов. Характерной особенностью JBIG является резкое снижение степени сжатия при повышении уровня шумов входной картинки.
Математическая модель для учета погрешностей в цветовой гамме фрагментов
Система (2.4) позволяет выбирать минимальное подмножество фрагментов, необходимое для сжатия и последующего построения изображения на основе выбранных (базовых) фрагментов. [42-45] Однако при данной постановке задачи не производится учет цвета каждого пиксела в выбранном и сравниваемом фрагментах, а также количества совпавших пикселов в фрагменте.
Рассмотрим фрагмент, состоящий из 16 пикселов, изображенный на рис. 2.2а. На рис. 2.26 3 пиксела фиолетового цвета, при сравнении фрагментов 2.2а и 2.26 количество совпавших пикселов будет равно 13.
В некоторых случаях мы можем принять данные фрагменты как совпавшие, т.е. 2.2а будет базовым для 2.26. В других же такое сравнение будет считаться артефактом и просто недопустимо. Введем переменную, которая будет хранить число совпавших пикселов, и обозначим ее как е. Теперь у пользователя есть возможность контролировать процесс сравнения фрагментов. Для сравнения и учета совпавших пикселов применим объединение в таксоны.
Существует множество способов сравнения двух пикселов, таких как сравнение, по цветовым плоскостям (в данном случае сравниваются характеристики пиксела по каждому цвету RGB), сравнение по яркостным характеристикам, сравнение с помощью метода эталонов и т.д. [95-98,21]
Для описания метода сравнения применяемого в работе отметим в трехмерной плоскости с осями R,G,B точки, соответствующие цветам а,Ь,с.(рис. 2.4) Из приведенных формул (2.9), (2.10) видно, что чем ближе цвета точек друг к другу по цветовым характеристикам, тем меньше расстояние между ними.
Таким образом, максимальное значение, получаемое при полном несовпадении цветов (белый с черным, например) будет выглядеть следующим образом (2.11):
При задании пользователем стопроцентной погрешности результат не измениться. При уменьшении погрешности результат будет стремиться к нулю. ОчевНиже приводится иллюстрация работы алгоритма применительно к изображению, представленному на рис.2.6.
Предложенная методика основана на анализе требований к алгоритмам сжатия графической информации, теории смешивания цветовой гаммы в аддитивных и субтрактивных цветовых моделях, принципов работы алгоритмов компрессии, с учетом российского и зарубежного опыта сжатия изображений. [118]
Данная методика компрессии изображений создана при помощи вариабельных фрагментов, на которые предварительно разбивается статическое изображение, после чего выполняется ряд предложенных действий.
Статическое изображение делится на квадратные фрагменты размерностью Х Х, после чего все фрагменты сравниваются друг с другом. В процессе сравнения фрагменты подвергаются различным преобразованиям: поворот на 90о,180,270, зеркальное отображение по вертикали или горизонтали и т.п. (рис 2.5-2.9.) идно, что 0 И 442.
Полученный в результате преобразований фрагмент представляет собой обыкновенную двумерную матрицу, где значения ячеек являются значениями цветов. Далее в соответствие с предложенной методикой создается массив позиций, в котором хранятся номера совпавших фрагментов, и массив функций который был использован при модификации "базового" фрагмента в данной позиции. [116] .Построив матрицу полного перебора на графе получим (табл.2.2), что минимальное базовое подмножество фрагментов равно в данном случае 3.- одним из поднаборов будут являться: 1-й, 2-й и 5-й фрагменты.
В рассмотренном примере было использовано только четыре функции преобразования фрагментов из восьми возможных. [116-118]. Весь набор функций (кроме инверсии) изображен на рис. 2.10 (а-г), 2.11 (а-г). Исходный код представлен в приложении 1.
Орнаменты, мозаика, рисунки на коврах
Полученные в результате проведенных операций компрессии изображений различными алгоритмами файлы, сжатые без потери качества отличаются размером сжатого файла (таблицаЗ. 10). [120]
Представленные на рис. 3.11. графические зависимости отображают размеры сжатых различных изображений произвольной выборки (выборка производилась из различных изображений тканях и полотнах) сохраненных в различных форматах
Из анализа рисунка можно сделать вывод что программный продукт компрессии SCI позволяет получать , в отличии от таких форматов как JPEG BMP TIFF меньшие по размеру файлы лучшего качества.
Следовательно имеет место адекватность теоретических расчетов результатам практических экспериментов.
В случае экспериментального сжатия разряженных симметричных изображения различными типами алгоритмов получены сжатые изображения, содержащие наглядные отличия представленные в приложении 8. Один из примеров представлен на рис. 3.14.
Полученные в результате проведенных операций компрессии изображений различными алгоритмами файлы сжатые без потери качества отличаются размером сжатого файла (таблица 3.11). [120]
Представленные на рис. 3.15. графические зависимости отображают размеры сжатых различных изображений произвольной выборки (выборка производилась из разряженных симметричных изображений, а также изображений игральных карт стандартной комплектации для 52 карт в одной колоде) сохраненных в различных форматах
Из анализа рисунка получено что программный продукт компрессии SCI дает меньшие по размеру файлы лучшего качества , в отличии от таких форматов как JPEG BMP TIFF.
Следовательно, экспериментальное исследование компрессии изображений подтвердило соответствие теоретических предположений результатам практических экспериментов
В случае экспериментального сжатия изображений графиков и текстов (рис. 3.15) различными типами алгоритмов получены сжатые изображения, содержащие наглядные отличия представленные в приложении 9.
Полученные в результате проведенных операций компрессии изображений различными алгоритмами файлы, сжатые без потери качества отличаются размером сжатого файла (таблица 3.12). [119-120]
Представленные на рис. 3.16. графические зависимости отображают размеры сжатых различных изображений произвольной выборки (выборка производилась из изображений графиков и текстов) сохраненных в различных форматах
Из анализа рисунка доказано что программный продукт компрессии SCI позволяет получать , в отличии от таких форматов как JPEG BMP меньшие по размеру файлы лучшего качества.
Следовательно, экспериментальное исследование компрессии изображений мозаики орнамента подтвердило адекватность предположений практическим результатам.
В случае экспериментального сжатия фоновых изображений, для мобильных телефонов рис. 3.17. [117] различными типами алгоритмов получены сжатые изображения, содержащие наглядные отличия представленные в приложении 10.
Представленные на рисунке 3.18. графические зависимости отображают размеры сжатых различных изображений произвольной выборки (выборка производилась из изображений с фоновым рисунком, для мобильных телефонов) [120,51]сохраненных в различных форматах Из анализа рисунка можно сделать вывод что программный продукт компрессии SCI позволяет получать , в отличии от таких форматов как JPEG BMP меньшие по размеру файлы лучшего качества.
Следовательно, имеет место соответствие теоретических расчетов результатам практических экспериментов.(таблица 3.13)
В случае экспериментального сжатия симметричных изображений было произведена компрессия около сотни изображений на рис.3.19. один из примерных рисунков взятых для эксперимента. [118]
