Сравнивайте с английским: нажмите на абзац — оригинал откроется в окне. Кнопка EN под абзацем показывает его прямо в тексте.
Содержание
Введение
Квантизация, используемая в обработке изображений, — это метод сжатия с потерями, достигаемый за счет сведения диапазона значений к единственному квантовому (дискретному) значению. Уменьшение числа дискретных символов в потоке данных повышает степень его сжимаемости. Например, уменьшение количества цветов, необходимых для представления цифрового изображения, позволяет снизить размер файла. Конкретные примеры применения включают квантование данных DCT в JPEG и квантование данных DWT в JPEG 2000.
Quantization, involved in image processing, is a lossy compression technique achieved by compressing a range of values to a single quantum (discrete) value. When the number of discrete symbols in a given stream is reduced, the stream becomes more compressible. For example, reducing the number of colors required to represent a digital image makes it possible to reduce its file size. Specific applications include DCT data quantization in JPEG and DWT data quantization in JPEG 2000.
Квантование цвета
Количественное изменение цветовой гаммы уменьшает количество цветов, используемых в изображении; это важно для отображения изображений на устройствах с ограниченной цветовой палитрой и для эффективного сжатия определенных типов изображений. Большинство растровых редакторов и многие операционные системы имеют встроенную поддержку количественного изменения цветовой гаммы. Популярные современные алгоритмы включают алгоритм ближайшего соответствия (для фиксированных палитр), алгоритм медианного разреза и алгоритм, основанный на октадравах. Часто количественное изменение цветовой гаммы комбинируют с дитерингом для создания иллюзии большего количества цветов и устранения эффекта полосатости.
Color quantization reduces the number of colors used in an image; this is important for displaying images on devices that support a limited number of colors and for efficiently compressing certain kinds of images. Most bitmap editors and many operating systems have built in support for color quantization. Popular modern color quantization algorithms include the nearest color algorithm (for fixed palettes), the median cut algorithm, and an algorithm based on octrees. It is common to combine color quantization with dithering to create an impression of a larger number of colors and eliminate banding artifacts.
Частотное квантование для сжатия изображения
Человеческий глаз достаточно хорошо различает небольшие изменения яркости на относительно большой площади, но плохо определяет точную величину быстро меняющихся высокочастотных колебаний яркости. Этот факт позволяет сократить объем необходимой информации, отбрасывая высокочастотные компоненты. Это достигается простым делением каждого компонента в частотной области на константу, специфичную для этого компонента, с последующим округлением до ближайшего целого числа. Это основная операция с потерями во всем процессе. В результате многие высокочастотные компоненты округляются до нуля, а остальные становятся небольшими положительными или отрицательными значениями. Поскольку человеческое зрение более чувствительно к яркости, чем к цветности, дополнительное сжатие можно получить, используя цветовое пространство, отличное от RGB, которое разделяет эти два компонента (например, YCbCr), и квантуя каналы независимо друг от друга.
The human eye is fairly good at seeing small differences in brightness over a relatively large area, but not so good at distinguishing the exact strength of a high frequency (rapidly varying) brightness variation. This fact allows one to reduce the amount of information required by ignoring the high frequency components. This is done by simply dividing each component in the frequency domain by a constant for that component, and then rounding to the nearest integer. This is the main lossy operation in the whole process. As a result of this, it is typically the case that many of the higher frequency components are rounded to zero, and many of the rest become small positive or negative numbers. As human vision is also more sensitive to luminance than chrominance, further compression can be obtained by working in a non RGB color space which separates the two (e. g., YCbCr), and quantizing the channels separately.