• Задать вопрос менеджеру

Twitter новости

Обучение письменному иноязычному общению на основе ИКТ http://t.co/IK2NAjncrk

Online-опрос

Антиплагиат онлайнДипломант
Яндекс.Метрика

Реалізація ієрархічного багаточастотного алгоритму кодування зображення

Предмет:Информатика
Тип:Дипломная/Магистерская
Объем, листов:71
Word
Получить полную версию работы
Релевантные слова:стиснення, інформації, зображень, алгоритм, зображення, алгоритми, дозволяє, дослідження, тексту, кодування, зберігання, роботи, систем, хаффмана, передачі
Процент оригинальности:
93 %
Цена:2000 руб.
Содержание:

Вступ 2

РОЗДІЛ І. ТЕОРЕТИЧНІ ВІДОМОСТІ 5

1. 1. Поняття стисниння зображень. Види. 5

1. 2. Статистична та візуальна надмірність зображень 6

1. 3. Кодування кольорових зображень 7

1. 4. Огляд деяких алгоритмів стиснення з втратами. 8

1. 4. 1. Метод усіченого блочного кодування (УБК). 8

1. 4. 2. JPEG. 10

1. 4. 3. Фрактальний алгоритм. 13

1. 5. Методи стиснення без втрат. 18

1. 5. 1. Формат BMP. 18

1. 5. 2. Класичний алгоритм Хаффмана. 19

1. 5. 2. Класичний алгоритм Хаффмана. 20

1. 5. 4. Алгоритм Хаффмана з фіксованою таблицею CCITT Group 3. 22

1. 6. Порівняльна характеристика алгоритмів стиснення. 23

1. 7. Математичний опис ієрархічного розкладу та синтезу зображення. 25

1. 8. Постановка задачі. 27

РОЗДІЛ ІІ. АЛГОРИТМІЗАЦІЯ 28

2. 1. Основний алгоритм роботи програми. 28

РОЗДІЛ ІІІ. КОДУВАННЯ 32

3. 1. Створення проекту та розташування елементів інтерфейсу програми. 32

3. 2. Кодування основної частини програми. 34

3. 2. 1. Кодування події натиснення кнопок. 34

3. 2. 2. Опис класів. 35

РОЗДІЛ ІV. ТЕСТУВАННЯ 44

ВИСНОВКИ 51

СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ 53

ДОДАТКИ 54

Вступление:

Актуальність теми. На протязі 10 років була завершена більша частина технічних робіт з розробки основних стандартів цифрових систем мультимедіа. Це дає можливість створювати інтегровані цифрові архіви, що в свою чергу сприятиме розвитку засобів запису і зберігання відео та аудіо масивів інформації на додаток до наявної текстової інформації. При цьому ще більшого поширення отримають фотоапарати, сканери, принтери; ще більшим стає їх швидкодія. Виникає велике поле наукової діяльності, пов'язаної так чи інакше з комп'ютерами: зв'язок, системи обробки даних реального часу, паралельна обробка, розробка мікросхем, об'єктно-орієнтоване програмування, мікропрограмування і т. д.

Слід зазначити, що одним з найбільш важливих і визначальних аспектів як для зберігання, так і для передачі є стиснення вихідної інформації. Більшість користувачів комп'ютерами вже знайомі зі стисненням текстової інформації, що дозволяє економити місце на дисках. Для тексту необхідна компресія без втрат (нешумова), якщо, звичайно надалі буде потрібно відновлення тексту. Таке стиснення зазвичай дозволяє скоротити займане місце в співвідношенні 2: 1. З іншого боку компресія з втратами (шумова) дозволяє досягти значно більшого коефіцієнта - 1000: 1, проте вона застосовується тільки у випадку, коли умовою ставиться тільки візуальне розпізнавання зображення.

Зображення (як і відео) займають набагато більше місця в пам'яті, ніж текст. Так, скромна, не дуже якісна ілюстрація на обкладинці книги розміром 500x800 пікселів, займає 1. 2 Мб - стільки ж, скільки художня книга з 400 сторінок (60 знаків у рядку, 42 рядки на сторінці).

Як приклад можна розглянути також, скільки тисяч сторінок тексту ми зможемо помістити на CD-R, і як мало там поміститься якісних нестиснутих фотографій. Ця особливість зображень визначає актуальність алгоритмів архівації графіки.

Другою особливістю зображень є те, що людський зір при аналізі зображення оперує контурами, загальним переходом кольорів і порівняно невідчутно до малих змін в зображенні. Таким чином, створені ефективні алгоритми архівації зображень, в яких декомпресовані зображення не буде збігатися з оригіналом, однак людина цього не помітить. Дана особливість людського зору дозволила створити спеціальні алгоритми стиснення, орієнтовані тільки на зображення.

Важливо відмітити, що зображення, на відміну, наприклад, від тексту, має надмірністю в 2-х вимірах. Тобто, як правило, сусідні точки, як по горизонталі, так і по вертикалі, в зображенні близькі за кольором. Крім того, ми можемо використовувати подібність між колірними площинами R, G і B в наших алгоритмах, що дає можливість створити ще більш ефективні алгоритми. Таким чином, при створенні алгоритму компресії графіки ми використовуємо особливості структури зображення.

Технологія стиснення не існує сама по собі. Для широкого застосування систем стиснення інформації чи то з метою передачі, чи то з метою зберігання зображень, на ринку, куди надходять вироби від багатьох виробників, повинен існувати певний стандарт, що дозволяє пристроям різних фірм працювати спільно.

За останні роки був розроблений стандарт JPEG, що визначає правила стиснення багато градаційних як півтонових, так і кольорових фотографій. Це результат співпраці ССITT і ISO (Міжнародна Організація по стандартизації).

Використання компресії дозволяє:

– знизити вартість систем зберігання і передачі інформації;

– збільшити кількість каналів зв'язку при збереженні заданої швидкості передачі;

– зберігати більший обсяг інформації;

– полегшити порівняння інформації, що зберігається (однакові ділянки даних, стислі одним і тим же чином, не розрізняються і в компресованому вигляді).

Мета і завдання дослідження. Реалізація ієрархічного багаточастотного алгоритму кодування зображення.

Задачі:

1. Проаналізувати ієрархічні алгоритми й багаточастотні алгоритми, й засоби їх реалізації.

2. Деталізація алгоритму.

3. Кодування.

4. Тестування й оцінка ієрархічного алгоритму розкладу та синтезу зображення.

Обєкт та предмет дослідження. Обєктом дослідження є алгоритми стиснення зображення. Предметом дослідження ієрархічний метод стиснення.

Практичне значення результатів роботи. У ході виконання роботи передбачається отримати більш оптимальний алгоритм стиснення зображення, завдяки ієрархчному багаточастотному розбиттю яке отримується завдяки рекурсії.

Заключение:

В ході дипломної роботи було проведено аналіз існуючих алгоритмів кодування зображень. Та розроблено алгоритм, який дозволяє за допомогою ступені поглиблення керувати деталізацією зображення. Під час розробки та тестування були виявлені переваги та недоліки розробленої програми.

Переваги:

? алгоритм простий в кодуванні;

? зручний користувацький інтерфейс;

? швидкість розрахунків, як правило висока;

Недоліки:

? степінь стискання навіть при використанні критерію гомогенності досить мала;

? даний алгоритм псує зображення, тому що він з втратами;

? працювання програми тільки з bmp форматом;

? при роботі алгоритму використовується великий обсяг оперативної памяті, і ресурси центрального процесора;

? працює тільки з розширенням ;

Отже розроблена програма, з використанням ієрархічного алгоритму розкладу та синтезу зображень який відноситься до методу з втратами. Так як методи з втратами такі як JPG мають степінь стискання від 2-200 разів.

Цей метод стискає при вибиранні с. у. 1 досить високий, але зображення складається лише з одного середнього значення. Якщо провести паралель з JPG при стисканні зображення в 10 разів, то різниця між вхідним зображенням і вихідним мінімальна (візуально). При збільшенні деталізації зображення, розмір файлу збільшується, і може перебільшувати вхідний файл.

Подальшим вдосконаленням програми, можливо використовувати зображення з великим розширенням, збільшиться і якість зображення та розмір вхідного файлу.

Список литературы:

1.

Буч Г. Объектно-ориентированный анализ и проэктирование/Г. Буч. –

К. Диалектика, 1999.

2. Ватолин Д. , Ратушняк А. , Смирнов М. , Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. - М. : ДИАЛОГ-МИФИ, 2002. - 384 с.

3. Все о сжатии данных, изображений и видео. Режим доступу: http://compression. ru/book.

4. Гамма Э. Приемы обьектно-ориентированого проектирования/

Э. Гамма. –С. -Петербург. Питер, 2006.

5. Культин Н. С++ Builder в задачах и примерах/Н. Культин,–М. ,2005. –335с.

6. Лафоре Р. Обьектно-ориентиреванное программирование в С++/Р. Лафоре. –4-е издание. С. -Петербург. Питер, 2008.

7. Мейер Б. Обьектно-ориентированное конструирование программных систем/Б. Мейер. – М. Русская Редакция, 2005.

8. Павлидис Т. Алгоритмы машинной графики и обработки Изображений. /Павлидис Т. //Вісник Національного університету “Львівська політехніка”. – Львів, Видавництво Мир, 1986. – 396с.

9. Павловська Т. А. Програмування на мові високого рівня C / С++/Т. А. Павловська, –М. ,2002. – 450 с.

10. Прата С. Язык программирования С++. Лекции и упражнения/С. Прата. –С. -Петербург», ДиаСофт К, 2005.

11. Седжвик Р. Фундаментальне алгоритмы на С++/Р. Седжвик. – Диасофт К, 2003.

12. Сжатие изображений. Режим доступу: http://algolist. manual. ru/compress/image/.

13. Уэлстид С. Фракталыи вейвлеты для сжатия изображений в действии/С. Уэлстид,–,2003. –320с.

14. Чернега В. С. Сжатие информации в компьютерных сетях/В. С. Чернега,– М . :СевГТУ. 1997,–198 с.