CUPRINS

Capitolul I
Introducere
I.1. Introducere............................................................................................3
I.2. Compresia semnalelor..............................................................................7

Capitolul II
Transformari biparametrice
II.1. Introducere.............................................................................................16
II.2 Transformri liniare..............................................................................17

Capitolul III
Transformata Hadamard discret 2-D
III.1. Noiuni generale................................................................................22
III.2. Exemplificri ale transformatei Hadamard
discrete bidimensionale pentru cazul N=4....23
III.3. Exemplificri ale transformatei Hadamard
discrete bidimensionale pentru cazul N=8....29
III.4. Exemplificri ale transformatei Hadamard
discrete bidimensionale pentru cazul N=16..34
III.5. Exemplificri ale transformatei Hadamard
discrete bidimensionale pentru cazul N=32..39

Capitolul IV
Transformarea Cosinus discreta 2-D
IV.1. Noiuni generale
IV.2. Exemplificri ale transformatei Cosinus
discrete bidimensionale pentru cazul N=4
IV.3. Exemplificri ale transformatei Cosinus
discrete bidimensionale pentru cazul N=8
IV.4. Exemplificri ale transformatei Cosinus
discrete bidimensionale pentru cazul N=16
IV5. Exemplificri ale transformatei Cosinus
discrete bidimensionale pentru cazul N=32

Capitolul V
Bibliografie

CAPITOLUL l
INTRODUCERE
nvatatura l face pe om ntreg,
discutiile pregtit, scrierea exact
Francis Bacon, Of Studies

I.1. Introducere
De-a lungul secolelor, comunicaia ntre oameni a jucat un rol esenial n
dezvoltarea civilizaiei, a industriei, a societii. Astfel, conceptul de
comunicaie s-a diversificat i rafinat, avnd n zilele noastre cea mai mare
dezvoltare dintre toate domeniile tehnice. Cartea, fotografia, telegrafia,
telefonul, televiziunea i mai nou comunicaia cu ajutorul Internetului sunt doar
cteva dintre reperele dezvoltrii comunicaiilor.
Astzi a transmite informaie, nseamn a transmite sunet de nalt
fidelitate, imagini de nalt rezoluie i date cu o mare fiabilitate pornind de la
un post fix sau mobil. Suntem n epoca autostrzilor informaionale n care
numerizarea textului, sunetului, a imaginilor fixe sau animate sunt absolut
necesare pentru noile comunicaii ale secolului XXI.
In cadrul telecomunicaiilor un rol fundamental l au standardele, care
sunt absolut necesare astzi pentru realizarea unei comunicaii. El permite ca
transmitorul i receptorul s se poat nelege ntr-un limbaj comun.
Telegrafia a fost primul exemplu al unui nou sistem de comunicaii bazat
pe o tehnologie complet nou care a necesitat un standard pentru ca prile

implicate n comunicaie s se poat nelege. Astfel, nsi inventatorul

telegrafiei Samuel Morse, a pus la punct un limbaj comun de nelegere a
punctelor i liniilor de ambii participani la comunicaie, limbaj cunoscut i
utilizat i n zilele noastre sub numele de codul Morse.
Introducerea tehnologiilor numerice n telecomunicaii n anii 1960, a
fcut ca standardul de comunicaie s aib o importan mult mai mare dect
n trecut. De exemplu, transmiterea datelor numerice pe o reea necesit
transmiterea a numeroase date auxiliare dintre care putem aminti: informaii
legate de adres, de lungimea de pachet, de controlul fluxului de date, etc.
Toate acestea au condus la crearea a numeroase standarde dintre care
amintim: Standardul X.25, Standardul 1.311 i poate cel mai de succes
Standardul IP (InternetProtocol).
Imaginea
original
Transformata
liniar

Cuantificare

Codare

Figura IV.1.
Schema general a algoritmilor de compresie video
Din analiza schemei de mai sus se observ ca primul pas al
algoritmului de compresie l reprezint ntodeauna transformarea liniar. Ea
are scopul de a decoda ct mai bine informaia coninut n imagine n scopul
eliminrii redundanei.
Multe standarde de compresie au fost puse la punct i dintre cele mai
frecvent utilizate standarde n aplicaii multimedia ce utilizeaz compresia
sunetului i a imaginii putem aminti:
- Standardul MIDI (Music Instrument Digital Interface - standard astzi
arhicunoscut pentru muzic instrumental. Este considerat cea mai
compact interfa de muzic n care n medie 10 minute de muzic ocup
200Kbii de date MIDI;

-Standardul CCITT G3/G4 (standarde CCITT grup 3, grup 4)

-standard pentru compresia imaginilor binare n care se codeaz imaginea
surs linie cu linie;
-Standardul JBIG (Joint Bi-level Image Experts Group) - standard de
compresie fr pierderi utilizat pentru imagini binare. Se ating rapoarte de
compresie de pn la 20:1
-Standardul JPEG (Joint Picture Experts Group) - standard de
compresie pentru imagini alb-negru i color. Dintre toate standardele de
compresie actuale este poate cel mai folosit. n funcie de tipul procedeului de
codare se ating rapoarte de compresie de la 5:1 pn la 50:1. Astfel, n funcie
de modul de codare avem:
Standardul JPEG modul secvenial, este numit i modul de baz cu
pierderi, care trebuie s fie acceptat de toate implementrile JPEG. El
utilizeaz transformata cosinus discret (DCT);
Standardul JPEG modul progresiv, este un mod extins, cu pierderi, ce
utilizeaz DCT;
Standardul JPEG modul fr pierderi este o codare cu o raport de
compresie mic care asigur ns o reconstrucie perfect a imaginii;
Standardul JPEG modul ierarhic care se bazeaz pe compresia imaginilor
la diferite rezoluii (aa numita analiz multirezoluie);
-Standardul JPEG2000 - standard de compresie a imaginilor alb-negru
i color derivat din standardul JPEG. E! utilizeaz n compresie analiza
wavelet, oferind imagini de o calitate foarte bun i cu un raport de
compresie de pn la 300:1;
-Standardul H.261 (px64) - standard de compresie video utilizat n
aplicaii ISDN de tipul videoconferin sau videotelefonie.Fluxul de date este
multiplu de 64kbps de unde i denumirea px64. Seatingrapoarte de
compresie de la 25:1 pn la 100:1;
-Standardul H.263 - standard de compresie video iniial pentru
aplicaii PSTN (Transmission of non-telephone signals: video coding for low bit
rate communication). Se ating rapoarte de compresie de la 6:1 pn la 140:1
i se preconizeaz s nlocuiasc standardul H.261;

-Standardul MPEG-1 (Moving Pictures Experts Group) - standard de

compresie al imaginilor video i a sunetului asociat pentru stocare pe medii
digitale cu rat de bit de pn la 1,5Mbps;
-Standardul MPEG-2 - mbuntire a standardului MPEG-1 n care
se utilizeaz codarea generic i este utilizat n transmisiile TV (obinuite
sau HDTV). Se ating debite de 4-20Mbps;
-Standardul MPEG-4 - mbuntire a standardului MPEG-1 n care
se utilizeaz codarea bazat pe obiecte;
Toate aceste standarde realizeaz o compresie foarte bun a
informaiei, lucru care permite ca integrarea mediilor s fie posibil n aplicaii
mult mai complexe de tip multimedia.

I.2. Compresia semnalelor

Tehnicile de compresie au poate rolul central ntr-o aplicaie multimedia
numeric pentru c semnalele (sunet, imagine fix, secven video) necesit
un debit foarte mare de informaie. Compresia datelor este indispensabil din
cel puin dou motive:
-viteza redus a dispozitivelor de stocare;
-banda redus n reelele de comunicaii, de unde i viteza redus a
transmisiei datelor;
n tabelul I.1 i figura I.1 sunt prezentate cteva exemple ce ilustreaz
cantitate mare de informaie ce trebuie stocat precum i banda necesar
pentru transmisie.
Algoritmii de compresie necesit o anumit putere de procesan
hardware sau software pentru operaia de compresie ct i decompresie. Dii
aceast cauz algoritmii pot fi clasificai n:
-algoritmi de compresie simetrici
-algoritmi de compresie asimetrici

Tabel I.1
Cteva dintre cele mai uzuale tipuri de imagini
Tipul

Dimensiuni

Nr.

Volum date

Banda

imaginii

imagine

Bii/pixel

necomprimate

transmisiei

Alb-negru

512x512

262KB

2,1Mb/imag

Color

512x512

24

786KB

6,29Mb/imag

Medicale

2048x1680

12

5,16KB

41,3Mb/imag

nalt
rezoluie

2048x2048

24

12,58KB

100Mb/imag

100 cadre
60minute
in culori

1 minut

10 minute

animaie

video

Figura I.1.
Cantitatea de informaii pentru diverse aplicaii
Compresia simetric este compresia n care att procesul propriu-zis
de compresie ct i cel de decompresie sunt aproximativ egal din punct
de vedere al cerinelor hardware, software i al timpului de procesare. De
exemplu, dac se dorete compresia video n timp real pe un PC i apoi
vizionarea secvenei comprimate este foarte util alegerea unui algoritm de
compresie simetric.
Compresia asimetric este compresia n care algoritmul nu opereaz n
real, este realizat pe sisteme dedicate i necest un volum foarte mare de
picule, iar decompresia este realizat n timp real, pe sisteme mici i nu
foarte scumpe. Acest tip de compresie-decompresie este specific sistemelor
x foarte muli utilizatori, ca de exemplu televiziunea sau utilizatorii de CD- =
OM-uri.
O alt clasificare a algoritmilor de compresie care ine cont de felul
reconstituirii semnalului este:

- compresia far pierdereri

- compresia cu pierdereri
Compresia fr pierderi
Compresia fr pierderi este utilizat att pentru partea audio ct i
video, ns ea are capabiliti limitate. Dintre algoritmii fr pierderi cei mai
fecvent utilizai putem meniona: codarea run-lengh
- codarea diatomic
- codarea bazat pe dicionar (pattern matching)
- codare entropic
Un program care comprim un semnal audio se numete codec, de la
codor-decodor. Fiecare firm mare din telecomunicaii, industria electronic a
echipamentelor audio i din software a dezvoltat propriile codec-uri; cele mai
multe dintre acestea sunt secrete bine pzite.
n general, nu putem comprima dect puin muzica dac insistm s nu
avem pierderi (lossless), dar pentru aplicaii specifice compresia fr pierderi
este acceptabil ca performan (msurat prin resurse de calcul consumate
pentru a obine o anumit calitate a sunetului). De exemplu, vocea uman are
un spectru relativ ngust, i variaiile de intensitate i frecven nu sunt foarte
mari n timp scurt.
Metode eficace de compresie sunt compresia diferenial (DPCM) i
compresia adaptiv diferenial (ADPCM). Compresia diferenial, n loc de a
codifica fiecare eantion separat, codific diferena dintre dou eantioane
succesive; dac semnalul nu poate varia foarte repede, aceast diferen va fi
ntotdeauna mic, i deci va putea fi transmis cu mai puini bii (folosind de
exemplu un cod Huffmann).
Compresia adaptiv merge chiar mai departe: folosete un model
predictiv al semnalului, i calculeaz n fiecare clip care este cea mai
probabil valoare a semnalului. Apoi stocheaz diferena ntre semnalul real i
valoarea prezis. Dac predictorul este foarte bun, diferena va fi adesea
minuscul. Predictorii nii sunt adesea adaptivi, nvnd o serie de

coeficieni de predicie n timp ce fac prezicerea (adic nva din propriile

erori). Acelai predictor este folosit att la surs ct i la destinaie.
Codarea run length
Adesea datele conin valori care se repet de un numr de ori. O
asemenea succesiune de date poate fi comprimat prin transmiterea unei
secvene speciale, a caracterului care se repet urmat de numrul de repetiii
a acelei valori. Acest tip de codare se numete codarea Run-Length (RLE
-Run-Length Encoding).
Acest tip de codare poate fi aplicat cu rezultate bune ntr-o gam foarte
larg de aplicaii: documente text, desene alb-negru, imagini fixe, secvene
video, etc. n cazul imaginilor, dac codarea run-length utilizeaz doar
decorelarea orizontal a pixelilor se vorbete de 1-D RLC (codare run-length
unidimensional) n timp ce dac se utilizeaz decorelarea orizontal i
vertical a pixelilor vorbim de 2-D RLC (codare run-length bidimensional).
Secvena special care anun c un caracter se repet de un numr de ori
poart denumirea de cod de ieire (escape code). Acest cod de ieire este o
valoare rar sau niciodat ntlnit n valorile datelor. De exemplu valoarea
255 n binar "1111 1111" poate fi utilizat pe post de cod de ieire.
La decompresie, cnd se ntlnete codul de ieire, algoritmul de
decompresie tie c urmtoarele dou valori reprezint valoarea simbolului i
numrul de repetiii. Aceste procese sunt reprezentate n figura 1.2 unde sunt
presupuse valori pozitive ntre O i 255.
Se observ c un simbol repetat conduce la trei simboluri transmise.
Evident nu este nici un ctig n a aplica acest procedeu pentru simboluri care
se repet de dou sau de trei ori.
Dac totui se ntlnete o valoare din fluxul de date egal cu codul de
ieire, se pot rezerva dou coduri de ieire transmise consecutiv pentru a
indica c avem o valoare egal cu a codului de ieire.

Repetare de 7 ori

10

Date de intrare: 111 015 127 053 053 123 066 066 066 066 066 066 066034
233 ...
Date de ieire: 111 015 127 053 053 123 255 066 007 034 233
Repetare de 7 ori a simbolului
Valoarea care se repet
Codul de ieire
Figura l.2.
Exemplu de codare run-length

Codarea diatomic
Codarea diatomic este o variaie a codrii run-length i este aplicat n
special la documentele de tip text. Procedeul de codare const n
determinarea probabilitii celor mai frecvente litere sau grupuri de dou litere
i nlocuirea lor cu un cod, de exemplu un octet (256 de litere sau grupuri de
dou litere). Prin acest procedeu simplu se pot obine reduceri de pn la 10%
din volumul de date iniial.
La aplicarea algoritmului trebuie avut n vedere faptul c probabilitatea
de apariie a literelor sau grupurilor de cte dou litere este diferit de la o
limb la alta i de aceea algoritmul nu poate fi aplicat fr cunoatea
probalittilor de apariie ale acestor simboluri. De exemplu, n englez
probabilitatea ntlnirii grupului de litere "th" este mult mai mare dect cea din
limba romn i astfel un algoritm realizat pentru un text n englez nu va
putea fi utilizat cu rezultate comparabile pentru un text n romn.

Pattern matching

11

Codarea run-length poate fi mbuntit prin recunoaterea unor

n loc de simboluri, n acest caz compresia este mai lent, iar :e:ompresia
este mai simpl. Este absolut necesar ca la decompresie s i ste tabelul
cu paternurile care au fost utilizate n timpul procesului de rompresie.
In timpul compresiei cnd este ntlnit un pattern programul de
impresie va genera un cod de ieire (escape code) urmat de poziia :
srernului din tabel. Se poate spune c acest tip de compresie este o :onbinaie ntre codarea diatomic i cea run-length.
Studii au artat c utiliznd acest tip de compresie pentru datele (cu
excepia sunetelor i imaginilor) aflate ntr-un calculator personal s-au obinut
compresii de circa 2:1. Procedeul este mai puin eficient pentru semnalele
audio i video, deoarece ele conin zgomot aleatoriu care face ca tabela de
: anernuri s devin inutilizabil.
Acest tip de compresie mai este denumit i compresie bazat pe
dictionar (dictionary-based compression). Din descrierea algoritmului rezult
s este o compresie asimetric, iar raportul de compresie depinde de
coninutul informaiei. Multe din produsele comerciale de compresie existente
pe calculatoarele personale folosesc acest tip de algoritm, ca de exemplu:
LZW (Lempel-Ziv-Welch), PKZIP, etc.
Procedeul de codare este exemplificat pe un text oarecare n care s-au
ales doar patru patternuri. Cu ct lungimea textului este mai mare cu att
probabilitatea ca patternurile s fie regsite de un numr mai mare de ori
crete i prin urmare crete i raportul de compresie.
Codarea entropic
O codare mult mai performant care ine cont de proprietile statistice
ale semnalului de intrare este codarea entropic. Exist valori care apar mai
frecvent i ele vor fi codate cu mai puini bii n timp ce valorile care apar mai
rar vor avea un numr mai mare de bii. Un astfel de sistem care ine cont de
probabilitile de apariie ale simbolurilor este alfabetul Morse.

12

In sistemele numerice codarea Huffman este cea mai folosit i

opereaz la nivel de bit. Se sorteaz datele ntr-un arbore binar n funcie de
probabilitile de apariie ale simbolurilor, dup care citirea arborelui de la baz
spre vrfuri genereaz codul Huffman. Codarea Hufman este o codare
optimal.
Compresia cu pierderi
Marea majoritate a algoritmilor de compresie utilizai sunt cu pierderi. Ei
se bazeaz pe proprietatea semnalelor audio i video de a conine informaie
redundant i n mod evident raportul de compresie depinde de coninutul
datelor, de formatul lor, etc.
Dintre principalele metode de compresie cu pierderi amintim:
- compresia prin trunchiere
- compresia prin subeantionare
- compresia prin codarea tabelelor color
- compresia prin codare diferenial
- compresia prin codare predictiv
- compresia prin transformare
- compresia prin compensarea micrii
Compresia prin trunchiere
Este cel mai simplu mod de a elimina informaie, dar i cel mai puin
utilizat procedeu, deoarece se cunoate c prin reducerea cu un bit raportul
semnal-zgornot se degradeaz cu 6 dB. n imaginile uzuale se utilizeaz cel
putin 8 bii/pixel, ns n imaginile de nalt rezoluie se ajunge la cel puin 16
Astazi s-au menionat sisteme de foarte nalt rezoluie n care se 92
bii/pixel.

13

Compresia prin subeantionare

Ochiul omenesc are proprietatea c este mai puin sensibil la culoare
dect la strlucire i de aceea n imaginile color se utilizeaz subeantionarea
s. doi a componentei de crominan fa de cea de luminan. Procedeul
poart denumirea de subeantionare color (color subsampling) i este
-rizat n standarde ca JPEG, H. 261, H.263, MPEG. Trebuie precizat c
acest procedeu se poate aplica atunci cnd imaginea este reprezentat n
Armatele YCRCB sau YIQ.
Compresia prin codarea tabelelor color
Este posibil s reducem numrul de bii/pixel lund valoarea unui pixel
ca fiind un index dintr-o tabel color cu mai multe culori dect reprezentarea
^.aginii. Astfel n formatul VGA se folosesc Sbii/prxel pentru a selecta 256
:-,ori dintr-o palet de culori format din 18 bii.
Paleta de culori poate fi extins utiliznd i procedeul de dithering.
Efectul de dither
Culoarea unui obiect nu depinde numai de obiectul nsui, dar i de
sursa de iluminare, de culorile din mediul apropiat, de vederea uman, etc. La
televiziunea alb-negru lumina este acromatic. Dac avem dispozitive care pot
'eproduce doar dou nivele (alb, negru) se vrea extinderea scrii de intensiti
disponibile. Soluia vine de la proprietatea ochiului omenesc de integrare
spaial. Astfel, dac privim o suprafa foarte mic de la o distan
corespunztoare, ochii mediaz detaliile fine i nregistreaz doar intensitatea
global. Acest efect este exploatat de tehnica numit halftoning sau ciustereddot ordered dithering
Compresia prin codarea diferenial
O codare foarte util este codarea diferenial. Adesea, eantioanele
succesive nu au variaii foarte mari i de aceea este mult mai util n acest caz

14

s transmitem doar diferenele ntre eantioane. Aceast diferen este o

valoare mult mai mic dect valoarea propriu-zis a eantionului i se poate
coda cu un numr mai mic de bii. Tipul acesta de codare poart numele de
codare PCM diferenial (differential PCM). Tehnica este utilizat n compresia
coeficientului DC la codarea intracadru n standardul H.261 i H.263.
Dac avem variaii mari ntre eantioane, apar distorsiuni destul de mari.
Aceste probleme pot fi eliminate prin utilizarea unei tehnici adaptive (ADPCM)
n care se folosete o ajustare dinamic a nivelului de cuantizare, astfel nct
i diferenele mai mari s poat fi transmise tot cu acelai numr de bii.
ADPCM este frecvent utilizat ca metod de compresie n domeniul audio.
Compresia prin codare predictiv
Este o tehnic derivat din codarea DPCM n care n loc s se utilizeze
eantionul precedent se utilizeaz un predictor care estimeaz urmtorul
eantion din cele anterioare. Valoarea prezis de predictor este comparat cu
urmtorul eantion i doar diferena este transmis. Acest procedeu de codare
este utilizat n standardul JPEG fr pierderi.
Compresia prin transformare
Eliminarea redundanei semnalului se poate face mult mai bine
printransformarea n domeniu frecven. Din considerente de vitez de
calcul algoritm rapid), numr de operaii i implementare, n practic se
utilizeaz transformata cosinus discret (DCT - Discret Cosine Transform) i
mai nou transformata wavelet.
Alte transformari utlizate n prelucrarea i analiza imaginilor sunt
transformatele Walsh i Hadamard.

15

CAPITOLUL II
Transformri biparametrice
"Dac toat bogia unui om se afl n
mintea sa, nimeni nu va putea s i-o fure"
Benjamin Franklin

II.1. Introducere
n sistemele multimedia din zilele nostre un rol central l au algoritmii de
compresie, deoarece ei permit reducerea cu cel puin a unui ordin de mrime
a volumului de informaie ce trebuie tranzmis. Menionm c acest lucru
trebuie realizat fr ca la recepie semnalele reconstituite s fie puternic
afectate.
Procesarea numeric a imaginilor este astazi o realitate tehnic curent
i a devenit aproape indisponibil n comunicaiile multimedia. Costurile
ridicate ale acestor tipuri de aplicaii erau determinate nainte de cantitatea
imens de informaie ce trebuia transmis pentru o imagine. Astfel o imagine
TV color conine aproximativ un milion de octei. Dac dorim o rezoluie ct
mai bun dect cea oferit de imaginea TV, cum ar fi rezoluia imaginilor din
cinematografe, acest volum de informaie poate s creasc de pna la 10 ori.
Din aceste exemple se observ c algoritmii de compresie, mai ales n cazul
semnalelor video sunt absolut necesari i indisponibili.
Se poate spune c performana unui algoritm de compresie depinde i
de performana cu care se face acest decorelare. Trebuie spus c n
vederea alegerii transformrii liniare ce trebuie aplicate algoritmului de

16

compresie un rol important l are complexitatea de calcul. De aceea este

esenial ca s existe algoritmi rapizi de calcul al acestor transformate.
Exist dou posibiliti de a efectua transformarea n frecven:
-o prim posibilitate este s convertim imaginea (semnalul
bidimensional) ntr-un semnal unidimensional prin baleerea liniei cu linia
imaginii, efectuarea transformrii, unidimensional urmat n final de
reconvertirea transformatei semnalului unidimensional ntr-un semnal
bidimensional;
-o a dou posibilitate este aplicarea unei transformate 2-D direct
semnalului bidimensional (imaginea) i obinerea unui ir bidimensional de
coeficieni.
Se demonstreaz c nu exist nici o diferen ntre cele dou
modaliti de efectuare a transformrii i aproape ntodeauna se prefer cea
de-a doua modalitate.

II.2. Transformri liniare

S presupunem c valorile intensitii pixelilor unei imagini sunt
reprezentate prin funcia f(x,y) unde perechea (x,y) reprezint coordonatele
carteziene ale unui pixel, iar transformata semnalului prin F(u,v) unde (u,v)
reprezint coordonatele n domeniul transformat. Din considerente ce in de
implementarea transformrii, aceasta se efectueaz pe un domeniu
bidimensional de forma NXN, unde 0 x N-1; 0 y N-1; 0 u N-1; 0
v N-1. Cu aceste considerente transformarea bidimensional direct are
relaia de definiie dat de:
N 1 N 1

F(u,v)=

f ( x, y) K (x,y,u,v)
d

x 0 y 0

(II.1)
iar transformarea bidimensional invers prin:
N 1 N 1

f(x,y)=

u 0 v 0

(II.2)

17

F (u , v) Ki(x,y,u,v)

n aceste dou relaii Kd(x,y,u,v) i Ki(x,y,u,v) reprezint nucleele

transformrii directe i inverse.Din analiza matematic se cunoate
proprietatea de separabilitate a funciilor de mai multe variabile. Aceast
proprietate aplicat nucleelor conduce la:
Kd(x,y,u,v) = Kd1(x,u) . Kd2(y,v)
Ki(x,y,u,v)=Ki1(x,u)Ki2(y,v)
(II.3)
i se spune c nucleele transformrii sunt separabile. n aceast situatie
transformarea 2-D poate fi descompus n dou transformri 1-D aplicate
succesiv:
N 1

F1(x,v) =

y 0

f ( x, y ) K d2(y,v); 0 x N-1,0 v N-1

(II.4)

urmat de transformarea:
N 1

F(u,v) =

x 0

F1(x,v). Kd2(x,u); 0 u N-1 0 v N-1

(II.5)

sau invers
N 1

F2 ( x, y ) f ( x, y ) K d 1 ( x, u );
x o

0 y N-1 0 u N-1

(II.6)

urmat de transformarea:
N 1

F ( x, y ) F2 ( y , u ) K d 2 ( y, v );
y 0

0 u N-1 0 v N-1

(II.7)
Nucleul transformarii se numete simetric dac el este separabil i n plus
este satisfacut condiia (IV.8)
K d 1 a, b K d 2 a, b
; a, b 0, N 1
(II.8)
n aceast situaie i transformata 2-D este similar.
Dac nucleul transformrii este simetric atunci toate relaiile pot fi scrise
i sub form matriceal. Fie matricile corespunztoare funciilor de mai sus
definite astfel:

f NxN

f x 1, y 1 x , y 1, N

K d1 NxN
(II.9)

K d 1 x 1, u 1 x ,u 1, N

K i1 NxN K i1 x 1, u 1 x,u 1, N

18

 F NxN

F u 1, v 1 u ,v 1, N

Atunci relaia (IV.1) i (IV.2) pot fi scrise matematic astfel:

F Kd1* f Kd1
T

f Ki1* F Ki1
T

(II.10)

(II.11)

unde prin [Kd1*] s-a notat matricea complex conjugat, iar matricea transpus
prin [Kd1*]T.
ntre matricile ce conin nucleele transformrii avem relaia:

Ki1 Kd1 Kd1 *

1

(II.12)

Aceste matrici sunt numite omogene (unitary matrices) si de aceea si

transformarea este omogen.
O transformare este numit ortogonal dac matricea nucleelor este o
matrice ortogonal:

K d 1 T K d 1 1

(II.13)

Comparnd relaiile (1.12) i (I.13) rezult c proprietatea de

ortogonalitate este un caz particular al celei de omogenitate i anume cnd
matricile sunt reale.
Transformata bidimensional invers pentru un set fixat de valori (x o ,yo) are
expresia:
N 1 N 1

f x o , y o F u , v * K i * xo , y o , u , v
u o V O

(II.14)

i poate fi interpretat ca valoarea intensitii unui pixel de valoare f(xo,yo) i

coordonatele (xo,yo) . Considernd toate valorile posibile ale lui (xo,yo) ,

19

obinem familia de funcii {f(x,y)}x,y=o,N-1 care poate fi interpretat ca fiind

imaginea recompensat.
Pornind de la nucleul Ki (x,y,u,v), asemenea cazului unidimensional
unde se definete o baz de funcii, n cazul bidimensional se definete o
baz de imagini. Un element al acestei baze este construit de imaginea
definit prin:

K i 0,0, u, v.K i 0,1, u, v .....................K i 0, N 1, u, v

K i (1,0, u, v).K i (1,1, u, v).....................K i (1, N 1, u, v)

Bu ,v K i (2,0, u, v).K i (2,1, u, v)....................K i (2, N 1, u, v)

.................................................................................

K
(
N

1
,
0
,
u
,
v
).
K
(
N

1
,
1
,
u
,
v
).......
K
(
N

1
,
N

1
,
u
,
v
)
i
i
i

(II.15)

cu u=0,..N-1 si v=0,.N-1.
Din relaia (IV.15) se observ c pentru o imagine de dimensiune NxN
numrul bazelor de imagini este N2.
Conform celor de mai sus descompunerea unei imagini poate fi scris
cu ajutorul bazelor de imagini:
N 1 N 1

f NxN F (u, v) NxN Bu ,v

u 1 v 0

(II.16)

innd seama c numerele transformatelor sunt separabile, simetrice si

omogene setul de imagini ale bazei poate fi construit din bazele
unidimensionale [bu]Nx1 i [bv]Nx1

20

 Ki1 o, u

Ki1 1, u
K 2, u
i1

bu Nx1

Ki1 3,u

.......
K N 1, u
i1

Ki2 0, v

Ki2 1, v
K 2, v
i2

bv Nx1

(II.17)

Ki2 3, v
.......
K N 1, v
i2

prin relaia de produs:

bu bv T

Bu ,v

(II.18)

Toate transformrile utilizate n prelucrrile de imagini sunt separabile,

simetrice i omogene
O problem important este alegerea valorii lui N. Este cunoscut din
teoria prelucrarii semnalelor c prin creterea dimensiunii lui N decorelarea
obtinut prin transformare este mai mare. Dac valoarea lui N este ns foarte
mare pot aprea probleme privind eroarea de codare care poate afecta ntreg
blocul. De asemenea alegerea lui N mare n cazul utilizrii copensrii miscrii
nu este oportun.
Prin experiene practice a fost demonstrat c dac distana dintre pixeli
este mai mare ca 20 decorelarea devine nesemnificativ. de aceea se allege
N=4, N=8, sau N=16. Valoarea N=8 a fost adoptat de standardele de
compresie pentru imagini fixe JPEG sau de standardele de copresie pentru
secvene video H.261, H.263, MPEG1 si MPEG2.
Dintre transformrile cele mai frecvente utilizate n prelucrrile de
imagine putem aminti :
*transformata Fourier discret bidimensional
* transformata Walsh discret bidimensional
*transformata Hadamard discret bidimensional
*transformata Cosinus i Sinus discret bidimensional

21

Toate aceste transformari sunt simetrice, omogene si reversibile

Un caz special l reprezint transformata Wavelet discret.

CAPITOLUL III
Transformata Hadamard discret 2-D

maxima
III.1. Noiuni generale

22

Transformata Hadamard are ca nuclee:

(III.1)

(III.2)

K d (x, y, u, v) =

1 n 1
p ( x ) p (u )
1 i i ( 1) pi ( y ) pi ( v )
i

0
N

K d (x, y, u, v) =

1 n 1
p ( x ) p (u )
1 i i ( 1) pi ( y ) pi ( v )
N i 0

unde:
- n=log2N
- pi(x) reprezint bitul i a numarului x reprezentat n binary
- p0(x) corespunde celui mai puin semnificativ bit (LSB)
- pn-1(x) corespunde celui mai semnificativ bit (MSB).
Se consider asemanarea foarte mare ntre transformata Walsh i
Hadamard i de aceea aceste dou transformari mai sunt numite i
transformare Walsh-Hadamard.
Pentru a exemplifica acest lucru vom prezenta in continuare
transformata Hadamard bidimensional si transformata Walsh
bidimensional pentru cazul N=4.

a) Transformata Hadamard bidimensional pentru cazul N=4

23

b) Transformata Walsh bidimensional pentru catul N=4

24

Privind bazele de imagini a transformatelor Walsh i Hadamard

se observ ca ele sunt asemntoare singura diferen fiind faptul ca
nu coincid poziiile lor. Astfel spre exemplu baza B 1,1 a transformatei
Hadamard este aceeai cu baza B2,2 a transformatei Walsh, baza B3,2
a transformatei Hadamard este aceeai cu baza B 3,1 a transformatei
Walsh.

III.2. Exemplificri ale transformatei Hadamard

discrete bidimensionale pentru cazul N=4

25

Pentru N=4 rezult n=2. Atunci harta numerelor este dat in tabelul I.3.

Binar

po(N)

p1(N)

00

01

10

11

Tabelul I.3 Valorile p0(x) i p1(x) pentru N=4.

Din relaiile (II.3) i (II.17), rezult c:
K i1 x, u

1
N

n 1

pi x pi u

(III.3)

i 0

Conform relaiei de construcie a bazelor unidimensionale avem:

26

 1 1

p o1 0up p11 1up 0up
1 1 1 1
buNx1 po2 0up p121up 1up
2 1 2 1
po3 0up p13 1up oup 1up
1 1
p00 0up p10 1up 0

(III.4)

Prin particularizare cu u=0,1,2,3 obinem :

1
1
1
1

1 1
1 1
1 1
1 1
b0 , b1 , b2 , b3
21
21
2 1
2 1

1
1
1
1

(III.5)

Cu ajutorul acestor baze generm baza de imagini prin relaia :

27

Bu ,v bu bv

i obinem :

1 1 1 1

1 1 1 1 1
B0.0
;

41 1 1 1

1 1 1 1

1 -1 1 -1

1 1 -1 1 -1
B0,1
4 1 -1 1 -1

1 -1 1 -1

1 1 - 1 - 1

1 1 1 - 1 - 1
B0 , 2 ;
4 1 1 -1 -1

1 1 - 1 - 1

1 1 1 1

1 1 1 1 1
B0 , 3
;

4 1 1 1 1

1 1 1 1

1 1 1 1
1 1 1 1

1 -1 -1 -1 -1
1 1 11 1
;
B1,0
; B1,1

4 1 111
4 1 1 1 -1

1 1 1 1
1 1 1 1

28

(III.6)

 1 1 -1 1

1 -1 1 1 1
;
B1,2

4 1111

1 -1 1 -1

1 1 1 1

1 -1 1 1 -1
;
B1,3

4 1 -1 -1 1

1 1 1 1

1 1 1 1

1 1 1 1 1
;
B2, 0

4 -1 -1 -1 -1

1 1 1 1

1 -1 1 1

1 1 1 1 -1
;
B2,1

4 -1 1 1 1

1 1 -1 1

1 1 -1 1

1 1 1 1 -1
;
B2 , 2

4 -1 1 1 1

1 -1 1 1

1 11 1

1 1 -1 -1 1
;
B2, 3

4 -1 1 1 -1

1 1 1 1

29

 1 1 1 1
1 -1 1 1

1 1 1 1 1
1 1 1 - 1 1
;
;
B3,0
B3,1

4 1 111
4 1 1 -1 1

1 1 1 1
1 -1 1 1

1 1 - 1 1

1 1 - 1 1 1
;
B3, 2

4 1 -1 1 1

1 1 - 1 1

1 1 1 1

1 1 1 1 1
;
B3,3

4 1 1 1 1

1 1 1 1

Pentru N=4
%Funcia Hadamard.m calculeaz i afieaz bazele de imagini ale funciei
%Hadamard bidimensionale pentru un domeniu bidimensional de forma
%NxN.Valorile tuturor bazelor unidimensionale [bu]Nx1 sunt calculate n
%matricea Ki.Sintaxa funiei este Ki=Hadamard(N).
N=4
n=log2(N);
%calcularea matricii p corespunzatoare biilor primelor N numere
for k=1:N
v=dec2bin(k-1,n);
for i=1:n
p(k,i)=v(i);

30

end
end
%calcularea tuturor bazelor unidimensionale
for k=1:N
for m=1:N
a=0;
for i=1:n
a=a+p(k,i)*p(m,i);
end
ki(k,m)=(-1)^a;
end
end
%afiarea bazelor bidimensionale Hadamard
contor=1;
v=ki;
u=v';
for i=1:N
for j=1:N
subplot(N,N,contor), imshow(u(:,i)*v(j,:))
contor=contor+1;
end
end.
Se obin 16 baze de imagini pentru N=4. Aceste baze de imagini sunt
imagini binare i dac stabilim conversia ca valoare +1 reprezint un pixel
alb i valoarea -1 reprezint un pixel negru putem avea o reprezentare
geometric a acestor baze.

31

Figura I.4.
Baza de imagini Hadamard pentru cazul N=4

32

Realizm un zoom n baza de imagini Hadamard pentru N=4 i

rezultatul este prezentat n figura de mai jos:

Figura I.5.
Zoom al bazei de imagini B1,1
Realizm un zoom n baza de imagini Hadamard pentru N=4 i
rezultatul este prezentat n figura de mai jos:

Figura I.6.
Zoom al bazei de imagini B3,1

33

III.3. Exemplificri ale transformatei Hadamard

discrete bidimensionale pentru cazul N=8
Pentru N=8 rezult n=2. Valorile p0(x), p1(x) si p2(x) sunt aceleai ca cele din
tabelul I.2.Conform relatiei (II.41) avem:

Binar

po(N)

p1(N)

000

001

010

011

100

101

110

111

Tabelul I.2 Valorile lui p0(x), p1(x) si p2(x) pentru N=8.

Conform relaiei (II.41) n aceast situaie avem :

34

p2(N)

 1po(0)p2(u)p1(0)p1(u)p2(0)p0(u) (1)0

(1)p0(1)p2(u)p1(1)p1(u)p2(1)p0(u) (1)p2(u)
p ( 2 ) p ( u ) p ( 2 ) p ( u ) p ( 2 ) p ( u ) p (u )
(1) 0 2 1 1 2 0 (1) 1
p0(3)p2(u)p1(.3)p1(u)p2(3)p0(u) p1(u)p2(u)
1 (1)
1 (1)
bNx1 p0(4)p2(u)p1(4)p1(u)p2(4)p0(u) p0(u)
8 (1)
8 (1)

p2 ( u ) p0 ( u )
p0(5) p2(u)p1(5) p1(u) p2(5) p0(u)
(1)
(1)
p0(6)p2(u)p1(6)p1(u)p2(6)p0(u) p1(u)p0(u)
(1)
(1)
p0(7)p2(u)p1(7)p1(u)p2(7)p0(u) (1)p1(u)p2(u)p0(u)
(1)

Prin particularizare
unidimensionale:

(III.7)

cu

u 0,7

35

obinem

expresiile

bazelor

 b0

b3

1

1
1

1

1
1

1
1

b1

1
1

1
1
1

1
1

36

1
1

1
1
1

1
1

b2

1
1

1
1
1

1
1

b4

b7

1
1

1
1
1

1
1

b5

1
1

1
1
1

1
1

b6

1
1

1
1
1

1
1

1
1

1
1
1

1
1

Se obin 64 baze de imagini pentru N=8. Aceste baze de imagini sunt

imagini binare i dac stabilim conversia ca valoarea +1 reprezinta un pixel
alb i valoarea -1 reprezinta un pixel negru putem avea o reprezentare
geometric a acestor baze. n figura de mai jos este prezentat o astfel de
baz de imagini obinut pentru N=8.

37

n reprezentarea grafic se face abstracie de valoarea 1/8 care

multiplic fiecare matrice.

Pentru N=8
%Funcia Hadamard.m calculeaz i afieaz bazele de imagini ale funciei
%Hadamard bidimensionale pentru un domeniu bidimensional de forma
%NxN.Valorile tuturor bazelor unidimensionale [b u]Nx1 sunt calculate n %matricea
Ki.Sintaxa funiei este Ki=Hadamard(N).
N=8
n=log2(N);
%calcularea matricii p corespunzatoare biilor primelor N numere
for k=1:N
v=dec2bin(k-1,n);
for i=1:n
p(k,i)=v(i);
end
end
%calcularea tuturor bazelor unidimensionale
for k=1:N
for m=1:N
a=0;
for i=1:n
a=a+p(k,i)*p(m,i);
end
ki(k,m)=(-1)^a;
end
end
%afiarea bazelor bidimensionale Hadamard
contor=1;
v=ki;
u=v';
for i=1:N
for j=1:N

38

subplot(N,N,contor), imshow(u(:,i)*v(j,:))
contor=contor+1;
end
end

39

Figura I.7.
Baza de imagini Hadamard pentru cazul N=8

40

Realizm mai multe zoom-uri n baza de imagine Hadamard pentru

cazul N=8 i rezultatul este prezentat n figura de mai jos:

Figura I.8.
Zoom al bazei de imagini B3,3

Figura I.9.
Zoom al bazei de imagini B5,5

Figura I.10.
Zoom al bazei de imagini B7,1

Figura I.11.
Zoom al bazei de imagini B7,7

41

III.4. Exemplificri ale transformatei Hadamard

discrete bidimensionale pentru cazul N=16
Pentru N=16
%Funcia Hadamard.m calculeaz i afieaz bazele de imagini ale funciei
%Hadamard bidimensionale pentru un domeniu bidimensional de forma
%NxN.Valorile tuturor bazelor unidimensionale [b u]Nx1 sunt calculate n %matricea
Ki.Sintaxa funiei este Ki=Hadamard(N).
N=16
n=log2(N);
%calcularea matricii p corespunzatoare biilor primelor N numere
for k=1:N
v=dec2bin(k-1,n);
for i=1:n
p(k,i)=v(i);
end
end
%calcularea tuturor bazelor unidimensionale
for k=1:N
for m=1:N
a=0;
for i=1:n
a=a+p(k,i)*p(m,i);
end
ki(k,m)=(-1)^a;
end
end
%afiarea bazelor bidimensionale Hadamard
contor=1;
v=ki;
u=v';
for i=1:N
for j=1:N
subplot(N,N,contor), imshow(u(:,i)*v(j,:))

42

contor=contor+1;
end
end

Se obin 256 baze de imagini pentru N=16. Aceste baze de imagini

sunt imagini binare i dac stabilim conversia ca valoarea +1 reprezint un
pixel alb i valoarea -1 reprezint un pixel negru putem avea o reprezentare
geometric a acestor baze. n figura de mai sus este prezentat o astfel de
baz de imagini obinut pentru N=16.

43

Figura I.6.
Baza de imaginii Hadamard pentru cazul N=16

44

Realizm mai multe zoom-uri n baza de imagine Hadamard pentru

cazul N=16 i rezultatul este prezentat n figura de mai jos:

Figura I.12.
Zoom al bazei de imagini B1,5

Figura I.13.
Zoom al bazei de imagini B5,15

Figura I.14.
Zoom al bazei de imagini B9,9

Figura I.15.
Zoom al bazei de imagini B10,9

45

Figura I.16.
Zoom al bazei de imagini B11,15

Figura I.17.
Zoom al bazei de imagini B13,7

Figura I.18.
Zoom al bazei de imagini B15,9

Figura I.19.
Zoom al bazei de imagini B15,13

46

III.5. Exemplificri ale transformatei Hadamard

discrete bidimensionale pentru cazul N=32
Pentru N=32
%Funcia Hadamard.m calculeaz i afieaz bazele de imagini ale funciei
%Hadamard bidimensionale pentru un domeniu bidimensional de forma
%NxN.Valorile tuturor bazelor unidimensionale [b u]Nx1 sunt calculate n %matricea
Ki.Sintaxa funiei este Ki=Hadamard(N).
N=32
n=log2(N);
%calcularea matricii p corespunzatoare biilor primelor N numere
for k=1:N
v=dec2bin(k-1,n);
for i=1:n
p(k,i)=v(i);
end
end
%calcularea tuturor bazelor unidimensionale
for k=1:N
for m=1:N
a=0;
for i=1:n
a=a+p(k,i)*p(m,i);
end
ki(k,m)=(-1)^a;
end
end
%afiarea bazelor bidimensionale Hadamard
contor=1;
v=ki;
u=v';
for i=1:N
for j=1:N
subplot(N,N,contor), imshow(u(:,i)*v(j,:))

47

contor=contor+1;
end
end

Se obin 1024 baze de imagini pentru N=32. Aceste baze de imagini

sunt imagini binare i dac stabilim conversia ca valoarea +1 reprezint un
pixel alb i valoarea -1 reprezint un pixel negru putem avea o reprezentare
geometric a acestor baze. n figura de mai sus este prezentat o astfel de
baz de imagini obinut pentru N=32.

48

Figura I.20.
Baza de imagini Hadamard pentru cazul N=32

49

Realizm mai multe zoom-uri n baza de imagine Hadamard pentru

cazul N=32 i rezultatul este prezentat n figura de mai jos:

Figura I.21.
Zoom al bazei de imagini B18,6

Figura I.22.
Zoom al bazei de imagini B19,19

Figura I.23.
Zoom al bazei de imagini B22,31

Figura I.24.
Zoom al bazei de imagini B25,3

50

Figura I.25.
Zoom al bazei de imagini B26,22

Figura I.26.
Zoom al bazei de imagini B28,4

Figura I.27.
Zoom al bazei de imagini B28,31

Figura I.28.
Zoom al bazei de imagini B30,3

51

Figura I.29.
Zoom al bazei de imagini B30,17

Figura I.30.
Zoom al bazei de imagini B31,15

Figura I.31.
Zoom al bazei de imagini B31,22

Figura I.32.
Zoom al bazei de imagini B31,31

52

CAPITOLUL IV
IV.1. TRANSFORMATA COSINUS DISCRET 2-D

IV.1. Noiuni generale

Principalul dezavantaj al transformatei Fourier discrete este acela c
baza de funcii este complex. Dei exist pentru aceasta transformat o
multitudine de algoritmi de calcul n practic nu este utilizat deoarece
secvena de ieire este complexa, lucru ce mrete numarul de muliri ce
trebuiesc efectuate. Se cunoate din analiza matematic c nmulirea a doua
numere complexe se rezum la patru nmuliri reale i dou adunri cu
numere reale.
Transformata Cosinus discret este o transformare foarte asemntoare
cu transformata Fourier discret i chiar un numr de algoritmi rapizi pot fi
transpui pentru aceasta transformat. Transformata Cosinus discret a fost
adoptat ca metod de descompunere n multe standarde de compresie
precum: JPEG, H.261, MPEG 1 I MPEG 2.
Transformata Cosinus discret are nucleul definit prin:

K d x, y, u , v C u C v cos

2 x 1 u
2N

cos

2 y 1 v
2N

(IV.1)

Ki x, y, u , v C u C v cos

2 x 1 u
2N

cos

(IV.2)

53

2 y 1 v
2N

unde:

N1 , u 0

N1 , v 0

C u

C u

;
N2 , u 1, N 1

;
N2 , v 1, N 1

(IV.3)

IV.2. Exemplificri ale transformatei Cosinus

discrete bidimensionale pentru cazul N=4
Pentru cazul N=4 baza transformatei cosinus discrete are expresia:

cos u8

cos v8

cos 3u8

bu 41 Cu

cos
cos 7u
8
5 u
8

cos 3v8

bv 41 Cv

cos
cos 7v
8

Particularizand pentru

u 0,3

v 0,3

obinem:

54

5v
8

(IV.4)

1 1
b0
21

cos 8

1 cos 38
b1 2 5
cos 8
cos 7
8

(IV.5)

cos 28

1 cos 68
b2 2 10
cos 8
cos14
8

cos 38

1 cos 98
b3 2 15
cos 8
cos 21
8

Construim bazele de imagini cu ajutorul relaiei:

Bu ,v bu bv ;
T

u 0,3

(IV.6)

v 0,3

Reprezentarea grafic ntr-o imagine alb-negru conduce la figura IV.1.

S-a utilizat pentru generarea bazelor unidimensionale

bu i bv T funcia

dctmtx.m din mediul de programe Matlab.Rezultatele sunt prezentate in

figura IV.1.
Pentru N=4

55

%Funcia Baza DCT.m calculeaz i afiseaz bazele de imagine ale

%funciei Cosinus bidimensionale pentru un domeniu bidimensional
%de forma NxN.Sintaxa funciei este Baza DCT(N).
N=4
v=dctmtx(N);
u=v';
contor=1;
for i=1:N
for j=1:N
subplot (N,N,contor),imshow (u(:,i)*v(j,:),[-1 1])
contor=contor+1;
end
end
n figura IV.1 este prezentat rezultatul pentru cazul N=4 n care valoarea
+1 este reprezentat cu alb, iar valoarea -1 este reprezentat cu negru.
Valorile intermediare sunt reprezentate cu nuane corespunzatoare de gri.

56

Figura IV.1.
Baza de imagini DCT pentru cazul N=4

57

Realizm un zoom n baza de imagini Cosinus pentru N=4 i rezultatul

este prezentat n figura de mai jos:

Figura IV.2.
Zoom al bazei de imagini B3,1
Realizm un zoom n baza de imagini Cosinus pentru N=4 i rezultatul
este prezentat n figura de mai jos:

Figura IV.3.
Zoom al bazei de imagini B3,3

58

IV.3. Exemplificri ale transformatei Cosinus

discrete bidimensionale pentru cazul N=8
n toi algoritmii de compresie ce utilizeaz transformata cosinus
discret a fost aleas ca valoare tipic N=8. Aceast valoare (N=8) a fost
aleas din considerente de complezitate, deoarece la momentul standardizrii
tehnologic nu se putea creea circuite care s suporte n timp real un volum de
calcule corespunztor lui N=16.

Pentru N=8
%Funcia Baza DCT.m calculeaz i afiseaz bazele de imagine ale
%funciei Cosinus bidimensionale pentru un domeniu bidimensional
%de forma NxN.Sintaxa funciei este Baza DCT(N).
N=8
v=dctmtx(N);
u=v';
contor=1;
for i=1:N
for j=1:N
subplot (N,N,contor),imshow (u(:,i)*v(j,:),[-1 1])
contor=contor+1;
end
end
n figura IV.4. este prezentat rezultatul pentru cazul N=8 n care
valoarea +1 este reprezentat cu alb, iar valoarea -1 este reprezentat cu
negru. Valorile intermediare sunt reprezentate cu nuane corespunzatoare de
gri.
Astzi se pot realiza circuite care s suporte complexiti de calcul
corespunztor valorii lui N=16 sau chiar N=32. Datorit compatibilitii cu
aplicaiile i standardele anterioare se utilizeaz i astzi valoarea lui N=8.

59

Dintre standardele de compresie care utilizeaz i astzi transformata

Cosinus discret cu N=8 amintim: algoritmii de compresie JPEG modul de
baz cu pierderi, modul extins cu pierderi, modul fr pierderi i modul
ierarhic, algoritmul de compresie pentru videoconferine i videotrlrfonie H.261
i versiunea sa mai nou H.263, algoritmul de compresie pentru semnale
video MPEG-1.

60

Figura IV.4.
Baza de imagini DCT pentru cazul N=8

61

Realizm mai multe zoom-uri n baza de imagine Cosinus pentru cazul

N=8 i rezultatul este prezentat n figura de mai jos:

Figura IV.5.
Zoom al bazei de imagini B3,5

Figura IV.6.
Zoom al bazei de imagini B5,6

Figura IV.7.
Zoom al bazei de imagini B6,5

Figura IV.8.
Zoom al bazei de imagini B7,7

62

IV.4. Exemplificri ale transformatei Cosinus

discrete bidimensionale pentru cazul N=16

Pentru N=16
%Funcia Baza DCT.m calculeaz i afiseaz bazele de imagine ale
%funciei Cosinus bidimensionale pentru un domeniu bidimensional
%de forma NxN.Sintaxa funciei este Baza DCT(N).
N=16
v=dctmtx(N);
u=v';
contor=1;
for i=1:N
for j=1:N
subplot (N,N,contor),imshow (u(:,i)*v(j,:),[-1 1])
contor=contor+1;
end
end
n figura IV.9. este prezentat rezultatul pentru cazul N=16 n care
valoarea +1 este reprezentat cu alb, iar valoarea -1 este reprezentat cu
negru. Valorile intermediare sunt reprezentate cu nuane corespunzatoare de
gri.

63

Figura IV.9.
Baza de imagini DCT pentru cazul N=16

64

Realizm mai multe zoom-uri n baza de imagine Cosinus pentru cazul

N=16 i rezultatul este prezentat n figura de mai jos:

Figura IV.10.
Zoom al bazei de imagini B6,4

Figura IV.11.
Zoom al bazei de imagini B7,9

Figura IV.12.
Zoom al bazei de imagini B9,5

Figura IV.13.
Zoom al bazei de imagini B11,11

65

Figura IV.14.
Zoom al bazei de imagini B12,6

Figura IV.15.
Zoom al bazei de imagini B13,11

Figura IV.16.
Zoom al bazei de imagini B14,2

Figura IV.17.
Zoom al bazei de imagini B15,14

66

IV.5. Exemplificri ale transformatei Cosinus

discrete bidimensionale pentru cazul N=32

Pentru N=32
%Funcia Baza DCT.m calculeaz i afiseaz bazele de imagine ale
%funciei Cosinus bidimensionale pentru un domeniu bidimensional
%de forma NxN.Sintaxa funciei este Baza DCT(N).
N=32
v=dctmtx(N);
u=v';
contor=1;
for i=1:N
for j=1:N
subplot (N,N,contor),imshow (u(:,i)*v(j,:),[-1 1])
contor=contor+1;
end
end
n figura IV.18. este prezentat rezultatul pentru cazul N=32 n care
valoarea +1 este reprezentat cu alb, iar valoarea -1 este reprezentat cu
negru. Valorile intermediare sunt reprezentate cu nuane corespunzatoare de
gri.

67

Figura IV.18.
Baza de imagini DCT pentru cazul N=32

68

Realizm mai multe zoom-uri n baza de imagine Cosinus pentru cazul

N=32 i rezultatul este prezentat n figura de mai jos:

Figura IV.19.
Zoom al bazei de imagini B5,5

Figura IV.20.
Zoom al bazei de imagini B7,23

Figura IV.21.
Zoom al bazei de imagini B9,15

Figura IV.22.
Zoom al bazei de imagini B11,18

69

Figura IV.23.
Zoom al bazei de imagini B14,10

Figura IV.24.
Zoom al bazei de imagini B17,9

Figura IV.25.
Zoom al bazei de imagini B19,30

Figura IV.26.
Zoom al bazei de imagini B23,28

70

Figura IV.27.
Zoom al bazei de imagini B24,11

Figura IV.28.
Zoom al bazei de imagini B27,25

Figura IV.29.
Zoom al bazei de imagini B30,26

Figura IV.30.
Zoom al bazei de imagini B31,31

71

BIBLIOGRAFIE

1. Mircea

RDUCANU

Sisteme

aplicaii

multimedia-

Transformri biparametrice utilizate n analiza imaginilor. Editura

Electronic 2000.

2.

Mircea RDUCANU, Radu Ovidiu PREDA, Radu Mihnea

UDREA - Sisteme i aplicaii multimedia- ndrumar de laborator.
Editura Electronica 2000.

3. Mircea RDUCANU Semnale circuite i sisteme I i II- note de

curs.

4.

Ad. MATEESCU, S. CIOCHIN, N. DUMITRU, L. STANCIU,

Al. ERBNESCU Prelucrarea numeric a semnalelor. Editura
Tehnic, Bucureti, 1999.

5.

Ad. MATEESCU, N. DUMITRU, L. STANCIU Semnale

Circuite i Sisteme. Editura Teora, Bucureti 2000.

72