Das Ziel einer Transformationscodierung ist, die Korrelation zwischen den Pixeln zu
|
|
- Reinhardt Fiedler
- vor 6 Jahren
- Abrufe
Transkript
1 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 (Fourierkoeff.) weitgehend unkorrelierte Verhältnisse. Man eliminiert damit die stoch. Abhängigkeit, so dass die transf. Bilder unkorreliert oder weiß sind (keine Möglichkeit mehr zur Prädiktion). Man unterscheidet zwischen: Einzelbildcodierung: Dekorrelation im Ortsbereich x (still image coding) Bildsequenzcodierung: Dekorrelation im Zeitbereich t (image sequence coding) x x x 2 x 2 x t H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I
2 Stochastisches h Modell llfür die Einzelbildcodierung Ein Bild wird unterteilt in Teilbilder z.b. der Größe 8 8. Die Einzelbilder {X ij } j der Größe 8 8 bilden das Ensemble für die stochastische Betrachtung. Also hier z.b. für eine Bildmatrix der Dimension N N=32 32: X X X2 X3 X X X2 X3 X 2 X2 X22 X23 X3 X3 X32 X33 X H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 2
3 Zur Illustration diene das folgende Beispiel Wir nehmen eine 3-Bit-Codierung der Grauwerte an (8 Graustufen). Wir gruppieren zwei benachbarte Pixel der Größe 2 zu Teilbildvektoren: X x x ij i j Falls man das Ensemble von Teilbildvektoren {X ij } im zweidimensionalen Raum aufträgt, erhält man die folgenden 64 Vektoren: y 2 x 2 y Die Vektoren sind jedoch nicht alle gleichwahrscheinlich! Es ist unwahrscheinlich dass x einen hohen Wert hat und x 2 einen niedrigen. Da benachbarte Pixel mit hoher Wahrscheinlichkeit ähnlich große Werte besitzen, gruppieren sich die Vektoren um die. Hauptdiagonale: x x 2! x => Dekorrelation mit KLT!! H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 3
4 Ziele des vollen JPEG-Standards. Einstellbare Qualitäts-/Kompressionswerte (Parameter) 2. Verlustfreie Codierung möglich 3. Hierarchische h Codierung (Verschiedene Auflösungen möglich) H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 4
5 Baseline-Sequential-CODEC (CODEC ist die Zusammenfassung von Coder und Decoder.). Shift der Grauwerte von [,2 p -] zu signed integers [-2 p-,2 p- -] 2. Anwendung der DCT (8 8): => DC-Koeffizient, 63 AC-Koeff. (Separater Entwurf für 8-Bit (Video) und 2-Bit Bilder (Medizin)) i 3. Quantisierer (verlustbehaftet) 4. Separate Codierung für die DC-Komponente, da wertemäßig sehr hoch! Differential encoding (DPCM) wegen hoher Korrelation zu benachbarten Blöcken. 5. Zig-Zag-Sequenz g der AC-Koeffizienten. Verbessert die anschließende Entropie- Kodierung (niederfrequente Anteile sind größer als hochfrequente Anteile), da in der Zig-Zag-Sequenz die Pixel stärker korreliert (benachbart) sind. 6. Entropie-Kodierung (verlustfrei) a) Huffman-Kodierung bei Baseline b) Arithmetische Kodierung (benötigt keine Kodier-Tabellen, adaptiert sich ans Bild) Die Huffman-Tabellen sind vordefiniert, eine für DC und eine für AC. Vor der Huffman-Kodierung wird zuerst eine Lauflängenkodierung (run-lenght- coding) )durchgeführt. h H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 5
6 Der Übergang vom RGB- auf den YUV-Farbraum. R,G,B Farbaum (rot,grün,blau) 2. YU Y,U,V: Aufteilung in Luminanzkanal ly und din 2Chrominanz-Signale U,V Y R G B R R U G B G G T V R G B B R Y Y G U U T B V V 3. C-M-Y-K, eine redundante Farbkodierung wird in der Druckindustrie verwendet (cyan, magenta, gelb, schwarz). Nichtlinearität der menschlichen Wahrnehmung: Das Auge ist wesentlich empfindlicher für die Luminanz (Helligkeit) als für die Chrominanz (Farbe). Deshalb gröbere Quantisierung der Chrominanz als bei der Luminanz und auch geringere örtliche Abtastung: H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 6
7 Qualität und Codierungsaufwand Unkomprimiert: 8 Bit/Farbkanal => 24 Bit/Pixel JPEG-typische Kompression: 8: bis 8:, d.h. 24/8=3 Bit/Pixel bzw. 24/8=,33 Bit/Pixel. Qualität gemessen in Bits/Pixel: Gibt die Gesamtanzahl der Bits an, einschließlich der Chrominanzkomponenten, dividiert durch die Anzahl der samples in der Luminanz-komponente.,25-,5 Bits/colour pixel mäßige bis gute Qualität 5,5-,75 Bits/colour pixel gute bis sehr gute Qualität,75-,5 Bits/colour pixel exzellente Qualität 5-2,5-2, Bits/colour pixel i.a. vom Original nicht unterscheidbar H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 7
8 JPEG encoder Data offset - DCT Zigzag encoder AC variable-length quantization at coding Q VLC Huffman Compressed data Difference encoder DC Q-table quantizer: integer division by level gray-scale image (4 Bit) compression ratio: 6x4=64 Bit / 4 Bit =.6 : Huffman table Symbol Code Bit Decoded data + offset DCT - Zigzag decoder Difference decoder JPEG decoder Q-table Q - VLC - inverse variable-length quantization decoding H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 8
9 Vordefinierte Standardquantisierungstabellen (Q-Tabellen) für die 64 DCT-Koeffizienten Quv (, ) Quantisierung d. DCT-Koeff. F Q (verlustbehaftet) Fuv (, ) ( u, v),5 Quv (, ) Luminanz Y (feiner) Inverse Quantisierung Q Q F ( uv, ) F ( uv, ) Quv (, ) Chrominanz U,V (gröber) H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 9
10 Quantisierungstabellen Die Q-Tabellen werden experimentell ermittelt und im JPEG-Standard zur Verfügung gestellt. Dabei wird ausgenutzt, dass die subjektive menschliche Wahrnehmung unempfindlicher ist gegenüber Quantisierungsrauschen bei höheren Frequenzen => gröbere Quantisierung i von hochfrequenten hf DCT- Koeffizienten. In speziellen Anwendungsfällen wäre auch denkbar, die Quantisierungstabellen zusammen mit dem komprimierten Bild zu übertragen. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I
11 Die Entropie als Informationsmass (Claude Shannon, 948) Gegeben: Auftretenswahrscheinlichkeiten für die zu codierenden statistisch unabhängigen gg q Symbole: p,p 2, p q (SUP). Der Informationsgehalt einer Nachricht wird definiert über die Entropie H q Entropie: H p ld p p ld p i i i i i i Informationsgehalt eines Zeichens multipliziert mit seiner Häufigkeit und summiert über alle Zeichen q Je unwahrscheinlicher eine Nachricht ist, desto höher ist ihr Informationsgehalt und umgekehrt. Die Entropie ist ein Maß für die Unordnung, die Unsicherheit, den Überraschungsanteil der in einer Nachricht steckt. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I
12 Die Entropie als Informationsmass Größte Entropie, falls alle Symbolwerte gleichwahrscheinlich sind. In diesem Fall besteht größtmögliche Unsicherheit über die zu erwartende Nachricht; folglich ist bei deren Eintreffen der Informationsgewinn am größten. Für jede andere Verteilung ist die Entropie kleiner. Die Entropie H liefert eine untere Grenze für die mittlere Codelänge: q i i i L p l H H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 2
13 Gegeben ein Ensemble von Signalen {a i } mit einem Signalalphabet von 8 möglichen Amplituden zwischen und. Alle Symbole haben die gleiche Wahrscheinlichkeit von /8. Wie viel Entscheidungen werden benötigt um die richtige Amplitude zu bestimmen. Der Informationsgehalt ist gegeben durch den Aufwand an binären Entscheidungen zur Bestimmung des richtigen Wertes eines ankommenden Datums. Halbierungsstrategie >, 5 <, H = H = max åp ld = ld ( ld q) i å = = 8 8 p i= i i= >, 25 <, 25 Mit drei Entscheidungen (Zweige des Baums) ist man bei jedem Blatt des Baums. Balancierter Baum. >,25 <,25 e = p i a = a = e a = e a = e a = e a = e a = e a = ,86 5,7 4, ,43 2,29, a a a a a a a a LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 3
14 Ein Symbol a 7 habe die Wahrscheinlichkeit 8 /2, alle anderen die gleiche W. von /(27). H å pi 27 i= pi Unbalancierter Baum: Es wird nur eine Entscheidung für das Symbol a 7 = benötigt, welches am häufigsten vorkommt. Für alle anderen Symbole werden 4 und einmal 3 Entscheidungen benötigt. = ld =,5 + 7 ld2 7 =,5( + ld4) = 2,4 bit codiert ld 8 = 3 bit uncodiert Die mittlere Baum- bzw. Entscheidungstiefe und damit auch Codierungslänge g beträgt: <, 9 >, 9 q L p ( ) 34 i l i 4 2, 428 H 4 i <, 4 >, 4 2 a = 7 7 e < 2,2 > 2,2 <, >, ,86 5,7 4,57 3,43 2,29,4, 9, 4 2,2, a a a a a a a a a = a = e a = 2 e a = 3 e a = 4 e a = 5 e a = 6 e e = 7 =,43 LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 4
15 Ein Symbol a 8 habe die Wahrscheinlichkeit /2, alle 9 anderen die gleiche W. von /28. H = å p ld =, =,5 + 2 = 2,5 bit codiert i 6 i= pi Es wird nur eine Entscheidung für das Symbol a 8 benötigt, welches am häufigsten vorkommt. Für alle anderen Symbole werden 4 Entscheidungen benötigt. ld 9 = 3,7 bit uncodiert Die mittlere Baum- bzw. Entscheidungstiefe und damit auch Codierungslänge g beträgt: <, 4, 4 L pi l i 2,5 H 6 <, 9 >, 9 (8 4 8 ) > 2 a = 8 q i <, 2 >, 2 <, >, a = a e = 8 =,25 = e a = e a = e a = e a = e a = e a = 7e ,875 6,75 5,625 4,5 3, ,25,25, 9, 4, 2, LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 5
16 Beispiel: SUP mit einemalphabet von q=8 8 Amplituden a i t Es kommt nur eine Amplitude mit der Sicherheit vor: 8 Entropie (SUP): H = H = min å p ld = ld = i i= pi = keine statistische Unsicherheit; minimale Entropie. Es werden Bit zur Codierung benötigt. LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 6
17 Bi Beispiel: ilsup mit einem Alphabet Alhbtvon q=8 8 Amplituden 8 max å 8 8 i= Entropie (SUP): H = H = ld 8 = 8 3 = 3 (ld q) alle Amplituden des Alphabets der Größe sind gleichwahrscheinlich q Keine statistische Vorhersage möglich und damit auch kein Codierungsgewinn realisierbar! Es werden 3 Bit in einem Blockcode benötigt q H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 7
18 Beispiel: SUP mit einem Alphabet von q=8 Amplituden Auch hier sind alle Amplituden nahezu gleichverteilt: Entropie (SUP): H = H = ldq = 3 Die Datenfolge ist deterministisch. Verwendet man als Modell bandbegrenzte Signale, so ergibt sich eine Entropie von nahezu Null!! max Oder: Wie groß ist die Entropie der Ziffernfolge von = 3, ? Antwort: Sie hat die Entropie! Es gibt keine Überraschung. Es gibt einen deterministischen i ti Algorithmus zur Generierung aller Ziffern!! LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 8
19 Aufteilung einer Nachricht in einen Entropieanteil und eine Redundanz Entropie H Redundanz R Nachricht (uncodierter Blockcode) Die durch die Entropie vorgegebene minimale mittlere Codelänge kann nicht ohne Informationsverlust weiter verkleinert werden. Wenn bei einer entropiecodierten Nachricht Daten verloren gehen, dann bedeutet das zwingend einen Informationsverlust. Fügt man Redundanz einer Nachricht hinzu, so können Übertragungsfehler detektiert und auch korrigiert werden. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 9
20 In diesem einfachsten SUP-Modell von Shannon werden Verbundwahrscheinlichkeiten nicht berücksichtigt. D.h. die folgenden Texte haben bei dem SUP-Modell den gleichen Informationsgehalt: Landau schonen lcsenan dunoa Claude Shannon (Anagramme) H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 2
21 Deutsche Textnachrichten Uncodiert benötigt man: ld 26=4,7 bit/zeichen Die Entropiecodierung (SUP) benötigt nur: 4,629 bit/zeichen Redundanz:,637 bit/zeichen (3,6%) Die Analyse von Verbundwahrscheinlichkeiten führen zu wesentlich komplexeren Modellen (bedingte Entropie, Verbundentropie) Die Entropie einer natürlichen Sprache läßt sich wesentlich genauer bestimmen, wenn auch die Auftrittswahrscheinlichkeiten von Buchstabenkombinationen (N-Gramme) berücksichtigt werden (Paare: Bigramme, Triple: Trigramme,...). Claude Shannon bestimmte die Entropie der englischen Sprache 95 auf,5 bit je Buchstabe Karl Küpfmüller bestimmte die Entropie der deutschen Sprache 954 auf,5 bit je Buchstabe Damit liegt die Redundanz der deutschen/englischen Sprache bei etwa 3,2 bit je Buchstabe. Anders ausgedrückt: etwa 68% der Zeichen eines deutschen/englischen Textes sind aus der Sicht des Informationshlt der Nachricht ht überflüssig. gehalts LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 2
22 Die Angaben von Shannon sind jedoch nicht konstruktiv; es handelt sich eigentlich nur um Existenzsätze. Es dauerte teilweise über 3 Jahre, bis konstruktiv optimale Codes für die Quell- und Kanalcodierung gefunden wurden. Der vom Shannon-Fano-Algorithmus erzeugte Codierungs-Baum ist nicht immer optimal.. Huffman-Entropie-Codierung. David A. Huffman hat 952 einen Algorithmus veröffentlicht, der beweisbar immer einen optimalen Baum für die gegebenen Symbolwahrscheinlichkeiten liefert. 2. BCH und Reed-Solomon-Codes mit Fehlererkennung und Fehlerkorrektur (96). Große Bedeutung heute für CDs, DVDs, Festplatten, Satellitenbildcodierung. 3. Arithmetische Entropie-Codierung (Rissanen, IBM, 98) H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 22
23 Huffman-Codierung Symbol Auftritts-W. p i s 4,4 s,2 s 2, s 3, s 4 7,7 s 5,5 s 6 4,4 s 7,4,2,8,22,38,6,8, Fasse in jeder Stufe die zwei kleinsten Wahrscheinlichkeiten zusammen und führe zur Unterscheidung eine Bitstelle ein H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 23
24 Decodierungsbaum s s s 2 s 3 s 4 s 5 s 6 s 7 Der Huffman-Code minimiert die mittlere Codelänge: L m pl, 4, 23,3,4, 74, 54, 45, 45 2,58 i i Die Entropie beträgt: i lg p 2,5 H p L i Ein Blockcode für 8 Zeichen hätte zum Vergleich eine Codelänge von 3. Diese 3Bit würden üd auch hbenötigt, t wenn alle Symbole gleichwahrscheinlich h h i li hwären. m H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 25
25 VCDEMO TU-Delft Original JPEG 2 Bit/pixel MSE: 9, JPEG,5 Bit/pixel MSE: 5,8 H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 26
26 Original JPEG,7 Bit/pixel MSE: 48,3 JPEG,5 Bit/pixel MSE: 74 H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 27
27 Original JPEG,4 Bit/pixel MSE: JPEG,3 Bit/pixel MSE: 5 H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 28
28 Original JPEG,2 Bit/pixel MSE: 32 JPEG, Bit/pixel MSE: 496 H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 29
29 Vergleich mit JPEG2 Original JPEG,5 Bit/pixel MSE: 74 JPEG2,5 Bit/pixel MSE: 37,4 H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 3
30 Original JPEG,3 Bit/pixel MSE: 5 JPEG2,3 Bit/pixel MSE: 73 H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 3
31 Semantische Codierung: Ein Auto vor einem Baum auf einer grünen Wiese (, kb). Welchen Gewinn erwarten wir durch die semantische Codierung? Göß Größe des Originals: Mio Pixel Damit ist bis auf einige Details fast alles über den Informationsgehalt des Bildes ausgesagt (verlustbehaftete Codierung) LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 32
32 Beispiel Baum mit Mio Pixel Vergleich aller drei Codierungsarten:. Entropie (SUP) 2. JPEG 3. Semantische Codierung LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 33
33 Original Entropie (SUP) JPEG kb 48 kb 24 kb Se- mantik kb Einsparung: 52% 97,6% 99,9% LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 34
34 Pieter Brueghel: "Die holländischen Sprichwörter", 559 Mio Pixel LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 35
35 Original Entropie (SUP) JPEG SEM kb 962 kb 25 kb kb Einsparung: 3,8% 75 % 99% Pieter Brueghel: "Die holländischen Sprichwörter", 559 LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 36
36 2 Baum Faktor Original Entropie JPEG Semantik Brueghel Faktor Original Entropie JPEG Semantik 4,4 39 3,9 LMB, Institut für Informatik, Universität Freiburg 3. Januar 2 37
37 Siemens Video & Image Coding Standards Series of Still Images M-JPEG2 JPEG JPEG2 Still Images Content Description Flexible Still Images MPEG-7 ISO/IEC MPEG- MPEG-2 MPEG-4 V V2 MPEG-4 V3 MPEG-4 V4 V5 Video CD Digital it TV Generic Multimedia Applications MPEG-2 E-Trade of AV Content t H.26 DBV-I V2 Videoconferencin g over ISDN H.263 V H.263 V2 H.263 Videotelephony, Low Bitrate Communication V3 H. Burkhardt, Institut für Informatik, Universität Freiburg H.26L Video Communication 38 ITU-T Networks and Multimedia Siemens AG/ Dr. Hundt CT IC 2
Bildkompression 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,
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)
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,
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
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
MehrRedundanz. Technische Informationsquelle Entropie und Redundanz Huffman Codierung. Martin Werner WS 09/10. Martin Werner, Dezember 09 1
Information, Entropie und Redundanz Technische Informationsquelle Entropie und Redundanz Huffman Codierung Martin Werner WS 9/ Martin Werner, Dezember 9 Information und Daten Informare/ Informatio (lat.)
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
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Weiterführende Literatur zum Thema Informationstheorie:
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
MehrDie Mathematik in der CD
Lehrstuhl D für Mathematik RWTH Aachen Lehrstuhl D für Mathematik RWTH Aachen St.-Michael-Gymnasium Monschau 14. 09. 2006 Codes: Definition und Aufgaben Ein Code ist eine künstliche Sprache zum Speichern
MehrStatistische Kenngrößen. Histogramm. Grundlagen zur statistischen Signalverarbeitung. Statistische Beschreibung von Audio
8.3.6 Statistische Kenngrößen Grundlagen zur statistischen Signalverarbeitung Dr. Detlev Marpe Fraunhofer Institut für achrichtentechnik HHI Histogramm Wahrscheinlichkeitsdichteverteilung Mittelwert µ
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
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
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
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.
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
MehrInformationstheorie und Codierung
Informationstheorie und Codierung 3. Codierung diskreter Quellen Gleichmäßiger Code Ungleichmäßiger Code Fano-, Huffman-Codierung Optimalcodierung von Markoff-Quellen Lauflängencodes nach Golomb und Rice
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
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)
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
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
Mehr1 Grundlagen. 1.1 Erste Grundbegriffe 1.2 Kryptographische Systeme 1.3 Informationstheoretische Grundlagen
1 Grundlagen 1.1 Erste Grundbegriffe 1.2 Kryptographische Systeme 1.3 Informationstheoretische Grundlagen Die Überlegungen dieses Kapitels basieren auf der Informationstheorie von Shannon. Er beschäftigte
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. 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
MehrDigital Signal Processing
- for Master Study by TFH Bochum - Analog Signal I OO O I I I O O O Digital Signal Seite 1 Zielsetzung der Signalverarbeitung Analyse: H(t), H(f) Modellieren y(t) {} Physikalische Größe und Prozesse Synthese
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
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
MehrMultimediatechnik / Video
Multimediatechnik / Video Video-Farben Pixel, Farben, RGB/YUV http://www.nanocosmos.de/lietz/mtv Helligkeits- und Farb-Pixel s/w-pixel: Wert = Helligkeit Beispiel 8 Bit/Pixel = 256 Stufen 0=schwarz, 255=weiß
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
Mehr2 Informationstheorie
2 Informationstheorie Formale Grundlagen der Informatik I Herbstsemester 2012 Robert Marti Vorlesung teilweise basierend auf Unterlagen von Prof. emer. Helmut Schauer Grundbegriffe Informatik (IT: Information
MehrProblem: Finde für Alphabet mit n Zeichen einen Binärcode, der die Gesamtlänge eines Textes (über diesem Alphabet) minimiert.
Anwendungen von Bäumen 4.3.2 Huffman Code Problem: Finde für Alphabet mit n Zeichen einen Binärcode, der die Gesamtlänge eines Textes (über diesem Alphabet) minimiert. => nutzbar für Kompression Code fester
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
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
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
MehrSeminar Kompressionsalgorithmen Huffman-Codierung, arithmetische Codierung
Huffman-Codierung, arithmetische Codierung Theoretische Informatik RWTH-Aachen 4. April 2012 Übersicht 1 Einführung 2 3 4 5 6 Einführung Datenkompression Disziplin,die Kompressionsalgorithmen entwirft
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
MehrEDV-Anwendungen im Archivwesen II
EDV-Anwendungen im Archivwesen II 070472 UE WS08/09 Grundlagen der Digitalisierung Überblick Allgemeine Grundlagen der Digitalisierung anhand der Ton-Digitalisierung Abtastrate (Samplerate) Wortlänge (Bitrate)
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München Prof. Hußmann
MehrKodierungsalgorithmen
Kodierungsalgorithmen Komprimierung Verschlüsselung Komprimierung Zielsetzung: Reduktion der Speicherkapazität Schnellere Übertragung Prinzipien: Wiederholungen in den Eingabedaten kompakter speichern
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
MehrInformationstheorie und Codierung. Prof. Dr.-Ing. Lilia Lajmi
Informationstheorie und Codierung Prof. Dr.-Ing. Lilia Lajmi l.lajmi@ostfalia.de Inhaltsverzeichnis 2. Quellencodierung 2.1 Motivation 2.2 Shannon sche Informationstheorie 2.3 Binärcodierung nach Shannon
MehrBildschirmauflösungen im Vergleich (verkleinert!)
Bildschirmauflösungen im Vergleich (verkleinert!) nun zur Farbtheorie... Die Farbräume RGB CMYK Rot, Grün, Blau addieren sich zu weißem Licht - Additive Lichtmischung Cyan, Magenta, Yellow verschlucken
MehrMathematik für Information und Kommunikation
Mathematik für Information und Kommunikation Am Beispiel des Huffman- Algorithmus Thomas Borys und (Christian Urff) Huffman im Alltag MPEG Telefax JPEG MP3 ZIP avid Huffman avid Huffman [95-999] www.soe.ucsc.edu/people/faculty/huffman.html
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
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!
MehrÜbrigens: um den Algorithmus im Unterricht einzuführen, sind keine Formeln notwendig! Warum reicht die normale ASCII-Codierung nicht aus?
Huffman-Code Dieser Text ist als Hintergrundinformation ausschliesslich für die Lehrperson gedacht. Der Text ist deshalb eher technisch gehalten. Er lehnt sich an das entsprechende Kapitel in "Turing Omnibus"
MehrRun Length Coding und Variable Length Coding
Fachbereich Medieninformatik Hochschule Harz Run Length Coding und Variable Length Coding Referat Matthias Zittlau 11034 Abgabe: 15.01.2007 Inhaltsverzeichnis 1. RLC...1 2.1 Einführung...1 2.2 Prinzip...1
MehrA1.7: Entropie natürlicher Texte
A1.7: Entropie natürlicher Texte Anfang der 1950er Jahre hat Claude E. Shannon die Entropie H der englischen Sprache mit einem bit pro Zeichen abgeschätzt. Kurz darauf kam Karl Küpfmüller bei einer empirischen
MehrBegriffe aus der Informatik Nachrichten
Begriffe aus der Informatik Nachrichten Gerhard Goos definiert in Vorlesungen über Informatik, Band 1, 1995 Springer-Verlag Berlin Heidelberg: Die Darstellung einer Mitteilung durch die zeitliche Veränderung
MehrCodierung. Auszug aus dem Skript von Maciej Liśkiewicz und Henning Fernau
Codierung Auszug aus dem Skript von Maciej Liśkiewicz und Henning Fernau Ein bisschen Informationstheorie Betrachten wir das folgende Problem: Wie lautet eine sinnvolle Definition für das quantitative
Mehr1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes
1 Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche: Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 5/ 44 Unser Modell Shannon
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
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
MehrVerlustfreie Kompression
Verlustfreie Kompression Tim Rolff Arbeitsbereich Wissenschaftliches Rechnen Fachbereich Informatik Fakultät für Mathematik, Informatik und Naturwissenschaften Universität Hamburg 8. Juni 2016 Tim Rolff
Mehr3 Quellencodierung. 3.1 Einleitung
Source coding is what Alice uses to save money on her telephone bills. It is usually used for data compression, in other words, to make messages shorter. John Gordon 3 Quellencodierung 3. Einleitung Im
MehrInformation und Codierung
Richard W. Hamming Information und Codierung Technische Universität Darmstadt FACHBEREICH INFORMATIK BIBLIOTHEK Invantar-Nr.: Sachgebiete:. Standort: VCH Inhalt Vorwort zur 1. Auflage der Originalausgabe
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
MehrGrundlagen der Videotechnik, Farbe 2
Grundlagen der Videotechnik, Farbe 2 1 Beispiel für additive Farbmischung: Aus: O. Limann: Fernsetechnik ohne Ballast, Franzis Verlag 2 Veranschaulichung Farbe, Farbkomponenten Aus: O. Limann: Fernsetechnik
MehrRechnernetze Übung 5. Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Mai Wo sind wir?
Rechnernetze Übung 5 Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Mai 2012 Wo sind wir? Quelle Nachricht Senke Sender Signal Übertragungsmedium Empfänger Quelle Nachricht Senke Primäres
Mehr15 Optimales Kodieren
15 Optimales Kodieren Es soll ein optimaler Kodierer C(T ) entworfen werden, welcher eine Information (z.b. Text T ) mit möglichst geringer Bitanzahl eindeutig überträgt. Die Anforderungen an den optimalen
MehrMultimediale Werkzeuge, Audio: Formate, Tools. -Sound/Audio Objekte. Formate, Beispiele:
Multimediale Werkzeuge, Audio: Formate, Tools -Sound/Audio Objekte Formate, Beispiele: - Mp3 (Kurz für MPEG1/2 Layer 3) - PCM (z.b. Wave Datei), übliche Formate: CD: 44100 HZ Abtastrate, 16 Bits/Abtastwert.
MehrÜbung zur Vorlesung. Informationstheorie und Codierung
Übung zur Vorlesung Informationstheorie und Codierung Prof. Dr. Lilia Lajmi Juni 25 Ostfalia Hochschule für angewandte Wissenschaften Hochschule Braunschweig/Wolfenbüttel Postanschrift: Salzdahlumer Str.
MehrMPEG. Ein Videokompressionsstandard
Westfälische Wilhelms-Universität Münster Seminararbeit MPEG Ein Videokompressionsstandard Dörte Naunin Themensteller: Prof. Dr. Herbert Kuchen Betreuer: Christian Arndt Institut für Wirtschaftsinformatik
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
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
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
MehrHauptseminar: Digitale Medien und Übertragungstechnik. Videokomprimierung. Teil I. Vortrag: Philipp Correll Betreuer: Deti Fliegl
Hauptseminar: Digitale Medien und Übertragungstechnik Videokomprimierung Teil I Vortrag: Philipp Correll Betreuer: Deti Fliegl Übersicht 1. Grundlagen Standards (PAL, NTSC) 2. Motivation Sehr große Datenmengen
MehrProseminar WS 2002/2003
Technische Universität Chemnitz Fakultät für Informatik Professur Theoretische Informatik Proseminar WS 2002/2003 Thema: Datenkompression Dynamisches / Adaptives Huffman-Verfahren Danny Grobe Rainer Kuhn
MehrDipl.-Ing. (TU) Jürgen Wemheuer
Dipl.-Ing. (TU) Jürgen Wemheuer wemheuer@ewla.de http://ewla.de 1 Statt kontinuierlicher (Amplituden-)Werte einer stetigen Funktion sind nur diskontinuierliche, diskrete Werte möglich (begrenzter Wertevorrat):
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
MehrThema: JPEG / Motion JPEG. Fachbereich Medieninformatik. Hochschule Harz. JPEG / Motion JPEG. Referat. Autor: Andreas Janthur
Fachbereich Medieninformatik Hochschule Harz JPEG / Motion JPEG Referat Andreas Janthur 9962 Abgabe: 15.01.2007 Seite: 1 Inhaltsverzeichnis Einleitung... I 1 JPG... 1 1.1 DC Transformation (discrete cosinus
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.
MehrDie MPEG-Audiocodierverfahren
Die MPEG-Audiocodierverfahren Johannes Hilpert Fraunhofer IIS, Erlangen http://www.iis.fraunhofer.de/amm 1 Themen Die MPEG-Audio Codierverfahren Wer oder was ist MPEG eigentlich? Von MPEG-1 bis MPEG-21
MehrEinführung in die Informatik und Medieninformatik
Name, Vorname Matrikelnummer Klausur zur Vorlesung Einführung in die Informatik und Medieninformatik LVNr. 36 600, SS 2013, im Studiengang Medieninformatik Dienstag, 23. Juli 2013 12:00 14:00 Uhr (120
MehrZusammenfassung Graphik - Formate. Vektorgraphik - PS, EPS, WMF geometrische Figuren, exakte Berechnung auf beliebige Größe
Zusammenfassung Graphik - Formate Vektorgraphik - PS, EPS, WMF geometrische Figuren, exakte Berechnung auf beliebige Größe Rastergraphik - BMP, GIF, JPEG, PNG feste Anzahl von Bildpunkten (ppi) Wiedergabe
MehrGrundlagen Videosignale. Prof. Dr. Ing. Marcus Purat
Grundlagen Videosignale Prof. Dr. Ing. Marcus Purat Beuth Hochschule fürtechnik Berlin Sommersemester 2012 Grundlagen Videosignale 1. Visuelle Wahrnehmung n 2. Analoge Videosignale 3. Digitale Videosignale
MehrCODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005
CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005. Das Problem.. Quellcodierung und Datenkompression. Wir wollen eine Nachricht über einen digitalen Kanal, der nur 0 oder übertragen kann, schicken.
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,
MehrOrganisation. Was kommt zum Test? Buch Informatik Grundlagen bis inkl. Kapitel 7.4 Wissensfragen und Rechenbeispiele
Organisation Was kommt zum Test? Buch Informatik Grundlagen bis inkl Kapitel 74 Wissensfragen und Rechenbeispiele 3 Vorträge zur Übung Informationstheorie, Huffman-Codierung und trennzeichenfreie Codierung
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)
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,
MehrSignalverarbeitung für audiovisuelle Kommunikation
University of Applied Science Signalverarbeitung für audiovisuelle Kommunikation 1. Digitale Multimediasignale - Bild- und Videosignale & Digitalisierung Bild- und Videosignale Bilder/Video(Bildfolgen):
MehrSingle Parity check Codes (1)
Single Parity check Codes (1) Der Single Parity check Code (SPC) fügt zu dem Informationsblock u = (u 1, u 2,..., u k ) ein Prüfbit (englisch: Parity) p hinzu: Die Grafik zeigt drei Beispiele solcher Codes
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
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
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 4.5 Bewegte Bilder:
MehrEigenschaften von Kompressionsverfahren
6 Textkompression Eigenschaften von Kompressionsverfahren Das Ziel der Datenkompression ist es, eine gegebene Information (Datenquelle) auf eine kompaktere Weise zu repräsentieren. Dies geschieht, indem
MehrVideokonferenzen & multimediale Kommunikation
Videokonferenzen & multimediale Kommunikation Falko Dreßler, Regionales Rechenzentrum falko.dressler@rrze.uni-erlangen.de 1 Überblick Einteilung Videokommunikation Meeting vs. Broadcast Transportnetze
MehrZusammenfassung Graphik - Formate. Vektorgraphik - PS, EPS, WMF geometrische Figuren, exakte Berechnung auf beliebige Größe
Zusammenfassung Graphik - Formate Vektorgraphik - PS, EPS, WMF geometrische Figuren, exakte Berechnung auf beliebige Größe Rastergraphik - BMP, GIF, JPEG, PNG feste Anzahl von Bildpunkten (ppi) Wiedergabe
MehrMultimediatechnik / Video
Multimediatechnik / Video Video-Verarbeitung Verarbeitung / Codecs / Formate http://www.nanocosmos.de/lietz/mtv Videoverarbeitung / Wiedergabe Einlesen von Videodaten von einer Quelle Disk/Internet/WLAN,
MehrCodierung, Codes (variabler Länge)
Codierung, Codes (variabler Länge) A = {a, b, c,...} eine endliche Menge von Nachrichten (Quellalphabet) B = {0, 1} das Kanalalphabet Eine (binäre) Codierung ist eine injektive Abbildung Φ : A B +, falls
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:
MehrPaper Computer Science Experiment
Paper Computer Science Experiment Great Principles of Computing Computation (Informationsspeicherung) Thema Digitale Repräsentation von Grafiken und Bildern Unterrichtsform Einzel- und Partnerarbeit Voraussetzung
MehrDigitale Audiotechnik Technología de audio digital. Friederike Maier IKX 2012
Digitale Audiotechnik Technología de audio digital Friederike Maier IKX 2012 Vom Studio ins Netz Sender CD Rechner Mitschnitt HörerInnen Mikro Mikro2 Mischpult/Kompressor Rechner/ Soundkarte Streamingerver
MehrMPEG Video Layer 1. Fachbereich Medieninformatik. Hochschule Harz. Referat. Kolja Schoon. Thema: MPEG Video Layer 1
Fachbereich Medieninformatik Hochschule Harz MPEG Video Layer 1 Referat Kolja Schoon 10952 Abgabe: 15.01.2007 Stand: (Januar 2007) Autor: Kolja Schoon Seite 1 Inhaltsverzeichnis 1. Einleitung / Vorwort...3
MehrTextkompression: Burrows-Wheeler-Transformation
Proseminar Algorithmen der Bioinformatik WS 2010/11 Textkompression: Burrows-Wheeler-Transformation Johann Hawe Johann Hawe, WS 2010/11 1 Gliederung 1. Einleitung 2. BWT Kompressionstransformation 2.1
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
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München, Medieninformatik
MehrTelemedizin. Geschichte Beispiele Trend Zusammenfassung Arten medizinischer Information
Geschichte Beispiele Trend Zusammenfassung : Einsatz von Gesundheitstelematik zur Überwindung einer räumlichen Trennung zwischen Patient und Arzt oder zwischen mehreren behandelnden Ärzten. : Medizin aus
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.1.1 Abtasttheorem 2.1.2 Stochastische Nachrichtenquelle, Entropie, Redundanz 2.2 Verlustfreie universelle Kompression Siehe
Mehr