Bildkompression Proseminar Datenkompression Daniel Koch
|
|
- Christian Voss
- vor 6 Jahren
- Abrufe
Transkript
1 Bildkompression Proseminar Datenkompression Daniel Koch 0
2 Inhalt INHALT...1 VERLUSTFREIE KOMPRESSIONSVERFAHREN...2 VERLUSTBEHAFTETE KOMPRESSIONSVERFAHREN...3 YUV-FARBREDUKTION...3 QUANTISIERUNG...3 JPEG...4 YUV-Reduktion...4 8x8-Cluster...4 DCT(Diskrete Kosinustransformation)...4 Quantisierung...5 Entropy Encoding (Zick-Zack)...6 Huffmann-Codierung...6 QUELLENANGABE...8 1
3 Verlustfreie Kompressionsverfahren Die verlustfreien Kompressionsverfahren werden vorwiegend in der professionellen Bildbearbeitung eingesetzt. Da bei verlustbehafteten Verfahren grundsätzlich selbst bei der höchsten Qualität Verluste bezüglich der Detailtreue und Farbe entstehen, sind diese nicht oder nur sehr eingeschränkt einsetzbar. Es ist also erforderlich einen Weg zu finden diese Bilddaten zu komprimieren und bei Bedarf deren Originalzustand wieder herzustellen. Natürlich wäre für diesen Zweck jedes verlustfreie Verfahren möglich, jedoch haben gerade Fotos häufig leichte Farbvarianzen (von Pixel zu Pixel). Deshalb haben es Kompressoren wie LZ77 oder auch Huffman große Schwierigkeiten, dieses Material vernünftig zu bearbeiten, da sie ja auf der Gleichheit von Datenströmen bzw. der Häufigkeit bestimmter Zeichen aufsetzten. Um dennoch diese Verfahren zu nutzen bemüht man einen Präprozessor (predictive coder). Dieser setzt genau auf der Tatsache auf das in Bildern häufig fliesende Farbübergänge bestehen. Dazu wird das Bild zunächst in seine drei Farbwerte (RGB) zerlegt. Es werden also nur Graustufenbilder bearbeitet. Im folgenden ist ein Auszug aus einer Bilddatei gegeben. Es soll das Pixel in der Mitte codiert werden. Nehmen wir nun den kompletten Block unter die Lupe: Egal ob Huffman oder LZ77, so wie er vor uns liegt wäre keine sinnvolle Kompression möglich. Codiert man jedoch alle Werte nach dem obigen Muster ergibt sich folgendes Bild: <16>, <+2>, <+1>, <-4>, <+2>, <+3>, <-7>, <+3>, <+2>; Man erkennt nun eine viel besser komprimierbare Zeichenfolge. Huffmann erscheint hier geradezu prädestiniert: 3x<+2>, 2x<+3> etc. Bedenkt man das unser Beispiel nur 3x3 Pixel groß ist, kann man sich leicht vorstellen, das gerade technische Zeichnungen wenn sie denn im Pixelformat vorliegen sollten durchaus hohe Kompressionsraten erwarten lassen (da ja das meiste weiß ist). Aber auch Fotos können mit dieser Methode noch gut komprimiert werden. Des weiteren erzielt man auch mit BWT oder LZ77 mit Huffmann-Postprozessor sehr gute Ergebnisse. Es gibt natürlich noch weitere Verfahren, welche sich an dieses Anlehnen. Zum Beispiel könnte man das obere und linke Pixel in die Vorhersage einbeziehen. Allerdings gibt es dabei eine Besonderheit: (15+18)/2= Wir nehmen zunächst den einfachsten Fall. Das Pixel (17) soll aus dem Wert links daneben vorhergesagt werden. Es weicht genau um +2 ab ist kein ganzzahliger Wert. Jedoch lässt sich dieses Problem recht einfach dadurch lösen, dass man im Encoder wie auch im Decoder die Nachkommastellen weglässt und das selbe Rundungsverfahren verwendet. Man würde demnach <+1> codieren. Eine weitere Steigerung währe das Einbeziehen aller Randpixel. Man käme dann auf den Wert ( )/4=17. Damit würde die 0 codiert werden. 2
4 Verlustbehaftete Kompressionsverfahren YUV-Farbreduktion Wie bereits erwähnt, werden alle Bilddaten vor der Bearbeitung in Graustufen-Bilder zerlegt. Dabei wird zwischen Drei und Vier-Kanal Bildern unterschieden. Das bedeutet allerdings auch den drei bzw. vierfachen Speicherplatzbedarf. Allerdings hat das menschliche Auge bei weitem nicht die erforderliche Auflösung um alle gespeicherten Informationen wahrzunehmen. Genau an diesem Punkt setzt YUV an. Die Farbinformationen werden leicht komprimiert. Y wird in der vollen Auflösung gespeichert, da es die Helligkeitsinformationen beinhaltet. U und V (die Farbinformationen) werden auf die halbe Auflösung heruntergerechnet So hat man schon einmal die Hälfte eingespart. Der Betrachter sprich das menschliche Auge - erkennt jedoch keinen Unterschied, da Farbinformationen sehr viel schlechter aufgelöst werden können als Helligkeitsinformationen. Die Umrechnungsformeln lauten für: Y=0,299R+0,587G+0,114B (R rot, G grün, B blau) U und V sind die Differenzen der Farbinformationen von der Helligkeit Y, also: U=R-Y V=B-Y G ist ja schon zum Großteil in Y enthalten Nach folgender Matrix lässt sich die Berechnung auch auf einfachere Art und Weise durchführen: Y 0,229 0,587 0,144 R U = 0,701-0,587-0,114 * G V -0,299-0,587 0,886 B und zurück: R Y G = 1-0,509-0,194 * U B V 3 Es fällt auf, das bis jetzt abgesehen von der Reduktion der Farbkanäle nicht komprimiert wurde. Die Daten wurden lediglich mathematisch umgeformt. Der Nachteil dieser Methode ist, dass an harten Farbkanten speziell von Rot zu Grün blockartige Strukturen auftreten können. Da dieses Verfahren aber nie für Schemazeichnungen oder ähnliches entwickelt wurde, und Fotos nahezu perfekt reproduziert werden, ist dies unerheblich. Es bilden außerdem die Grundlage für Jpeg, Mpeg und DV. Quantisierung Es gibt zwei Arten der Quantisierung, einmal die Scalar Quantization (Skalarquant i- sierung) oder kurz SQ und die Vector Quantization (Vektorquantisierung) VQ. Beide arbeiten völlig verschieden. Die SQ ist die einfachste. Sie rundet Werte auf bestimmte (skalare) Größen. Zum Be i- spiel kann man 8Bit Farbwerte auch in 5Bit speichern. Der Unterschied fällt kaum auf. Nur bei feinen Farbverläufen sieht man die Einbuße doch recht drastisch. Beim Anzeigen werden die 5Bit wieder auf 8Bit hochgerechnet. Das macht eine Ersparnis von 1Byte pro Pixel aus. 3x8Bit=24Bit ; 3x5Bit=15Bit 16Bit Die VQ ist eigentlich ein sehr weit gefächertes Gebiet. Deshalb will ich an dieser Stelle auch nur die einfachste Methode darstellen. Die VQ geht einen völlig and e- ren Weg. Sie reduziert selektiv die Bildauflösung nach folgendem Muster: Haben rechteckig (oder auch quadratisch) beieinanderliegende Pixel in einem vordefiniertem Toleranzbereich die selben Farbwerte, werden sie als ein Pixel gespeichert. Man erkennt jedoch schnell, das dieses Verfahren um zufriedenstellende Kompressionsraten zu erreichen, die Bildqualität sehr drastisch angreift. Der Vorteil liegt aber in der gerade bei der Dekompression eno r- men Geschwindigkeit. Diese Art der Quantisierung wird deshalb nur selten zur Bild-
5 Bildkompression eingesetzt. Jedoch war sie Bestandteil der ersten Videokompressoren. Jpeg Da Jpeg das wohl bekannteste Kompressionsverfahren ist, soll es an dieser Stelle auch ausführlich behandelt werden. Die Baseline-Jpeg: Ausgangsbild YUV-Reduktion Unterteilung 8x8-Cluster DCT Quantisierung Zig-Zag-Coding Huffmann-Codierung Komprimierter Datenstrom YUV-Reduktion In der Regel werden die U und V Kanäle auf ein Viertel der Auflösung heruntergerechnet (also horizontal und vertikal ha l- biert). Die so erhaltenen Kanäle werden wie drei Graustufenbilder codiert. 8x8-Cluster Die so entstandenen Bilder werden in 8x8 große Blöcke unterteilt. Jpeg arbeitet somit weder auf Pixel noch auf Gesamtbildbasis. Die folgenden Methoden werden immer auf diese 8x8-Cluster angewandt. DCT(Diskrete Kosinustransformation) Die DCT führt eine Frequenzanalyse über die direkten Helligkeitswerte des Clusters durch. Dabei stellt eine hohe Frequenz einen schnellen Helligkeitswechsel von link nach recht oder von oben nach unten dar, eine tiefe einen allmählichen. Speichert man nun die hohen Frequenzen weniger genau erhält man ein etwas ve r- schwommeneres Bild. Jedoch hat man durch diesen Effekt den Vorteil, dass man die Bildschärfe genau regulieren kann. Mathematisch bedeutet das folgendes: Sei f(x, y) ein 8x8 Feld mit den originalen Helligkeitswerten konvertiert von vorze i- chenlosen Ganzzahlen zu vorzeichenbeha f- teten (damit bleiben die Ergebnisse möglichst klein). F(u, v) ist ein weiteres Feld selber Größe welches die transformierten Werte beinhaltet. Natürlich könnte man nun die DCT in einem Zug durchrechnen, d.h. zweidimens i- onal, allerdings wäre dies neben der Undurchschaubarkeit um ein vielfaches langsamer, als die Berechnung ausschließlich mit eindimensionalen DCTs durchzuführen F 8 (y,u) = C u F 8 (v,u) = 7 2 x=0 C v 7 2 y=0 mit C_n=1/Wurzel(2) für n=0; C_n=1 für n! = 0 f (y,x) cos (2x+1)π u 16 f(y,u) cos (2y+1)π v 16 Zunächst werden alle Zeilen transformiert danach alle Spalten, wobei die Reihenfolge eigentlich keine Rolle spielt. Es fällt auf, dass dies einen immensen Rechenaufwand darstellt. Allein für ein 8x8-Feld müssen 128 Kosinus-Berechnungen durchgeführt werden. Die Komponente F(0,0) spielt eine wesentliche Rolle. Sie ist horizontal wie auch vertikal frequenzlos und stellt die Gesamtbzw. Durchschnittshelligkeit des Blocks dar. Sie wird folgend gesondert behandelt und DC-Koeffizient genannt. 4
6 Diese Tabelle stellt ein 8-Bit Graustufenbild dar Und hier die transformierte Tabelle (auf eine Nachkommastelle gerundet): 235,6-1,0-12,1-5,2 2,1-1,7-2,7 1,3-22,6-17,5-6,2-3,2-2,9-0,1 0,4-1,2-10,9-9,3-1,6 1,5 0,2-0,9-0,6-0,1-7,1-1,9 0,2 1,5 0,9-0,1 0,0 0,3-0,6-0,8 1,5 1,6-0,1-0,7 0,6 1,3 1,8-0,2 1,6-0,3-0,8 1,5 1,0-1,0-1,3-0,4-0,3-1,5-0,5 1,7 1,1-0,8-2,6 1,6-3,8-1,8 1,9 1,2-0,6-0,4 Dabei fällt auf, dass die meisten Werte um 0 liegen und die größeren Werte in der linken oberen Ecke erscheinen. Quantisierung Nun werden diese ungünstigen Fließkommazahlen quantisert. Dies ist der entsche i- dendste weil eingreifendste Schritt. Die Wahl der Quantisierungskoeffizienten beeinflusst immens die Qualität des komprimierten Bildes. Jeder DCT-Wert wird durch den entsprechenden Wert aus der Quantisierungstabelle dividiert und das Ergebnis wird auf ganze Zahlen gerundet. Der Decoder geht den entsprechend umgekehrten Weg. Die folgende Tabelle stellt ein Beispiel für Quantisierungskoeffizienten dar. Die Werte kann man zwar beliebig wählen jedoch hat sich diese als recht erfolgreich herausgestellt (entnommen den White Papers), was die Resultate angeht. Man nimmt im einfachsten Fall an, dass diese Werte 50% Qualität entsprechen und skaliert die Werte linear. So erreicht man bei den meisten Bilddaten gute Ergebnisse Die optimale Bildqualität erreicht man, wenn alle Koeffizienten 1 sind. Allerdings ließe sich das Bild dann kaum komprimieren, da nur wenige Redundanzen vorhanden sind. Größere Werte ermöglichen gute Kompressionsraten, da ja mehr Werte auf 0 abgerundet werden. Allerdings wird dies erkauft durch eine drastische Qualitätseinbuße. Aus obigen Beispiel ergibt sich folgende quantisierte Matrix: Nun haben wir den Ausgangspunkt zu eigentlichen Kompression erreicht. 5
7 Entropy Encoding (Zick-Zack) Um eine noch bessere Kompression zu erreichen es sind ja schon sehr viele Stellen Null bedient man sich der Tatsache das die einzigen von Null verschiedenen Werte in der linken oberen Ecke anzufinden sind. Der Encoder formt die Matrix in eine lineare Sequenz um und zwar nach folgendem Schema: (x, y) x-koordinate; y-koordinate (1;0); (0;1); (0;2); (1;1); (2;0); (3;0) usw. bis (7;7). Dabei ergibt sich in unserem Beispiel die Sequenz: 15, 0, -2, -1, -1, -1, 0, 0, -1 und 55x0 Dabei wird die DC-Komponente (15) gesondert gehandelt. Sie wird als Differenz zum vorhergehenden DC-Wert gespeichert. Nehmen wir an er wäre 13: dann würde also +2 codiert werden. Um Verschwendung zu vermeiden wird ein Huffmann codierter Wert das Symbol A und ein codierter Wert für DC, das Symbol B gespeichert. Das Symbol A für DC speichert die Größe des folgenden Symbols als Huffmanncode. Diesen Code nennt man VLC (variable length Code). Das Symbol B ist eine VLI (variable length integer). Dadurch werden immer nur so viele Bits benutzt, wie auch wirklich nötig sind. Die VLC bestimmt seine Länge selbst, weil der Decoder immer solange Bits einließt, bis er am Endknoten des Baumes angekommen ist. Des weiteren bestimmt diese VLC die Länge der folgenden VLI. Die VLI s selbst werden auch noch einmal kompakter dargestellt. Um zum Beispiel den Wert -80 zu codieren, sind im Normalfall 8Bit (signed char) nötig. Für den Wert 40 7Bit. Da man jedoch die 40 auch in 8, 9 oder mehr Bit speichern kann, stellt dies eine Verschwendung dar. Man entfernt also den Wertebereich von 7 Bits (-63 bis 64) aus dem Bereich von 8 Bits und erreicht damit Platz für neue Zahlen. Beginnt man mit dieser Methode bei 0 ergibt sich folgendes Bild: Länge Bereich und und und und und Praktischerweise werden die Zahlen in Zweierkomplementschreibweise dargestellt. Die 5 also als (101) entsprechend die -5 als (010) Die AC Koeffizienten werden auch als VLI s gespeichert. Allerdings kommt hier hinzu, dass außer der Größe des folgenden VLI auch die Anzahl der Nullen vor dem zu codierenden Wert mitgespeichert wird. Das Symbol A hat somit die Form (Nullenanzahl, Größe), wobei der Wert Nullenanzahl stets vier-bittig ist. Damit werden die Nullen nicht extra als Symbol B gespeichert, sondern immer im Symbol A mitgeführt. Somit können pro Symbol A 0 bis 15 Nullen gespeichert werden. Da der Wert 0 als Größe unmöglich ist bedeutet (15, 0) 16 Nullen gefolgt von einem weiteren Symbol A. Maximal vier solcher Symbole sind zulässig, bevor ein Symbol B folgen muss. Spätestens nach dem 63. Zeichen folgt ein spezielles Symbol A (0, 0), welches als Escape-Zeichen fungiert. Es kann jedoch auch schon früher auftreten, wenn im Block nur noch Nullen folgen. Das gesamte Symbol A wird als Huffmann-VLC gespeichert. Huffmann-Codierung Unser Beispiel sieht jetzt folgendermaßen aus: DC hat das Delta 2 und die Größe 2 A=2, B=2 6
8 Der erste von 0 verschiedene AC-Wert hat eine Größe von 2 Bit und den Wert 2. Da vor ihm eine 0 steht ergibt sich: A=(1,2), B=-2 Nun folgen drei AC Werte mit 1: A=(0,1), B=-1 A=(0,1), B=-1 A=(0,1), B=-1 Jetzt folgen zwei Nullen vor dem letzten Wert 1: A=(2,1), B=-1 Der Block ist abgeschlossen: A(0,0) Nun werden die VLC s und VLI s Huffmanncodiert. VLC s: (2) DC = 011, (0,0) = 1010, (0,1) = 00, (1,2) = 11011, (2,1) = und VLI s: (2) = 10, (-2) = 01, (-1) = 0 Das ergibt den Datenstrom: Aus den ehemals 64Bytes Originalgröße sind 31Bit komprimierter Datenstrom geworden. Eine Kompressionsrate von 16,5:1. Auch wenn es sich hier nur um ein einziges Cluster handelt, kann man auf das ganze Bild in etwa den gleichen Faktor erwarten. Des weiteren werden Farbbilder zunächst YUV-transformiert, wobei die U und V Komponente schon auf die Hälfte der Auflösung heruntergerechnet werden. Auch wenn Jpeg ein sehr ausgereiftes Verfahren ist, gibt es jedoch entscheidende Nachteile. Gerade bei sehr stark komprimierten Bildern entstehen blockartige Strukturen, die auf den fehlenden Abgleich zwischen den Blöcken zurückzuführen sind. Außerdem kann man die Kompressionsrate nur über den abstrakten Parameter der Quantisierungstabelle einstellen und nicht zum Beispiel über die gewünschte Dateigröße. 7
9 Quellenangabe Martin J. Fiedler Projektarbeit Kapitel 3 bis The Implementation of the 2D-DCT 8
JPEG Kompression technische Realisierung
Experimentalphysik V 20. Januar 2005 Schema der JPEG Kompression Farbraumkonvertierung RGB YCbCr Subsampling der Farbkomponenten Cb, Cr Zerlegung in Blöcke 8 8 2D Kosinustransformation (DCT) Quantisierung
MehrDatenkompression. 1 Allgemeines. 2 Verlustlose Kompression. Holger Rauhut
Datenkompression Holger Rauhut 1. September 2010 Skript für die Schülerwoche 2010, 8.-11.9.2010 Hausdorff Center for Mathematics, Bonn 1 Allgemeines Datenkompression hat zum Ziel, Daten in digitaler Form,
MehrBildkompression InTh, 2005, JPEG, Hak, Rur, 1
Bildkompression InTh, 25, JPEG, Hak, Rur, 1 Referenzen [1] D Salomon, Data Compression, Springer, 24 [2] Prof Dr A Steffen, Kurs SU, ZHW, 1999-24 [3] G Wallace, The JPEG Still Picture Compression Standard,
MehrDiskrete Cosinustransformation (DCT)
Fachbereich Medieninformatik Hochschule Harz Diskrete Cosinustransformation (DCT) Referat Björn Wöldecke 10954 Abgabe: 15.01.2007 Inhaltsverzeichnis Einleitung / Vorwort... 1. Methoden zur Datenreduktion...
MehrVerlustbehaftete Kompression. JPEG: Joint Photographic Experts Group
Verlustbehaftete Kompression JPEG: Joint Photographic Experts Group ITU T8.1 definiert Zusammenarbeit von ITU, IEC, ISO Verfahren zur verlustbehafteten Bildkodierung (auch Verlustloser Modus vorhanden)
MehrProseminar Datenkomprimierung Dr. U. Tamm. JPEG - Kompression WS 2002/03. Torsten Zichner
Proseminar Datenkomprimierung Dr. U. Tamm JPEG - Kompression WS 2002/03 Torsten Zichner Inhaltsangabe: 1. Einleitung 2. JPEG Kompression 2.1. Konvertierung des Bildes in ein geeignetes Farbmodell 2.2.
MehrMultimediatechnik / Video
Multimediatechnik / Video Video-Kompression Zusammenfassung http://www.nanocosmos.de/lietz/mtv 2009 1 Motivation: Video-Kompression Unkomprimierte Datenmengen sind zu groß! TV: 20 MB/s = 72 GB/h (720x576x2x25)
MehrDIGITALE VIDEO KOMPRESSION AM BEISPIEL DES JPEG-VERFAHRENS
1 DIGITALE VIDEO KOMPRESSION AM BEISPIEL DES JPEG-VERFAHRENS Um das digitale Schneiden von digitalisierten Bildern zu ermöglichen, ist es notwendig, die drastisch hohe Datenmenge, die für jedes Bild gespeichert
MehrJPEG - Kompression. Steffen Grunwald, Christiane Schmidt, Stephan Weck TIT01EGR BA-Mannheim 21. Mai 2002
JPEG - Kompression Steffen Grunwald, Christiane Schmidt, Stephan Weck TIT01EGR BA-Mannheim 21. Mai 2002 Inhaltsverzeichnis 1 Entwicklung von JPEG 2 1.1 Was heisst und was ist JPEG?................... 2
MehrBilddatenformate BMP GIF JPG. Digitale Bildverarbeitung Liedtke 7.1. Bezeichnung: Microsoft Windows Bitmap, BMP, DIB
Bilddatenformate BMP Bezeichnung: Microsoft Windows Bitmap, BMP, DIB Format: Raster Farben: 1 Bit (s/w), 4 Bit (16 Farben), 8 Bit (256 Farben), 24 Bit (16,7 Mio. Farben) Kompression: Keine (meist) oder
MehrGrafikformate. Grafikformate. Digitale Bildverarbeitung Bildkompression
Digitale Bildverarbeitung Bildkompression Einleitung Datenmenge für ein unkomprimiertes Bild Verwendungszweck des Bildes Bild soll weiterverarbeitet werden Bild soll archiviert werden Bild soll per E-Mail
MehrJPEG. Seminar: Kompressionsalgorithmen. Ruslan Ragimov. 5. September 2012
JPEG Seminar: Kompressionsalgorithmen Ruslan Ragimov 5. September 2012 Zusammenfassung Die allgemeinen verlustfreien Verfahren zur Datenkompression können gute Kompressionsraten für verschiedene Dateitypen
MehrJ.P.E.G. Standard. J.P.E.G. Eigenschaften. J.P.E.G. System. JPEG Verschlüsselungsschritte. Farbmodell
Inhaltsbasierte Bildsuche J.P.E.G = Joint Photographic Expert Group Informatica Feminale Universität Bremen, Aug. 2005 Maja Temerinac Albert-Ludwigs-Universität Freiburg J.P.E.G. Standard Standard zur
MehrJPEG, MPEG & Co. Alex Titze Angewandte Informatik FHTW-Berlin
Referat KIM Alex Titze Angewandte Informatik FHTW-Berlin 76900504811 Einleitung JPEG Geschichte & Überblick Komprimierungsablauf Farbformat DCT (Diskrete Cosinus Transformation) Quantisierung Koeffizientenkodierung
MehrBeispielhafte Testfragen (auch aus Schülerreferaten, Fragen können redundant sein, keine Audio Kompression berücksichtigt):
Beispielhafte Testfragen (auch aus Schülerreferaten, Fragen können redundant sein, keine Audio Kompression berücksichtigt): Was versteht man unter PCM, DPCM, DM, ADPCM? Skizze! Was versteht man unter PCM
MehrArithmetisches Codieren
Arithmetisches Codieren 1. Motivation: Als Alternative zum arithmetischen Codieren bot sich damals als effizientester Algorithmus das Huffmann-Coding an. Dieses jedoch hatte einen entscheidenden Nachteil:
MehrDiskrete Cosinus-Transformation (DCT)
Diskrete Cosinus-Transformation (DCT) Prinzip von DCT: (in einer oder zwei Dimensionen...) Menge von Datenpunkten f(x) bzw. f(x,y) (für x,y = 1, N) Forward DCT (FDCT) Inverse DCT (IDCT) Rekonstruktion
MehrVorkurs Informatik WiSe 16/17
Konzepte der Informatik Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 14.10.2016 Technische Universität Braunschweig, IPS Inhaltsverzeichnis Bildcodierung Huffman scher Algorithmus Verlustbehaftete
MehrDigitalisierung. analoges Signal PAM. Quantisierung
Digitalisierung U analoges Signal t U PAM t U Quantisierung t Datenreduktion Redundanzreduktion (verlustfrei): mehrfach vorhandene Informationen werden nur einmal übertragen, das Signal ist ohne Verluste
MehrKodierung. Kodierung von Zeichen mit dem ASCII-Code
Kodierung Kodierung von Zeichen mit dem ASCII-Code Weiterführende Aspekte zur Kodierung: Speicherplatzsparende Codes Fehlererkennende und -korrigierende Codes Verschlüsselnde Codes Spezielle Codes, Beispiel
MehrDigitale Bilder. Ein Referat von Jacqueline Schäfer und Lea Pohl Am
Digitale Bilder Ein Referat von Jacqueline Schäfer und Lea Pohl Am 06.05.2015 Inhaltsverzeichnis Einheiten Grafiktypen Bildformate Farbtiefe Farbbilder/ Farbräume Quellen Einführung in die Bildverarbeitung
Mehr10%, 7,57 kb 20%, 5,3 kb 30%, 4,33 kb 40%, 3,71 kb 50%, 3,34 kb. 60%, 2,97 kb 70%, 2,59 kb 80%, 2,15 kb 90%, 1,62 kb 99%, 1,09 kb
Die Komprimierung: Die Abkürzung JPG (oder auch JPEG) steht für "Joint Photographic Experts Group". Dieses Bildformat ist nach der Expertengruppe, die es erfunden hat, benannt. Die Komprimierung empfiehlt
MehrDigitales Video. Digitales Video
Digitales Video Analoges Signal ist durch Bildwandlung weitgehend quantisiert Zeitlich in Einzelbilder und räumlich in Zeilen Beim Einsatz eines CCD-Bildwandlers werden Bildpunkte gebildet Videosignal
MehrGrafikformate: JPG - PNG
Grafikformate: JPG - PNG JPG JPG ist die Kurzform von JPEG (Joint Photographic Experts Group) Das Dateiformat nennt sich eigentlich JFIF (JPEG File Interchange Format) Spezifikation Bezeichnungen JPEG
MehrLossy Bildkompression: Techniken und Bildqualität
Lossy Bildkompression: Techniken und Bildqualität Brigitte Forster Zentrum Mathematik, Technische Universität München, und Institut für Biomathematik und Biometrie, Helmholtz-Zentrum München Konsensuskonferenz:
MehrKompression und Datenformate. Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate
Kompression und Datenformate Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate Digitale Speicherung von Bildern Digitalisierung Informationsgehalt Speicherbedarf Kompression von Multimediadaten
MehrEinführung in Kompressionstechniken
Einführung in Kompressionstechniken W. Kowarschick 7. Februar 997. November 9 W. Kowarschick Motivation Dateigrößen Text Vektorgraphiken Rasterbilder Tomographien Telephon CD-Stereo Bildfolgen VD7 VD7
MehrFarbtiefe. Gängige Farbtiefen
Farbtiefe Die Anzahl der darstellbaren Farben ist abhängig von den Farbabstufungen, die in einem Pixel gespeichert werden. Die Anzahl der darstellbaren Farbtöne wird als Farbtiefe bezeichnet. Die Farbtiefe
MehrDynamisches Huffman-Verfahren
Dynamisches Huffman-Verfahren - Adaptive Huffman Coding - von Michael Brückner 1. Einleitung 2. Der Huffman-Algorithmus 3. Übergang zu einem dynamischen Verfahren 4. Der FGK-Algorithmus 5. Überblick über
MehrKompressionsverfahren
Kompressionsverfahren Quelle: Steinmetz, Ralf: Multimedia-Technologie: Einführung und Grundlagen, Springer, Verlag Adaptive Huffman - Kodierung Nach 17 Zeichen: A(1),B(2),C(2),D(2),E(10) Kodierung A: 000
MehrEinführung in die Medieninformatik 1
Einführung in die Medieninformatik 1 Wintersemester 2007/08 Prof. Dr. Rainer Malaka, Digitale Medien Medieninformatik 1 1 Plan (vorläufig) 31.10. Einführung 7.11. Menschen: Wahrnehmung 14.11. Menschen:
MehrGraphische Datenverarbeitung
Graphische Datenverarbeitung Bildkompression & Dateiformate Prof. Dr. Elke Hergenröther Gründe für eine Kompression Unkomprimierte Rasterbilder benötigen: viel Speicherplatz hohe Bandbreite zur Übertragung
MehrWoraus besteht ein Bild? 28.02.2008 (c) Winfried Heinkele 2006 2
Woraus besteht ein Bild? 28.02.2008 (c) Winfried Heinkele 2006 2 Was ist ein Pixel? Die durch das Objektiv einer Kamera auf einen Film oder einen elektronischen Bildsensor projizierte Wirklichkeit ist
MehrKompressionsverfahren- JPEG 2000
Kompressionsverfahren- JPEG 2000 eingereicht durch Jan-Hendrik Sondermann 20.03.2013 Inhaltsverzeichnis Inhaltsverzeichnis INHALTSVERZEICHNIS... 2 VORWORT... 3 1. EINLEITUNG... 4 1.1. DATENKOMPRESSION...
MehrProseminar. Thema: Shannon-Fano und Huffman Verfahren
Proseminar Datenkompression Thema: Shannon-Fano und Huffman Verfahren Gehalten am 27.11.2002 von Lars Donat 1. Huffman Code Bei diesem bereits 1951 von David A. Huffman veröffentlichtem Algorithmus handelt
MehrDas Ziel einer Transformationscodierung ist, die Korrelation zwischen den Pixeln zu
4. Methoden zur Bildcodierung der JPEG-Standard Das Ziel einer Transformationscodierung ist, die Korrelation zwischen den Pixeln zu reduzieren. Man transformiert und dhat mit den transformierten Entwicklungskoeffizienten
MehrFARBEN IM INTERNET FARBWERTE, FARBTIEFEN IN DER BILDBEARBEITUNG
FARBEN IM INTERNET FARBWERTE, FARBTIEFEN IN DER BILDBEARBEITUNG Unter dem Begriff Farbtiefe versteht man die Anzahl der pro Pixel zur Verfügung stehenden Bits zur Speicherung der Farbinformationen. Die
MehrBasisinformationstechnologie II
Basisinformationstechnologie II Sommersemester 2014 28. Mai 2014 Algorithmen der Bildverarbeitung I: Kompression Universität zu Köln. Historisch-Kulturwissenschaftliche Informationsverarbeitung Jan G.
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrKodierungsalgorithmen
Kodierungsalgorithmen Komprimierung Verschlüsselung Komprimierung Zielsetzung: Reduktion der Speicherkapazität Schnellere Übertragung Prinzipien: Wiederholungen in den Eingabedaten kompakter speichern
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 5 aus "Abenteuer Informatik" von Jens
MehrEine verlustbehaftete Komprimierung ist es, wenn wir einige Kleidungsstücke zu
Komprimierungen In Netzwerken müssen viele Daten transportiert werden. Dies geht natürlich schneller, wenn die Datenmengen klein sind. Um dies erreichen zu können werden die Daten komprimiert. Das heisst,
MehrDigital Imaging Einführung
Tutorium Digital Imaging Einführung 7./14. Juli 2004 Martin Stricker martin.stricker@rz.hu-berlin.de Bilder bestehen aus Pixeln Die Maße eines Bildes bestimmen sich aus Breite x Höhe in Pixeln (Auflösung)
MehrÜbung 1: Quellencodierung
ZHAW, NTM2, Rumc, /7 Übung : Quellencodierung Aufgabe : Huffman-Algorithmus. Betrachten Sie die folgende ternäre, gedächtnislose Quelle mit dem Symbolalphabet A = {A,B,C} und den Symbol-Wahrscheinlichkeiten
MehrProseminar Datenkomprimierung Dr. U. Tamm. Bildkompression WS 2002/03. Florian Strunk
Proseminar Datenkomprimierung Dr. U. Tamm Bildkompression WS 2002/03 Florian Strunk Problematik: Die Datencodierung und Kompression ist so alt wie die Geschichte des Computers. Seit dem es hochauflösende
MehrDatenbanken und Informationssysteme. Bildbearbeitung. DI (FH) Levent Öztürk
Datenbanken und Informationssysteme DBI2 Bildbearbeitung DI (FH) Levent Öztürk Inhalt GIMP Vektorgrafik, Pixelgrafik Pixel, Punkt und co. Dpi, ppi Komprimierung Grafikformate BMP JPG GIF PNG TIFF Übungen
MehrMathematisches Praktikum - SoSe 2014
Mathematisches Praktikum - SoSe 2014 Prof. Dr. Wolfgang Dahmen Felix Gruber, M. Sc., Christian Löbbert, M. Sc., Yuanjun Zhang, M. Sc., Klaus Kaiser, M. Sc. Zusatzaufgabe 3 für Informatiker Bearbeitungszeit:
MehrReferat "Image Representation" im Proseminar "Computer Science Unplugged" Dozent Prof. M. Hofmann Referent Teja Philipp, Datum
Referat "Image Representation" im Proseminar "Computer Science Unplugged" Dozent Prof. M. Hofmann Referent Teja Philipp, 127906378 Datum 29.10.2004 IMAGE REPRESENTATION 1. Digitalisierung des Bildmaterials
MehrDigitales Video I Wie wird Video am Computer codiert?
Digitales Video I Wie wird Video am Computer codiert? Bilder Auflösung Speicherung am Computer Bewegte Bilder Interlacing Kompression / Codec Ton Audioformate / Codecs Videoformate Bilder Auflösung: z.b.:
MehrGrundlagen digitaler Bildbearbeitung
Grundlagen digitaler Bildbearbeitung Folie 2 Inhaltsübersicht Bitmaps und Vektorgrafiken Grafikformate Farbräume und Farbmodelle Farbmodus (Farbtiefe) Bildauflösung Webfarben Folie 3 Bitmaps und Vektorgrafiken
MehrAufgabe 6: Ein JPEG-Decoder
Aufgabe 6: Ein JPEG-Decoder Einleitung JPEG ist ein populärer Standard zur Kompression von Bildern. Neben verlustfreien Kompressionsalgorithmen werden auch verlustbehaftete benutzt. Bei diesen wird die
MehrGrafikformate. digitale Bilddateien. Andre Hoffmann - HS Bremerhaven - SoSe 2005
Grafikformate digitale Bilddateien Andre Hoffmann - HS Bremerhaven - SoSe 2005 Gliederung Allgemeines Gegenüberstellung: Vektor- und Rastergrafiken Grafikformate: Geschichte, Spezifikationen, Kompressionsverfahren,
Mehr2.7 Der Shannon-Fano-Elias Code
2.7 Der Shannon-Fano-Elias Code Die Huffman-Codierung ist ein asymptotisch optimales Verfahren. Wir haben auch gesehen, dass sich die Huffman-Codierung gut berechnen und dann auch gut decodieren lassen.
MehrAbbildtreue und Kompression gescannter Dokumente bei PDF/A
Abbildtreue und Kompression gescannter Dokumente bei PDF/A Empfehlungen geeigneter Einstellungen Datum: 29.11.2013 Autor: Axel Rehse Thomas Zellmann LuraTech Imaging GmbH LuraTech Europe GmbH Inhalt Einleitung...
MehrFARBTIEFE / KANÄLE 1 5
1 5 FARBTIEFE Die Farbtiefe gibt an, wieviel bit an Informationen pro Pixel gespeichert werden. Je mehr bits gespeichert werden, desto mehr verschiedene Farbabstufungen können dargestellt werden. Farbtiefe
MehrBildbearbeitung mit Gimp
PH Bern Institut Sekundarstufe 1 Studienfach Informatik Bildbearbeitung mit Gimp Inhalt 1. Einleitung... 1 2. Bildgrösse festlegen... 1 3. Bild in verschiedenen Formaten speichern... 2 4. Bildausschnitt
MehrGrafikformate. Auflösung Farbtiefe Farbmodelle
Farblehre Grafikformate Auflösung Farbtiefe Farbmodelle Grafikformate 1. Auflösung Je höher die Auflösung umso besser das Bild. niedrig mittel hoch 09.03.2007 2 Auflösung 1cm 1cm 1 Pixel pro cm Auflösung
MehrInternationaler Studiengang Medieninformatik
HTW Berlin Prof. Dr. Kai Uwe Barthel Nachname: Vorname: Codename: Matr. Nr: Internationaler Studiengang Medieninformatik Grundlagen digitaler Medien Sitzplatz: Punkte: Note: Nachklausur WS09/10 26. 3.
MehrDatenbanken und Informationssysteme. Bildbearbeitung. DI (FH) Levent Öztürk
Datenbanken und Informationssysteme DBI2 Bildbearbeitung DI (FH) Levent Öztürk Inhalt GIMP Vektorgrafik, Pixelgrafik Pixel, Punkt und co. Dpi, ppi Komprimierung Grafikformate BMP JPG GIF PNG TIFF Übungen
MehrÜbung 13: Quellencodierung
ZHAW, NTM, FS2008, Rumc, /5 Übung 3: Quellencodierung Aufgabe : Huffmann-Algorithmus. Betrachten Sie die folgende ternäre, gedächtnislose Quelle mit dem Symbolalphabet A = {A,B,C} und den Symbol-Wahrscheinlichkeiten
MehrZielstellung - "bildhafte" Darstellung von Informationen. "Ein Bild sagt mehr als 1000 Worte"
Informatik - Präsentation / Graphik 1 Präsentation / Graphik Zielstellung - "bildhafte" Darstellung von Informationen "Ein Bild sagt mehr als 1000 Worte" - Aufnahmefähigkeit des Menschen Lesen 10-150 Bit/s
MehrBilder via Photoshop fürs Web optimieren
Bilder via Photoshop fürs Web optimieren Nachdem das Bild in Photoshop geöffnet wurde, sollte man erst einmal kontrollieren, in welchem Farbmodus es sich befindet. Bilder im Web sollten den Farbmodus RGB
MehrDigital ProLine Das große Kamerahandbuch Sony Alpha Frank Exner DATA BECKER
Digital ProLine Das große Kamerahandbuch Sony Alpha Frank Exner DATA BECKER 07 Dateiformate und Datenspeicherung 7.1 Welches Dateiformat ist das richtige? Die Datenspeicherung ist neben der Aufnahme der
MehrProseminar : Grundlagen Bildverarbeitung/Bildverstehen. Bildkompression. Betreuer : Ernst Bartels. Bearbeiter : Chukwumezie Millverton Francis
Proseminar : Grundlagen Bildverarbeitung/Bildverstehen Bildkompression Bearbeiter : Chukwumezie Millverton Francis Betreuer : Ernst Bartels Vortragstermin : 21.12.2005 Inhaltsverzeichnis 1 Einleitung 3
MehrKompression und Datenformate. Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate
Kompression und Datenformate Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate AGENDA Digitale Speicherung von Bildern Digitalisierung Informationsgehalt Speicherbedarf Kompression von
MehrKapitel 3: Variablen
Kapitel 3: Variablen Thema: Programmieren Seite: 1 Kapitel 3: Variablen Im letzten Kapitel haben wir gelernt, bestimmte Ereignisse zu wiederholen solange eine Bedingung erfüllt ist. Nun möchten wir aber
MehrDatenkompression: Fraktale Kompression. H. Fernau
Datenkompression: Fraktale Kompression H. Fernau email: fernau@informatik.uni-trier.de SoSe 2006 Universität Trier 1 Fraktale Codierung mathematische Grundgedanken Statt ein Datum zu übertragen, übertrage
MehrDatenkompression. Vortrag von Markus Durzinsky Student der Otto-von-Guericke-Universität Magdeburg
Vortrag am 25. Januar 200 Werner von Siemens Gymnasium Magdeburg Zeitansatz: 5h (inklusive Programmieraufgaben) Datenkompression Vortrag von Markus Durzinsky Student der Otto-von-Guericke-Universität Magdeburg
MehrDatenkompression. Kommunikationstechnik, SS 08, Prof. Dr. Stefan Brunthaler 167
Datenkompression Kommunikationstechnik, SS 08, Prof. Dr. Stefan Brunthaler 167 Datenkompression I Wie der Hofmathematikus herausgefunden hatte, läßt sich eine Kodierung durch Wahl einer variablen Wortlänge
MehrBilder im Zusammenhang mit Geoinformatik sind u.a.: Luftbilder, Satellitenbilder Synthetische Bilder (z.b. digitale Oberflächenmodelle)
Grundlagen der digitalen Bildverarbeitung Bilder im Zusammenhang mit Geoinformatik sind u.a.: Luftbilder, Satellitenbilder Synthetische Bilder (z.b. digitale Oberflächenmodelle)... dagegen weniger Fotos
MehrArbeitsablauf (workflow) für digitale Fotos
Arbeitsablauf (workflow) für digitale Fotos Es werden die Arbeitsabläufe beschrieben, die grundsätzlich an allen Digitalfotos in der angegebenen Reihenfolge durchgeführt werden sollten, um eine Mindestqualität
MehrVideo. Grundlagen Videokompression
Video Grundlagen Videokompression Videokompression: Motion Compensation Video 1. Grundlagen der Videokompression Damit im Film Bewegung flüssig dargestellt werden kann, benötigt man ca. 15-25 Bilder pro
MehrVerlustbehaftete Kompression bei Multimedia
Modul 114 Codes, Kompressions- und Verschlüsselungsverfahren einsetzen Verlustbehaftete Kompression bei Multimedia V1.2 Technische Berufsschule Zürich IT Seite 1 Farbtheorie Anwendung: Bildschirm/Beamer
MehrGrafikdateien. Bei Computergrafiken werden grundsätzlich drei Kategorien unterschieden: Vektor-Format
Arten von Bei Computergrafiken werden grundsätzlich drei Kategorien unterschieden: Pixel-Format Pixelbilder setzen sich aus einzelnen Bildpunkten (Pixel) zusammen Punkte (Pixel) sind voneinander unabhängig
MehrVerlustbehaftete Kompression von Kamera Rohdaten
Verlustbehaftete Kompression von Kamera Rohdaten Prof. Dr., Prof. Dr. D. Kunz, Katja Köhler Fachhochschule Köln Institut für Medien- und Phototechnik 1 Übersicht Aktuelle Situation Konzept Modellierung
MehrFARB- UND TONWERTKORREKTUR 1 6
1 6 ÜBERLEGUNGEN Bevor mit Farb- und Tonwert-Korrekturen begonnen wird, sollte Folgendes beachtet werden: Eigentlich sollte stets ein kalibrierter Monitor mit Farbprofil verwendet werden. Dies ist für
MehrBildkompression am Beispiel JPEG
Bildkompression am Beispiel JPEG Medientechnologie IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Sommersemester 2014 Andreas Unterweger (FH Salzburg) Bildkompression am
MehrJPEG2000. Gereon Schüller. Email:X@Y mit X= schuelle Y= cs.uni-bonn.de. 13. Dezember 2005. Seminar Datenkompression
JPEG2000 Seminar Datenkompression Universität Bonn, WS 2005/2006 Prof. Dr. N. Blum, Matthias Kretschmer Gereon Schüller Email:X@Y mit X= schuelle Y= cs.uni-bonn.de 13. Dezember 2005 1 1 Probleme von JPEG
MehrQualitätskriterien digitaler Bilder im Langzeitarchiv! KOST Veranstaltung in Bern vom Dr. Peter Fornaro
Qualitätskriterien digitaler Bilder im Langzeitarchiv! KOST Veranstaltung in Bern vom 11. 11. 2009 Dr. Peter Fornaro Workflow Aufnahme Nachbearbeitung Archivierung Das Archivieren beginnt bei der Aufnahme!
MehrHuffman-Kodierung. Fachbereich Medieninformatik. Hochschule Harz. Huffman-Kodierung. Referat. Henner Wöhler. Abgabe:
Fachbereich Medieninformatik Hochschule Harz Huffman-Kodierung Referat Henner Wöhler 11459 Abgabe: 15.01.2007 Inhaltsverzeichnis Einleitung...I 1. Entropiekodierung...1 1.1 Morse Code...2 1.2 Shannon-Fano-Kodierung...3
Mehr1 2 3 4 5 Ergebnis der. Einspielen in. Bearbeitung im Belichtung Aufnahme. Wandlung des Datenstroms in Dateien durch Codec, 2. Kompression der Daten
Tom Krug 31.03.15 1 2 3 4 5 Ergebnis der Einspielen in Bearbeitung im Belichtung Aufnahme PC, Casablanca Schnittprogramm Export nach Bearbeitung Mini-DV SD (720 x 576 50i) HDV2 (1440 x1080 50i) Speicherkarte,
MehrAlgorithmus zur komprimierten Übertragung von Textdaten an mobile Endgeräte
Fachhochschule Wedel Seminararbeit Algorithmus zur komprimierten Übertragung von Textdaten an mobile Endgeräte Sven Reinck 7. Januar 2007 Inhaltsverzeichnis Inhaltsverzeichnis Motivation 2 Wörterbuch 2.
MehrAnalyse und Vergleich aktueller Videokompressionsverfahren
Analyse und Vergleich aktueller Videokompressionsverfahren 29.05.2008 Inhalt 1 Grundlagen der Videocodierung Frame-Typen & Farbraum Diskrete Konsinustransformation & Quantisierung MPEG Encoder 2 MPEG4
MehrGrafikformate 2
Grafikformate 1 Grafikformate 2 Grafikformate 3 Grafikformate 4 Grafikformate 5 Grafikformate 2 Lösungen: 1. Bild mit Hilfe eines Rasters von Punkten beschreiben 2. Bild in geometrische Objekte unterteilen
MehrSeminar Informatik für Biologen. Datenkompression. Andreas Wieland
Seminar Informatik für Biologen Datenkompression Andreas Wieland Universität Ulm WS2004/2005 Inhaltsverzeichnis: 1. Einleitung... 1 2. Allgemeine, verlustfreie Verfahren... 2 2.1 Wiederholungsbasierte
MehrQuellencodierung NTM, 2006/05, 9.3 Quellencodierung, Rur, 1
Quellencodierung NTM, 2006/05, 9.3 Quellencodierung, Rur, 1 Referenzen [1] Proakis, Salehi, Grundlagen der Kommunikationstechnik, Pearson, 2004. [2] D. Salomon, Data Compression, Springer, 2004. [3] D.
MehrDigitale Bilddateien
ARBEITSBLATT 1 Digitale Bilddateien Gängige Bildformate und deren Speicherbedarf Unkomprimierte Bilddateien Öffnen Sie in Photopaint die Datei beauty.tga! Beauty.tga ein virtueller Männertraum, generiert
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrKodierung und Komprimierung von Bilddaten
Kodierung und Komprimierung von Bilddaten Seminarvortrag von Dennis Heimann Seminar: Neue Technologien in Internet und WWW Seminarleiter: Dr. rer. nat. H. Sack Wintersemester 2003/2004 Institut für Informatik
MehrMPEG. Ein Videokompressionsstandard
Westfälische Wilhelms-Universität Münster Seminararbeit MPEG Ein Videokompressionsstandard Dörte Naunin Themensteller: Prof. Dr. Herbert Kuchen Betreuer: Christian Arndt Institut für Wirtschaftsinformatik
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
MehrDer Gaußsche Algorithmus
Der Gaußsche Algorithmus Der Gaußsche Algorithmus beinhaltet das Vertauschen der Zeilen der erweiterten Koeffizientenmatrix (A, b) und das Additionsverfahren. Ziel ist es, möglichst viele Nullen unterhalb
MehrSitzung: Bilder für das WWW
Sitzung: Bilder für das WWW 1. Grafikformate im WWW Im WWW lassen sich nur drei Dateiformate für pixelorientierte Grafiken verwenden, die von allen modernen Browsern angezeigt werden können: die Formate
MehrDigitales Fernsehen DVB
Digitales Fernsehen DVB Thomas Lauterbach DL1NAW 1. Video- und Audiokodierung (MPEG) 2. DVB 3. DVB-T in Nürnberg Quellen: U. Reimers, Digitale Fernsehtechnik http://www.dvb-t-baern.de Referate und Ausarbeitungen
MehrKurzanleitung Gimp April 2008
Kurzanleitung Gimp April 2008 (Die aus der Linux- Welt stammende Freeware Gimp kann man z.b. hier http://www.chip.de/downloads/gimp_12992070.html herunterladen) Bildgröße verkleinern mit Bild- Bild skalieren
MehrAudio Codecs. Vortrag im Seminar. Digital Audio. Sebastian Kraatz. 15. Dezember 2004
Vortrag im Seminar Digital Audio 15. Dezember 2004 1 Motivation Unkomprimierte digitale Daten Was ist ein Codec? 2 Hörschwellenmaskierung Frequenzmaskierung Zeitmaskierung 3 Motivation Unkomprimierte digitale
MehrReferat zum Thema Huffman-Codes
Referat zum Thema Huffman-Codes Darko Ostricki Yüksel Kahraman 05.02.2004 1 Huffman-Codes Huffman-Codes ( David A. Huffman, 1951) sind Präfix-Codes und das beste - optimale - Verfahren für die Codierung
MehrEinführung in die Kodierungstheorie
Einführung in die Kodierungstheorie Einführung Vorgehen Beispiele Definitionen (Code, Codewort, Alphabet, Länge) Hamming-Distanz Definitionen (Äquivalenz, Coderate, ) Singleton-Schranke Lineare Codes Hamming-Gewicht
MehrPublizieren auf dem NiBiS. Bildbearbeitung mit XnView. Information, Download und Voraussetzungen
Publizieren auf dem NiBiS Kersten Feige Nicole Y. Männl 03.06.2003, 8.30-13.00 Uhr 18.06.2003, 8.30-13.00 Uhr Bildbearbeitung mit XnView Information, Download und Voraussetzungen XnView ist FREEWARE für
MehrBegriffe: (grafische) Benutzeroberfläche, (grafische) Benutzerschnittstelle,
Gestaltung der Benutzeroberfläche Begriffe: (grafische) Benutzeroberfläche, (grafische) Benutzerschnittstelle, GUI (graphics user interface), Drei Grundsätze vorab: Halten Sie sich, wo immer möglich, an
Mehr