Bit SoSem 2014 | Basisinformationstechnologie II - 05: Algorithmen der Bildverarbeitung I: Kompression

Universität zu Köln. Historisch-Kulturwissenschaftliche Informationsverarbeitung
Jan G. Wieners // jan.wieners@uni-koeln.de
Basisinformationstechnologie II
Sommersemester 2014
28. Mai 2014 – Algorithmen der Bildverarbeitung I: Kompression

Grundbegriffe:
 Farbmischung: Additiv, Subtraktiv
 Raster- vs. Vektorgrafik
 Pixel
 Auflösung
 Farbtiefe
Kompressionsverfahren
 Nicht verlustbehaftet
 Run Length Encoding (RLE)
 Wörterbuch-Algorithmen, z.B. Lempel-Ziv-Welsh (LZW)
 Verlustbehaftet
Themenüberblick

http://www.graffitiresearchlab.de

Additive Farbmischung
Mischung (Addition) von Licht  Beispiel Taschenlampe: Leuchten mehrere
Taschenlampen auf dieselbe Stelle, wird jene Stelle heller beleuchtet, als
würde sie nur von einer Taschenlampe angestrahlt.
Werden rote und grüne Filter vor die Taschenlampe gesetzt, addiert sich das
Licht.

Subtraktive Farbmischung
Z.B.: Mischung von Farbpigmenten  Malen mit Deckfarbkasten

RGB: Wenn jede der drei Primärfarben mit
einer Auflösung von 256 Werten dargestellt
werden kann, dann erhalten wir 256³ = 16,7
Mio. verschiedene Farbtöne.
HSV:
Farbwinkel,
Sättigung,
Hellwert bzw.
absolute
Helligkeit (B),
Brightness
Farbmodelle
L*a*b*: Menschl.
Wahrnehmung

Grafiktypen: Raster- vs. VektorgrafikRaster- vs. Vektorgrafik

Grafiktypen: Raster- vs. VektorgrafikRaster- vs. Vektorgrafik
Quantisierung:
8 Bit RGB
rgb(120, 70, 63)

Auflösung
1936 Pixel
2592 Pixel
Gesamtzahl der Bildpunkte eines Bildes, z.B. 2592px * 1936px = ~ 5 Mio. Pixel

http://www.clker.com/clipart-cartoon-squirrel.html

Die Auflösung bestimmt die Anzahl der Pixel in
einem Bild, die Quantisierung (Farbtiefe) bestimmt
den Speicherplatzbedarf pro Pixel.
Beispiele:
 In einem RGB-Bild mit 24 Bit Farbtiefe (8 Bit pro
Farbkanal) braucht man für ein Bild mit den Maßen
1024x768 (786.432 Pixel) also 18.874.368 Bit, d.h. 2.25
Mbyte.
 Für ein Graustufenbild mit den gleichen Abmessungen
benötigt man „nur“ 0.75 MByte, da nur ein Farbkanal mit
8 Bit (statt 3 Kanälen: RGB) gespeichert werden muss.
Rastergrafiken und ihr Speicherplatzbedarf

 RLE – Run Length Encoding (Lauflängenkodierung)
 Wörterbuchbasierte Kompressionsmethoden
 Lempel-Ziv-Welch (LZW)
 Statistische Kompressionsmethoden
 Huffman-Algorithmus
Ansätze zur Datenkompression

Neulich beim Obsthändler…
„Ich hätte gerne
◦ Eine Kiwi
◦ Eine Birne
◦ Eine Birne
◦ Eine Birne
◦ Einen Apfel
◦ Einen Apfel
◦ Einen Apfel
◦ Einen Apfel
◦ Einen Apfel
◦ Eine Pampelmuse
◦ Eine Pampelmuse
◦ Eine Zitrone
◦ Eine Limette
◦ Eine Limette“

„Ich hätte gerne
◦ Eine Kiwi
◦ Drei Birnen
◦ Fünf Äpfel
◦ Zwei Pampelmusen
◦ Eine Zitrone
◦ Zwei Limetten“

„Ich hätte gerne
◦ Eine Kiwi
◦ Drei Birnen
◦ Fünf Äpfel
◦ Zwei Pampelmusen
◦ Eine Zitrone
◦ Zwei Limetten“
 Lauflängencodierung / Run-Length-Encoding (RLE):
 (1 Kiwi) (3 Birnen) (5 Äpfel) (2 Pampelmusen)
(1 Zitrone) (2 Limetten)

rot := rgb(255, 0, 0)
grün := rgb(0, 255, 0)
blau := rgb(0, 0, 255)

rot, rot, grün, grün, grün, grün, grün, rot, rot
rot, grün, rot, rot, rot, rot, rot, grün, rot,
rot, rot, rot, blau, rot, blau, rot, rot, rot,
rot, rot, rot, rot, rot, rot, rot, rot
[…]

Komprimiert mit RLE:
(2 rot) (5 grün) (2 rot)
(1 rot) (1 grün) (5 rot) (1 grün) (1 rot)
(1 rot) (1 grün) (5 rot) (1 grün) (1 rot)
(3 rot) (1 blau) (1 rot) (1 blau) (3 rot)
(9 rot)
[…]

RLE - Lauflängenkodierung
 Verlustfrei
 nutzt lange Folgen sich wiederholender Zeichen
oder Zeichenketten („Läufe“ / „runs“) aus:
 AAAA BBB CCCC D EEEEE  4A 3B 4C 1D 5E
 1m 1i 2s 1i 2s 1i 2p 1i  ?
 Funktioniert also am besten bei homogenen
Eingabedaten
Lauflängenkodierung: RLE

 1978 von A. Lempel und J. Ziv
entwickelt, 1984 von T. A. Welch
verfeinert
 Verlustfrei
 Versucht, den zu komprimierenden
Zeichenstrom in Teilstrings zu
zerlegen und diese in einem
Wörterbuch zu speichern
LZW (Lempel-Ziv-Welch)
Zeichenkette:
„Hello World Hello“
Tabelle:
0: „Hello“
1: „World“
Codefolge: 0 1 0

Unterschiedliche Algorithmen:
 LZSS (Lempel-Ziv-Storer-Szymanski (gzip, ZIP
und andere))
 LZW (Lempel-Ziv-Welch)
 LZC (Lempel-Ziv Compress)
 LZMW (Unix Compress, GIF)
 Vgl.: http://www-ti.informatik.uni-tuebingen.de/~reinhard/datkom/LZW_Applet.html
 Patente auf LZW (1980er+), darum GIF
problematisch
LZW (Lempel-Ziv-Welch)

LZW – Ein Beispiel
vgl. http://projects.hudecof.net/diplomovka/online/ucebnica/applets/AppletLZW.html

Statistische
Kompressionsverfahren

 1952 von David A. Huffman (1925-1999) vorgestellt
 Verlustfrei
 Kompression über Binärbaum
 Huffman-Algorithmus verfolgt das Ziel, weniger
häufigen Symbolen längere Codewörter zuzuweisen
Huffman Kodierung
Nachruf: http://www1.ucsc.edu/currents/99-00/10-11/huffman.html

Ein Binärbaum ist definiert als ein Baum, dessen
Knoten über maximal zwei Kindknoten verfügen
dürfen:
Erinnerung: Binärbäume

rot, rot, grün, grün, grün, grün, grün, rot, rot
rot, rot, rot, blau, rot, blau, rot, rot, rot,
rot, rot, rot, rot, rot, rot, rot, rot,
rot, rot, rot, rot, rot, rot, rot, rot
rot, blau, rot, rot, rot, rot, rot, blau, rot,
rot, rot, blau, rot, rot, rot, blau, rot, rot
rot, rot, rot, blau, blau, blau, rot, rot, rot
|
v
rrgggggrrrgrrrrrgrrgrrrrrgrrrrbrbrrrrrrrrrrrrrrrrrrrrrrbr
rrrrbrrrbrrrbrrrrrbbbrrr

http://www.iti.fh-flensburg.de/lang/algorithmen/code/huffman/huffman.htm

Codegenerierung nach folgender Logik:
• Start beim Wurzelknoten
• An jedem Knoten (einschl. Wurzelkn.):
• Links abbiegen: 0 notieren
• Rechts abbiegen: 1 notieren
• Beispiel „g“: Vom Wurzelknoten aus
rechten Kindknoten besucht (1 notiert);
anschließend linken Kindknoten besucht
(0 notiert)  g := 10

Komprimieren Sie die Zeichenkette
„bananarama“ (ohne Anführungszeichen) unter
Verwendung des Huffman-Algorithmus.
Übung

Bit SoSem 2014 | Basisinformationstechnologie II - 05: Algorithmen der Bildverarbeitung I: Kompression

Weitere ähnliche Inhalte

Andere mochten auch

Mehr von Institute for Digital Humanities, University of Cologne

Bit SoSem 2014 | Basisinformationstechnologie II - 05: Algorithmen der Bildverarbeitung I: Kompression

Hinweis der Redaktion