A fényképek tömörítési algoritmusok
Ma, a szakmai kamerák képesek lenyűgöző képek minősége, de tárolja a nyers képek igényel hatalmas mennyiségű lemezterületet. Éppen ezért a szakértők a világ minden tájáról több éve kifejlesztett speciális algoritmusok tömöríteni bitmap képeket ésszerű szintre. Valamennyi meglévő algoritmusok ma alapjait néhány különböző módon optimalizálja a kimeneti fájl mérete. Minden fejlett kép tömörítési algoritmusok oszthatók két fő típusa van: az algoritmus sem csökkenti a kép minőségét és veszteséges algoritmusok.
Algoritmusok képtömörítéshez minőség romlása nélkül alapvetően a feladat megtalálni az ismétlődő elemeket a tömb adatokat és azok helyébe az egyenértékű információt, de kisebb helyet foglal az adatokat. Ezek az algoritmusok alkalmazható az egyes színes komponens alkalmazott (például RGB színösszeállítás az algoritmus alkalmazható egyes színek használt). A elterjedése ilyen algoritmusok annak a ténynek köszönhető, hogy minden egyes elem egy digitális kép eltér közel álló jóval kevesebb, mint a végső kép, hogy jó eredményeket, hogy csökkentsék a méretét képek.
RLE (Run Length Encoding - hosszú kódolás) - a legegyszerűbb tömörítési algoritmust, amelyben a processzor nyilvántartja az azonos byte, és változtassa meg egy pár „run length - byte értékét.” Például egy sor bájt egy fájlban 55555555 algoritmus váltja pár 85. Ez a technika nagyon jól alkalmazható azokat a fájlokat, amelyek ennek nagy területeket feltöltött egy színben (blokk grafikonok, táblázatok). Ma ez az algoritmus használják előkezelés formátumok, mint a BMP, PCX, TIFF, JPEG.
Coding Hoffmann - fejlesztő ebben az esetben is használ kódolási ismétlődő adatokat tartalmaz, ahol a kódoló több ismétlődő láncok használt kódok a rövidebb hosszúságú, mint a ritkább láncok. kódkönyv ebben az esetben egy olyan bináris fa, ahol ritka az ismétlődő szekvenciák távolabb a gyökér. Itt a fiókok száma a gyökér fel a láncot, és a számot. Ez az algoritmus már szinte soha nem használt tiszta formában, de használják a JPEG fájlok, PNG.
Tömörítési algoritmusok elvesztése képek minőségét - a kompressziós folyamat az információs fájl törlődik, és ezáltal nagy tömörítési arány. Azonban a fejlesztők kell dönteni, hogy a fontos kérdés: milyen dobni az információ nem befolyásolja az eredményt.
JPEG - fejlesztés egy „szakértői csoport a fotózás terén” képek 24 bites színmélységet. Ma már szinte szabvány színes képeket. A technológia egy diszkrét koszinusz transzformáció (DCT), alkalmazzuk a kép mátrixban mérete 8x8, hogy egy új mátrix együtthatók. Felesleges kódolás zajlik négy szakaszból áll.
Az első lépés a minta (mintavételi), ahol a színadatok alakítjuk a modell YCbCr. Ezután a ritkított mintavétel (down-mintavételt is), ahol a színkomponensekhez (Cb, Cr) csökkent a minőség, mivel ezek a veszteségek jelentéktelenek, a legtöbb emberi szem.
A második lépés a DCT, ahol a kép van osztva 8x8 mátrix egységek későbbi átalakításhoz.
A harmadik lépés az algoritmus a kvantáló (kvantálási), ahol a kép eltávolítjuk az utolsó DCT mátrix elemek befolyásolja a végeredményt a kép kisebb mértékben. A maradék DCT együtthatók megadta a Hoffman módszer.
A leírt algoritmust alkalmazzuk mindenütt, kivéve a kódolási egyszerű rajzok, ahol az emberi szem lát a tiszta átmenetet az egyik szín a másikba. Ezeken a képeken a JPEG tömörítési algoritmus, a felhasználó megkapja a határok az átmeneti hatást Gibbs (homályos határ a piszkos halo).
Fractal algoritmus - egy módszer, amely különbözik a többi utat a tömörítési algoritmusok. Itt az alapja az, hogy megtaláljuk a kép ilyen területek, amelyeket aztán kódolva különleges módon. Ebben a hasonlóság kérik elemeinek négyzetes mezők egy korlátozott használatra fordulattal egy meghatározott szögben. Ez a módszer nagyon erőforrás-igényes, de lehetővé teszi, hogy kiváló eredményt az arány minőség / fájlméret. Módszert alkalmazzák színes képek FIF formátumban.
A fenti algoritmus most már lehetővé teszi a felhasználó számára, hogy válasszon a számos formátumot a legjövedelmezőbb, de ezen a területen még számos akadály. Először is, az új tömörítési módszerek igényelnek számítási teljesítmény és a feldolgozási idő, ami kritikus a hordozható eszközök (kamerák). Ebben a tekintetben, hogy nem hagyja abba a munkát a szakemberek, hogy optimalizálja a már kidolgozott algoritmusok és végrehajtása hardveres tömörítés a képek.