Verlustbehaftete Kompression. Verfahren zur verlustbehafteten Bildkodierung (auch verlustfreier Modus vorhanden)
|
|
- Monika Straub
- vor 5 Jahren
- Abrufe
Transkript
1 Verlustbehaftete Kompression JPEG: Joint Photographic Experts Group ITU T8.1 definiert Zusammenarbeit von ITU, IEC, ISO Verfahren zur verlustbehafteten Bildkodierung (auch verlustfreier Modus vorhanden) Schritte: Farbraumumrechnung von RGB nach YUV Tiefpass-Filterung und Unterabtastung von U,V Diskrete Cosinus Transformation des Bildes, angewendet auf 8x8 Pixel große Blöcke Quantisierung (angepasst an Empf. des Auges, CSF) Umsortierung: Zick-Zack Scan Entropie Codierung (Lauflängen Codierung, Huffman...) Performance: Bit Pro Pixel: etwa visuell verlustfrei Bit pro Pixel: "gute" Ergebnisse unter 0,3 Bit pro Pixel: Praktisch unbrauchbar.
2 Verlustbehaftete Bildcodierung, JPEG Farbtransformation von JPEG: [ Y C r]=[ b C 0,299 0,587 0,114 0,1688 0,331 0,5 0,5 0,4187 0,0813] [ R G B] C r =(R Y )/1,402 C b =(B Y )/1,772 Faktoren, neu im Vergleich zu Normierung der Wertebereiche von C b, C r auf R, G, B: Bereich 0,, 0.5 Nächster Schritt der Farbcodierung: Tiefpassfilterung (Glättung, notwendig für Unterabtastung nach Nyquist), gefolgt von der Unterabtastung, meist um Faktor 2 in horizontaler und vertikaler Auflösung. (sh. auch: Anschaulich: 3 unterschiedlich große Teilbilder: C b C r Y Nächster Schritt: Diskrete Cosinus Transformation (DCT) Weniger Pixel zu speichern! (¼) Datenreduktion ohne viel Aufwandt!
3 Zweck: weitere Eigenschaften (Schwächen?) des Auges zu nutzen. Nämlich die unterschiedliche Empfindlichkeit des Auges für unterschiedliche Ortsfrequenzen. Beispiel Bildmuster Vertikal: Ortsfrequenz Null Schwarz-weisses Streifenmuster (sin funktion der Helligkeit, aöso allmähliche Übergänge) 1 0 Blickwinkel, 1 sw Steifenmuster Horizontal: Ortsfreq. 1 per/grad Hier: 1 Periode/Grad horizontale Ortsfrequenz S 1 0 Ort (Winkel) Höhere Ortsfrequenz -> feineres Linienmuster. Auge hat unterschiedliche Empfindlichkeiten für unterschiedlich feine Linienmuster/ Ortsfrequenzen.
4 Empfindlichkeit Farbe (U, V) Helligk (Y) Contrast Sensitivity Function Ortsfrequenz (per./grad) Grund für Anwendung der DCT für die Codierung: DCT zerlegt das Bild in unterschiedliche Ortsfrequenzen, horizontal und vertikal. Veranschaulichung: Örtliche begrenztes Signal (Bild, Teil vom Bild) Diskrete Fourier Transformation ist unendlich lange Discrete Time Fourier Transform des periodisch fortgesetzten Signales: Sprünge Anfang Ende Ort Ort DFT DTFT
5 bekommen so nur endlich viele diskrete Frequenzen. wichtig für Codierung Aber: Sprünge durch Periodisierung bedeuten Verschlechterung der Frequenzauflösung. Vermeidung der Sprünge: Periodisierung durch Spiegelung des Signals x(n) 0 N 2N Ort Pixelraster Haben Sprünge vermieden Funktion, die symmetrisch um 0 ist: Discrete Time Fourier Transformation hat nur reelle Anteile, der Imaginärteil wird 0. -> Realteil wird mit Cosinus erzeugt. Für die periodische Fortsetzung mit Spiegelung wird das Pixelraster so gelegt, dass Position 0 genau zwischen zwei Pixeln liegt. D.h. wir haben einen Offset von 0.5 Pixeln, Noch zu beachten: Durch die Spiegelung wird Periodenlänge für Fourier Transformation doppelt so groß -> doppelt so feines Frequenzraster, doppelt so viele Frequenzwerte nach Anwenden der DTFT, können aber die obere Hälfte des Fourier Spektrums weg
6 lassen, da es symmetrisch zur unteren Hälfte ist (weil reelles Signal). -> Haben nun komplettes "Kochrezept" für unsere DCT! N ist Größe des DCT Bereiches Nur untere Hälfte: nicht bis 2N N 1 y(k )= x(n) cos( 2 π n=0 2 N K (n+0.5)) K=0,, N-1 Ortsfrequenzindex Ortsindex Freq. index Verschiebung um halbes Pixel x(n): Pixelwert bei Position n. Es gibt mehrere DCT Typen, diese nennt sich DCT Typ 2 Python Beispiel 1: Das Beispiel-Signal x ist eine kurze Zeile von 4 Pixeln, eine Helligkeits-Rampe: python import scipy import scipy.fftpack x=scipy.arange(4)*1.0 #Wende die DFT an: scipy.fftpack.fft(x) #array([ 6.+0.j, 2.+2.j, 2.+0.j, 2. 2.j]) #Wende die DCT an: scipy.fftpack.dct(x) #array([ 12., ,0., ])
7 Beachte: Bei der FFT haben alle Koeffizienten eine signifikante Groesse (Betrag ist >=2), bei der DCT bekommen wir in der Tat eine deutlich bessere Energie-Kompaktierung in die ersten beiden Koeffizienten. Python Beispiel 2: Wir koennen die DCT vom Typ 2 der Länge N in Python mittels einer FFT der Länge 4N implementieren, ähnlich wie wir oben sahen: ipython pylab import scipy.fftpack as ftp a=arange(1,5) #Example signal block plot(a) #Implementation of DCT2 using FFT: arev=a[:: 1] #reverse order, flip asym=hstack((a,arev)) #symmetric extension plot(asym) asym_up=zeros(16) asym_up[1::2]=asym #upsample by 2 and starting at index 1, and later taking half of half the FFT spectrum, #gives an effect like shift of 0.5 in time or space. Asym_up=ftp.fft(asym_up) #apply FFT Asym=np.real(Asym_up[0:4]) #Take relevant part of it Asym #Out[31]: array([ 20., , 0., ]) #Comparison with DCT2 from fftpack: ftp.dct(a) Out[32]: array([ 20., ,0., ]) #Identical!
8 Beachte: Der Output mittels gespiegeltem Signal und FFT ist in der Tat identisch zur DCT! Was ist mit den zu 2 Dimensionen eines Bildes? Antwort: DCT wird hintereinander auf Zeilen und Spalten angewendet. Das heisst hier: erst z.b. jede Zeile durch das Resultat der DCT ersetzten, dann darauf aufbauend jede Spalte durch das Resultat der DCT ersetzen. Mathematisch bedeutet dies: N 1 M 1 y(k,l)= x(n,m) cos( π n=0 m=0 N (K (n+0.5))) cos( π M (l(m+0.5))) Wobei n und m die Indizes in x und y Richtung des Bildes sind. k und l sind die Indizes für die Ortsfrequenzen in x und y Richtung. DC wird die Orstfrequenc k=0 und l=0 genannt (DC für Direct Current, also Gleichstrom, hier: konstanter Wert im Bild, der sie bei diesen Frequenzkoeffizienten zeigt) -> Reihenfolge von DCT (erst Spalte oder Zeile) ist egal, da es eine lineare Transformation ist -> separabel Beispiel: Zebra-Bild: y(0,0): Gleichanteil, y(1,0): Wert ungleich 0, y (0,1)=0, denn cos addiert sich bei konstantem x zu 0! DCT wird auf Bild angewendet, aber da die Ortsfrequenzen in verschiedenen Bereichen des Bildes sehr unterschiedlich sein können, wird das Bild in kleinere Komponenten aufgeteilt, auf die dann die DCT angewendet wird.
9 Bei JPEG: 8x8 Blöcke. 8x8 Blöcke, auf die DCT angewendet wird N=M=8 wir haben damit Zugriff auf die unterschiedlichen Ortsfrequenzen an unterschiedlichen Orten im Bild. Codieren, Quantisieren entsprechend Augenempfindlichkeit. -Beachte: Bei 8x8 kleinen Blöcken ist die Ortsfrequenz bei 0,0 recht breit, reicht noch ins Maximum der Contrast Sensitivity Function herein. Daher muss auch y(0,0) schon fein quantisiert werden. Z.B. y(7,7) kann aber grob quantisiert oder sogar weggelassen werden, weil es nur die feinsten Muster im Block enthält, für die das Auge weniger empfindlich ist (nach C.S.F.)! D.h. Maximum ist gleich bei den tiefsten Ortsfrequenzen des 8x8 Blocks.
Verlustbehaftete 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)
MehrInvertierung, Separierbarkeit
Invertierung, Separierbarkeit DCT Gleichung: (Typ 2) Coder: N 1 y(k )= n=0 x(n) cos( π N K (n+05)) K=0,, N-1 Dh wir haben N Gleichungen, eine für jedes k, also auch N Summen Weiterhin: N Eingangswerte
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)
Mehr5 JPEG. 5.1 Bayer Filter. 5.2 Überblick. 5.3 Diskrete Cosinus-Transformation. 5.4 Bildmodell. 5.5 Codierung. 5.6 Übertragungsmodi
5 JPEG Bayer Filter: G01 R02 G03 R04 G05 R06 G07 R08 5.1 Bayer Filter B09 G10 B11 G12 B13 G14 B15 G16 B17 R18 G19 R20 G21 R22 G23 G24 5.2 Überblick B25 B26 B27 G28 B29 G30 B31 G32 5.3 Diskrete Cosinus-Transformation
MehrDarstellung als Filterbank. Annahme für die Codierung: bestimmter Betrachtungsabstand, Wiedergabegröße Bestimmter Betrachtungswinkel für das Auge.
Darstellung als Filterbank Annahme für die Codierung: bestimmter Betrachtungsabstand, Wiedergabegröße Bestimmter Betrachtungswinkel für das Auge. - Trifft in bestimmten Maße auch auf das Original zu, da
MehrJPEG 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
MehrNichtlineare Quantisierung
Nichtlineare Quantisierung Die einfachste Form der Codierung besteht in einer nichtlinearen Quantisierung der Abtastwerte, um die wesentlich häufiger auftretenden kleinen Amplitudenwerte mit einer höheren
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,
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
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
MehrNichtlineare Quantisierung
Nichtlineare Quantisierung Die einfachste Form der Codierung besteht in einer nichtlinearen Quantisierung der Abtastwerte, um die wesentlich häufiger auftretenden kleinen Amplitudenwerte mit einer höheren
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Wintersemester 2012/13 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Informationen zur Klausur Termin: 21. Februar 2013,
Mehr(Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!)
Teil 1: Fragen und Kurzaufgaben (Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!) Frage 1 (6 Punkte) Es wird ein analoges
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Error-Free Compression Hufmann Coding Runlength Coding Lossy Compression
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1! Licht und Farbe: Physikalische und physiologische Aspekte 6.2! Farbmodelle 6.3! Raster-Bilddatenformate 6.4! Verlustbehaftete Kompression bei Bildern 6.5! Weiterentwicklungen
Mehr1 Einführung. Bildformate Analyse der LSB-Ersetzung Weitere steganographische Algorithmen. Syndromkodierung in der Steganographie
Gliederung Einführung 1 Einführung 2 3 4 WS 2012/2013 Steganographie und Multimedia-Forensik Folie 121 Farbwahrnehmung Blau: 435,8 nm Grün: 546,1 nm Rot: 700 nm (445 nm) (535 nm) (575 nm) Empfindlichkeit
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Channel Encoding Error-Free Compression Hufmann Coding Runlength
Mehrcompressed domain image retrieval
Compressed domain image retrieval Christian Ott Seminar Inhaltsbasierte Bildsuche - Universität reiburg - 4. ebruar 25 4. ebruar 25, C.Ott Seite 1 Übersicht 1. Einleitung 2. JPEG 3. Merkmalsextraktion
MehrKompression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Folie 2
Kompression Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz Folie 2 1 Inhalte Redundanz Channel Encoding Loss-less Compression Hufmann Coding Runlength Coding Lossy Compression
MehrKompressionsverfahren
Kompressionsverfahren Quelle: Steinmetz, Ralf: Multimedia-Technologie: Einführung und Grundlagen, Springer, Verlag Verlustlose Kompressionsalgorithmen RLC Huffman Adaptive Huffman Kodierung Arithmetische
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
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...
Mehrffl Die Portable Bitmap Utilities (PBM) manipulieren monochrome Bilder. ffl Die Portable Greymap Utilities (PGM) manipulieren Grauwert-Bilder.
Kapitel 9 Pixeldateiformate Es gibt diverse Formate, in denen die generierten Grafiken abgespeichert werden können Stellvertretend soll hier nur auf 2 Formate eingegangen werden; eines, bei dem die Pixel
MehrMultimediatechnik / Video
Multimediatechnik / Video Codierung, Datenreduktion Quantisierung, Lauflängencodierung DCT, JPEG http://www.nanocosmos.de/lietz/mtv Inhalt Codierung digitaler Signale Datenreduktion (Kompression) Verlustfrei
MehrKap.4 JPEG: Bildkompression. Ziel: Gegeben sind Daten y R N. Bestimme C R N N mit C C T = I, so dass x = C y dünbesetzt ist.
Kap.4 JPEG: Bildkompression Ziel: Gegeben sind Daten y R N. Bestimme C R N N mit C C T = I, so dass x = C y dünbesetzt ist. Originalbild y (30Kbt) Komprimiertes Bild z y(7kbt) JPEG (Joint Photographic
MehrDCT: Diskrete Kosinus-Transformation
DCT: Diskrete Kosinus-Transformation Kosinusfunktionen für die 1D DCT: zunehmende Frequenz entsprechende Abtastpunkte (Salomon) DCT: 8x8 2D-Transformation DCT: IDCT: effiziente Implementierung? Vorberechnung
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Wintersemester 2012/13 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Informationen zur Klausur Termin: 21. Februar 2013,
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1 Licht und Farbe: Physikalische und physiologische Aspekte 6.2 Farbmodelle 6.3 Raster-Bilddatenformate 6.4 Verlustbehaftete Kompression bei Bildern 6.5 Weiterentwicklungen
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
MehrImage Compression. Vorlesung FH-Hagenberg DSB
Image Compression Vorlesung FH-Hagenberg DSB Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz Inhalte Redundanz Loss-less Compression Hufmann Coding Runlength Coding Lossy Compression
MehrSchnelle Fouriertransformation (FFT)
Schnelle Fouriertransformation (FFT) Inhaltsverzeichnis 1 Schnelle Fouriertransformation (FFT)... 3 1.1 Das Realtime-Konzept der Goldammer-Messkarten... 3 1.2 Das Abtasttheorem oder Regeln für die Abtastung
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.
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
MehrRelevante Frequenztransformationen
Relevante Frequenztransformationen Medientechnologie IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Sommersemester 206 Andreas Unterweger (FH Salzburg) Relevante Frequenztransformationen
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
MehrÜbung: Computergrafik 1
Prof. Dr. Andreas Butz Prof. Dr. Ing. Axel Hoppe Dipl.-Medieninf. Dominikus Baur Dipl.-Medieninf. Sebastian Boring Übung: Computergrafik 1 Fouriertransformation Organisatorisches Neue Abgabefrist für Blatt
MehrInhaltsverzeichnis. 1 Einführung 1
Inhaltsverzeichnis Inhaltsverzeichnis IX 1 Einführung 1 2 Grundlagen der Datenkompression 5 2.1 Informationsgehalt und Entropie....................... 5 2.2 Kriterien zur Kompressionsbewertung....................
MehrZiel: Minimalität der Feature-Werte Ausnutzung Kompaktheit im Frequenzbereich Kompaktheit:
Anwendung DFT zur Feature-Aufbereitung Ziel: Minimalität der Feature-Werte Ausnutzung Kompaktheit im Frequenzbereich Kompaktheit: Funktion häufig durch wenige, niedrige Frequenzkoeffizienten approximierbar,
MehrMathematik III Die Fourier-Transformation in Bildern
Mathematik III Die Fourier-Transformation in Bildern Cornelia Busch D-CHAB 20. Dezember 2018 Eine periodische Funktion f (t)... ... wird zerlegt: f (t) = sin(3t) + cos(5t). f (t) = cos(2t) + sin(3t) +
Mehr, Franz J. Hauck, Verteilte Systeme, Univ. Ulm, [2006w-MMK-D-VoD.fm, ]
1.6 Ausspieloptionen (2) Anhalten des Ausspielens PAUSE-Anfrage stoppt alle PLAY-Anfragen (auch gestapelte) optionale Angabe eines Pausezeitpunkts stoppt an bestimmter Stelle Wiederaufnahme des Ausspielens
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1 Licht und Farbe: Physikalische und physiologische Aspekte 6.2 Farbmodelle 6.3 Raster-Bilddatenformate 6.4 Verlustbehaftete Kompression bei Bildern 6.5 Weiterentwicklungen
MehrMusterlösung zur Klausur Signale und Systeme
Musterlösung zur Klausur Signale und Systeme Arbeitsgruppe Digitale Signalverarbeitung Ruhr-Universität Bochum Herbst 005 Aufgabe : Kontinuierliche und diskrete Signale..a) y t ).b) y t ) -3T -T -T T T
Mehr5. Licht, Farbe und Bilder
5. Licht, Farbe und Bilder 5.1 Licht und Farbe: Physikalische und physiologische Aspekte 5.2 Farbmodelle 5.3 Raster-Bilddatenformate 5.4 Verlustbehaftete Kompression bei Bildern JPEG Weiterführende Literatur:
Mehr4. Licht, Farbe und Bilder
4. Licht, Farbe und Bilder 4.1 Licht und Farbe: Physikalische und physiologische Aspekte 4.2 Farbmodelle 4.3 Raster-Bilddatenformate 4.4 Verlustbehaftete Kompression bei Bildern JPEG Progressives und hierarchisches
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
MehrFundamentale Lösungen von linearen homogenen Differentialgleichungen. 1-E Ma 2 Lubov Vassilevskaya
Fundamentale Lösungen von linearen homogenen Differentialgleichungen 1-E Eigenschaften einer linearen DGL 2. Ordnung Eine homogene lineare Differenzialgleichung 2. Ordnung mit konstanten Koeffizienten
MehrPuls-Code-Modulation. Thema: PCM. Ziele
Puls-Code-Modulation Ziele Mit diesen rechnerischen und experimentellen Übungen wird die Vorgehensweise zur Abtastung und linearen Quantisierung eines analogen Signals erarbeitet. Bei der Abtastung werden
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
MehrQuantisierung, Umwandlung der Werte in Bits
Quantisierung, Umwandlung der Werte in Bits Wir haben gesehen dass wir fuer reine Helligkeitswerte ca. 100 Stufen benoetigen, wofuer 7 bits reichen. Wie sieht es bei den DCT Koeffizienten aus? Wir sahen
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
MehrMultimediale Werkzeuge 1, Audio-Berabeitung. normierte Frequenz (normiert auf die halbe Abtastrate, maximale Frequenz ist pi oder 1
Multimediale Werkzeuge 1, Audio-Berabeitung normierte Frequenz (normiert auf die halbe Abtastrate, maximale Frequenz ist pi oder 1 Beachte: Teilbänder werden nach den Unter-Abtasten "aufgeblasen" (siehe
MehrBildverarbeitung. Bildvorverarbeitung - Fourier-Transformation -
Bildverarbeitung Bildvorverarbeitung - Fourier-Transformation - 1 Themen Methoden Punktoperationen / Lokale Operationen / Globale Operationen Homogene / Inhomogene Operationen Lineare / Nichtlineare Operationen
Mehr'LJLWDOH%LOGHUXQG'DWHLIRUPDWH
'LJLWDOH%LOGHUXQG'DWHLIRUPDWH Seminar: Simulation und Bildanalyse mit Java 07.07.2003 Seite 1 von 25 hehuvlfkw 1. Digitalisierung 2. Bilddateiformate 3. verlustfreie Datenkompression 4. JPEG Kompression
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1 Licht und Farbe: Physikalische und physiologische Aspekte 6.2 Farbmodelle 6.3 Raster-Bilddatenformate Grundbegriffe für Bildspeicherung und -Bearbeitung Bitmap-Formate Verlustfrei
MehrSYS_A - ANALYSIEREN. Statistik. NTB Druckdatum: SYS A. Histogramm (Praxis) Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100
SYS_A - ANALYSIEREN Statistik Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100 Histogramm (Praxis) Realisierung Lage Streuung Zufallsvariable Dichte der Normalverteilung Verteilungsfunktion Fläche
MehrDie Fourier-Transformation
1/20 Die Fourier-Transformation 2/20 Die FT ermittelt aus dem Signal von überlagerten Schwingungen welche Frequenzen enthalten sind FT 3/20 Von der folgenden Schwingung soll die Frequenz ermittelt werden
MehrFourier-Reihe mit komplexer Exponentialfunktion
Fourier-Reihe mit komplexer Exponentialfunktion Jörn Loviscach Versionsstand: 9. Juni 2010, 15:54 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. 1 Überlagung sinusförmiger
MehrParallele FFT-Algorithmen
Parallele FFT-Algorithmen Jörg Haeger 11. Juli 1996 1 Die diskrete Fourier-Transformation (DFT) 2 2 Permutationen und Graphen 2 2.1 Permutationen.............................. 2 2.2 Graphen..................................
Mehr1. Filterung im Ortsbereich 1.1 Grundbegriffe 1.2 Lineare Filter 1.3 Nicht-Lineare Filter 1.4 Separabele Filter 1.
. Filterung im Ortsbereich. Grundbegriffe. Lineare Filter.3 Nicht-Lineare Filter.4 Separabele Filter.5 Implementierung. Filterung im Frequenzbereich. Fouriertransformation. Hoch-, Tief- und Bandpassfilter.3
MehrSystemtheorie Teil B
d + d z + c d z + c uk d + + yk z d + c d z + c Systemtheorie eil B - Zeitdiskrete Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt Musterlösungen - Signalabtastung und Rekonstruktion...
MehrMathematische Methoden der graphischen Datenverarbeitung
Teil I: Aufgaben der Bildverarbeitung: Komprimierung (compression); Mathematische Methoden der graphischen Datenverarbeitung PD Dr.(USA) Maria Charina Originalbild, 30Kbt Komprimiertes Bild, 7Kbt Teil
MehrMathematik, Signale und moderne Kommunikation
Natur ab 4 - PH Baden Mathematik, Signale und moderne Kommunikation 1 monika.doerfler@univie.ac.at 29.4.2009 1 NuHAG, Universität Wien monika.doerfler@univie.ac.at Mathematik, Signale und moderne Kommunikation
MehrBeispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrKompression.pdf h. völz /17
Kompression.pdf h. völz 23.5.02 1/17 Lauflängen-Codierung CCCCCCAABBBBAAAAEE _ 6C2A4B4A2E Pixel- und Zähl-Byte unterscheiden Pointer-Verfahren ABRABRIKADABRA Ab 4. Buchstaben ABR _ Verweis . total
MehrVorlesung Grundlagen der Videotechnik. Vorlesung 8 QAM, ESB, FM
Vorlesung Grundlagen der Videotechnik Vorlesung 8 QAM, ESB, FM 1 8.1 Quadratur Amplituden Modulation Lösung des Problems mit dem Träger der AM: AM mit unterdrücktem Träger: s(t ) sin(ω T t) Empfänger muss
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1 Licht und Farbe: Physikalische und physiologische Aspekte 6.2 Farbmodelle 6.3 Raster-Bilddatenformate Grundbegriffe für Bildspeicherung und -Bearbeitung Bitmap-Formate Verlustfrei
MehrDie diskrete Cosinustransformation
Die diskrete Cosinustransformation Übersicht: Einleitung Die Cosinusfunktion Die eindimensionale DCT und idct Das Prinzip Die Berechnung Die zweidimensionale DCT und idct Das Prinzip Die Berechnung Anhang
MehrAudio-Bearbeitung. Diese Freq. Anteile «verschwinden» nach dem unterabtasten Filter muß schmal genug sein! Nach Unterabtastung
Audio Signal Audio-Bearbeitung Ampl Vor Unterabtastung Teilband Grenzen Normierte Frequenz (normierte Abtastrate, maximale Frequenz ist pi oder 1) Teilbänder Diese Freq. Anteile «verschwinden» nach dem
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,
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
MehrFourierreihen und Fouriertransformation
Fourierreihen und Fouriertransformation Fourierreihen Autor: Harald Höller letzte Änderung: 11.11.09 Lizenz: Creative Commons Lizenz by-nc-sa 3.0 at Bei Fourierreihen wird nach trigonometrischen (Erzeugenden)Funktionen
MehrUniversität Trier. Fachbereich IV. Wintersemester 2004/2005. Wavelets made easy. Kapitel 2 Mehrdimensionale Wavelets und Anwendungen
Universität Trier Fachbereich IV Wintersemester 2004/2005 Wavelets made easy Kapitel 2 Mehrdimensionale Wavelets und Anwendungen Thomas Queckbörner 16.11.2004 Übersicht des Kapitels: 1. Einführung 2. Zweidimensionale
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
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 5.0.005 Uhrzeit: 09:00
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrDiskrete Fourier Transformation (DFT): Zeitfenster, Frequenzauflösung, Fensterfunktionen
Diskrete Fourier Transformation (DFT): Zeitfenster, Frequenzauflösung, Fensterfunktionen Fourier-Analyse Zeitfenster DFT Zeit [s] 2 Frequenz [Hz] Fourier-Analyse Abtastintervall TT aa : Zeit zwischen zwei
MehrIndependent JPEG Group. JPEG Software Tools
Independent JPEG Group JPEG Software Tools cjpeg Pixelmap Bildfileformat JPEG Bildfileformat jpegtran djpeg Beiträge zu: jpegtran: Verlustfreie Transformationsfunktionen (Rotation in 90 Grad Schritten,
Mehr16 Fourier-Reihe mit komplexer Exponentialfunktion
16 Fourier-Reihe mit komplexer Exponentialfunktion Jörn Loviscach Versionsstand: 21. März 2014, 21:45 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Definition Fouriertransformation F (ω) = F [f(t)] (ω) := 1 2π dt f(t)e iωt Fouriersynthese f(t) = F 1 [F
MehrMathematische Erfrischungen I. Folgen und Reihen Klaus Frieler
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen I Universität Hamburg Eine mathematische Folge ist eine Folge von Zahlen, deren Glieder durch Bildungsgesetze
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
MehrAbtastung, Frequenz unterabgetastet Experiment in Python: horizontal und vertikal jedes N-te Pixel Unterabtastung Faktor N
Abtastung, Frequenz Wir haben gesehen dass die Farbkomponenten um einen Faktor 2 horizontal und vertikal unterabgetastet werden koennen. Aehnliches geschieht in der Retina: 110 Mio. Staebchen und 6 Mio.
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1! Licht und Farbe: Physikalische und physiologische Aspekte 6.2! Farbmodelle 6.3! Raster-Bilddatenformate Grundbegriffe für Bildspeicherung und -Bearbeitung Verlustfrei komprimierende
MehrElektro- und Informationstechnik WS 2012/2013. Mathematik II - Übungsblatt 04 mit Lösungsvorschlägen. a 2, a 1, b 1,
Aufgabe 1 - Übungsblatt 04 mit Lösungsvorschlägen Berechnen Sie die Fourierkoeffizienten a 0, a 1, a 2, b 1, b 2 der im folgenden Diagramm dargestellte Rechteckspannung: Hinweis: Suchen Sie zunächst nach
Mehr2D-Fourieranalyse und Farbräume
2D-Fourieranalyse und Farbräume Industrielle Bildverarbeitung, Vorlesung No. 12 1 M. O. Franz 09.01.2008 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht
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...
MehrGrundlagen der Videotechnik
Grundlagen der Videotechnik 11-11-21 Rekonstruktion des abgetasteten Bildes, Zeilenabtastung. Wir nehmen des Auge als Rekonstruktions-Tiefpassfilter. Annahme:Bildschirm, Display ist scharf, lässt noch
MehrWas bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col pos. Punktoperationen f : col 1 col 2
Was bisher geschah digitale Bilder: Funktion B : pos col Matrix B col pos statistische Merkmale Punktoperationen f : col 1 col 2 (Bildanalyse) (Farbtransformation) Geometrische Operationen f : pos 1 pos
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:
MehrSpektrale Analyse Fourier Transformation
Spektrale Analyse Fourier Transformation Fragestellung: Bestimmung der Amplitude eines verrauschten Signals UU =? 2 Fragestellung: Bestimmung der Amplitude eines verrauschten Signals UU =? 3 Frequenz-Spektrum
MehrSystemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner
Systemtheorie Teil A - Zeitkontinuierliche Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 6 Musterlösungen Spektrum von Signalen 6. Approximation eines periodischen Signals
MehrStandbildcodierung. Dipl.-Ing. Guido Heising. Digitale Videotechnik, SS 02, TFH Berlin, Dipl.-Ing. G. Heising G. Heising, K.
Standbildcodierung Dipl.-Ing. Guido Heising Digitale Videotechnik, SS 02, TFH Berlin, Dipl.-Ing. G. Heising G. Heising, K. Barthel 1 Gliederung der Vorlesung Einführung in die Bildcodierung - verlustlose/verlustbehaftete
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrKontinuierliche Fourier-Transformation. Laplace-Transformation
Kontinuierliche Fourier-Transformation. Laplace-Transformation Jörn Loviscach Versionsstand: 16. Juni 2010, 17:56 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:
MehrMedien- Technik. Videotechnik
Videotechnik 1 Optimaler Sehabstand Winkel < 1/60 Europa 625 / 50 / 2:1 USA 625 / 59.94 / 2:1 HDTV 1125 / 60 / 2:1 Seitenverhältnis 4:3 trad. 16:9 HDTV Bildwiederholrate muß bei hellem Umfeld höher sein
Mehr