Wyniki wyszukiwania - Biblioteka Nauki

1

Selection of source images parameters for lossful image compression using fractals

100%

Ulacha G. , Adamski M.

Journal of Applied Computer Science

|

2004

|

tom Vol. 12, nr 1

117-125

EN

In the article there has been proposed a new method of image compression using so called fractal source images which are a basis of a vector quantization. The method substitutes parts of a image by linking them with parts of a fractal with known parameters. The outcome of a research on the selection of parameters for she proposed algorithm has also been presented. The described method gives good results for images with not many details, edge elements etc., up to the compression level ca. 5:1.

2

Zastosowanie teorii fraktali do kompresji obrazów

84%

Rudziński F.

Elektronika : konstrukcje, technologie, zastosowania

|

2003

|

tom Vol. 44, nr 5-6

32-36

PL

Kompresja danych stała się ważnym elementem w procesie zapamiętywania i transmisji informacji. Geometria fraktalna umożliwia tworzenie nowej klasy figur geometrycznych, które mogą być użyte do kodowania elementów obrazu. Takie kodowanie wykorzystywane jest do kompresowania obrazów. Podstawą teorii fraktalnej jest teza, że obraz może być odbudowany przez użycie szeregu mniejszych podobnych do siebie obrazów. Podczas kodowania obrazu algorytm dzieli obraz na mniejsze części, które łączy w pola. Dla każdego stworzonego pola wyszukuje się szereg podobnych odpowiedników i dla nich dobierany jest zestaw funkcji transformacji umożliwiający ich odtworzenie. Kompresja otrzymywana jest przez przechowanie tylko zestawu funkcji transformacji. Pomimo że czas kodowania fraktalnego jest bardzo długi (ze względu na skomplikowane procedury poszukiwania wspólnych własności obszarów obrazu), ten kierunek badań oferuje bardzo obiecujące wyniki. Kompresja fraktalna umożliwia osiągnięcie współczynnika kompresji rzędu 10 000:1. Artykuł opisuje teorię i implementację fraktalnej kompresji obrazów. Przedstawia podstawy teorii fraktalnej w kontekście zastosowania do kompresji obrazów oraz przykłady implementacji algorytmów przetwarzania. Wyniki fraktalnej kompresji obrazów będą porównywane ze standardowymi technikami kompresji. Na koniec przedstawione zostaną sugestie dalszych ulepszeń algorytmu (np. wspomagania algorytmu sieciami neuronowymi) oraz użycia tych metod kompresji w innych obszarach nauki.

EN

Data compression has become an important issue in relation to storage and transmission of information. Standard graphics systems encode pictures by assigning an address and color attribute for each point of the object resulting in a long list of addresses of attributes. Digital image compression is especially important due to the high storage and transmission requirements. Various compression methods have been proposed in recent years using different techniques to achieve high compression ratios. Ali these methods have a common feature - the compressed images are approximations of originals. Fractal geometry enables a newer class of geometrical shapes to be used to encode whole objects, thus image compression is achieved. The basic principle is that an image can be reconstructed by using the self similarities in the image itself. When encoding an image, the algorithm partitions the image into a number of square blocks (domain blocks). After this a new partition into smaller blocks (range blocks) takes place. For every range block the best matching domain block is searched among all domain blocks by performing a set of transformations on the blocks. The compression is obtained by storing only the descriptions of these transformations. However, the coding process suffers from the long search time of the domain block pool. Compression ratios of 10 000: 1 has been claimed by researchers in this field. Fractal image compression offers many promising results. This paper presents a theory and an implementation of a fractal image compression. The results of a fractal image compression are compared with standard compression techniques. Finally, suggestions of further improvements (with the use of neural networks) and an application of the method in other areas is also presented.

3

Kompresja obrazów z wykorzystaniem kompresji fraktalnej i systemu funkcji iterowanych

84%

Stasiełowicz M.

Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej

|

2016

|

tom Nr 10

177--186

PL

Pod pojęciem kompresji obrazów kryją się najróżniejsze algorytmy kompresji danych. Najczęściej są to algorytmy kompresji stratnej, które charakteryzują się znacznym stopniem kompresji, lecz ich wadą jest utrata informacji podczas procesu kompresji. W niniejszym artykule zostanie opisany algorytm kompresji fraktalnej, który zalicza się do algorytmów kompresji stratnej i najczęściej wykorzystywany jest przy kompresji obrazów. Zostanie również przedstawiony opisu działania algorytmu z wykorzystaniem systemu funkcji iterowanych oraz jego wady i zalety. Celem artykułu jest porównanie możliwości kompresji metodą fraktalną z najpopularniejszą obecnie metodą kompresji stratnej obrazów JPEG. Uzyskane dane posłużą do dalszej analizy możliwości algorytmu kompresji fraktalnej oraz metod jego optymalizacji.

EN

The term image compression hides various data compression algorithms. Usually these are lossy compression algorithms, which characterize high degree of compression, but their disadvantage is the loss of information during compression process. The article describes fractal compression algorithm, which is one of the lossy compression algorithms and is used mostly in image compression. It will be also described algorithm details using iterated function system and its advantages and disadvantages. The aim of the article is to compare the capabilities of fractal compression method with JPEG which is currently the most popular method of lossy image compression. The obtained data will be used to further analyze possibilities of fractal compression and methods of its optimalization.