Transformări discrete bidimensionale utilizate în prelucrarea semnalelor
Transformări discrete bidimensionale utilizate
Conf. dr. ing. Mircea RĂDUCANU*, Prof. dr. ing. Lucian STANCIU*,
Cuvinte cheie. Transformare biparametrică, transfor-
mare liniară, nucleu, baze de imagini, transformarea
Fourier discretă bidimensională, transformarea Walsh
discretă bidimensională, transformarea Hadamard dis-
creta bidimensionala, transformarea Cosinus discretă
bidimensională, transformarea Sinus discretă bi-
dimensională
Rezumat. Scopul acestui articol este de a trece în
revistă principalele transformate discrete bidimensio-
nale utilizate în compresia imaginilor. Deasemenea,
se prezintă o formalism generalizat pentru trans-
formările bidimensionale discrete omogene liniare,
apoi este prezentată o interpretare cu ajutorul bazelor
de imagini.
1. Introducere
În* sistemele multimedia din zilele noastre un rol
central îl au algoritmii de compresie, deoarece ei
permit reducerea cu cel puţin a unui ordin de mă-
rime a volumului de informaţie ce trebuie transmisă.
Menţionăm că acest lucru trebuie realizat fără ca la
recepţie semnalele reconstituite să fie puternic afec-
tate. Procesarea numerică a imaginilor este astăzi o
realitate tehnică curentă şi a devenit aproape in-
dispensabilă în comunicaţiile multimedia. Costurile
ridicate ale acestor tipuri de aplicaţii erau deter-
minate înainte de cantitatea imensă de informaţie ce
* Universitatea „Politehnica”, Bucureşti.
TELECOMUNICAŢII ● Anul LI, nr. 1/2008
în prelucrarea semnalelor
Prof. dr. ing. Adelaida MATEESCU*
Keywords. Biparametric transform, liniar transform,
kernel, image basis, bidimensional discret Fourier
transform, bidimensional discret Walsh transform,
bidimensional discret Hadamard transform, bidimen-
sional discret Cosinus transform, bidimensional
discret Sinus transform.
Abstract. The purpose of this paper is to present an
overview on 2-D discrete transform witch are used in
image compression. Also, we present a general
formulation of a linear unitary 2-D discrete transform,
then a basis image interpretation of transform coding
is given.
trebuia transmisă pentru o imagine. Astfel, o imagine
TV color conţine aproximativ un milion de octeţi.
Dacă vrem o rezoluţie şi mai bună decât cea oferită
de imaginea TV, cum ar fi rezoluţia imaginilor din
cinematografie, acest volum de informaţie poate să
crească de până la 10 ori. Din aceste exemple se
observă că algoritmii de compresie, mai ales în
cazul semnalelor video sunt absolut necesari şi
indispensabili.
În cazul transformărilor bidimensionale există
două posibilităţi de a efectua transformarea: o primă
posibilitate este să convertim imaginea (semnal
bidimensional) într-un semnal unidimensional prin
baleierea linie cu linie a imaginii, efectuarea apoi
a transformării unidimensionale urmată în final
35
Mircea Răducanu, Lucian Stanciu, Adelaida Mateescu

de reconvertirea transformatei semnalului uni- Nucleul transformării se numeşte simetric dacă el

dimensional într-un semnal bidimensional; o a doua este separabil şi în plus este satisfăcută condiţia
posibilitate este aplicarea unei transformate 2-D K d 1 (a, b ) = K d 2 (a, b ) ; (∀) a, b ∈ [0 , N − 1] . În
direct semnalului bidimensional şi obţinerea unui şir
această situaţie şi transformarea 2-D este sime-
bidimensional de coeficienţi.
trică.
Între cele două modalităţi de efectuare a
Dacă nucleul transformării este simetric atunci
transformatei bidimensionale se demonstrează că
toate relaţiile pot fi scrise şi sub formă matriceală:
nu există nici o diferenţă şi aproape întotdeauna se
[F ] = [K d1∗ ] ⋅ [ f ]⋅ [K d 1 ]
T
preferă cea de a doua modalitate. (3)

[ f ] = [K i1∗ ] ⋅ [F ]⋅ [K i1 ]
T
2. Transformări liniare (3)

Valorile intensităţii pixelilor unei imaginii sunt unde prin [K ]d1

∗
s-a notat matricea complex

reprezentate prin funcţia f ( x, y ) , unde perechea

conjugată, iar matricea transpusă prin K d 1 [ ]T şi
(x, y ) reprezintă coordonatele carteziene ale unui
[ f ]N × N = ( f (x − 1, y − 1))x, y =1, N ,
pixel, iar transformata semnalului prin F (u , v ) , unde
[K d 1 ]N × N = (K d 1 (x − 1, u − 1))x,u =1, N ,
(u, v ) reprezintă coordonatele în domeniul trans-
format. Din considerente ce ţin de implementarea
[Ki1 ]N × N = (Ki1 (x − 1, u − 1))x,u =1, N ,
transformării, aceasta se efectuează pe un domeniu [F ]N × N = (F (u − 1, v − 1))u ,v =1, N .
bidimensional de forma N × N, unde 0 ≤ x ≤ N − 1 ;
O transformare este numită ortogonală dacă:
0 ≤ y ≤ N − 1 ; 0 ≤ u ≤ N − 1 ; 0 ≤ v ≤ N − 1 . Cu
[K d1 ]T = [K d1 ]−1 .
aceste considerente transformarea bidimensională
Transformata bidimensională inversă pentru un
directă are relaţia de definiţie dată de:
N −1 N −1 set fixat de valori ( x0 , y0 ) are expresia:
F (u , v ) = ∑∑ f ( x, y ) ⋅K d (x, y, u, v ) (1) N −1 N −1
x =0 y =0
f (x0 , y0 ) = ∑∑ F (u , v ) ⋅K i (x0 , y0 , u , v ) (4)
iar transformarea bidimensională inversă prin: u =0 v =0

N −1 N −1 şi poate fi interpretată ca fiind valoarea intensităţii

f ( x, y ) = ∑∑ F (u , v ) ⋅K i (x, y, u , v ) (2)
u =0 v =0 unui pixel f ( x0 , y 0 ) . Considerând toate valorile

În aceste două relaţii K d ( x, y , u , v ) şi posibile ale lui ( x0 , y 0 ) se obţine familia de funcţii

K i (x, y, u , v ) reprezintă nucleele transformării directe
şi inverse.
Dacă K d ( x, y , u , v ) = K d 1 ( x, u ) ⋅ K d 2 ( y , v )
K i (x, y, u , v ) = K i1 ( x, u ) ⋅ K i 2 ( y, v ) se spune că
nucleele transformării sunt separabile. În această
situaţie transformarea 2-D poate fi descompusă în
două transformări 1-D aplicate succesiv.
{ f (x, y )}x, y =0, N −1 care poate fi interpretată ca fiind
imaginea reconstruită. Pornind de la funcţia nucleu
şi K i ( x, y, u , v ) , asemenea cazului unidimensional
unde se defineşte noţiune de bază de funcţii, în
cazul bidimensional se defineşte conceptul de bază
de imagini. Un element al acestei baze este
constituit din:

36 TELECOMUNICAŢII ● Anul LI, nr. 1/2008

Transformări discrete bidimensionale utilizate în prelucrarea semnalelor

⎛ 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 ) ⎟ cu u , v = 0, N − 1 (5)
⎜ ⎟
⎜ ... ... ... ... ... ⎟
⎜ K ( N − 1, 0, u , v ) K ( N − 1,1, u , v ) ... K i (N − 1, N − 1, u , v )⎟⎠
⎝ i i

Dacă nucleul este real atunci Bu ,v este o matrice lui N mare în cazul utilizării compensării mişcării nu
este oportună.
reală şi poate avea o reprezentare geometrică prin
intermediul unei imagini. Din relaţia de mai sus se
2.1. Transformarea Fourier discretă
observă că pentru o imagine de dimensiune N × N
2
bidimensională
puncte, numărul bazelor de imagini este N .
Conform celor de mai sus descompunerea unei Transformata Fourier discretă este una dintre
imagini poate fi scrisă cu ajutorul bazelor de imagini: cele mai utilizate transformate în domeniul pre-
N −1 N −1 lucrării semnalelor. Expresia ei poate fi dedusă din
[ f ]N × N = ∑∑ [F (u, v )]N × N ⋅ Bu ,v (6) relaţiile (I.1) şi (I.2) prin particularizarea nucleului cu
u =0 v =0
funcţia exponenţială complexă:
Ţinând seama că nucleele transformatelor sunt
1 ⎛ j 2π ( x ⋅ u + y ⋅ v ) ⎞
separabile, simetrice şi omogene setul de imagini K d ( x, y , u , v ) = exp⎜ − ⎟ (9)
ale bazei poate fi construit din bazele unidimen-
N ⎝ N ⎠
[ ]N ×1 şi [bv ]N ×1 : 1 ⎛ j 2π (x ⋅ u + y ⋅ v ) ⎞
sionale bu
K i ( x, y , u , v ) = exp⎜ ⎟ (10)
N ⎝ N ⎠
⎛ Ki1 ( 0, u ) ⎞ ⎛ K i 2 ( 0, v ) ⎞
⎜ ⎟ ⎜ ⎟ Se observă că nucleul transformării este
⎜ Ki1 (1, u ) ⎟ ⎜ Ki 2 (1, v ) ⎟
separabil, simetric şi omogen:
[bu ]N ×1 = ⎜ i1 ( ) ⎟ ; [bv ]N ×1 = ⎜ i 2 ( ) ⎟
⎜ K 2, u ⎟ ⎜ K 2, v ⎟
⎜ Ki1 ( 3, u ) ⎟ ⎜ Ki 2 ( 3, v ) ⎟ 1
K1 ( x, u ) =
⎛ j 2π ⋅ x ⋅ u ⎞
exp ⎜ −
⎜ ⎟ ⎜ ⎟ ⎟=
... ... N ⎝ N ⎠
⎜ K N − 1, u ⎟ ⎜ K N − 1, v ⎟ (11)
⎝ i1 ( )⎠ ⎝ i2 ( )⎠ 1 ⎛ j 2π ⋅ x ⋅ u ⎞
= exp ⎜ − ⎟ = K 2 ( x, u )
(I7) N ⎝ N ⎠
prin relaţia de produs: Pentru N = 4 se obţin următoarele valori pentru
Bu ,v = [bu ]⋅ [bv ]
T
(8) [bu ]N ×1 şi [bv ]N ×1 :
Toate transformările utilizate în prelucrările de ⎛1⎞ ⎛ 1⎞
⎜ ⎟ ⎜ ⎟
imagini sunt separabile, simetrice şi omogene. 1 ⎜1⎟ 1⎜ j⎟
[b0 ] = ⎜ ⎟ ; [b1 ] = ;
O problemă importantă este alegerea valorii 2 1 2 ⎜ −1 ⎟
⎜ ⎟ ⎜ ⎟
optime a lui N . Este cunoscut din teoria prelucrării ⎜1⎟ ⎜− j⎟
⎝ ⎠ ⎝ ⎠
semnalelor că prin creşterea valorii lui N decore-
⎛ 1⎞ ⎛ 1⎞
larea obţinută prin transformare este mai mare. ⎜ ⎟ ⎜ ⎟
1 ⎜ − 1⎟ 1 ⎜− j⎟
[b2 ] = ⎜ ⎟ ; [b3 ] =
2 ⎜ −1 ⎟
Dacă valoarea lui N este însă foarte mare pot
2 1
apare probleme privind eroarea de codare care ⎜ ⎟ ⎜ ⎟
⎜ − 1⎟ ⎜ j⎟
⎝ ⎠ ⎝ ⎠
poate afecta întreg blocul. De asemenea, alegerea

TELECOMUNICAŢII ● Anul LI, nr. 1/2008 37

Mircea Răducanu, Lucian Stanciu, Adelaida Mateescu

iar bazele de imagini se calculează cu (1.18). Spre Tabelul 1

exemplificare sunt prezentate valorile pentru B1, 2 , Valorile lui p0 ( x ) şi p1 ( x ) pentru N = 4

B2,3 si B3,3 : N Binar p0 ( N ) p1 ( N )

⎛ 1 −1 1 −1 ⎞ 0 00 0 0
⎜ ⎟ 1 01 1 0
1⎜ j − j j − j⎟
B1, 2 = ⎜ ,
1⎟
2 10 0 1
4 −1 1 −1
⎜ ⎟
⎜− j j −j j ⎟⎠
3 11 1 1
⎝
Conform relaţiei de construcţie a bazelor uni-
⎛ 1 − j −1 j⎞
⎜ ⎟ dimensionale avem:
1 ⎜ −1 j 1 − j⎟
B2 , 3 = ⎜ ,
⎛ ( −1) p0 ( 0 ) p1( u )+ p1( 0) p0 ( u ) ⎞
4 1 − j −1 j⎟
⎜ ⎟ ⎜ ⎟
⎜ −1 1 − j ⎟⎠ p0 (1) p1( u )+ p1(1) p0 ( u )
⎝ j 1 ⎜ ( −1) ⎟
[bu ]N ×1 = ⎜ p0 (2 ) p1(u )+ p1(2) p0 (u ) ⎟ =
⎛ 1 −1 1 −1 ⎞ 2 ⎜ ( −1) ⎟
⎜ ⎟ ⎜⎜ p0 ( 3) p1( u )+ p1( 3) p0 ( u ) ⎟
1 ⎜− j j −j ⎟
⎝ ( −1)
j ⎟
B3, 2 = ⎜ . ⎠
4 −1 1 −1 1 ⎟
⎜ ⎟ ⎛ ( −1)0 ⎞
⎜ j −j j − j ⎟⎠
⎝ ⎜ p1( u )
⎟
Din cauză că valorile elementelor bazei de ima- 1 ⎜ ( −1) ⎟
= ⎜ p0 ( u ) ⎟
gini sunt complexe nu se poate asocia elementelor 2 ⎜ ( −1) ⎟
⎜⎜ p0 ( u )+ p1( u ) ⎟
⎟
⎝ ( −1)
bazei o reprezentare prin imagini.
⎠

2.2. Transformata Walsh discretă 2-D Prin particularizare cu u = 0, 3 obţinem:

⎛1⎞ ⎛1⎞
Nucleele transformării Walsh discretă discretă şi ⎜ ⎟ ⎜ ⎟
1 ⎜1⎟ 1⎜ 1 ⎟
inversă sunt date de expresiile: [b0 ] = ⎜ ⎟ , [b1 ] = ,
2 1 2 ⎜ − 1⎟
K d ( x, y , u , v ) = [
1 n −1
Π (− 1) i n−1−i (− 1) i n−1−i
N i =0
p (x ) p (u ) p (y)p (v )
] ⎜ ⎟
⎜1⎟
⎝ ⎠
⎜ ⎟
⎜ − 1⎟
⎝ ⎠
(12) ⎛1⎞ ⎛1⎞
⎜ ⎟ ⎜ ⎟
K i ( x, y , u , v ) =
N i =
[
1 n −1
Π (− 1) i n−1−i (− 1) i n−1−i
0
p (x ) p (u ) p (y)p (v )
] 1 ⎜ − 1⎟
[b2 ] = ⎜ ⎟ , [b3 ] =
2 1
1 ⎜ − 1⎟
2 ⎜ − 1⎟
.
⎜ ⎟ ⎜ ⎟
(13) ⎜ − 1⎟ ⎜1⎟
⎝ ⎠ ⎝ ⎠
unde: n = log 2 N , pi ( x ) reprezintă bitul i a numă-
Cu ajutorul relaţiei Bu , v = bu ⋅ bv [ ] [ ]T se obţin toate
rului x reprezentat în binar, p0 ( x) corespunde
bazele. Exemplificăm pentru B1, 2 , B2,3 şi B3, 2 :
celui mai puţin semnificativ bit (LSB), iar pn−1 ( x)
⎛ 1 − 1 1 − 1⎞
corespunde celui mai semnificativ bit (MSB). ⎜ ⎟
1 ⎜ 1 − 1 1 − 1⎟
B1, 2 = ⎜ ;
Pentru N = 4 rezultă n = 2. Valorile lui p0 ( x) şi
4 −1 1 −1 1⎟
⎜ ⎟
p1 ( x) sunt prezentate în tabelul 1. ⎜ −1 1 −1 1⎟
⎝ ⎠

38 TELECOMUNICAŢII ● Anul LI, nr. 1/2008

Transformări discrete bidimensionale utilizate în prelucrarea semnalelor

B0,0 B0,1 B0,2 B0,3

B1,0 B1,1 B1,2 B1,3

B2,0 B2,1 B2,2 B2,3

B3,0 B3,1 B3,2 B3,3

Fig. 1. Baza de imagini Walsh pentru N = 4.

⎛ 1 −1 −1 1⎞ 2.3. Transformata Hadamard

⎜ ⎟
1 ⎜ −1 1 1 − 1⎟ discretă 2-D
B2 , 3 = ⎜ ,
4 1 −1 −1 1⎟
⎜ ⎟ Transformata Hadamard are ca nuclee:
⎜ −1 1 1 − 1 ⎟
⎝ ⎠
⎛ 1 −1 1 − 1⎞
K d ( x, y , u , v ) =
1 n −1
N i =
[
Π (− 1) i i (− 1) i i
0
p ( x ) p (u )
]
p ( y ) p (v )
(14)
⎜ ⎟
1 ⎜ −1 1 −1
B3, 2 = ⎜
4 −1 1 −1
1⎟
1⎟
. K i ( x, y , u , v ) = [
1 n −1
Π (− 1) i i (− 1) i i
N i =0
p ( x ) p (u )
]
p ( y ) p (v )
(15)
⎜ ⎟
⎜ 1 −1 1 − 1⎟⎠
⎝ unde: n = log 2 N , pi ( x ) reprezintă bitul i a numă-
Se obţin 16 baze de imagini pentru N = 4. Aceste
rului x reprezentat în binar, p0 ( x) corespunde
baze de imagini sunt imagini binare şi dacă stabilim
convenţia că valoarea “+1” reprezintă un pixel alb şi celui mai puţin semnificativ bit (LSB), pn−1 ( x)
valoarea “-1” reprezintă un pixel negru putem avea o corespunde celui mai semnificativ bit (MSB).
reprezentare geometrică a acestor baze. În figura 1 Se constată asemănarea foarte mare între
este prezentată o astfel de bază de imagini obţinută transformata Walsh şi Hadamard şi de aceea aceste
pentru N = 4. două transformări mai sunt numite transformare
Acest lucru este posibil, deoarece nucleul trans- Walsh-Hadamard.
formării Walsh este real spre deosebire de nucleul Pentru N = 4 rezultă n = 2. Atunci harta
transformării Fourier discrete. În reprezentarea
numerelor este dată în tabelul 2.
grafică facem abstracţie de valoarea 1 4 care Conform relaţiei de construcţie a bazelor uni-
multiplică fiecare matrice. dimensionale avem:

TELECOMUNICAŢII ● Anul LI, nr. 1/2008 39

Mircea Răducanu, Lucian Stanciu, Adelaida Mateescu

⎛ ( −1) p0 ( 0 ) p0 ( u )+ p1( 0 ) p1( u ) ⎞ ⎛ 1 −1 −1 1⎞

⎜ ⎟ ⎜ ⎟
p0 (1) p0 ( u )+ p1(1) p1( u ) 1 ⎜ 1 −1 −1 1⎟
1 ⎜ ( −1) ⎟ B2,3 = ⎜ ;
[bu ]N ×1 = ⎜ p0 ( 2) p0 (u )+ p1( 2) p1(u ) ⎟ = 4 − 1 1 1 − 1⎟
⎜ ⎟
2 ⎜ ( −1) ⎟ ⎜ − 1 1 1 − 1⎟
⎜⎜ p0 ( 3) p0 ( u )+ p1( 3) p1( u ) ⎟
⎝ ⎠
⎟
⎝ ( −1) ⎠
⎛ 1 1 − 1 − 1⎞
⎜ ⎟
⎛ ( −1)0 ⎞ 1 ⎜ −1 −1 1 1⎟
⎜ p0 ( u )
⎟ B3, 2 = ⎜ .
1 ⎜ ( −1) ⎟ 4 −1 −1 1 1⎟
= ⎜ ⎟ ⎜ ⎟
2 ⎜ ( −1) p1( u ) ⎟ ⎜ 1 1 − 1 − 1⎟
⎝ ⎠
⎜⎜ p0 ( u )+ p1( u ) ⎟
⎟
⎝ ( −1)
În mod asemănător bazelor de imagini Walsh se
⎠
obţin cele 16 baze de imagini în cazul Hadamard. În

Tabelul 2 figura 2 este prezentată o astfel de bază de imagini

obţinută pentru cazul N = 4. Pentru reprezentarea
Valorile p0 ( x ) şi p1 ( x ) pentru N = 4
grafică se face abstracţie de valoarea 1 4 care
N Binar p0 ( N ) p1 ( N )
multiplică fiecare matrice şi valoarea “+1” a matricii
0 00 0 0
este reprezentată printr-un pixel alb în timp ce
1 01 1 0
valoarea “-1” printr-un pixel negru.
2 10 0 1
3 11 1 1 Se demonstrează că dacă N = 2 m atunci
transformata Walsh şi transformata Hadamard au
Pentru u = 0, 3 obţinem: aceeaşi bază de imagini, doar cu ordinea schimbată.
Acest lucru se poate constata şi din compararea
⎛ 1⎞ ⎛ 1⎞
⎜ ⎟ ⎜ ⎟ figurii 1 cu figura 2.
1⎜ 1⎟ 1 ⎜ − 1⎟
[b0 ] = ⎜ , [b1 ] = ,
2 1⎟ 2 ⎜ 1⎟
⎜ ⎟ ⎜ ⎟ 2.4. Transformarea Cosinus discretă 2-D
⎜ 1⎟⎠ ⎜ − 1⎟
⎝ ⎝ ⎠
Transformata Cosinus discretă are nucleul definit
⎛ 1⎞ ⎛ 1⎞
⎜ ⎟ ⎜ ⎟ prin:
1 ⎜ 1⎟ 1 ⎜ − 1⎟
[b2 ] = ⎜ ⎟ , [b3 ] = . K d ( x, y , u, v ) = C ( u ) C ( v ) ⋅
2 −1 2 ⎜ − 1⎟
⎜ ⎟ ⎜ ⎟ ⎛ ( 2 x + 1) u ⋅ π ⎞ ⎛ ( 2 y + 1) v ⋅ π ⎞ (17)
⎜ − 1⎟ ⎜ 1⎟
⎝ ⎠ ⎝ ⎠ ⋅ cos ⎜ ⎟ cos ⎜ ⎟
⎝ 2N ⎠ ⎝ 2N ⎠
Bu ,v = [bu ]⋅ [bv ] se obţin toate
T
Cu ajutorul relaţiei
K i ( x , y , u, v ) = C ( u ) C ( v ) ⋅
bazele. Exemplificăm pentru B1, 2 , B2,3 şi B3, 2 :
⎛ ( 2 x + 1) u ⋅ π ⎞ ⎛ ( 2 y + 1) v ⋅ π ⎞ (18)
⋅ cos ⎜ ⎟ cos ⎜ ⎟
⎛ 1 1 − 1 − 1⎞ ⎝ 2N ⎠ ⎝ 2N ⎠
⎜ ⎟
1 ⎜ −1 −1 1 1⎟ unde coeficienţii transformatei Cosinus discrete
B1, 2 = ⎜ ;
4 1 1 − 1 − 1⎟ bidimensionale C (u ) şi C (v ) au următoarele ex-
⎜ ⎟
⎜ −1 −1 1 1⎟
⎝ ⎠ presii:

40 TELECOMUNICAŢII ● Anul LI, nr. 1/2008

Transformări discrete bidimensionale utilizate în prelucrarea semnalelor

⎧ 1 Pentru cazul N = 4 bazele unidimensionale ale

⎪⎪ , u=0 transformatei Cosinus discrete au expresiile:
C (u) = ⎨ N ;
⎪ 2 , u = 1, N − 1 ⎛ ⎛π ⎞ ⎞
⎜ cos⎜ ⎟ ⎟
⎪⎩ N ⎛ 1⎞ ⎜ ⎝8⎠ ⎟
⎜ ⎟ ⎜ ⎛ 3π ⎞ ⎟
1⎜ 1⎟ ⎜ cos⎜ ⎟ ⎟
⎧ 1 [b0 ] = ⎜ ; [b1 ] = 1 ⎜ ⎝ 58π ⎠ ⎟ ;
⎪⎪ , v=0 2 1⎟ 2 ⎜ cos⎛ ⎞ ⎟
⎜ ⎟
C (v) = ⎨ ⎜ ⎜⎝ 8 ⎟⎠ ⎟
N ⎜
(19)
⎝ 1 ⎟⎠
⎪ 2 , v = 1, N − 1 ⎜ ⎟
⎪⎩ N ⎜ cos⎛⎜ 7π ⎞⎟ ⎟
⎜ ⎟
⎝ ⎝ 8 ⎠⎠
B0,0 B0,1 B0,2 B0,3

B1,0 B1,1 B1,2 B1,3

B2,0 B2,1 B2,2 B2,3

Fig. 2. Baza de imagini Hadamard
pentru N = 4.

B3,0 B3,1 B3,2 B3,3

B0,0 B0,1 B0,2 B0,3

B1,0 B1,1 B1,2 B1,3

Fig. 3. Baza de imagini DCT

pentru N = 4. B2,0 B2,1 B2,2 B2,3

B3,0 B3,1 B3,2 B3,3

TELECOMUNICAŢII ● Anul LI, nr. 1/2008 41

Mircea Răducanu, Lucian Stanciu, Adelaida Mateescu

⎛ ⎛ 2π ⎞ ⎞ ⎛ ⎛ 3π ⎞ ⎞ ⎛ ⎛π ⎞ ⎞ ⎛ ⎛π ⎞ ⎞
⎜ cos⎜ ⎟⎟ ⎜ cos⎜ ⎟ ⎟ ⎜ sin ⎜ ⎟ ⎟ ⎜ sin ⎜ ⎟ ⎟
⎜ ⎝ 8 ⎠⎟ ⎜ ⎝ 8 ⎠⎟ ⎜ ⎝8⎠ ⎟ ⎜ ⎝4⎠ ⎟
⎜ ⎛ 6π ⎞ ⎟ ⎜ ⎛ 9π ⎞ ⎟ ⎜ ⎛ 3π ⎞ ⎟ ⎜ ⎛ 3π ⎞ ⎟
cos⎜ ⎟ ⎟ cos⎜ ⎟ ⎟ ⎜ sin ⎜ ⎟ ⎟ sin⎜ ⎟
⎜ ⎜ 1 ⎜ ⎝ 4 ⎠⎟
[b2 ] = 1 ⎜ ⎝108π ⎠ ⎟ ; [b3 ] = 1 ⎜ ⎝158π ⎠ ⎟ . [b0 ] = 1 ⎜ ⎝ 8 ⎠ ⎟ ; [b1 ] = ⎜ ⎟;
2 ⎜ cos⎛ ⎞⎟ 2 ⎜ cos⎛ ⎞⎟ 2⎜ ⎛ 5π ⎞ ⎟ 2 ⎜ sin ⎛ 5π ⎞ ⎟
⎜ ⎜⎝ 8 ⎟⎠ ⎟ ⎜ ⎜⎝ 8 ⎟⎠ ⎟ ⎜ sin ⎜ ⎟
⎝ 8 ⎠ ⎟ ⎜ ⎜⎝ 4 ⎟⎠ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ cos⎛⎜ 14π ⎞⎟ ⎟ ⎜ cos⎛⎜ 21π ⎞⎟ ⎟ ⎜ ⎛ 7π ⎞
sin ⎜ ⎟ ⎟ ⎜ sin⎛⎜ 7π ⎞⎟ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ ⎝ 8 ⎠⎠ ⎝ ⎝ 8 ⎠⎠ ⎝ ⎝ 8 ⎠ ⎠ ⎝ ⎝ 4 ⎠⎠
Cu ajutorul relatiei (8) se construiesc bazele de
⎛ ⎛ 3π ⎞ ⎞ ⎛ ⎛π ⎞ ⎞
imagini. Reprezentarea grafică într-o imagine alb- ⎜ sin ⎜ ⎟ ⎟ ⎜ sin ⎜ ⎟ ⎟
⎜ ⎝ 8 ⎠⎟ ⎜ ⎝2⎠ ⎟
negru conduce la figura 3. ⎜ ⎛ 9π ⎞ ⎟ ⎜ ⎛ 3π ⎞ ⎟
⎜ sin ⎜ ⎟ ⎟ ⎜ sin ⎜ ⎟ ⎟
2.5. Transformata Sinus discretă 2-D
[b2 ] = 1 ⎜ ⎝158π ⎠ ⎟ ; [b3 ] = 1 ⎜ ⎝ π2 ⎠ ⎟ ;
2 ⎜ sin ⎛ ⎞⎟ 2 ⎜ sin ⎛ ⎞ ⎟
⎜ ⎜⎝ 8 ⎟⎠ ⎟ ⎜ ⎜ ⎟⎟
⎝2⎠
Transformata Sinus discretă bidimensională are ⎜ ⎟ ⎜ ⎟
⎜ sin ⎛⎜ 5π ⎞⎟ ⎟ ⎜ sin ⎛⎜ 3π ⎞⎟ ⎟
funcţiile nucleu similare transformatei Cosinus dis- ⎜ ⎟ ⎜ ⎟
⎝ ⎝ 8 ⎠⎠ ⎝ ⎝ 2 ⎠⎠
crete bidimensionale, cu deosebirea că variabilele
u şi v se transformă în u + 1 şi v + 1 : În figura 4 sunt prezentate bazele de imagini
pentru cazul N = 4.
K d ( x , y , u, v ) = C ( u ) C ( v ) ⋅
⎛ π ⋅ ( 2 x + 1) ⋅ ( u + 1) ⎞ ⎛ π ⋅ ( 2 y + 1) ⋅ ( v + 1) ⎞
⋅ sin ⎜ ⎟ sin ⎜ ⎟ 3. Concluzii
⎝ 2N ⎠ ⎝ 2N ⎠
(20) Se cunoaşte că în schema generală a unui

Ki ( x, y , u, v ) = C ( u ) C ( v ) ⋅ algoritm de compresie video primul pas îl re-

⎛ π ⋅ ( 2 x + 1) ⋅ ( u + 1) ⎞ ⎛ π ⋅ ( 2 y + 1) ⋅ ( v + 1) ⎞ prezintă transformarea liniară ce are rol de a

⋅ sin ⎜ ⎟ sin ⎜ ⎟ decorela cât mai bine informaţia conţinută în
⎝ 2N ⎠ ⎝ 2N ⎠
imagine în scopul eliminării redundanţei. De
(21)
aceea acest prim pas se mai numeşte şi codare
unde:
prin transformare (în engleză transform coding).
⎧ 1
⎪⎪ , u=0 Se poate spune că performanta unui algoritm de
C (u) = ⎨ N ; compresie depinde şi de performanţa cu care se
⎪ 2 , u = 1, N − 1 face această decorelare. În vederea alegerii
⎪⎩ N
(22) transformării liniare ce se aplică algoritmului de
⎧ 1
⎪⎪ , v=0 compesie un rol important îl are complexitatea
C (v) = ⎨ N
calculului. De aceea, pentru algerea unui tip de
⎪ 2 , v = 1, N − 1 transformare este esenţială existenţa unor algo-
⎪⎩ N
ritmi rapizi.
Pentru cazul N = 4 bazele [bu ]4×1 şi [bv ]4×1 Aceste considerente le satisfac şi transformatele
transformatei Sinus discrete au următoarele expresii: prezentate fiecare cu avantajele sale.

42 TELECOMUNICAŢII ● Anul LI, nr. 1/2008

Transformări discrete bidimensionale utilizate în prelucrarea semnalelor
B0,0
B1,0 B1,1
B2,0 B2,1
B3,0 B3,1
Fig. 4. Baza de imagini DST pentru N = 4.
Bibliografie
[1] Furht B., Handbook of Internet and Multimedia.
Systems and aplications, Editura CRC şi IEEE, 1996.
[2] Giménès C., Mateescu A., Răducanu M., ş.a., Electro-
nique, phisique et signal pour les telecommunications,
Editura Tehnică, Bucureşti, 1997.
[3] Isar A., Naforniţă, L., “Reprezentări timp – frecvenţă”,
Editura Politehnică, Timişoara, 1998.
[4] Mateescu A., Dumitriu N., Stanciu L., Semnale, circuite
şi sisteme, Editura Teora, Bucureşti, 2000.
[5] Mateescu A., Ciochină S., Dumitriu N., Şerbănescu A.,
Stanciu L., Prelucrarea numerică a semnalelor, Editura
Tehnică`, Bucureşti, 1997.
TELECOMUNICAŢII ● Anul LI, nr. 1/2008
B0,2 B0,3
B1,2 B1,3
B2,2 B2,3
B3,2 B3,3
[6] Poularikas A., Dorf R.C., The Transform and Data
Compression Handbook, 2001 CRC Press LLC.
[7] Puri A., Chen T., Multimedia Systems, Standards and
networks, Editura Marcel Dekker, Ney York, 2000.
[8] Rao K.R.,Yip P.C. The Transform and Data Com-
pression Handbook, Editura CRC şi IEEE, 2001.
[9] Răducanu M., Sisteme şi aplicaţii multimedia –
Algoritmi de compresie pentru semnale video, Editura
MatrixRom, 2004.
[10]Shi Y.Q., Sun H., Image and VideoCompression for
MultimediaEngineering – Fundamentals, Algorithms,
and Standards, Editura CRC şi IEEE, 2000.
[11] Whitaker J.C., The Electronics Handbook, ,Editura
CRC şi IEEE, 1996.
43