COMPRESIÓN DE IMAXES O principal inconveniente da fotografía dixital é, sen dúbida, a cantidade de información que require e o tamaño dos arquivos que xera. A capacidade de traballo e de almacenamento dos sistemas informáticos vai en aumento, pero tamén nos imos afacendo a dispor de máis megapíxeles. Isto fai que se manteña o uso e o interese pola evolución das técnicas de compresión. O tamaño dunha fotografía mentras se procesa cun programa ou se visualiza nun explorador é o que corresponde ao seu número de píxeles e profundidade de bits. A compresión, en realidade, consiste en sustituir a cadea de datos por outra máis curta cando se garda o arquivo. Certos métodos son reversibles ("lossless" en inglés), porque permiten a reconstrucción exacta do orixinal. Pero con outros, a información orixinal só se recupera aproximadamente, xa que se descarta unha parte dos datos ("lossy"), a cambio de relacións de compresión moito maiores. Compresión sen perdas Un código tipo Huffman pode aplicarse de xeito semiadaptativo, se se analisa primeiro a cadea de datos a comprimir e se crea unha táboa a medida. Acádase maior compresión, pero introduce dous inconvenientes: a perda de velocidade ao ter que ler o orixinal dúas veces, por unha banda, e por outra a necesidade de incrustar no arquivo comprimido o índice de claves. Os compresores de uso xeral máis populares utilizan métodos como éste, por iso tardan máis en empaquetar os datos que en descomprimilos. O número de entradas da táboa pode ser configurable.
Entre os métodos adaptativos, o máis sinxelo é o RLE (run lengh encode). Consiste en sustituir series de valores repetidos por unha clave con indicador numérico.
Moitos outros métodos derivan deste, pero a súa eficacia depende do tipo de imaxe. Os dous exemplos seguintes teñn 25 valores, pero mentras que o primeiro queda en 10 datos, o segundo (un caso extremo) non reduce o seu tamaño, senón que o duplica. A anotación de píxeles por series é adecuada en imaxes con zonas amplas de cores uniformes, pero non noutras con cambios frecuentes de valor ou predominio de texturas:
O sistema adaptativo LZ (de Abraham Lempel e Jacob Ziv), do
que deriva o LZW (Lempel-Ziv-Welch), é máis enxenioso e logra,
nunha lectura única, codificar repeticións sen crear unha táboa
de códigos. Cando se localiza una secuencia semellante a outra anterior,
sustituese por unha clave de dous valores, que din cántos pasos se
retrocede e cántos datos se repiten.
Compresión con perdas A compresión baseada na xeometría fractal acada
moi boas relacións de compresión e, en certo modo, vectoriza
as características da imaxe, de xeito que se pode reconstruir ésta
a diferente escala. O principal inconveniente é a lentitude do proceso,
debido á grande cantidade de recursos que esixen os cálculos. 1. Converter a imaxe a un modo de cor que defina a luminancia nunha canle, como YCC ou LAB. Os bitmaps pásanse a grises, mentras que nas escalas de grises se obvia este paso. 2. Dado que ópticamente somos capaces de ver un cambio sutil na luminosidade moito antes que na tonalidade cromática, iguálase o ton en cada grupo de catro píxeles, respeitando os valores individuais de luz.
3. A imaxe divídese en bloques de 8 x 8 píxeles. Para cada subimaxe anótase o valor promedio, a amplitude da oscilación de valores e unha descrición frecuencial desta oscilación mediante unha función de tipo Fourier, chamada Transformada Discreta do Coseno (TDC), na que se combinan varios parámetros de onda. Cantos máis parámetros, mellor correspondencia haberá entre a función e a secuencia de valores; con poucos datos, conservaremos os básicos.
4. Os valores TDC cuantifícanse á baixa, dividíndoos por un factor enteiro. O número de coeficientes de onda e o factor a dividir determinan a profundidade da compresión, que é o que decidimos nunha escala que, segundo o programa, vai de 1 a 10, de 1 a 12 ou de 0 a 100, pero sempre xogando inversamente entre o nivel de compresión e a calidade do resultado. Tras esta cuantificación, abundan as fraccións decimais, que se redondean ao enteiro máis próximo. Deste xeito, resulta unha cadea de datos con moitas probabilidades de reiteración. 5. Ao resultado aplícaselle a codificación estadística de Huffman, compactando as cadeas máis repetidas en códigos breves. A compresión con perda deixa rastro Os efectos máis típicos son a aparición dos bloques de 8 x 8 píxeles, o ruido cromático nas zonas escuras e a alteración das siluetas, que se ven borrosas en imaxes de pouca resolución e reverberadas nas máis grandes. A B C A reverberación é producida polas baldosas que coinciden cun bordo marcado. A súa reconstrucción é moito más irregular que as das súas veciñas, que coinciden nunha zona de menor oscilación e resultan moito máis homoxéneas. Así, prodúcense pinceladas de falso contraste a varios píxeles de distancia da verdadeira silueta. A solución pasa por acadar unha mellor correspondencia formal (que hoxe se busca nas formas Wavelet, un tipo de patróns de onda deseñables que poden ser sinusoidais ou non) e establecerse cunha duración finita. Combinando Wavelets (TDW), poden describirse formas complexas con moitos menos coeficientes. Tal é a base de novas técnicas, como EZW, SPIHT, MrSID ou JPEG 2000, que queren ser a alternativa ao actual JPG. |
