गठनविज्ञान

Wavelet परिवर्तन: आवेदन उदाहरण निर्धारण

सस्ती डिजिटल क्यामेरा को आगमन ग्रह बासिन्दाहरू, एक ठूलो भाग उमेर र सेक्स बिना आफ्नो हरेक चरण कब्जा र सामाजिक सञ्जाल मा सार्वजनिक प्रदर्शनमा आफ्नो छवि राख्न बानी हासिल गरेको छ कि चाहनुभएको छ। यसबाहेक, पहिले परिवार फोटो संग्रह नै एल्बममा राखिएको थियो भने, आज यो तस्वीर सयौं हुन्छन्। नेटवर्क मार्फत भण्डारण र प्रसारण सुविधा गर्न वजन कमी को एक डिजिटल छवि चाहिन्छ। यो अन्त गर्न, विधिहरू प्रयोग गरिन्छ एक wavelet परिवर्तन सहित विभिन्न एल्गोरिदम आधारित छन्। यो के हो, हाम्रो लेख बताउनुहोस्।

एक डिजिटल छवि के छ

कम्प्युटर मा दृश्य जानकारी संख्या को रूप मा प्रतिनिधित्व छ। सरल सर्तहरू, एक डिजिटल उपकरण संग लिएको एक फोटो, कक्षहरू यसको पिक्सेल रंग को प्रत्येक को मान प्रविष्ट छन् जसमा तालिका छ। सेतो - यो एक मोनोक्रोम छवि आउँदा, त्यसपछि तिनीहरूले जहाँ 0 कालो संकेत गर्न प्रयोग गरिन्छ, र 1 अन्तराल [0, 1] देखि LUMINANCE मान प्रतिस्थापित छन्। अन्य रंग आंशिक संख्या दिइएको हो, तर तिनीहरूलाई सञ्चालन गर्न अप्ठ्यारो, त्यसैले दायरा विस्तार र 0 र 255. बीच अन्तराल देखि चयन मूल्य यो किन छ? यसलाई सरल छ! प्रत्येक पिक्सेल को LUMINANCE सङ्केतन लागि बाइनरी प्रतिनिधित्व यो विकल्प संग ठ्याक्कै एक बाइट आवश्यक छ। यो स्मृति को एक धेरै पनि एउटा सानो छवि भण्डारण गर्न आवश्यक छ कि स्पष्ट छ। उदाहरणका लागि, 256 X 256 पिक्सेल को तस्वीर आकार 8 किलोबाइट the unit minutes लाग्छ।

छवि सङ्कुचन विधिहरू बारेमा केहि शब्द

पक्कै पनि सबैलाई कहाँ एउटै रंग, कलाकृतिहरू भनिन्छ जो समकोणहरू को रूप मा distortions छन् चित्रहरु को गरीब गुणवत्ता देखेको छ। तिनीहरूले तथाकथित क्षतिपूर्ण सङ्कुचन फलस्वरूप उत्पन्न। यो एकदम तर, यो अनिवार्य यसको गुणवत्ता मा असर गर्नेछ मूर्तिको वजन कम गर्न सक्छ।

क्षतिपूर्ण लागि सङ्कुचन एल्गोरिदम समावेश:

  • JPEG। यो टाढा एक लोकप्रिय एल्गोरिदम को हो। यो असतत कसाइन प्रयोग परिवर्तन आधारित छ। निष्पक्षता मा त्यहाँ लागि JPEG प्रदर्शन हानिरहित सङ्कुचन विकल्प हो भनेर उल्लेख गर्नुपर्छ। यी नोक्सानरहितजेपीईजी र JPEG-रास समावेश गर्नुहोस्।
  • JPEG 2000. भएको अल्गोरिदम मोबाइल प्लेटफर्ममा प्रयोग र आधारित असतत wavelet को आवेदन परिवर्तन मा छ।
  • भग्न सङ्कुचन। केही अवस्थामा, यो तपाईं संग पनि बलियो सङ्कुचन उत्कृष्ट गुणस्तर छविहरू प्राप्त गर्न अनुमति दिन्छ। तर, यो विधि को patenting संग समस्याका कारण विदेशी हुन जारी छ।

हानिरहित सङ्कुचन एल्गोरिदम द्वारा प्रदर्शन:

  • RLE (को झगडा ढाँचा, BMP, Tga मा प्राथमिक विधि रूपमा प्रयोग)।
  • LZW (GIF ढाँचामा प्रयोग)।
  • LZ-Huffman (PNG स्वरूपमा लागि प्रयोग)।

Fourier परिवर्तन

को wavelet गर्न गर्नुअघि, यो अर्थमा सम्बन्धित कार्यहरु अन्वेषण गर्न, प्राथमिक घटक मा प्रारम्भिक जानकारी, विभिन्न आवृत्तियों संग अर्थात्। ई सुरीले कंपन को विस्तार को गुणांकहरूको वर्णन बनाउँछ। अर्को शब्दमा, को Fourier परिवर्तन - असतत र लगातार दुनिया जडान एक अद्वितीय उपकरण।

यो जस्तो देखिन्छ:

निम्नानुसार उल्टाउने सूत्र लेखिएको छ:

एक wavelet के हो

यो नाम पछि जो तपाईं परीक्षण डाटा को विभिन्न आवृत्ति घटक विश्लेषण गर्न अनुमति दिन्छ एक गणितीय समारोह, लुकाउँछ। यसको ग्राफ एक undulation जसको आयाम मूल टाढा 0 घट्छ छ। सामान्य चासो मा wavelet गुणांकहरूको अभिन्न संकेत निर्धारित छन्।

विभिन्न सुविधाहरू आफ्नो अस्थायी घटक संग स्पेक्ट्रम संकेत सम्बन्धित देखि Wavelet spectrograms, पारंपरिक Fourier स्पेक्ट्रा फरक छन्।

Wavelet परिवर्तन

संकेत रूपान्तरण (कार्यहरु) को यो विधि यो समय-आवृत्ति प्रतिनिधित्व मा एक समय अनुवाद गर्न अनुमति दिन्छ।

परिवर्तन संवाददाता wavelet समारोह को लागि, सम्भव थियो wavelet गर्न, निम्न सर्तहरू पूरा हुनुपर्छ:

  • केही समारोह ψ (टी) परिवर्तन -Fourier लागि यदि फारम छ

कि सर्त सन्तुष्ट हुनुपर्छ:

साथै:

  • Wavelet एक परिमित ऊर्जा हुनुपर्छ;
  • यो integrable लगातार हुन र संकुचित समर्थन हुनुपर्छ;
  • wavelet अनुवादित हुनुपर्छ आवृत्ति र समय (ठाउँ) दुवै।

प्रकार

एक लगातार परिवर्तन wavelet को सम्बन्धित संकेत लागि प्रयोग गरिन्छ। धेरै रोचक यसको असतत एनालग छ। आखिर, यो कम्प्युटर मा जानकारी प्रशोधनका लागि प्रयोग गर्न सकिन्छ। तथापि, समस्या एक असतत fiberboard लागि सूत्र द्वारा सरल उपयुक्त discretization सूत्रहरू DNP छैन प्राप्त गर्न सकिन्छ भन्ने मा उत्पन्न हुन्छ।

यो समस्या समाधान गुणांकहरूको एक परिमित नम्बर द्वारा परिभाषित गरिएको छ प्रत्येक जो orthogonal wavelets, एक श्रृंखला निर्माण गर्न एक विधि चयन गर्न सक्षम थियो Daubechies, द्वारा फेला परेन। पछि छिटो एल्गोरिदम जस्तै अल्गोरिदम मल्ल रूपमा सिर्जना। नमूना लम्बाइ र साथ - - गुणांकहरूको संख्या यसको आवेदन विघटित वा सञ्चालन गर्न CN, जहाँ N आवश्यक आदेश बहाल गर्न मा।

Vayvlet हार

छवि संकुचन गर्न, यो यसको डाटा बीच एक निश्चित नियमित, र यो zeros को लामो चेन हुनेछ भने अझ राम्रो पाउन आवश्यक छ। जहाँ यो wavelet गर्न उपयोगी हुन सक्छ अल्गोरिदम परिवर्तन यो हो। तर, हामी क्रममा काम विधिहरू समीक्षा गर्न जारी।

पहिले कि आसन्न पिक्सेल को तस्बिरहरू चमक सामान्यतया सानो रकम द्वारा विशेषता छ सम्झन गर्न आवश्यक छ। यदि पनि त्यहाँ चमक मतभेद contrasting तेज संग वास्तविक साइटहरूमा चित्र, हो, तिनीहरूले छवि मात्र एउटा सानो भाग कब्जा। एउटा उदाहरण को रूप मा, जानिन्छ परीक्षण Lenna ग्रेस्केल छवि लिन। हामी यसको पिक्सेल को LUMINANCE को एक म्याट्रिक्स लिन भने पहिलो लाइन को भाग संख्या 154, 155, 156, 157, 157, 157, 158, 156 को एक अनुक्रम रूपमा प्रकट हुनेछ।

तपाईं यसलाई zeros प्राप्त गर्न तथाकथित डेल्टा विधि लागू गर्न सक्नुहुन्छ। यो गर्न, केवल पहिलो नम्बर राख्न र अरूको लागि साइन "+" वा अघिल्लो एक प्रत्येक मात्र मतभेद लिन "-"।

परिणाम एक अनुक्रम 154,1,1,1,0,0,1 छ, -2।

डेल्टा-इन्कोडिङ एक बेफाइदा यसको गैर-ईलाका छ। अर्को शब्दमा, यो अनुक्रम मात्र स्लाइस लिन र यो सङ्केतन छ, decoded चमक के पत्ता लगाउन, छैन भने उसलाई अगाडि मान सबै असम्भव छ।

यो बेफाइदा हटाउन, संख्या जोडी विभाजित छ र प्रत्येक को (V। एक) र आधा फरक (V। डी), एम। लागि एफ (154,155) (156,157) (157,157) (158,156) छ आधा योगफल (154.5 हो, 0,5) (156.5,0.5) (157,0.0), (157, -1.0)। यस मामला मा, यो एक जोडी मा दुई अंक मान फेला पार्न सधैं सम्भव छ।

सामान्य मा, असतत wavelet संकेत एस को परिवर्तन, हामी:

लगातार wavelet को असतत मामला, परिवर्तन हार र व्यापक डाटा प्रोसेसिंग र सङ्कुचन विभिन्न क्षेत्रहरू प्रयोग यो विधि पालना।

सङ्कुचन

(- वाई एक्स) / 2 रूपमा पहिले नै wavelet को आवेदन को एक अल्गोरिदम एक्स र वाई सदिश (+ X वाई) / 2 र दुई पिक्सेल को अनुवाद सदिश आधारित हार प्रयोग गरेर 2000 सङ्कुचन विधि हो परिवर्तन, उल्लेख गरे। यसलाई तलको म्याट्रिक्स मा प्रारम्भिक सदिश गुणन गर्न पर्याप्त छ।

थप अंक, त्यसैले एक विकर्ण म्याट्रिक्स एच मा प्रबन्ध जुन थप म्याट्रिक्स, ले, स्वतन्त्र यसको लम्बाइ को प्रारम्भिक सदिश जोडी प्रशोधन छ।

फिल्टर

परिणामस्वरूप "आधा-योगफल" - जोडी मा पिक्सेल को औसत LUMINANCE मान छ। जब छवि रूपान्तरित उहाँलाई 2 समयमा कम प्रतिलिपि, दिनुपर्छ मान छ। यो आधा-योगफल चमक औसत मा, टी। ई आवृत्ति फिल्टर रूपमा आफ्नो मान र कार्य को अनियमित bursts "फिल्टर"।

अब फरक देखाउन ती सामना गरौं। तिनीहरूले निरन्तर घटक हटाउने, interpixel "bursts" "छुट्टयाएर" छन्, अर्थात्। ई कम आवृत्तियों मा मान "फिल्टर"।

उच्च आवृत्ति र कम आवृत्ति: पनि हार माथिको को "साधाराणका" को लागि परिवर्तन wavelet देखि यो दुई घटक मा एक संकेत विभाजित कि फिल्टर को एक जोडी छ कि स्पष्ट हुन्छ। बस मूल संकेत प्राप्त गर्न यी तत्व पुन: एकजुट।

उदाहरणका

मानौं हामी तस्वीर (परीक्षण छवि Lenna) संकुचन गर्न चाहन्छु। पिक्सेल brightnesses को म्याट्रिक्स परिवर्तन गर्ने wavelet उदाहरण विचार गर्नुहोस्। छवि उच्च-आवृत्ति घटक ठीक विवरण प्रदर्शन लागि जिम्मेवार छ र हल्ला वर्णन गर्दछ। कम-आवृत्ति लागि, यो अनुहार र चमक को चिल्लो gradients को आकार बारे जानकारी छ।

उत्तरार्द्ध महत्त्वपूर्ण घटक छ कि मानव धारणा को सुविधाहरू फोटो यस्तो हो। यो संकुचित गर्दा उच्च-आवृत्ति डाटा को एक निश्चित भाग वेवास्ता गर्न सकिन्छ भन्ने हो। अधिक त्यसैले किनभने यो कम मूल्य छ र थप compactly एन्कोड गरिएको छ।

को सङ्कुचन डिग्री एक कम आवृत्ति डाटा गर्न धेरै पटक लागू गर्न सकिन्छ हार परिवर्तन वृद्धि गर्न।

दुई-आयामी arrays को प्रयोग

पहिले नै उल्लेख रूपमा, कम्प्युटर मा डिजिटल छवि यसको पिक्सेल को तीव्रतासँग मान को एक म्याट्रिक्स को रूप मा छन्। तसर्थ, हामी परिवर्तन wavelet दुई-आयामी हार इच्छुक हुनुपर्छ। यो केवल प्रत्येक पङ्क्ति र छविमा पिक्सेल को तीव्रतासँग को म्याट्रिक्स प्रत्येक स्तम्भ को लागि आफ्नो आयोमी रूपान्तरण गर्न आवश्यक छ लागू गर्न।

शून्य नजिक मान, को decoded छवि महत्वपूर्ण क्षति बिना वेवास्ता गर्न सकिन्छ। यो प्रक्रिया परिमाणीकरण रूपमा चिनिन्छ। र जानकारी यस चरण मा हराएको छ। खैर, nullable कारक को संख्या जसबाट को सङ्कुचन डिग्री समायोजन, परिवर्तन हुन सक्छ।

यी सबै कदम मैट्रिक्स जो यो एउटा पाठ फाइल मा लाइन द्वारा लाइन लिखित 0. को हुनुपर्छ र कुनै पनि अभिलेखक संकुचन ठूलो रकम समावेश प्राप्त छ परिणाम।

डिकोड

निम्न अल्गोरिदम छविमा व्युत्क्रम परिवर्तन:

  • यो एउटा अभिलेख unpacks;
  • लागू व्युत्क्रम हार परिवर्तन;
  • को decoded छवि एक म्याट्रिक्स मा परिवर्तित छ।

JPEG तुलनामा लाभ

было сказано, что он основан на ДКП. यस तर्कको विचार गर्दा संयुक्त फोटोग्राफिक विशेषज्ञहरु समूह यसलाई DCT आधारित छ कि भनिएको थियो। यो रूपान्तरण ब्लक (8 x 8 पिक्सेल) मा बाहिर छ। फलस्वरूप, यस कम छवि मा एक मजबूत सङ्कुचन appreciable ब्लक संरचना हुन्छ भने। सङ्कुचन wavelets प्रयोग समयमा यस्तो समस्या अनुपस्थित छ। तथापि, हल्ला किनाराको वरिपरि लहरहरु को उपस्थिति छ जो विभिन्न प्रकार देखिन सक्छ। यो विश्वास छ कि JPEG अल्गोरिदम प्रयोग गर्दा सिर्जना जो "वर्गहरूको" भन्दा औसत कम सजिलै देखिने मा समान कलाकृतिहरू।

अब के तपाईं तिनीहरूलाई र प्रशोधन र डिजिटल तस्बिरहरू कम्प्रेस को क्षेत्र मा तिनीहरूलाई लागि कस्ता व्यावहारिक प्रयोगको फेला परेन के हो के wavelets थाहा छ।

Similar articles

 

 

 

 

Trending Now

 

 

 

 

Newest

Copyright © 2018 ne.delachieve.com. Theme powered by WordPress.