Метод стиснення зображень з використанням попередньої обробки та алгоритмів Quite Ok Image і Хаффмана

Я.М. Крайник, канд. тех. наук, Д.В. Доценко
Чорноморський національний університет ім. Петра Могили
Україна, 54003, Миколаїв, вул. 68 Десантників, 10
e-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її., Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.

Èlektron. model. 2024, 46(2):75-87

https://doi.org/10.15407/emodel.46.02.075

АНОТАЦІЯ

Представлено метод стиснення зображень, який базується на комбінованому підході з використанням попередньої обробки зображень та алгоритму Хаффмана. Запропоновано організацію циклу обробки відповідно до цього методу та наведено експериментальні результати роботи методу на тестовому наборі зображень. Комбінований підхід доз­воляє досягти кращих результатів у порівнянні з прямим використанням одного з ме­то­дів. У ході процесу стиснення виконується перетворення у відповідний кольоровий фор­мат. Далі відбувається розділення зображення на 2 блоки даних, основну область та область вузлових точок. До них застосовуються різні методи стиснення з урахуванням структури даних. Проведено порівняння використання алгоритму Хаффмана до області пікселів без додаткових перетворень та з представленням у вигляді різниці, яке показало, що представлення у вигляді різниці дозволяє уніфікувати розподіл значень для стиснен­ня та покращити результат стиснення. Результати обох процесів комбінуються та передаються далі або для передачі на інші пристрої або для збереження інформації у стисненому стані. Запропонований метод стиснення може бути використаний при реалі­зації нових форматів стиснення у вбудованих системах, які мають обмежені обчислю­вальні потужності, але потребують роботи з графічними даними.

КЛЮЧОВІ СЛОВА:

зображення, стиснення, алгоритм Хаффмана, вузлові точки, ефективність, якість, порівняння, алгоритм QOI.

СПИСОК ЛІТЕРАТУРИ

1. Krainyk Y. Combined Run-Length and Huffman Encoding for Image Compression. 2022. 15 с. (Препринт. Petro Mohyla Black Sea National University). URL: https://doi.org/21203/rs.3.rs-1982410/v1 (дата звернення: 15.02.2024).
2. Yang Y., Yuhua P., Zhaoguang L. A Fast Algorithm for YCbCr to RGB Conversion. IEEE Transactions on Consumer Electronics. 2007. Т. 53, № 4. С. 1490— URL: https://doi.org/10.1109/tce.2007.4429242 (дата звернення: 15.02.2024).
3. Stabno M., Wrembel R. RLH: Bitmap compression technique based on run-length and Huffman encoding. Information Systems. 2009. Т. 34, № 4— С. 400—414. URL: https://doi.org/10.1016/j.is.2008.11.002 (дата звернення: 15.02.2024).
4. Miano J. Compressed image file formats: JPEG, PNG, GIF, XBM, BMP. Reading, Ma : Addison Wesley Longman, 1999. 264 с.
5. Крайник Я., Дзяман Є. Застосування алгоритму QOI у стисненні зображень. Інфор­маційні технології та інженерія : Всеукр. науково-практ. конф. молодих вчен., аспі­рантів і студентів. 2023. С. 70—
6. Dominic S., QOI — The Quite OK Image Format. URL: https://qoiformat.org/qoi-speci­fication.pdf (дата звернення: 15.02.2024).
7. Apostolico A. Fast gapped variants for Lempel-Ziv-Welch compression. Information and Computation. 2007. Т. 205, № 7. С. 1012— URL: https://doi.org/10.1016/j.ic.2007.03.001 (дата звернення: 15.02.2024).
8. Ziv J. The Universal LZ77 Compression Algorithm Is Essentially Optimal for Individual Finite-Length $N$-Blocks. IEEE Transactions on Information Theory. 2009. Т. 55, № 5. С. 1941— URL: https://doi.org/10.1109/tit.2009.2016069 (дата звернення: 15.02.2024).
9. Wu Y. та ін. Learned Block-based Hybrid Image Compression. IEEE Transactions on Circuits and Systems for Video Technology. 2021. С. 1. URL: https://doi.org/10.1109/2021.3119660 (дата звернення: 15.02.2024).
10. Jagadish H., Pujar and Lohit M., Kadlaskar A. New Lossless Method Of Image Compression And Decompression Using Huffman Coding Techniques. Journal of Theoretical and Applied Information Technology. 2010.

Повний текст: PDF