Bildverarbeitung Herbstsemester. Wavelet-Transformation
|
|
- Anneliese Acker
- vor 7 Jahren
- Abrufe
Transkript
1 Bildverarbeitung Herbstsemester Herbstsemester Wavelet-Transformation
2 Inhalt Probleme der Fourier-Analysis Übergang zur Wavelet-Transformation Kontinuierliche Wavelet-Transformation (CWT) Diskrete Wavelet-Transformation (DWT) Schnelle DWT (FWT) PGF als Beispiel für die Bildkompression Wie ist PGF aufgebaut? Wie schneidet PGF ab? PGF im Einsatz FHNW bveri HS - Prof. Dr. C. Stamm
3 Lernziele Sie kennen die Probleme der Fourier-Analyse und den gedanklichen Übergang zur Wavelet- Transformation. Sie verstehen die schnelle, diskrete Wavelet- Transformation (FWT) und deren zweidimensionale Anwendung auf Bilder. Sie kennen die Prozesskette und die einzelnen Schritte eines modernen Bildformates für verlustlose und verlustbehaftete Bildkompression. FHNW bveri HS - Prof. Dr. C. Stamm 3
4 Motivation FHNW bveri HS - Prof. Dr. C. Stamm 4
5 Problematik der FT (D) cos( t) + cos( t) Hz Hz FHNW bveri HS - Prof. Dr. C. Stamm 5
6 Problematik der FT (D) örtliche Lokalisierung der auftretenden Frequenzen ist anhand des Frequenzspektrums nicht möglich Beispiel die zwei schrägen Balken im Mauerwerk finden ihren deutlichen Niederschlag im Frequenzspektrum die zwei schrägen Linien im Spektrum geben aber nur die Richtung der beiden Balken wieder sie sagen aber nichts über die genaue Position der beiden Balken aus FHNW bveri HS - Prof. Dr. C. Stamm 6
7 Erhöhung der Lokalität Windowed Fourier Transform (WFT) das Bild wird in einzelne, disjunkte Fenster aufgeteilt für jedes Fenster wird eine separate FT durchgeführt Vorteile Lokalisierung bezüglich Fenster, aber nicht innerhalb des Fensters je kleiner die Fenster, desto besser die Lokalisierung Nachteile kleine Fenster erfassen nur hohe Frequenzen tiefe Frequenzen werden ungenügend erkannt je grösser das Fenster, desto aufschlussreicher das Frequenzspektrum FHNW bveri HS - Prof. Dr. C. Stamm 7
8 Übergang zu Wavelets Windowed Fourier Transform starre Frequenz-Zeit-Auflösung (Bild links; Achtung das Bild bezieht sich auf eine eindimensionale WFT) Wavelet Transform hohe Frequenzauflösung bei tiefen Frequenzen, aber geringe zeitliche Lokalisierung geringe Frequenzauflösung bei hohen Frequenzen, aber gute zeitliche Lokalisierung FHNW bveri HS - Prof. Dr. C. Stamm 8
9 Einsatz der WT Datenverdichtung Bilder: JPEG, PGF, MPEG-4 Audio Multi Resolution Models Daten in verschiedenen Auflösungsstufen zur Verfügung stellen alle Auflösungsstufen in einem kompakten Format zusammenhalten keine disjunkten Datensätze, sondern alle Daten werden benötigt, um die höchste Auflösungsstufe zu rekonstruieren FHNW bveri HS - Prof. Dr. C. Stamm 9
10 Multi Resolution Models FHNW bveri HS - Prof. Dr. C. Stamm
11 Idee der Bildpyramide FHNW bveri HS - Prof. Dr. C. Stamm
12 Umsetzung der Pyramide FHNW bveri HS - Prof. Dr. C. Stamm
13 Mathe-Exkurs L -Norm (auch L -Norm) L geht auf franz. Mathematiker Lebesgue zurück l -Norm ist eine Vektornorm L -Norm ist eine Norm für Funktionen (x) x x x x n ( ) x x n k dx x k basierend auf dem Skalarprodukt FHNW bveri HS - Prof. Dr. C. Stamm f ( x) g( x) f ( x) g( x) dx 3
14 Wavelets die kleinen Wellen Mother Wavelet und Wavelet-Familien Mother Wavelet: Basis-Wavelet durch Skalierung (a > ) und Verschiebung (b) kann aus einem Basis-Wavelet eine ganze Wavelet-Familie erzeugt werden a, b ( x) a x b a Anforderungen an Mother Wavelets L, (x) = L -Norm muss gleich sein ( x) dx oder F( )() Mittelwert ist FHNW bveri HS - Prof. Dr. C. Stamm 4
15 Bekannte Mother Wavelets Haar Daubechies 4 Daubechies Wavelet Wavelet Wavelet Filtergalerie im Web FHNW bveri HS - Prof. Dr. C. Stamm 5
16 Bsp: Wavelet-Familie FHNW bveri HS - Prof. Dr. C. Stamm 6
17 Geschichtlicher Abriss ab 9 Vorläufer von Wavelets aber ohne wohlklingende Namen 6er Jahre Nachteile der WFT sind bekannt Wavelet-ähnliche Ansätze werden verwendet z.b. Jean Morlet, Geophysiker, Einsatz in Erdölerkundung frühe 8er Jahre zahlreiche mathematische Arbeiten sind bekannt Begriff Wavelet ist noch nicht verbreitet 986 Ingrid Daubechies (Belgierin) konstruiert erstmals orthogonale Wavelets mit kompaktem Träger mit Hilfe eines Iterationsverfahrens 989 wichtige Arbeit von Stéphane Mallat zur Theorie der Mehrfachauflösung mit der Formulierung der schnellen Wavelet- Transformation (FWT) FHNW bveri HS - Prof. Dr. C. Stamm 7
18 CWT a, b CWT Grundidee der Continuous Wavelet Transform Ausgangssignal f(x) wähle beliebiges Wavelet berechne Skalarprodukt von a,b mit f(x) für alle möglichen Paare von a und b die berechneten Werte sind die Wavelet-Koeffizienten CWT a,b Vorwärtstransformation ( f ) f ( x) a, b f ( x) a, Rücktransformation (Rekonstruktion) dadb f ( x) CWT a, b( f ) a, b CWTa, b( f ) a, b( x) a R R b ( x) dx FHNW bveri HS - Prof. Dr. C. Stamm 8
19 Grafische Anschauung FHNW bveri HS - Prof. Dr. C. Stamm 9
20 CWT, DWT und FWT Problem der CWT es gibt unendliche viele Parameterpaare (a,b) es ist unklar, welche Parameterpaare (a,b) erforderlich sind, um eine vollständige Rekonstruktion zu ermöglichen Lösungsansatz DWT üblicherweise sind diskrete Signale mit begrenzter Abtastung gegeben für diskrete Signale muss eine endliche Zahl von Parameterpaaren (a,b) ausreichen, so dass eine Rücktransformation ohne Verlust möglich ist Discrete Wavelet Transform (DWT) Durchbruch: FWT Multiresolution Analysis führte zum Algorithmus der schnellen DWT Fast Wavelet Transform (FWT) FHNW bveri HS - Prof. Dr. C. Stamm
21 FWT mit Haar-Wavelets Ausgangssignal diskretes Signal bestehend aus beispielsweise 8 Werten Wavelet-Familie Haar Wavelet unterschiedlich skaliert und verschoben (siehe Bild) Anwendung Durchschnittsberechnung mit Haar (Amplitude: /8) Detailberechnungen mit den restlichen Wavelets FHNW bveri HS - Prof. Dr. C. Stamm
22 FWT Beispiel Input A B C D E F G H Detail A/ - B/ B/ - A/ C/ - D/ D/ - C/ E/ - F/ F/ - E/ G/ - H/ H/ - G/ Durchschnitt Detail AB := A/ + B/ AB/ - CD/ CD := C/ + D/ CD/ - AB/ EF := E/ + F/ EF/ - GH/ GH := G/ + H/ GH/ - EF/ Durchschnitt Detail 3 ABCD := AB/ + CD/ ABCD/ - EFGH/ EFGH := EF/ + GH/ EFGH/ - ABCD/ Durchschnitt 3 ABCD/ + EFGH/ Rekonstruktion Details + Durchschnitt 3 Input Detail Durchschnitt Detail Durchschnitt Detail 3 Durchschnitt Rekonstruktion FHNW bveri HS - Prof. Dr. C. Stamm 3
23 FWT als Filteroperation Betrachtungsweise Haar und Haar skaliert auf ein Intervall der Länge Amplitude von Haar wird zu ½ (nicht normalisiert) Amplituden von Haar werden zu ½ und ½ (nicht normalisiert) Schreibweise als Filterkoeffizienten Haar = [ ½, ½ ] =: low (Skalierungsfunktion, Tiefpass) Haar = [ ½, ½ ] =: high (Waveletfunktion, Hochpass) Anwendung. Ausgangssignal jeweils mit low und high falten. Schritt mit dem zuvor skalierten (low) Signal wiederholen FHNW bveri HS - Prof. Dr. C. Stamm 4
24 Rücktransformation Generelle Rekonstruktion des Ausgangssignals im Wesentlichen wieder ein Skalarprodukt mit einem Wavelet Analyse- und Synthese-Wavelet müssen nicht identisch sein bei der FWT Verwendung eines Synthese-Filterpaares, passend zum Analyse-Filterpaar und Anwendung der Faltung Beispiel: linkes Haar-Synthesefilter = [, ] rechtes Haar-Synthesefilter = [, ] FHNW bveri HS - Prof. Dr. C. Stamm 5
25 FWT Filterbank Bi-orthogonale Filterbank (h L, h H ): Filterpaar der Vorwärtstransformation (Low, High) (g L, g R ): Filterpaar der Rückwärtstransformation (Left, Right) Rücktransformationsfilter können aus der Vorwärtstransformationsfilter abgeleitet werden Beispiel Daubechies 5/3, bi-orthogonal [PGF, JPEG] h g h L L L g R 4 und h g H,,6,, h,, H,, g,,6,, R L 4 FHNW bveri HS - Prof. Dr. C. Stamm 6
26 7 Daubechies 5/3 Transformationsmatrizen für Signalvektor der Länge Vorwärtstransformation Rücktransformation FHNW bveri HS - Prof. Dr. C. Stamm
27 FWT in zwei Dimensionen Grundidee wie bei der DFT wird für mehrere Dimensionen auf die eindimensionale Transformation zurückgegriffen Filterpaare müssen auch normalisiert sein ( L -Norm = ) Standard Dekomposition mehrstufige FWT für jede Zeile eines Bildes mehrstufige FWT für jede Spalte des zeilentransformierten Bildes Nicht-Standard Dekomposition Filterschritt für jede Zeile eines Bildes durchführen Filterschritt für jede Spalte des zeilentransformierten Bildes vier Qudranten entstehen: LL, HL, LH, HH rekursiv den Quadranten LL wieder filtern FHNW bveri HS - Prof. Dr. C. Stamm 8
28 D-FWT: Dekompositionen Standard-Decomposition Non Standard-Decomposition FHNW bveri HS - Prof. Dr. C. Stamm 9
29 PGF als Beispiel Progressive Graphics File (PGF) bestens geeignet für natürliche Bilder PGF JPEG JK PNG GIF natürliches Bild künstliches Bild FHNW bveri HS - Prof. Dr. C. Stamm 3
30 FHNW bveri HS - Prof. Dr. C. Stamm 3
31 Features Datenkompression verlustlos: sehr hohe Kompressionsrate verlustbehaftet: sehr gute Bildqualität/Kompressionsrate Progressivität kontinuierlicher Datenstrom erlaubt schrittweise Erhöhung der Auflösung verschiedene Farbmodi Modus Bits max. Kanalbreite: 3 Bit sehr schnelles Codec symmetrisches Codec nur Integer-Arithmetik geeignet für HW-Umsetzung Bitmap Grayscale 8/6/3 RGB /6/4/48 RGBA 3 CMYK 3/64 L*a*b* 3/64 FHNW bveri HS - Prof. Dr. C. Stamm 3
32 Wie ist PGF aufgebaut? originial image color transform (RGB to YUV) DWT quantization encoding encoded image reconstructed image inv. color transform (YUV to RGB) inverse DWT dequanti - zation decoding Originalbild Farbtransformation Diskrete Quantisierung Codierung Komprimiertes Wavelet-Transformation PGF-Bild Beispiele Ziel Reduktion möglichst Informationskonzentration Bitmap, möglichst gute der Graustufenbild, Anzahl kompakte Redundanz Qualität unterschiedlicher bei Speicherung innerhalb maximaler RGB, auf einen RGBA, eines Codierungsgeschwindigkeit Wavelet-Koeffizienten Kanal Datei CMYK, Kanals L*a*b* und Erzeugung Beispiele von (einziger und RGB Koeffizienten minimaler RLE, nach Ort, Huffman, wo YUV Dateigrösse Verlust mit (je LZW kleinem nach entsteht) Originalbild) Absolutwert FHNW bveri HS - Prof. Dr. C. Stamm 33
33 Farbtransformation Separation von Helligkeits- und Farbinformation schafft Voraussetzung für stärkere Quantisierung bei den Farbkanälen U und V RGB R: ~ 3% G: ~ 4% B: ~ 3% YUV FHNW bveri HS - Prof. Dr. C. Stamm Y: ~ 9% U: ~ 5% V: ~ 5% 34
34 Bilddaten-Dekorrelation Ausgangslage Innerhalb eines Farbkanals gibt es noch weitere Redundanz (z.b. Flächen mit gleicher Farbe) Ziel Reduktion der Redundanz Ansatz Transformation vom Bild- in den Frequenzraum DCT (discrete cosine transform) schnell, einfach Blockbildung Einsatz in JPEG und MPEG DWT (discrete wavelet transform) schnell, einfach keine Blockbildung verlustlose Integer-Arithmetik möglich Einsatz in PGF, JPEG, MPEG-4 FHNW bveri HS - Prof. Dr. C. Stamm 35
35 DWT 5/3 Wavelet Filterbank L 4,,6,, H,4, kann ganzzahlig implementiert werden, obwohl Faktor vorkommt Normalisierung der Filterkoeffizienten ist relativ kurz (kleine Anzahl von Filterkoeffizienten) effizientere Implementierung längere Filter sind oft besser gehört zu den besten Filtern für Bildverarbeitung Integer-Implementierung mit Erhaltung der Genauigkeit 4 FHNW bveri HS - Prof. Dr. C. Stamm 37
36 Zweidimensionale DWT FHNW bveri HS - Prof. Dr. C. Stamm 38
37 D-DWT 4-stufig FHNW bveri HS - Prof. Dr. C. Stamm Lena 39
38 DWT: Energieverdichtung Histogramme Lena Original nach dreistufiger DWT FHNW bveri HS - Prof. Dr. C. Stamm 4
39 Quantisierung Ziele möglichst kleine Anzahl von unterschiedlichen Wavelet- Koeffizienten Koeffizienten mit kleinen Absolutwerten (viele Nullen) Ansatz Zusammenfassen von ähnlich grossen Wavelet- Koeffizienten in Gruppen Quantisierung anstatt des Wertes eines Wavelet-Koeffizienten wird seine Gruppennummer abgespeichert für jede Gruppe muss die Spannweite abgespeichert werden Quantisierungstabelle je Grösser die Spannweite einer Gruppe, desto grösser der Informationsverlust ohne Quantisierung kein Informationsverlust FHNW bveri HS - Prof. Dr. C. Stamm 4
40 Skalare Quantisierung Grundschema uniform: die Spannweiten aller Gruppen sind gleich lang (Zweierpotenzen) keine Quantisierungstabelle notwendig sehr einfach, alle Koeffizienten durch die Spannweite dividieren dead zone grösseres Intervall um Null herum, in welchem alle Koeffizienten auf Null gesetzt werden die meisten Wavelet-Koeffizienten sind um Null herum sehr grosse Gruppe mit wenig Informationsverlust FHNW bveri HS - Prof. Dr. C. Stamm 4
41 Progressive Kodierung Ziele eingebundener Bitstrom (sequentielles Lesen des kodierten Bitstromes erlaubt progressives Erhöhen der Bildauflösung) schnelles, progressives Kodierungsschema gute Komprimierungsrate Ansatz Wavelet-Koeffizienten getrennt nach Level abspeichern Umordnen der Wavelet-Koeffizienten, so dass Koeffizienten mit ähnlich grossem Absolutwert nahe beieinander liegen Bit-Plane-Kodierung mit adaptivem RLE (wir nur verwendet, wenn er effektiv was bringt) FHNW bveri HS - Prof. Dr. C. Stamm 43
42 Dateistruktur PGF Header Grösse in Pixel Anzahl Kanäle Farbmodus pro Level die Länge (jeder Level der Pyramide separat) Dateistruktur (eingebundener Bitstrom) codierte Wavelet- Koeffizienten für jeden Farbkanal des entsprechenden Levels FHNW bveri HS - Prof. Dr. C. Stamm 44
43 Umordnen der Koeffizienten Idee Koeffizienten in den zusammengehörigen LH- und HL- Subbands an der gleichen Bildposition ähnlich gross 3 LL LH HL HH HL LH 43 HH LH HL 8 HH FHNW bveri HS - Prof. Dr. C. Stamm 45
44 46 Bitplane-Kodierung Verfahren umgeordnete, quantisierte Absolutwerte der Koeffizienten werden in Makroblöcke gleicher Länge aufgeteilt pro Makroblock Bitplane-Kodierung anwenden Aufteilung in und Verfeinerungsbits signifikante Bits enthalten sehr lange Folgen von Nullen und werden deshalb adaptiv lauflängenkodiert MSB LSB FHNW bveri HS - Prof. Dr. C. Stamm
45 Lauflängenkodierung (RLE) Annahme lange Sequenzen von Nullen statisches Verfahren Codewort Inputsequenz k Nullen n n < n < k Nullen gefolgt von einer, positives Vorzeichen an der Stelle i < n < k Nullen gefolgt von einer, negatives Vorzeichen an der Stelle i n wird mit k Bits abgespeichert FHNW bveri HS - Prof. Dr. C. Stamm 47
46 Adaptives RLE Problem der bestmögliche Wert für k hängt vom Input ab wird k zu gross gewählt, so werden zu viele Bits verwendet, um n abzuspeichern schlechte Effizienz wird k zu klein gewählt, so werden zu viele Codeworte erzeugt schlechte Effizienz Ansatz (adaptiv) k nach jedem Codewort anpassen k mit initialisieren nach einem Codewort : k++ nach einem andern Codewort: k-- (k > ) FHNW bveri HS - Prof. Dr. C. Stamm 48
47 Wie schneidet PGF ab? Testbilder ersten acht Bilder des Kodak-Testsets natürliche Farbbilder (5 x 768 Pixels) Plattform Dell Dimension 45, Intel Pentium 4,.4 GHz GByte RAM Windows XP Konkurrenz verlustlos verlustbehaftet WinZip 8. JPEG 6b (IJG.org) TIFF-LZW JPEG (J.org) PNG.. JPEG-LS. JPEG (J.org) FHNW bveri HS - Prof. Dr. C. Stamm 49
48 ratio, time [s] Verlustlose Codierung WinZip PNG JPEG-LS PGF JK J.org..5. ratio encoding decoding FHNW bveri HS - Prof. Dr. C. Stamm 5
49 PSNR Verlustbehaftet 55 5 PSNR log n n p i q i i 55 JK J.org PGF JPEG Ratio FHNW bveri HS - Prof. Dr. C. Stamm 5
50 Seconds Seconds Verlustbehaftet Encoding Time JK J.org PGF JPEG Decoding Time Ratio FHNW bveri HS - Prof. Dr. C. Stamm 5
51 PGF im Einsatz Verfügbarkeit Konsolenapplikation zu Testzwecken (PC) xeraina Image Viewer Codec (PC, Mac, Linux) unter Erweiterung PGFext für riesige Bilder auf Externspeicher Zusätzliche Infos FHNW bveri HS - Prof. Dr. C. Stamm 53
KTI-Projekt Hochgeschwindigkeitskameras mit integrierter Videokompression
1.5 GPixel/s komprimieren KTI-Projekt Hochgeschwindigkeitskameras mit integrierter Videokompression IMVS: Christoph Stamm IME: Michael Pichler, Dino Zardet, Nils Frey, Marcel Baier in Zahlen und Stichworten
MehrKap. 7: Wavelets. 2. Diskrete Wavelet-Transformation (DWT) 4. JPEG2000. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 1
Kap. 7: Wavelets. Die kontinuierliche Wavelet-Transformation (WT). Diskrete Wavelet-Transformation (DWT) 3. Sh Schnelle Wavelet-Transformation ltt ti (FWT) 4. JPEG000 H. Burkhardt, Institut für Informatik,
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,
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)
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
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
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
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
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
MehrErgebnis einer globalen Op. im Punkt (x, y): abhängig vom gesamten Eingabebild hoher Rechenaufwand (bis zu O(n 4 )!)
4.3. Globale Operationen Ergebnis einer globalen Op. im Punkt (x, y): abhängig vom gesamten Eingabebild hoher Rechenaufwand (bis zu O(n 4 )!) globale Op. spielen wichtige Rolle in techn. Signalverarbeitung
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
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
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
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
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,
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
MehrJPEG-Standbildcodierung
JPEG-Standbildcodierung Dipl.-Ing. Guido Heising Digitale Videotechnik, SS 02, TFH Berlin, Dipl.-Ing. G. Heising G. Heising, K. Barthel, G. Blättermann 1 Gliederung der Vorlesung Einführung JPEG (1992)
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....................
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
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
MehrBildverarbeitung Herbstsemester 2012. Fourier-Transformation
Bildverarbeitung Herbstsemester 2012 Fourier-Transformation 1 Inhalt Fourierreihe Fouriertransformation (FT) Diskrete Fouriertransformation (DFT) DFT in 2D Fourierspektrum interpretieren 2 Lernziele Sie
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. 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
MehrSeminararbeit. Wavelet-basierte Bilddatenkompression. Fachbereich Elektrotechnik und Informatik. Christian Hahn Fachhochschule Coburg, 2007
Fachbereich Elektrotechnik und Informatik Seminararbeit Wavelet-basierte Bilddatenkompression Verfasser: Fach: Betreuer: Christian Hahn Informatik-Seminar Professor Engel Wavelet-basierte Bilddatenkompression
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,
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
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
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
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,
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,
MehrKompressionsverfahren
Kompressionsverfahren Quelle: Steinmetz, Ralf: Multimedia-Technologie: Einführung und Grundlagen, Springer, Verlag Verlustlose Kompressionsalgorithmen RLC Huffman Adaptive Huffman Kodierung Arithmetische
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
MehrVerlustbehaftete Kompression. Verfahren zur verlustbehafteten Bildkodierung (auch verlustfreier Modus vorhanden)
Verlustbehaftete Kompression JPEG: Joint Photographic Experts Group ITU T8.1 definiert Zusammenarbeit von ITU, IEC, ISO Verfahren zur verlustbehafteten Bildkodierung (auch verlustfreier Modus vorhanden)
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:
Mehr3.6 Globale Operationen
3.6 Globale Operationen Ergebnis einer globalen Op. im Punkt (x, y): abhängig vom gesamten Eingabebild hoher Rechenaufwand (bis zu O(n 4 )!) globale Op. spielen wichtige Rolle in technischer Signalverarbeitung
MehrBildverarbeitung: Fourier-Transformation. D. Schlesinger () BV: Fourier-Transformation 1 / 16
Bildverarbeitung: Fourier-Transformation D. Schlesinger () BV: Fourier-Transformation 1 / 16 Allgemeines Bilder sind keine Vektoren. Bilder sind Funktionen x : D C (Menge der Pixel in die Menge der Farbwerte).
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)
MehrBildkompression Proseminar Datenkompression Daniel Koch
Bildkompression Proseminar Datenkompression Daniel Koch 0 Inhalt INHALT...1 VERLUSTFREIE KOMPRESSIONSVERFAHREN...2 VERLUSTBEHAFTETE KOMPRESSIONSVERFAHREN...3 YUV-FARBREDUKTION...3 QUANTISIERUNG...3 JPEG...4
MehrWavelets. Ursprung und Entwicklung: Kurzbeschreibung der WFT (Windowed Fourier Transformation)
Wavelets Ursprung und Entwicklung: - ondelette (frz. kleine Welle, Wellchen); onde (Wave) und lette (let) ins engl.übertragen - Bereits zu Beginn des 20.Jh. schuf Alfred Haar das nach ihm benannte Haar-Wavelet
MehrComputergraphik II. Level-of-Detail. Oliver Deussen Level-of-Detail 1
Level-of-Detail Oliver Deussen Level-of-Detail 1 Motivation: Scanner und andere Meßgeräte liefern b-reps mit hohen Auflösungen Beispiel: 3D-Abtastung einer Karosserie ergibt 30 Mio Dreiecke Probleme: ineffizient
MehrBarbara Burke Hubbard. wavelets. Die Mathematik der kleinen Wellen. Aus dem Amerikanischen von Michael Basler. Birkhäuser Verlag Basel Boston Berlin
Barbara Burke Hubbard wavelets Die Mathematik der kleinen Wellen Aus dem Amerikanischen von Michael Basler Birkhäuser Verlag Basel Boston Berlin Inhaltsverzeichnis An den Leser 11 Danksagungen 17 1 Die
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
MehrWavelet-Bildkompression Entwurf, Realisierung und Vergleich von Methoden der Bildcodierung und -decodierung
Fachbereich Allgemeinwissenschaften und Informatik GEORG-SIMON-OHM FACHHOCHSCHULE NÜRNBERG DIPLOMARBEIT Wavelet-Bildkompression Entwurf, Realisierung und Vergleich von Methoden der Bildcodierung und -decodierung
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
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
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
MehrDigitalisierung und Kodierung
Digitalisierung und Kodierung Digitale Medien liegen in digitaler Form vor Deshalb werden analoge Medien digitalisiert und geeignet kodiert Ziel der Digitalisierung: effiziente Berechnung wenig Verluste
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,
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
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
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
MehrMultimediatechnik / Video
Multimediatechnik / Video Codierung, Datenreduktion Quantisierung, Lauflängencodierung DCT, JPEG http://www.nanocosmos.de/lietz/mtv Inhalt Codierung digitaler Signale Datenreduktion (Kompression) Verlustfrei
MehrAnimation und Multimedia
Bewegtbildmedien: Video 2 Prof. Dr.-Ing. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Rückblick Grundprobleme und technische Lösungen der Bewegtbildmedien Analog-Video Primärparameter
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
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
MehrPerlen der Informatik I Wintersemester 2012 Aufgabenblatt 6
Technische Universität München WS 2012 Institut für Informatik Prof. Dr. H.-J. Bungartz Prof. Dr. T. Huckle Prof. Dr. M. Bader Kristof Unterweger Perlen der Informatik I Wintersemester 2012 Aufgabenblatt
MehrSeminar zur Numerischen Analysis im Wintersemester 2008/2009. Signalverarbeitung und Wavelets. Bilddatenkompression mit JPEG und JPEG2000
Seminar zur Numerischen Analysis im Wintersemester 2008/2009 Signalverarbeitung und Wavelets Bilddatenkompression mit JPEG und JPEG2000 Laura Hochstrat 06.02.2009 Inhaltsverzeichnis 1 Einleitung 2 2 Grundlagen
MehrU6: Webgerechte Bilder
Konzeption Gestaltung U6: Webgerechte Bilder BILDAUFLÖSUNG UND GRÖSSE Auflösung bestimmt die Anzahl an Punkten (dots), die pro Längeneinheit (cm oder inch) zur Verfügung steht und wird demzufolge n der
MehrBilddatenkompression
Tilo Strutz Bilddatenkompression Grundlagen, Codierung, MPEG, JPEG Mit 134 Abbildungen und 55 Tabellen Herausgegeben von Otto Mildenberger vieweg VII 1 Einführung 1 2 Grundlagen der Datenkompression 5
MehrGraphische Datenverarbeitung
Graphische Datenverarbeitung Bildkompression & Dateiformate Prof. Dr. Elke Hergenröther Gründe für eine Kompression Unkomprimierte Rasterbilder benötigen: viel Speicherplatz hohe Bandbreite zur Übertragung
MehrReduktionsverfahren in der Bildverarbeitung
Reduktionsverfahren in der Bildverarbeitung Klaus BRAUN 1 Kompressionsverfahren 1.1 Grundlagen Fernerkundungsdaten sind aufgrund ihrer Flächendeckung, ihrer hohen räumlichen Auflösung und ihrer exakten
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
MehrRunde 9, Beispiel 57
Runde 9, Beispiel 57 LVA 8.8, Übungsrunde 9,..7 Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 3..7 Angabe Seien y, z C N und c, d C N ihre Spektralwerte. Außerdem bezeichne (x k ) k die N - periodische
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
MehrLokale Frequenzanalyse
Lokale Frequenzanalyse Fourieranalyse bzw. Powerspektrum liefern globale Maße für einen Datensatz (mittleres Verhalten über die gesamte Länge des Datensatzes) Wiederkehrdiagramme zeigten, dass Periodizitäten
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
MehrJPEG, MPEG & Co. - Alex Titze. JPEG, MPEG & Co. Alex Titze Referat WS 2004 Konzepte Interaktiver Medien FHTW Berlin.
JPEG, MPEG & Co. Alex Titze 76900504811 Referat WS 2004 Konzepte Interaktiver Medien FHTW Berlin Seite 1 von 12 Inhaltsverzeichnis 1 Einleitung (Abstract) 3 1.1 Deutsch 3 1.2 English 3 2 JPEG 4 2.1 Geschichte
MehrDIGITALISIERUNG VON BILDERN. Ivana
DIGITALISIERUNG VON BILDERN Ivana WAS IST DIGITALISIERUNG? Begriff aus dem Lateinischen Überprüfung analoger Größen diskrete Werte Produkt = Digitalisat Analoge Speicherung von Informationen auf digitalen
MehrMusterlösung. Prüfung: Datenformate für interaktive Medien + Computergrafik und Bildverarbeitung
Musterlösung Prüfung: Datenformate für interaktive Medien + Computergrafik und Bildverarbeitung DFIM+CGBV (SS 2006) 13.10.2006 Name (bitte in Blockschrift) Matrikelnummer Unterschrift Hinweise: Überprüfen
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!
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...
MehrEike Müller. Kompression-Algorithmen für Bilder. 3. Juli 2013
Eike Müller Kompression-Algorithmen für Bilder 3. Juli 23 Inhaltsverzeichnis Huffman-Kodierung 2. Präfixfreie Codes................................. 2.2 Huffman Code.................................. 3.3
MehrDiskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)
Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher
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
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
MehrVideos für das Internet
Videos für das Einleitung Verfahren zur Datenkompression MPEG, die 3 Großen und andere Encoder und Decoder (Codec) Streaming Video Literatur und Links 25. DECUS Symposium 3K03 Videos für das Dr. Norbert
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
MehrDigitale Medien. Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid. Übung zur Vorlesung
Übung zur Vorlesung Digitale Medien Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid Wintersemester 2016/17 LZW-Komprimierung Idee: Nicht einzelne Zeichen werden günstig kodiert, sondern ganze Zeichenketten
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
MehrDatenkompressionsverfahren für mobile Endgeräte
Datenkompressionsverfahren für mobile Endgeräte Dr.-Ing. Michael Thierschmann IfKom-Forum 2002 15. März 2002 Übersicht Firmenprofil Grundlagen der Datenkompression Kompressionsverfahren Kodierungstechniken
Mehr16 - Kompressionsverfahren für Texte
16 - Kompressionsverfahren für Texte Prof. Dr. S. Albers Kompressionsverfahren für Texte Verlustfreie Kompression Original kann perfekt rekonstruiert werden Beispiele: Huffman Code, Lauflängencodierung,
MehrAlgorithmen und Datenstrukturen (für ET/IT) Programm heute. Wintersemester 2012/13. Dr. Tobias Lasser. 7 Fortgeschrittene Datenstrukturen
Algorithmen und Datenstrukturen (für ET/IT) Wintersemester 202/3 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute 7 Fortgeschrittene Datenstrukturen 8 Such-Algorithmen
MehrDigitale Medien. Übung
Digitale Medien Übung Übungsbetrieb Informationen zu den Übungen: http://www.medien.ifi.lmu.de/dm Zwei Stunden pro Woche Praktische Anwendungen des theoretischen Vorlesungsstoffs Wichtige Voraussetzung
MehrTagged Image File Format. Im Printbereich neben EPS sehr verbreitet.
1.1 Pixelgrafik (auch ) Beispiel: Bei en wird das Bild in kleine Quadrate (Pixel) zerlegt. Für jedes Pixel wird die entsprechende Farbe gespeichert. Ein Foto kann nur durch eine große Zahl von Pixeln realistisch
MehrVerlustfreie Kompressionsverfahren. RLE, LZW, Huffmann, CCITT, ZIP
Verlustfreie Kompressionsverfahren RLE, LZW, Huffmann, CCITT, ZIP Run-Length-Encoding (RLE) Sinnvoll beim Auftreten von stark redundanten Datenmustern, wie z. B. flächige Farben Verwendung eines Kennzeichens
MehrSeminar: 3D im Web. Kompression von 3D Szenen. Thorsten Gellermann
Seminar: 3D im Web Kompression von 3D Szenen Thorsten Gellermann Übersicht Einführung Huffman Codierung Quantisierung Gittermodelle Kompression von Gittermodellen Single Resolution Verfahren Multi Resolution
MehrInstitut für Softwaretechnik und Interaktive Systeme Interaktive und Multimediale Systeme Technische Universität Wien
Institut für Softwaretechnik und Interaktive Systeme Interaktive und Multimediale Systeme Technische Universität Wien Projektpraktikum (mit Bakkalaureatsarbeit) SS 2004 JPEG vs. JPEG2000 Thema Nr. 26 Wien,
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.
MehrBild-Erfassung Digitalisierung Abtastung/Quantisierung
Multimediatechnik / Video Bild-Erfassung Digitalisierung Abtastung/Quantisierung Oliver Lietz Bild-Erfassung Abtastung / Digitalisierung Scanner: Zeilenweise Abtastung mit CCD Digitale Kamera: Flächenweise
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
Mehr43 Fourierreihen Motivation Fourierbasis
43 Fourierreihen 43. Motivation Ähnlich wie eine Taylorreihe (vgl. MfI, Kap. 2) eine Funktion durch ein Polynom approximiert, wollen wir eine Funktion durch ein trigonometrisches Polynom annähern. Hierzu
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...
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
MehrHauptdiplomklausur Informatik Februar 2006: Multimedia Systems
Universität Mannheim Fakultät für Mathematik und Informatik Lehrstuhl für Praktische Informatik IV Prof. Dr.-Ing. W. Effelsberg Hauptdiplomklausur Informatik Februar 2006: Multimedia Systems Name: Matrikel-Nr.:
MehrProbeklausur. Grundlagen der Medieninformatik. Wintersemester 2018/19
Wintersemester 2018/19 Hinweise: Die Bearbeitungszeit beträgt 80 Minuten. 1 Punkt entspricht ungefähr einer Minute. Hilfsmittel sind keine erlaubt außer einem nicht programmierbarem Taschenrechner. Verwenden
MehrKompression. Tim Kilian
Kompression Tim Kilian Seminar Effiziente Programmierung Arbeitsbereich Wissenschaftliches Rechnen Fachbereich Informatik Fakultät für Mathematik, Informatik und Naturwissenschaften Universität Hamburg
MehrKompressionsverfahren für Texte
Kompressionsverfahren für Texte Prof. Dr. S. Albers Prof. Dr. Th. Ottmann 1 Zeichenkettenverarbeitung Suche in Texten, Textindizes Mustererkennung (Pattern-Matching) Verschlüsseln Komprimiern Analysieren
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
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
Mehr