COMPRESSION D IMAGES. Compression d images numériques. JPEG Principe Transformée Cosinus Discrète Quantification Compression IMAGE NUMÉRIQUE. Image numérique : numérisée ou image de synthèse Ensemble de pixels, chaque pixel défini par abscisse et ordonnée stockage matriciel des données (couleur) attachées à chaque pixel. Modèles de couleur Noir et blanc : pixel codé sur bits Monochrome 56 niveaux de gris : pixel codé sur 8 bits Mélange de 3 images monochromes (moniteurs couleur) Rouge, Vert, Bleu (R, G, B) : pixel codé sur 4 bits Luminance-Chrominance YCbCr (télévision) : pixel codé sur 4 bits, avec information dominante en Y (utilisé pour compression JPEG) Conversion (R, G, B) (Y, Cb, Cr) 3. Paramètres de description d un fichier image : dimension, nb bits/pixel, codage couleur, rangement des pixels et des bits, algo de compression. UPMC Master CCC 008 Michèle Soria Compression UPMC Master CCC 008 Michèle Soria Compression LUMINANCE-CHROMINANCE 3 Y = 0,99R + 0,587G + 0,4B Cb = B Y Cr = R y Sensibilité de l oeil humain plus faible dans couleur que dans luminosité RGB chaque composante transporte infos de couleur ET de luminosité, YCrCb, les info de couleurs sont séparées de la composante luminosité Sous-échantillonnage de la Chrominance Les deux chrominances de bases sous-échantillonnées info pour pixels en horizontale hv (et en verticale hv) gain de 50% (75% pour hv ) COMPRESSION D IMAGES 4 Image numérique 04 * 768 * 3 octets,4 Mo!!!. Taux de compression Peu de redondances mal adapté méthodes statistiques ou dict. Avec compression sans perte taille fichier divisée par 3, insuffisant! Compression avec perte taille fichier divisée par 50 50 Ko!. Élimination d information perte de couleur ou de précision mal adapté pour images médicales, géographiques, suffisant pour images multimedia, grand public 3. Compression vs Décompression Compression : étape décisive, détermine taux de compression, peut être longue relève du concepteur d applications Décompression faite par l utilisateur doit être rapide UPMC Master CCC 008 3 Michèle Soria Compression UPMC Master CCC 008 4 Michèle Soria Compression
MÉTHODES DE COMPRESSION 5. JPEG simple et rapide, paramètres pour jouer sur qualité de l image. RVQ (Recursive Vector Quantization) compression lente et complexe, mais décompression rapide, temps réel audio-vidéo meilleur taux de compression que JPEG 3. Compression par ondelettes Décomposition du signal en somme de fonctions (sinusoïdales +) concilie compression avec et sans perte d information 4. Compression fractale (Iierated Function System) image stockée sous forme de transformation d ensembles de points compression lente décompression rapide Efficacité de la compression dépend de la nature des images traitées COMPRESSION JPEG 6 JPEG = Joint Photographic Expert Group CCITT (Consultative Committe for International Telegraph and Telephone) + ISO (International Standard Organisation) 987 9 Norme internationale pour la compression d images fixes : spécifications pour codages conservateurs et non conservateurs : format des fichiers : contenu des blocs d en tête, définition des paramètres utilisateurs, découpage des images,... algorithmes de compression : DCT + Quantification + codage statistique (RLE, Huffmann, Codage arithmétique) Utilisation : appareils photo numériques, imprimantes, scanners, Web,... Dégradation de l image décompressée indiscernable à l oeil, mais taux de compression important ( : 0 : 50). UPMC Master CCC 008 5 Michèle Soria Compression UPMC Master CCC 008 6 Michèle Soria Compression PRINCIPE DE JPEG 7 AVANTAGES DE JPEG 8 Décomposition image source en 3 comp. niveau de gris (Y, Cr, Cb), Pour une composante, découpage en blocs 8*8 pixels, (taille des blocs 8*8 permet d avoir bons taux de compression, bonne qualité de restitution et temps de compression et décompression raisonnable (passer de 8 à fait doubler temps de compression et décompression) Et pour chaque bloc. Transformation linéaire (DCT) bloc de fréquence. Quantification selon table (perte d information) 3. Compression conservative (RLE + Huffmann + ) Transmettre le fichier compressé (et éventuellement tables de quantification) Décompression + transformation DCT inverse pour restituer l image. adapté aux images en ton continu ne dépend pas de la taille de l image, ni de l espace des couleurs qualité de l image paramétrable (selon le pas de quantification) taux de compression d autant meilleur que qualité demandée faible compromis taux de compression//qualité divers modes : sans perte, progressif, hiérarchique. UPMC Master CCC 008 7 Michèle Soria Compression UPMC Master CCC 008 8 Michèle Soria Compression
SCHÉMA DE COMPRESSION-DÉCOMPRESSION 9 QUALITÉ DE LA COMPRESSION 0 Compression B DCT f (B) Décompression Quant. Q( f (B)) Compr. C(Q( f (B))). Évaluation quantitative Image originale Im formée de N-blocs B = (n i, j ), n i, j niveaux de gris Image Im après compression-décompression : blocs B = (n i, j ) Ecart quadratique moyen : EQM(B,B ) = N! i, j (n i, j n i, j Valeur moyenne de l EQM : Moy(EQM) = N! i, j (" i, j + µ i, j avec µ i, j et " i, j moyenne et variance de X i, j = n i, j n i, j ) ) C(Q( f (B))) Decompr. Q( f (B)) Dequant. f (B) DCT f ( f (B)). Système visuel humain nuances de couleur sensibilité aux différences d intensité lumineuse acuité diminue lorsque fréquence augmente UPMC Master CCC 008 9 Michèle Soria Compression UPMC Master CCC 008 0 Michèle Soria Compression TRANSFORMATIONS LINÉAIRES bloc de couleurs B = (Y i, j ) Trans f.lin. bloc de fréquences f (B) = (F i, j ) Transformation provoque compaction d énergie de l information image dans le domaine fréquentiel, facilite l élimination des infos non pertinentes par filtrage des coefficients de haute fréquence (dont disparition n affecte pas perception visuelle). TRANSFORMÉE COSINUS DISCRÈTE Transformée Cosinus Discrète (DCT) : F(u,v) = N N [ ] [ ] (x + )u# (y + )v# N c(u)c(v)!! Y (x,y) x=0 y=0 N N F 0,0 F 0,N F N,0 F N,N = (A i, j ) i=0,,n j=0,,n Y 0,0 Y 0,N Y N,0 Y N,N avec c(0) = et c(k) = pour k 0. Transformée Cosinus Discrète Inverse : Y (x,y) = [ ] [ ] (x + )u# (y + )v# c(u)c(v)f(u, v) N N N N N!! u=0 v=0 UPMC Master CCC 008 Michèle Soria Compression UPMC Master CCC 008 Michèle Soria Compression
AUTRE EXPRESSION DE LA DCT 3 [ ] Soit M t.q. M(i, j) = c j N (i+) j# N, pour N = 8 : Propriétés M = 8 # 8 3# 8 5#. M t M = I (M orthogonale) # 7# 5# # 30# 05#. F = M t Y M et Y = MFM t = Calcul efficace AVANTAGES DE LA DCT 4. Efficacité du double calcul matriciel (M coeffs réels et orthogonale). Disproportion et décomposition fréquentielle des coefficients transformés : dans la matrice F valeurs les plus élevées regroupées dans coin sup. gauche valeurs de plus en plus faibles vers coin inf. droit (hautes fréquences) 3. Beaucoup de petits coefficients, localisés dans zone précise (facilite suppression-remplacement) dans zone d acuité visuelle minimale (petite distorsion) suppression d un grand nombre de coeff (compression) 4. Compacte l energie moyenne sur petit nombre de coefficients F(0,0) : DC (Direct Cosine) proportionnel à la valeur moyenne des pixels F(u,v),u,v 0 : AC (Adaptative ine) écart périodique par rapport à la moyenne UPMC Master CCC 008 3 Michèle Soria Compression UPMC Master CCC 008 4 Michèle Soria Compression EXEMPLE 5 Bloc initial de niveaux de gris 00 55 3 5 35 3 0 35 7 88 55 3 55 79 0 35 5 00 79 55 7 0 55 5 08 9 55 79 B = 35 5 35 0 7 79 79 0 5 55 5 5 79 79 35 5 7 7 5 5 7 7 0 5 79 5 5 3 55 7 Exemple tiré de X. Marsault Compression et cryptage des données multimedia HERMES EXEMPLE Bloc de fréquences obtenu après centrage (-8) et DCT (arrondie) 45 84 34 69 4 66 35 7 45 8 8 9 0 54 5 5 0 8 5 9 0 30 4 9 4 5 5 8 3 f (B) = 3 7 3 4 0 8 4 7 0 4 0 7 0 5 7 0 3 5 3 9 7 UPMC Master CCC 008 5 Michèle Soria Compression UPMC Master CCC 008 Michèle Soria Compression
QUANTIFICATION 7 Rappel : Schéma de compression B DCT f (B) Quant. Q( f (B)) Compr. C(Q( f (B))) Quantification = phase non conservative du processus de compression. Valeurs de f (B) divisées par quanta fixés par table de quantification Q : Q(i, j) = + F q ( + µ(i n + j n )) n et µ paramètres permettant d ajuster les variations des coefficients F q facteur de qualité (plus F q est grand, plus l image est dégradée) Bloc quantifié Q( f (B)) i, j = Ent[ f (B) i, j /Q(i, j)] EXEMPLE 8 Quantification du bloc DCT précédent, avec n = µ = et F q = 5 4 7 3 0 0 4 0 0 0 0 Q( f (B)) = UPMC Master CCC 008 7 Michèle Soria Compression UPMC Master CCC 008 8 Michèle Soria Compression EXEMPLE 9 Déquantification EXEMPLE 0 DCT inverse f (B) = 44 77 3 63 0 6 0 4 44 0 0 36 0 0 f ( f (B)) = 45 37 07 49 30 39 4 4 45 39 0 49 3 4 83 7 45 43 5 33 44 8 45 48 4 5 35 48 79 6 45 53 3 54 37 5 77 30 45 58 39 55 39 56 75 33 45 45 57 4 59 73 35 46 4 48 57 4 7 UPMC Master CCC 008 9 Michèle Soria Compression UPMC Master CCC 008 0 Michèle Soria Compression
CODAGE DES BLOCS DCT QUANTIFIÉS. Parcours de la matrice Séquence zigzag, du coin sup. gauche au coin inf. droite Ce parcours contient de longues séquences de 0 consécutifs. Compression (sans perte) Codage des 0 avec RLE Codage de Huffmann ou arithmétique pour le reste Les fréquences ont des redondances exploitables statistiquement DC et AC codés séparément DC = valeur moyenne semblable d un bloc au suivant code les différences de DC AC codé RLE UPMC Master CCC 008 Michèle Soria Compression