Dữ liệu ảnh số (cấu trúc, định dạng dữ liệu), mã hóa dự đoán không tổn hao, thuật toán mã hóa ảnh theo chuẩn jpegls

Nén không tổn hao . Thuật toán mã hóa dự đoán không tổn hao. Thuật toán JPEGLs Hai dạng ảnh số: ảnh Vector và ảnh Raster. Khái niệm, đặc điểm, tính chất và một số định dạng file ảnh Mã hóa dự đoán không tổn hao . Thuật toán JPEGLS

TRƯ NG Đ I H C BÁCH KHOA HÀ N I Ờ Ạ Ọ Ộ

BÁO CÁO MÔN HỌC

XỬ LÝ DỮ LIỆU ĐA PHƯƠNG TIỆN

Đề 2: Dữ liệu ảnh số (cấu trúc, định dạng dữ

liệu), mã hóa dự đoán không tổn hao, thuật toán

mã hóa ảnh theo chuẩn jpeg-ls.

Giảng viên hướng dẫn : PGS.TS Nguyễn Thị Hoàng Lan Học viên thực hiện :

Lớp : 16BTTM

Hà Nội 10-2017

MỤC LỤC

I Dữ liệu ảnh số

Hệ thống xử lý ảnh:

Ảnh sau khi thu nhận qua bộ cảm biến là ảnh tương tự Tín hiệu ảnh này được số hóa để tạo ra dữ liệu ảnh số Số hóa ảnh nhằm tạo thuận tiện cho việc lưu trữ cũng như xử

lý ảnh

Có 2 khuôn dạng ảnh số thường gặp đó là ảnh Vector và ảnh Raster (hay ảnh Bitmap)

1.1 Cấu trúc ảnh Vector

1.1.1 Khái niệm

Ảnh Vector được tạo nên từ những phần tử là những yếu tố cốt lõi của hình học như đường thẳng, đường cong, những hình dạng, đa giác Dữ liệu ảnh Vector tạo thành dựa trên các vector, các vector lại được tạo thành từ các biểu thức toán học Vector chạy qua các điểm mút, mỗi điểm có một tọa độ (x,y) nhất định trên hệ trục tọa độ Mỗi một vector này có thể được gán cho các thuộc tính riêng như màu sắc, độ dày mỏng , v v

1.1.2 Các ưu và nhược điểm của ảnh Vector

Ảnh Vector có các ưu điểm nổi bật sau:

- Mã hóa ảnh bằng các hình đơn giản

- Gọn, kích thước nhỏ

- Thay đổi kích thước đơn giản, không bị mất thông tin

- Sửa dễ dàng do các phần tử của ảnh độc lập

Nhược điểm của ảnh Vector:

- Không biểu diễn được các ảnh chụp

- Xử lý các ảnh phức tạp (nhiều đối tượng) gặp nhiều khó khăn

- Khuôn dạng không chuẩn nên các trình duyệt web không nhận dạng được

1.1.3 Khuôn dạng WMF (Windows Metafile)

Chứa các thông tin về các đối tượng, một file WMF có thể chứa 65535 đối tượng

Là ảnh đồ họa chứa cả dữ liệu ảnh bitmap và ảnh vectơ Ví dụ một ảnh vectơ có thể chứa đối tượng mẫu được tạo thành từ các điểm pixel như là tô màu vùng Lúc đó file này chứa ảnh vectơ nhưng thuộc tính tô màu được ghi dưới dữ liệu ảnh bitmap

1.1.4 Ứng dụng ảnh Vector

Ảnh Vector thường được sử dụng trong các trường hợp như :

- Thiết kế logo : Vì logo cần sự nhất quán trong mọi trường hợp sử dụng, người

ta có thể phóng to, thu nhỏ mà không ảnh hưởng quá nhiều đến tổng thể logo

- Thiết kế icon : icon cũng cần thay đổi nhiều về kích thước, đặc biệt là phải nhẹ, sắc nét

- Nghệ thuật Vector (Vector art): Người ta dùng các vector, các mảng (shapes), lưới chuyển màu (gradient meshes) để tạo nên những hình ảnh độc đáo, gọi

là nghệ thuật Vector

1.1.5 Một số định dạng file dữ liệu ảnh Vector :

- PDF: là định dạng file sách phổ biến bật nhất do ưu thế hỗ trợ bit map lẫn vector và text (Dùng illustrator mở file PDF có thể chỉnh sửa các hình vector hoặc nội dung chữ trên định dạng này) Đây cũng là địng dạng mà nhà thiết kế chuyển xuống nhà in

- EPS : là định dạng xuất phim trong in ấn khi chuyển từ ai sang định dạng này các file link sẽ được nhúng vào 1 file ép luôn, không thay đổi cấu trúc lớp

- AI : là file lưu của Adobe Illustrator

- CDR : là file lưu của Corel.

- SVG : là định dạng vector mà có thể hiển thị trên web

- DWG : là định dạng file lưu của Autocad

1.2 Cấu trúc dữ liệu ảnh Raster (Bitmap)

1.2.1 Khái niệm:

Ảnh Raster hay còn gọi là ảnh bitmap là ảnh được tạo nên từ một lưới các điểm

ảnh (hay Pixel) Điểm ảnh là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặc

màu nhất định Có nhiều mô hình màu khác nhau cho mỗi điểm ảnh: RGB, YUV,YcbCr,

… Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận sự liên tục về không gian và màu của ảnh số gần như ảnh thật Mỗi phần

tử trong ma trận được gọi là một phần tử ảnh Đây là cách biểu diễn ảnh thông dụng hiện nay

1.2.2 Đặc điểm ảnh Raster

- Khuôn dạng ảnh Raster thuận lợi cho hiển thị và in ấn

- Thiết bị thu nhận ảnh Raster phù hợp với tốc độ nhanh và chất lượng cao cho

cả đầu vào và đầu ra

- Thuận lợi hiển thị trên môi trường Windows

1.2.3 Mã hóa màu

Ảnh là tập hợp các điểm ảnh, thông tin của từng điểm ảnh sẽ quyết định loại ảnh thông tin của từng điểm ảnh sẽ quyết định loại ảnh là: ảnh đen trắng (ảnh nhị phân), ảnh

đa mức xám (dùng N bit để mã hóa mức xám) hay ảnh màu

Với ảnh đa mức xám : Nếu dùng 8bit (1 byte) để biểu diễn mức xám cho một điểm ảnh thì số các mức xám có thể biểu diễn được là 28 hay 256 Mỗi mức xám được biểu diễn dưới dạng là một số nguyên nằm trong khoảng tử 0 đến 255, với mức 0 biểu diễn cho mức cường độ đen nhất và 255 biểu diễn cho mức cường độ sáng nhất

Với ảnh màu : Cách biểu diễn cũng tương tự như ảnh đen trắng, chỉ khác là các số tại mỗi phần tử của ma trận biểu diễn cho 3 màu riêng rẽ gồm: đỏ, lục và lam (Red, Green, Blue) Để biểu diễn cho một điểm ảnh màu cần 24 bit, 24 bit này được chia thành

3 khoảng 8 bit Mỗi khoảng này biểu diễn cho cường độ sáng của một trong các màu

chính Vậy với ảnh màu như trên sử dụng 3 bytes mô tả mức màu, chúng ta sẽ có 28*3=224≈ 16,7 triệu màu

1.2.4 Độ phân giải ảnh

Độ phân giải (Resolution) của ảnh là mật độ điểm ảnh được ấn định trên một ảnh

số được hiển thị

Theo định nghĩa, khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh Việc lựa chọn khoảng cách thích hợp tạo nên

một mật độ phân bổ, đó chính là độ phân giải và được phân bố theo trục x và y trong

không gian hai chiều

Ví dụ: Độ phân giải của ảnh trên màn hình CGA (Color Graphic Adaptor) là một lưới điểm theo chiều ngang màn hình: 320 điểm chiều dọc * 200 điểm ảnh (320*200) Rõ ràng, cùng màn hình CGA 12” ta nhận thấy mịn hơn màn hình CGA 17” độ phân giải 320*200 Lý do: cùng một mật độ (độ phân giải) nhưng diện tích màn hình rộng hơn thì

độ mịn (liên tục của các điểm) kém hơn

1.2.5 Một số định dạng file dữ liệu ảnh Bitmap:

- BMP (Bitmap): Chuẩn raster dùng trong MS-Windows

- JPG : là định dạng nén phổ biến nhất của máy ảnh số và trên website Có tỷ lệ nén cao nên tối ưu hóa đối với lưu trữ và truyền dữ liệu trên mạng Tuy nhiên,

do sử dụng phương pháp nén có tổn hao nên chất lượng ảnh bị ảnh hưởng khi

tỷ lệ nén cao

- GIF : là định dạng nén hỗ trợ nền trong suốt, và hình ảnh động đơn giản

- PNG : Là phiên bản mã nguồn mở thay thế cho GIF Sử dụng phương pháp nén không tổn hao nên phù hợp với ảnh có nhiều mảng đồng màu lớn Ảnh PNG Phù hợp với web vì có khả năng hiển thị từng bước Có thêm kênh alpha

để thể hiện độ trong

- TIFF : Là định dạng không nén nên kích thước rất lớn, thường được sử dụng

để lưu trữ hình ảnh Hỗ trợ 6 kiểu mã hóa (không nén, Huffman, Pack Bits, LZW, Fax Group 3, Fax Group 4); 3 kiểu màu (Đen trắng, đa cấp xám, màu)

- PSP : là định dạng không nén của photoshop, giữ nguyên cấu trúc lớp và dạng chỉnh sửa không dùng được trên web, power point

- RAW: Xuất hiện trên một số máy ảnh tuy nhiên có thể không cùng chuẩn Có thể sử dụng nén không tổn hao

II Mã hóa dự đoán không tổn hao

2.1 Khái niệm

Nén dữ liệu (Data Compression): Nén dữ liệu nhằm làm giảm giảm lượng thông

tin “dư thừa” trong dữ liệu gốc (dư thừa thông tin về không gian, thời gian, dư thừa về

phổ và dư thừa do độ cảm nhận), nhằm mục đích lưu trữ bức ảnh dưới dạng có kích thước nhỏ hơn hay dưới dạng biểu diễn mà chỉ yêu cầu số bít mã hoá ít hơn so với bức

ảnh gốc Ngoài thuật ngữ “nén dữ liệu”, do bản chất của kỹ thuật này nó còn có một số

tên gọi khác như : giảm độ dư thừa, mã hóa ảnh gốc

Sơ đồ chung của hệ thống nén dữ liệu:

Trong đó Bộ mã hóa tín hiệu (Encoder) thường có cấu trúc như hình dưới, bao gồm: Bộ chuyển đổi (T), bộ lượng tử hóa (Q) và bộ mã hóa (E).

- Bộ chuyển đổi: thường dùng các phép biến đổi không gian để chuyển ảnh trong không gian thực sang một không gian khác, nơi các hệ số chuyển đổi có mức độ tương quan thấp hơn Kết quả nhận được là ma trận các hệ số biến đổi

- Bộ lượng tử hoá: sử dụng phương pháp lượng tử không đồng đều nhằm triệt tiêu các hệ số biến đổi có năng lượng thấp hoặc đóng vai trò không quan trọng khi khôi phục ảnh Quá trình lượng tử không có tính thuận nghịch: ảnh khôi phục sẽ bị biến dạng so với ảnh gốc

- Bộ mã hoá: gán một từ mã (một dòng bit nhị phân) cho một mức lượng tử

Hình 1 Sơ đồ hệ thống nén ảnh

Nén dữ liệu ảnh số giúp giảm kích thước ảnh, làm cho ảnh có thể dễ dàng lưu trữ hoặc truyền đi trên mạng

Về cơ bản có 2 dạng nén: (i) Nén có tổn hao (Lossy Compression) và (ii) Nén không tổn hao (Lossless Compression)

(i) Nén có tổn hao: dữ liệu ảnh sau khôi phục (giải mã) sai khác với ảnh gốc do quá trình nén có làm mất một số thông tin tuy nhiên chất lượng ảnh vẫn đảm bảo (về mặt cảm nhận) và thường đạt được hiệu quả nén rất cao Các phương pháp nén có tổn hao đa phần dựa trên các biến đổi ảnh

(ii) Nén không tổn hao (Lossless Compression): Ảnh khôi phục hoàn toàn giống ảnh gốc Các phương pháp nén này thường dựa trên các phương pháp mã hóa dữ liệu

2.2 Phương pháp mã hóa dự đoán không tổn hao

Nguyên tắc của các phương pháp mã hóa này dựa trên tính tương quan giữa những điểm ảnh nằm kề nhau và kỹ thuật tách và truyền thông tin "mới" chứa trong mỗi điểm ảnh Theo những nghiên cứu thống kê về phân bố biên độ tín hiệu video, mức độ tương quan giữa các điểm ảnh nằm gần nhau trong miền không gian là khá cao, điều này có nghĩa là sự khác biệt giữa hai điểm ảnh kế bên rất nhỏ hoặc bằng 0, vì thế khi mã hóa độ chênh lệch này (sự sai khác giữa các mẫu) cần số lượng bit ít hơn so với khi mã hóa toàn

bộ biên độ các mẫu Giá trị mẫu được giải mã dựa trên giải mã sự sai khác và giá trị

dự đoán ở thời điểm trước

Quá trình mã hóa không tổn hao thường cài đặt một mô hình mã hóa dự đoán đơn

giản gọi là điều xung mã sai phân (DPCM – Differential Pulse Code Modulation) Trong

mô hình này, các giá trị dự đoán của mẫu được ước lượng từ các mẫu lân cận đã được mã

hóa trong hình ảnh Hầu hết các bộ dự đoán (predictors) đều lấy trung bình các mẫu

ngay phía trên và bên trái mẫu đích DPCM mã hóa sự sai khác giữa các mẫu được dự đoán thay vì mã hóa từng mẫu một cách độc lập Sự khác biệt từ mẫu này đến mẫu kế tiếp thường gần bằng không Một bộ mã hoá DPCM (DPCM encoder) điển hình được mô

tả ở hình dưới

Hình 2 Mô hình DPCM encoder

Trong đó:

- Bộ dự đoán (Predictor): tính toán dự đoán ra các mẫu tín hiệu theo mẫu tại thời

điểm trước (tín hiệu tham chiếu)

- Sai số dự đoán (Prediction error): Sai khác giữa tín hiệu dự đoán với tín hiệu

được truyền đến Sai số dự đoán được dùng để giải mã đảm bảo không mất mát thông tin

- Bộ mã hóa (Encoder): Mã hóa các sai số dự đoán, ví dụ Huffman.

Các bước chính của quá nén không tổn hao được mô tả trong hình dưới Trong quá trình này, bộ dự đoán kết hợp ba mẫu lân cận A, B và C (thể hiện trong bảng dưới) để tạo

ra dự đoán giá trị mẫu tại vị trí X Ba mẫu lân cận phải là các mẫu đã được mã hóa Bất

kỳ một bộ dự đoán được chỉ ra trong bảng dưới đây cũng có thể được sử dụng để ước lượng mẫu đặt tại X Ta có thể sử dụng bất kỳ một trong tám bộ dự đoán được liệt kê trong bảng Lưu ý rằng các lựa chọn 1, 2, và 3 là các bộ dự đoán một chiều và các lựa chọn 4, 5, 6, và 7 là các bộ dự đoán hai chiều Giá trị lựa chọn đầu tiên trong bảng, 0, chỉ được sử dụng cho mã sai phân trong chế độ phân cấp của quán trình nén Sau khi tất cả các mẫu đã được dự đoán, sai số giữa các mẫu được mã hoá entropy bằng cách sử dụng

mã hóa Huffman hoặc mã số học số học

Hình 3 Sơ đồ khối đơn giản của quá trình nén không tổn hao

Hình 4 3 mẫu lân cận xung quanh mẫu được dự đoán

Prediction

No prediction A

B C

A + B – C

A + (B – C)/2

B + (A – C)/2 (A + B)/2

Lựa chọn giá trị dự đoán

Thông thường, các phương pháp nén không tổn hao có thể đạt được tỷ lện nén 2:1 cho các ảnh màu và thường được sử dụng phổ biến trong lĩnh vực y tế Một số thuật toán nén không tổn hao phổ biến như lossless JPEG, JPEG-LS, JPEG 2000, PNG và CALIC

- Lossless JPEG: thuật toán nén ảnh dự đoán với một mã hóa entropy số học hoặc Huffman

- JPEG-LS: thuật toán nén ảnh có độ phức tạp thấp với bộ mã hóa entropy và thuật toán LOCO-I

- JPEG-2000: phương pháp nén ảnh dựa trên phép biến đổi sóng con và mã hóa

số học Tiêu chuẩn này hỗ trợ các hai phương pháp nén ảnh có và không có tổn hao, giúp tạo ra các bức ảnh có chất lượng cao

- PNG: thuật toán nén ảnh dự đoán dùng LZ77 và bộ mã hóa Huffman

- CALIC: bộ mã hóa entropy số học với tỷ lệ nén cao

Trong các thuật toán này, thì JPEG-LS đạt được hiệu năng tốt nhất với tỷ lệ nén

(Compression Ratio - CR) và tốc độ nén (Compression Speed - CS) so với các thuật toán còn lại [2]

III Thuật toán mã hóa ảnh theo chuẩn JPEG-LS

3.1 Giới thiệu

JPEG-LS là một thuật toán đơn giản bao gồm hai pha độc lập và riêng biệt: mô hình hóa (modeling) và mã hóa (encoding) JPEG-LS cung cấp một tiêu chuẩn nén hình ảnh không tổn hao và ít tổn hao có độ phức tạp thấp mang lại hiệu quả nén tốt hơn JPEG lossless

Tiêu chuẩn JPEG lossless dựa trên mã hóa Huffman và các tiêu chuẩn khác bị giới hạn trong hiệu suất nén do cách thiết kế của chúng Phần lõi của tiêu chuẩn JPEG-LS dựa trên thuật toán LOCO-I, là thuật toán dựa vào dự đoán, mô hình hóa dư (residual modeling) và mã hoá dựa trên ngữ cảnh của các phần dư

Thuật toán nén JPEG-LS nhìn chung là nhanh hơn nhiều so với JPEG 2000 và tốt hơn nhiều so với tiêu chuẩn JPEG lossless ban đầu

3.2 Thuật toán LoCo-I

JPEG-LS áp dụng lý thuyết nén ảnh không tổn hao theo DPCM, trong đó mẫu dự đoán Px được tính toán dựa trên 3 lân cận như hình sau:

Trong hình vẽ, mẫu tại vị trí X là mẫu cần dự đoán Các vị trí A, B, C là các điểm ảnh lân cận là cơ sở cho bộ dự đoán dự đoán ra mẫu ở vị trí X Giả sử giá trị điểm ảnh tại A, B, C

lần lượt là Ra, Rb, Rc là các số nguyên đã biết Giá trị mẫu dự đoán tại X, Px, theo thuật

toán LOCO-I là:

Mẫu dự đoán Px sau đó được so sánh sai khác với giá trị mẫu thực tế Ix Giá trị sai khác

(hay sai số dự đoán – Prediction error) sẽ là thông tin được mã hóa

3.3 Sơ đồ nén ảnh JPEG-LS

Hình 5 Sơ đồ khối thuật toán JPEG-LS

Sơ đồ nén ảnh JPEG-LS về cơ bản giống với sơ đồ nguyên lý nén ảnh không tổn hao áp dụng DPCM

Trong hình vẽ, tín hiệu đầu vào là các mẫu (các giá trị điểm ảnh) được so sánh sai khác với mẫu dự đoán chính nó ở đầu ra của khối dự đoán (khối Predictor ) Khối dự đoán này thực hiện tính toán mẫu dự đoán theo thuật toán LOCO-I đã nói ở trên

Sai số dự đoán (Prediction error) là thông tin dùng để mã hóa Thông tin sai số là đầu ra của khối Modeler, sau đó nó được đưa đến khối Coder, là khối mã hóa Tại đây, thông tin sai khác sẽ được mã hóa thành các từ mã Khối mã hóa sử dụng thuật toán mã

hóa Golomb để mã hóa thông tin sai khác Sản phẩm cuối cùng của quá trình nén là các

từ mã sắp xếp liên tiếp tạo thành dòng bit

Tính chất không mất mát thông tin và nén ảnh trong sơ đồ thuật toán JPEG-LS:

• Không mất mát thông tin: từ thuật toán LOCO-I ở trên, ta nhận thấy giá

trị của mẫu dự đoán là giá trị của một trong các điểm ảnh lân cận (Ra, Rb) hoặc sự sai khác tính toán giữa giá trị các điểm ảnh (Ra+Rb-Rc) Trong bất

kỳ trường hợp nào thì giá trị nhận được của mẫu dự đoán luôn là số nguyên (bởi Ra, Rb là số nguyên, hiệu giữa Ra, Rb, Rc cũng là số nguyên) Khi giải nén khôi phục ảnh thì giá trị điểm ảnh được tính dựa trên sự sai khác cộng với giá trị nguyên, kết quả cho ra đúng giá trị điểm ảnh mà không sai lệch

so với ban đầu (vì chỉ là sự cộng trừ giữa các số nguyên) Vì vậy sơ đồ này không có sự mất mát thông tin

• Nén ảnh: thông thường giá trị của điểm ảnh sẽ được biểu diễn bằng số

nguyên 8 bit Nếu mã hóa các điểm ảnh thì sẽ phải dùng tất cả từ mã 8 bit Tuy nhiên, sự sai khác của các điểm ảnh là rất nhỏ so với giá trị (thường là giá trị 1 chữ số trong hệ 10), vì vậy lượng bit dùng để mã hóa chỉ cần dùng

3, 4 bit Mã hóa sự sai khác cho phép tính toán giá trị điểm ảnh từ sự sai khác và giá trị điểm ảnh lân cận nên vẫn có thể bảo toàn giá trị điểm ảnh, hay bảo toàn thông tin Vậy thay vì mã hóa các điểm ảnh ta chỉ cần mã hóa

sự sai khác, dùng số bit cho từ mã ít hơn Điều này tạo ra tính chất nén của

sơ đồ

3.4 Chi tiết thuật toán JPEG-LS

Cho ảnh minh họa 4x4 như hình

3.4.1 Các bước tính toán ở khối Modeler

Tại khối Modeler, thuật toán sẽ thực hiện: tính các giá trị gradients cục bộ; lượng hóa gradient cục bộ; trộn các gradient đã lượng hóa và lựa chọn mode sẽ thực hiện mã hóa

a Tính các gradients cục bộ