Codificador De Imágenes Basado En Cuantización Vectorial Alexandro López Franco Salvador Gómez Oliver Fermín Cruz Mata.

Presentación del tema: "Codificador De Imágenes Basado En Cuantización Vectorial Alexandro López Franco Salvador Gómez Oliver Fermín Cruz Mata."— Transcripción de la presentación:

1 Codificador De Imágenes Basado En Cuantización Vectorial Alexandro López Franco Salvador Gómez Oliver Fermín Cruz Mata

2 INDICE Introducción Compresión –Quadtree –Transformada discreta del coseno –Clasificación de bloques –Cuantización vectorial –Imagen resultado Descompresión Referencias

3 Introducción Algoritmo de compresión Compresión con pérdidas Bloques de tamaño variable Transformada discreta del coseno Cuantización vectorial

4 Introducción IMG QTDCT CLSF VQ1 VQ2 VQ3 VQ4 CODEBOOK IMG CUANTIZADA IMG RESULTADO Quadtree

5 Estructura en árbol que representa la división en regiones de una imagen. Estructura: 1 1000 0001 0000

6 Quadtree Criterio de división: –Niveles de intensidad –Umbral (parámetro del programa) Tamaño mínimo de bloque: 8x8 Ventajas: –Compacto –Fácil de manipular Algoritmo La estructura es usada para almacenar más información

7 Transformada Discreta Del Coseno Transformada directa: Transformada inversa: donde...

8 Clasificación de Bloques Clasificación de bloques según la información que contiene. Criterio de clasificación: borde, fondo o interior de objeto. Objetivo: Mejorar los resultados de la cuantización vectorial.

9 Clasificación de Bloques Método de clasificación: Umbral T: –Parámetro del programa OOVVVVVV OODVVVVVV HDHDDOOOO HHDDDOOO HVODDDOO HVOODDOO HVOOOOOO HVOOOOOO Sumas (H, V, D) E = max (V,H,D) E>=T E = V E = H Fondo Vertical Horizontal Diagonal

10 Cuatización Vectorial Objetivo: Obtener un pequeño conjunto de vectores (codebook) que representen a la imagen de forma que cada bloque se pueda representar por el índice de su vector asociado (codevector). Aplicado sobre cada conjunto de bloques por separado: –Mayor eficacia del algoritmo Dos aproximaciones posibles: –Codebook fijo –Codebook variable Mayor calidad de la imagen. Hay que calcular el codebook para cada imagen = Más cálculo. Hay que guardar el codebook con la imagen = Más tamaño.

11 Obtención del Codebook 1 1) Se calcula un codevector inicial como la media de todos los vectores de la imagen.

12 Obtención del Codebook 2 2) Se dividen los codevectors actuales en dos, sumando y restando una cantidad pequeña  3) Se asocia a cada vector su codevector más cercano.

13 Obtención del Codebook 3 4) Se recalculan los codevectors como la media aritmética de los vectores asociados a él. 5) Si la variación en la distorsión media es menor que un valor umbral, volver al paso 3. Si no, repetir a partir del paso 2 hasta tener el número de codevectors requeridos (parámetro del programa)

14 Obtención del Codebook 4 Seguimos una iteración más: Dividimos los codevectors actuales en dos y asociamos a cada vector su codevector más cercano.

15 Obtención del Codebook 5 Recalculamos los codevectors como la media de sus asociados y volvemos a asociar cada vector a los codevectors más cercanos.

16 Obtención del Codebook 6 Seguimos recalculando los codevectors y obteniendo la nueva correspondencia hasta que no se consiga mejora en la medida de distorsión.

17 Obtención del Codebook 7 Se observa como se van desplazando los codevectors en cada iteración.

18 Obtención del Codebook 8 Hasta que no se consigan mejoras considerables en la medida de distorsión.

19 Obtención del Codebook 9 Veamos un ejemplo completo para ver como evoluciona el algoritmo. Se obtendrá un codebook de 32 vectores.

20 Imagen Resultado Formada por los codebooks y la imagen cuantizada (vector de correspondencia entre vectores y codevectors) CODEBOOKS IMAGEN CUANTIZADA

21 Referencias Estructura general del sistema: –VQ based on a main Feature classification in images. K Panusopone and K.R. Rao. Journal of Visual Communication and Image Representation 11, 1-16 (2000). Cuantización Vectorial: –Data Compression (www.data-compression.com/vq.html)www.data-compression.com/vq.html –Cuantificación Vectorial: (http://grial.uc3m.es/~ffernand/publicaciones/proyecto/node37.html)http://grial.uc3m.es/~ffernand/publicaciones/proyecto/node37.html –Vector Cuantization: (www.geocities.com/mohamedqasem/vectorquantization/vq.html)www.geocities.com/mohamedqasem/vectorquantization/vq.html Transformada discreta del coseno: –The pocket handbook of image processing algorithms in C (Harley R. Myler, Arthur R. Weeks)