Documente Academic
Documente Profesional
Documente Cultură
Cuprins
I. Introducere ....................................................................................... 3
II. Noiuni teoretice generale ................................................................ 4
1. Imagini digitale .............................................................................. 4
2. Compresia imaginilor cu nivele de gri .......................................... 4
2.1. Compresia imaginilor cu transformate .................................... 5
2.2. Codarea predictiv ................................................................... 5
2.3. Codarea cu arbori cuaternari .................................................... 6
2.4. Cuantizarea vectorial.............................................................. 6
III. Detalii teoretice, descrierea algoritmului implementat ................. 7
IV. Rezultate ........................................................................................ 8
V. Concluzii ........................................................................................ 12
VI. Bibliografie ................................................................................. 12
2
I. Introducere
Cea mai imediat metod de codare a unei imagini cu nivele de gri este de a o
considera ca un ir de bii i de a aplica metodele de codare pentru imagini binare: fie pentru
fiecare plan de bit al reprezenrii binare a nivelor de gri, fie pentru succesiunea de bii a
reprezentrilor nivelelor de gri. Asemenea abordri produc codri fr pierderi a imaginilor i
nu produc ntotdeauna rezultate spectaculoase. O mult mai mare amploare a cptat clasa de
metode de compresie cu pierderi .
O imagine digital este o matrice bidimensional de eantioane, n care fiecare
eantion poart numele de pixel. Precizia cu care se lucreaz este determinat de numrul de
nivele de gri cu care se poate reprezenta intensitatea unui pixel i poate fi exprimat ca
numrul de bii/pixel. n funcie de acest parametru, imaginile pot fi clasificate n:
Fig 1.
Aa dup cum se tie, senzaia de culoare se obine prin amestecul culorilor primare
rou(Red), verde (Green) i albastru (Blue). Dac lum n considerare spaiul de reprezentare
a culorilor R,G,B (figura 2.1), linia pentru care R=G=B reprezint tocmai scara de gri ntre
alb i negru.
3
II. Noiuni teoretice generale
1. Imagini digitale
imagini scalare, n care fiecare component este un scalar (un unic numr); ca exemple
de astfel de imagini se pot da imaginile monocrome (n care punctele au doar dou valori
posibile, ce corespund unui coninut binar al imaginii, n general alb-negru) i imaginile
cu nivele de gri (de tipul imaginii de luminan de pe ecranele televizoarelor alb-negru).
imagini vectoriale, n care fiecare component este un vector de numere; cazul
particular cel mai de interes este acela al imaginilor color, n care vectorul are trei
elemente (ce corespund celor trei constituente de baz ale oricrei culori); n general,
pentru imaginile multicomponent, vectorul asociat fiecrui punct din imagine are mai
multe elemente (caz ce corespunde imaginilor preluate n mai multe benzi de frecven,
aa cum sunt imaginile de teledetecie ale sateliilor, imaginile de termodetecie n benzile
de infrarou,...). Tot n categoria imaginilor vectoriale intr ns si imaginile stereo (o
pereche de imagini ale aceleii scene, luate din unghiuri diferite) i secvenele de imagini.
Pentru o imagine cu nivele de gri, componentele de rou, verde i albastru ale fiecrei
culori din paleta de culoare sunt identice. Dac specificarea componentelor de culoare se face
prin numere de 8 bii (deci ntre 0 si 255, adic cazul cel mai des folosit), tabela de culoare
va avea 256 de culori (tonuri de gri) diferite. Specificarea acestora se va face cu indeci ntre
0 i 255, alocai conform conveniei 0 - negru, 255 - alb. n acest fel, pentru o imagine
indexat cu nivele de gri, nu mai este necesar specificarea tabelei de culoare; culorii
reprezentate de indexul i i corespunde nivelul de gri i, adic tripletul RGB (i, i, i).
4
niveluri de gri Wavelet
Cu predicie bazate pe DPCM(Diferential Pule Code Modulation)
Etc. Cu fractali
VQ (Vector Quantization)
5
Fig 2.2.1.
Fig 2.3.1
6
mulime mai mic (n mod tipic acestea din urm fiind numere naturale); asocierea include
(chiar daca nu explicit) operaii de tipul rotunjirii la cel mai apropiat ntreg. Cuantizarea
vectorial aproximeaz (sau rotunjete) un grup de numere deodat, nu doar unul singur.
Aadar, pentru a realiza o cuantizare vectorial sunt necesare un set de vectori de aproximare
(inclusiv metoda prin care acestea pot fi deduse) i o regul de asociere a vectorilor de intrare
cu vectorii de aproximare.
Fig 2.4.1.
Urmtorul cod, reprezint un program Matlab ce tinde spre reconstituirea unei imagini
color dintr-o imagine alb-negru(graycale), avnd ca referin o imagine color, aleas de ctre
utilizator.
function R=gray2rgb(img1,img2)
tic
clc;
warning off;
imt=imread(img1);
ims=imread(img2);
[sx sy sz]=size(imt);
[tx ty tz]=size(ims);
if sz~=1
imt=rgb2gray(imt);
end
if tz~=3%
disp ('img2 must be a color image (not indexed)');
else
imt(:,:,2)=imt(:,:,1);
imt(:,:,3)=imt(:,:,1);
7
nspace1=rgb2ycbcr(ims);
nspace2= rgb2ycbcr(imt);
ms=double(nspace1(:,:,1));
mt=double(nspace2(:,:,1));
m1=max(max(ms));
m2=min(min(ms));
m3=max(max(mt));
m4=min(min(mt));
d1=m1-m2;
d2=m3-m4;
% normalizarea
dx1=ms;
dx2=mt;
dx1=(dx1*255)/(255-d1);
dx2=(dx2*255)/(255-d2);
[mx,my,mz]=size(dx2);
IV. Rezultate
n urma rulrii algoritmului de mai sus, am obinut urmtoarele rezultate:
1. Imaginea referin;
2. Imaginea alb-negru(grayscale);
8
3. Imaginea rezultat.
9
10
11
V. Concluzii
VI. Bibliografie
http://ctmtc.utcluj.ro
www.miv.ro/books/MIvanovici_PI.pdf
http://imag.pub.ro/ro/cursuri/archive/labpi.pdf
http://www.tannerhelland.com/3643/grayscale-image-algorithm-vb6/
https://rosettacode.org/wiki/Grayscale_image
http://blogs.mathworks.com/pick/2012/11/25/converting-images-from-grayscale-to-color/
12