Compression F. Dufaux Généralités Quantif. Compression d’images Méthodes prédictives JPEG Frédéric Dufaux Département Traitement du Signal et des Images TELECOM ParisTech 26 janvier 2011 1 / 91 Plan Compression F. Dufaux Généralités 1 Généralités sur la compression d’images 2 Quantification 3 Méthodes prédictives 4 Codage par Transformée 5 JPEG Quantif. Méthodes prédictives JPEG 2 / 91 Plan Compression F. Dufaux Généralités 1 Généralités sur la compression d’images 2 Quantification 3 Méthodes prédictives 4 Codage par Transformée 5 JPEG Quantif. Méthodes prédictives JPEG 3 / 91 Représentation des images numériques Compression F. Dufaux Généralités Quantif. Méthodes prédictives Grille discrete, image N × M pixels A chaque pixel (m, n), on associe un ordre de traitement k Généralement, balayage ligne par ligne unilatéral : k = (n − 1)M + m On notera indifféremment fn,m ou fk m JPEG M n fn,m = fk N 4 / 91 Représentation des images numériques Images couleurs : Format RVB Compression F. Dufaux Images en couleurs : trois composantes, chacune représentée comme une image en niveaux de gris. Généralités Quantif. Méthodes prédictives JPEG 5 / 91 Représentation des images numériques Espaces de couleurs Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Espace RGB Espace HSV 6 / 91 Représentation des images numériques Images couleurs : Format YUV Compression F. Dufaux Images en couleurs : une composante de luminance et deux de chrominance (sous-échantillonnées). Généralités Quantif. Méthodes prédictives JPEG 7 / 91 Pourquoi comprimer ? Exemple 1 : Libraire de photos numériques Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Images à 10 Megapixel Trois composantes couleur Un octet par composant Occupation mémoire : 30 Mo par photo Publication sur le Web ? 8 / 91 Pourquoi comprimer ? Exemple 2 : Télévision Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG système analogique ⇒ bande de fréquence : 6 MHz système numérique 1 composante de luminance 576 × 720 2 composantes de chrominance 288 × 360 quantification sur 8 bits 25 images par seconde R ≈ 125 Mbps ⇒ bande de fréquence ? 2 heures de film > 100 Go 9 / 91 Fondements de la compression Compression F. Dufaux Généralités POURQUOI EST-IL POSSIBLE DE COMPRIMER ? Quantif. Méthodes prédictives JPEG Redondance statistique des données homogénéité des images similitude entre images successives Redondance psychovisuelle sensibilité aux baisses fréquences effets de masquage autres limites du système visuel humain Un algorithme de compression (ou codage) doit exploiter au maximum la redondance des données 10 / 91 Algorithmes de compression Types d’algorithme Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Algorithmes sans perte (lossless) Reconstruction parfaite Basés sur la redondance statistique Faible rapport de compression Algorithmes avec perte (lossy) Image reconstruite 6= image originale Basés sur la quantification Redondance psychovisuelle : “visually lossless” Rapport de compression élevé 11 / 91 Critères de performance Débit Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Rapport (taux) de compression T = Bin Bout = Rin Rout Débit de codage Image : R = Bout NM Video, son : R = [bpp] Bout T [bps] Codage d’image sans perte : T ≤ 3 Codage d’image avec perte : T ≈ 5 →? Codage vidéo avec perte : T ≈ 20 →? 12 / 91 Critères de performance Qualité et distorsion Compression F. Dufaux Le seul débit n’est pas suffisant pour évaluer un algorithme avec pertes Il faut déterminer la qualité ou la distorsion de l’image reconstruite Généralités Quantif. Méthodes prédictives JPEG Les Critères objectifs sont fonctions mathématiques de fn,m : image d’origine ; et e fn,m : image reconstruite après compression Critères objectifs non perceptuels Erreur quadratique moyenne (MSE) : PN PM D = N1M n=1 m=1 (fn,m − e fn,m )2 Rapport signal sur bruit crête : PSNR = 10 log10 2552 D Critères objectifs perceptuels On utilise des modèles du SVH pour prendre en compte la sensibilité aux fréquences, les masquages, ... 13 / 91 Évaluation de la qualité Aspects psychovisuels Compression F. Dufaux Exemple Image Originale, 24 bpp Généralités Quantif. Méthodes prédictives JPEG 14 / 91 Évaluation de la qualité Aspects psychovisuels Compression F. Dufaux Bruit blanc σ = 4 Généralités Image Originale, 24 bpp Erreur dispersée, MSE = 16.00 Quantif. Méthodes prédictives JPEG 15 / 91 Évaluation de la qualité Aspects psychovisuels Compression F. Dufaux Bruit concentré sur 100 × 100 pixels Généralités Image Originale, 24 bpp Erreur concentrée, MSE = 16.00 Quantif. Méthodes prédictives JPEG 16 / 91 Évaluation de la qualité Aspects psychovisuels Compression F. Dufaux Bruit concentré sur les contours (estimation par filtre de Sobel) Généralités Contours de l’image Erreur concentrée sur les contours, MSE = 16.00 Quantif. Méthodes prédictives JPEG 17 / 91 Évaluation de la qualité Aspects psychovisuels Compression F. Dufaux Bruit sur les hautes fréquences spatiales Généralités Image Originale, 24 bpp Erreur en frequence, MSE = 16.00 Quantif. Méthodes prédictives JPEG 18 / 91 Évaluation de la qualité Aspects psychovisuels Compression F. Dufaux Sous-échantillonnement dans l’espace des couleurs Généralités Image Originale, 24 bpp Sous−echantillonement en couleur, MSE = 21.27 Quantif. Méthodes prédictives JPEG 19 / 91 Critères de performance Qualité et distorsion Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Les Critères subjectifs sont basés sur l’évaluation de la qualité des image faite par des humaines Difficulté de créer un bon modèle du SVH Analyse statistique des résultats Évaluations longues, difficiles et coûteuses En conclusion, souvent on se limite à utiliser les critères objectifs non perceptuels : Simplicité Interprétation géométrique (norme euclidienne) Optimisation analytique Relation avec la qualité perçue ? 20 / 91 Critères de performance Complexité, retard et robustesse Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG La complexité d’un algorithme de codage peut être limitée par : contraintes liées à l’application (temps réel) limités du matériel (hardware) coût économique Le retard est normalement mesuré au codeur Lié à la complexité Influencé par l’ordre de codage Robustesse: sensibilité de l’algorithme de compression/reconstruction à des petites altérations du code comprimé (erreurs de transmission) 21 / 91 Critères de performance Bilan Compression F. Dufaux Généralités Quantif. Besoins contradictoire : Méthodes prédictives JPEG ⇓ Débit ⇑ Qualité ⇓ Complexité ⇑ Robustesse ⇓ Retard 22 / 91 Outils fondamentaux pour la compression Compression F. Dufaux Généralités Quantif. Méthodes prédictives Codage entropique JPEG Quantification Transformée Prédiction 23 / 91 Plan Compression F. Dufaux Généralités 1 Généralités sur la compression d’images 2 Quantification 3 Méthodes prédictives 4 Codage par Transformée 5 JPEG Quantif. Méthodes prédictives JPEG 24 / 91 Quantification Definition Compression F. Dufaux Q : x ∈ R → y ∈ C = {x̂1 , x̂2 , . . . x̂L } Généralités Quantif. x̂7 Méthodes prédictives x̂6 JPEG x̂5 d0 d1 d2 d3 d4 d5 d6 d7 d8 x̂4 x̂3 x̂2 x̂1 25 / 91 Quantification Definition Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Q : x ∈ R → y ∈ C = {x̂1 , x̂2 , . . . x̂L } C : Dictionnaire R = log2 L : Débit E = X − Q(X ) : Bruit de quantification 2 D = E (X − Q(X )) = E E 2 : Distortion Θi = {x : Q(x) = x̂i } : Régions. Evaluation d’un quantificateur : courbe D(R) 26 / 91 Quantification Compression F. Dufaux Généralités Typiquement, Quantif. 1) Θi = (di −1 , di ) Méthodes prédictives 2) x̂i ∈ Θi JPEG d0 di −1 di dL x̂i Θi 27 / 91 Quantification uniforme Compression F. Dufaux di = di −1 + ∆ di +di −1 2 Généralités x̂i = Quantif. Simple Méthodes prédictives Minimize l’erreur maximale JPEG Optimale pour v.a. uniforme Courbe D(R) pour une v.a. uniforme : D = σX2 2−2R Courbe D(R) pour une v.a. non uniforme en haute résolution : D = KX σX2 2−2R 28 / 91 Quantification optimale Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Pour une densité de probabilité fX (x) donnée, determiner le quantificateur qui minimize la distorsion pour un débit donné. Problème equivalent à determiner les seuils di et les niveaux x̂i . Solutions : Solution analytique en haute résolution: D = hX σx2 2−2R Si l’hypothese de haute résolution est fausse, on peut atteindre un minimum local de la distorsion avec l’algorithme de Max-Lloyd 29 / 91 Quantification optimale Algorithme de Max-Lloyd Compression F. Dufaux Algorithme de Max-Lloyd Généralités 1 initialiser les régions (p.e. uniforme) Quantif. 2 trouver les meilleures régions pour le dictionnaire donné Méthodes prédictives di = JPEG x̂i + x̂i +1 , 2 i ∈ {1, . . . , L − 1} 3 trouver le meilleur dictionnaire pour les régions données R Θ xfX (x)dx x̂i = E [X |X ∈ Θi ] = R i Θi fX (x)dx 4 boucler en 2 jusqu’à la convergence 30 / 91 Débit de codage Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 2 possibilités pour coder les niveaux de quantification codes de longueur fixe b bits par niveau avec log2 (L) ≤ b < log2 (L) + 1 codes de longueur variable bi bits pour coder x̂i P entropie : H(x) = − Li=1 pi log2 (pi ) avec pi = P(x = x̂i ) P longueur moyenne : b = Li=1 bi pi ≥ H(x) code d’Huffman : b < H(x) + 1 ⇒ plus performant 31 / 91 Quantification uniforme Exemple de quantification Compression Image Originale, 24 bpp F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 32 / 91 Quantification uniforme Exemple de codage Compression Débit 21 bpp PSNR 47.19 dB TC 1.143 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 33 / 91 Quantification uniforme Exemple de codage Compression Débit 18 bpp PSNR 42.38 dB TC 1.333 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 34 / 91 Quantification uniforme Exemple de codage Compression Débit 15 bpp PSNR 36.97 dB TC 1.600 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 35 / 91 Quantification uniforme Exemple de codage Compression Débit 12 bpp PSNR 31.40 dB TC 2.000 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 36 / 91 Quantification uniforme Exemple de codage Compression Débit 9 bpp PSNR 29.26 dB TC 2.667 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 37 / 91 Quantification uniforme Exemple de codage Compression Débit 6 bpp PSNR 27.83 dB TC 4.000 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 38 / 91 Quantification uniforme Exemple de codage Compression Débit 3 bpp PSNR 25.75 dB TC 8.000 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 39 / 91 Conclusion Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Quantification : au centre de la compression avec perte Operation non reversible Centrale dans le compromis débit-distorsion Approximations à haute résolution: D ∼ 2−2R D ∼ σ2 La seule quantification est insuffisante à assurer des bonnes performances de compression 40 / 91 Plan Compression F. Dufaux Généralités 1 Généralités sur la compression d’images 2 Quantification 3 Méthodes prédictives 4 Codage par Transformée 5 JPEG Quantif. Méthodes prédictives JPEG 41 / 91 Codage prédictive Principes Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG La seule quantification est peu efficace pour la compression Modèle soujacent trop simple : pixels indépendants et d’égales importances Idée : exploiter la correlation entre pixel par une prédiction Réduction de la variance 42 / 91 Schéma de codage Schéma simplifié Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Le pixel fk depend de ses voisins Si on connaît les voisins de fk , on les utilise pour le prédire Si on fait un bonne prédiction, b fk ≈ fk e e fk ek ek fk Q b fk b fk Comment on fait la prédiction ? Qu’est-ce qu’on gagne ? 43 / 91 Schéma de codage Schéma MICD (DPCM) complet Compression Encodeur : F. Dufaux fk ek Généralités Quantif. b fk Méthodes prédictives e ek Q P JPEG e fk e ek b fk Décodeur : e fk e ek b fk P e fk 44 / 91 Gain de prédiction Compression F. Dufaux Erreur sur la prédiction = erreur sur le signal : Généralités Quantif. Méthodes prédictives JPEG k = e ek − ek = e ek + b fk − (ek + b fk ) = e fk − fk Gain de codage : SNRp = 10 log 10 σf2 σf2 σe2 = 10 log + 10 log = GP + GQ 10 10 ¯2 σe2 ¯2 La prédiction doit produire un signal d’erreur dont la variance est inférieure à la variance du signal d’origine 45 / 91 Prédicteurs Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG b fk est obtenu à partir des pixels “précédents" et doit pouvoir être synthétisé au décodeur ⇒b fk = P({e f` }`≤k−1 ) On s’intéressera aux prédicteurs linéaires : simples et optimaux dans le cas Gaussien Souvent P({e f` }`≤k−1 ) = e fk−1 46 / 91 Schéma de codage Choix du prédicteur Compression Généralement, P : filtre RIF 2D F. Dufaux Généralités Quantif. Méthodes prédictives JPEG b fn,m = X (i ,j)∈S hi ,j e fn−i ,m−j S : support causal demi-plan asymétrique typiquement, S = {(0, 1), (1, 0), (1, 1)} Représentation équivalente : b fk = hT f (k) f (k) = {e fn−i ,m−j : (i, j ) ∈ S} h2 h1 h3 fk 47 / 91 Schéma de codage Choix du prédicteur Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Problème : Trouver le vecteur (filtre linéaire) h qui minimize : i h σe2 = E (fk − hT f (k) )2 en faisant l’hypothèse que e fn,m ' fn,m 48 / 91 Conclusions Compression F. Dufaux Généralités Quantif. Méthodes prédictives Méthode simple de mise en œuvre mais performances limitées en codage d’images JPEG introduit une causalité non naturelle en 2D code les pixels séparemment Très efficace pour exploiter la redondance spatiale de la vidéo 49 / 91 Plan Compression F. Dufaux Généralités 1 Généralités sur la compression d’images 2 Quantification 3 Méthodes prédictives 4 Codage par Transformée 5 JPEG Quantif. Méthodes prédictives JPEG 50 / 91 Principes Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Transformation linéaire : changement de base Représentation alternative de l’image Mise en évidence des caractéristiques Séparation des données entre importants et pas importants Déterminer les informations importantes pour le SVH Réduire la corrélation Allocation des ressources 51 / 91 Transformée 1d Compression F. Dufaux Paradigme du codage par transformée Généralités g1 Quantif. Méthodes prédictives JPEG f g g2 Q1 ge1 Q2 ge2 T gN QN e g T−1 ef gf N On passe du vecteur f à g = Tf : on veut un vecteur plus “facile” à quantifier : peu de coefficients “importants”, beaucoup de coefficients “insignifiants” 52 / 91 Transformations unitaires Compression T unitaire ⇒ T−1 = TH F. Dufaux avantages : Généralités Quantif. Méthodes prédictives JPEG 1 inversion immédiate 2 conservation de la norme : kgk = kfk ⇒ Distorsion sur g = distorsion sur f : h i h i E kg − gk2 = E (g − g)H (g − g) = E (f − f)H T H T (f − f) = E kf − fk2 Propriété fondamentale pour décider l’allocation des ressource dans le domaine transformée 53 / 91 Transformations linéaires en 2D Forme vectorielle Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Forme vectorielle vecteurs lignes : fn = [fn,1 , . . . , fn,M ]T ∈ RM vecteur image : f = [f1T , . . . , fNT ]T ∈ RN×M g = Tf T ∈ C(N M, N M) : matrice de transformation 54 / 91 Transformations linéaires en 2D Définition – Forme scalaire Compression F. Dufaux Généralités Quantif. Méthodes prédictives Forme scalaire (fn,m )1≤n≤N,1≤m≤M : image d’origine (gk,` )1≤k≤N,1≤`≤M : image transformée JPEG g = Tf ⇒ gk,` = N X M X t(k, `, n, m)fn,m n=1 m=1 t(k, `, n, m) : tenseur de transformation 55 / 91 Transformations linéaires en 2D Forme scalaire de la transformée inverse Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Dans l’hypothese de transformée unitaire, f = TH g ⇒ fn,m = N X M X t 0 (k, `, n, m)gk,` n=1m=1 t 0 (k, `, n, m) : tenseur de transformation inverse 56 / 91 Transformations linéaires en 2D Forme matricielle Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Formematricielle (si T inversible) f1,1 . . . f1,M .. [f] = ... . fN,1 . . . fN,M 0 t (1, 1, k, `) . . . t 0 (1, M, k, `) .. [t0 ]k,l = ... . t 0 (N, 1, k, `) . . . t 0 (N, M, k, `) N X M X [f] = gk,` [t0 ]k,` k=1 `=1 (gk,` )1≤k≤N,1≤`≤M : coefficients de la décomposition de [f] sur la base {[t0 ]k,` , 1 ≤ k ≤ N, 1 ≤ ` ≤ M} 57 / 91 Transformations linéaires en 2D Forme matricielle Compression F. Dufaux Transformée de Hadamard 8 × 8 Généralités Quantif. Méthodes prédictives JPEG 58 / 91 Transformations linéaires en 2D Forme matricielle Compression F. Dufaux Transformée DCT 8 × 8 Généralités Quantif. Méthodes prédictives JPEG 59 / 91 Transformations linéaires en 2D Transformation de Karhunen-Loève (TKL) Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Définition : transformation permettant de décorréler les données Rg = E{ggH } : matrice diagonale On utilise la diagonalisation de la matrice de correlation Rf : si les composantes de f sont linéairement indépendantes, Rf est définie positive et admet la représentation : Rf = UΛUT où : U = u1 u2 . . . uN matrice des vecteurs propres orthonormaux et Λ = Diag(λ1 , . . . , λN ) est la matrice diagonale des valeurs propres. La TKL est définie par : T = UT 60 / 91 Transformations linéaires en 2D Propriété de la TKL Compression Transformation unitaire F. Dufaux TH T = I Généralités Quantif. Méthodes prédictives JPEG Transformation décorrélante E[gi gj ] = λi δij Meilleure concentration des énergies : ∀T transformée unitaire, si g = UT f et h = Tf alors N X i=1 g¯i2 ≥ N X h¯i2 i=1 Transformée optimale pour variables Gaussiennes 61 / 91 Transformations linéaires en 2D Bilan de la TKL Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Avantages Décorrélation Concentration des énergies Optimale dans le cas gaussien Inconvénients Dépendante des données Complexité élevée Difficulté de l’estimation Images naturelles : non stationnaires La TKL est rarement utilisée dans la compression d’image, excepté des cas particuliers 62 / 91 Transformations linéaires en 2D Transformées basées sur la décomposition fréquentielle Compression Transformations plus simples F. Dufaux Asymptotiquement équivalentes (N, M → ∞) Généralités Quantif. TFD Méthodes prédictives JPEG t(k, `, n, m) = √ (n − 1)(k − 1) 1 (m − 1)(` − 1) exp −ı2π + N M NM TCD (2n − 1)(k − 1) (2m − 1)(` − 1) ck c` cos π cos π t(k, `, n, m) = √ 2N 2M NM ( 1 si k = 1 ck = √ 2 sinon 63 / 91 Transformations linéaires en 2D Transformées basées sur la décomposition fréquentielle Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG TCD et TFD caractéristiques communes séparables : t(k, `, n, m) = t1 (k, n) t2 (`, m) algorithmes de calcul rapides interprétations fréquentielles k : indice de fréquence verticale ` : indice de fréquence horizontale spécificités de la TCD réelle meilleure concentration de l’information que la TFD existence d’autres transformations plus simples mais moins efficaces 64 / 91 DFT vs DCT Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Coeff 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 DCT % Energy 74.61 24.98 0.05 0.30 0.00 0.04 0.00 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Coeff 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 DFT % Energy 74.61 7.86 2.04 0.97 0.60 0.43 0.35 0.31 0.30 0.31 0.35 0.43 0.60 0.97 2.04 7.86 Original and reconstructed signal with the best 3 coeffs 18 Reconstructed by DCT, 99.89% of energy Original signal Reconstructed by DFT, 90.33% of energy 16 14 12 10 8 6 4 2 0 0 5 10 15 65 / 91 Exemples de TCD Fréquences spatiales Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 4.5 4.5 4 4 3.5 3.5 3 3 2.5 2.5 2 2 1.5 1.5 1 1 0.5 0.5 66 / 91 TCD par blocs Compression F. Dufaux Généralités Quantif. image non stationnaire et de taille élevée ⇒ découpage en I × J blocs rectangulaires (Bi ,j )0≤i <I ,0≤j<J , de taille K × L (K = L = 8) Méthodes prédictives 4 JPEG 3.5 3 2.5 2 1.5 1 0.5 0 N=IK M =JL 67 / 91 Allocation des ressource pour les coefficients TCD Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG On applique à chaque élément (k, `) du bloc Bi ,j un quantificateur Qk,l de Lloyd-Max ayant bk,` bits ((k, `) = (1, 1) → loi uniforme, (k, `) 6= (1, 1) → loi de Laplace) problème : trouver b = (bk,` )1≤k≤K ,1≤`≤L minimisant K L 1 XX E{(gi ,j (k, `) − gei ,j (k, `))2 } D(b) = KL k=1 `=1 K L 1 XX bk,` = b̄ et bk,` ∈ N sous les contraintes KL k=1 `=1 en supposant que E{(gi ,j (k, `) − gei ,j (k, `))2 } ∝ Var{gi ,j (k, `)}/22bk,` 68 / 91 Algorithme d’allocation de bits Compression F. Dufaux Donnez les ressources à ceux qui en ont besoin ! Généralités Quantif. Méthodes prédictives 1 bk,` = 0, (k, `) ∈ {0, . . . , K − 1} × {0, . . . , L − 1} 2 calculer (k0 , `0 ) minimisant D((bk,` + δk−k0 ,`−`0 )0≤k<K ,0≤`<L ) 3 bk0 ,`0 = bk0 ,`0 + 1 4 si JPEG K −1X L−1 X bk,` < K L b̄ k=0 `=0 alors retour 2 Formule analytique en hypothèse de haute résolution 69 / 91 Plan Compression F. Dufaux Généralités 1 Généralités sur la compression d’images 2 Quantification 3 Méthodes prédictives 4 Codage par Transformée 5 JPEG Quantif. Méthodes prédictives JPEG 70 / 91 Standard de codage JPEG Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Norme de compression d’images basée sur la TCD Spécifiée en 1991, adoptée en 1992 Normalise l’algorithme et le format de decodage On va parler d’un codeur à niveaux de gris, produisant un train binaire conforme 71 / 91 Standard JPEG Schéma Compression F. Dufaux replacements Généralités Quantif. Méthodes prédictives TCD Quantif. Codage sans perte JPEG L’image est préalablement découpée en blocs 8 × 8 On soustrait 128 aux valeurs de luminance Les blocs sont codés indépendamment 72 / 91 JPEG Découpage par blocs Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Exemple de bloc 8x8 173 171 184 170 157 149 147 160 171 169 158 156 147 146 141 122 171 150 139 134 125 132 119 117 143 137 120 119 127 120 119 116 109 112 110 117 103 113 111 115 100 101 107 104 109 107 101 116 91 94 94 98 90 101 100 102 96 96 100 99 98 93 92 95 73 / 91 JPEG TCD 2d Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG La taille de la TCD est 8 × 8 Petits blocs → signal stationnaire Grands blocs → exploit de la corrélation Taille choisie après des experiences Coefficients TCD : impact SVH 74 / 91 JPEG TCD Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Coefficients TCD du bloc considerée 985.3 40.3 6.3 -0.0 2.1 1.3 5.1 -5.6 186.2 47.8 4.0 4.9 -1.3 3.7 0.4 1.6 34.1 5.7 -9.3 -13.3 -1.6 2.4 3.1 4.4 11.6 -26.0 -6.7 -20.8 0.6 -2.7 4.8 0.1 7.3 -5.3 -1.2 -10.4 3.6 -2.2 -1.4 3.3 1.6 -3.5 8.1 -1.0 3.3 -3.0 2.5 2.3 4.9 4.0 3.4 -4.5 8.1 -4.1 9.8 4.3 -8.2 -1.0 4.1 -5.1 -1.7 7.8 5.3 -8.4 75 / 91 JPEG TCD Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Ecart-type des coefficients TCD d’une image naturelle 396.64 100.23 49.42 30.82 21.09 15.32 11.22 8.21 100.99 55.78 36.39 24.05 16.79 11.91 8.58 6.65 49.26 37.40 28.01 19.73 14.79 10.31 7.66 5.93 31.15 24.77 20.40 15.47 11.54 8.71 6.78 5.52 19.74 16.44 14.64 11.99 9.19 7.15 5.69 4.45 14.57 11.70 10.46 8.88 7.30 5.78 4.64 3.75 8.76 8.44 7.64 6.83 5.90 4.61 3.82 3.15 7.33 6.25 5.88 5.45 4.68 3.91 3.24 2.80 76 / 91 JPEG Quantification et allocation de débit Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Quantification uniforme à zone morte j k c e ci ,j = qii,j,j Le compromis débit distorsion est complètement géré par le tableau de quantification q Le standard ne spécifie pas q, qui doit être transmis Facteur de qualité Q 77 / 91 JPEG Quantification et allocation de débit Compression F. Dufaux Exemple de table de quantification Généralités Quantif. Méthodes prédictives JPEG 16 12 14 14 q∗ = 18 24 49 72 11 12 13 17 22 35 63 92 10 14 16 22 37 55 78 95 16 19 24 29 56 64 87 98 24 26 40 51 68 81 101 112 40 58 57 87 109 104 121 100 51 60 69 81 103 111 120 103 61 55 56 61 77 90 100 99 78 / 91 JPEG Facteur de qualité Compression F. Dufaux Généralités Quantif. Outil non normatif “Facteur de qualité” Q variable entre 1 et 100 Definit un facteur d’echelle SF pour la matrice de quantification Méthodes prédictives 800 JPEG 700 1 ≤ Q ≤ 50 50 < Q ≤ 99 Q = 100 600 500 SF 5000 Q SF = 200 − 2Q 1 400 300 200 100 0 0 20 40 60 80 100 Q q← SF q ∗ − 50 100 79 / 91 JPEG Quantification et allocation de débit Compression F. Dufaux Coefficients quantifiés avec la table précédente Généralités Quantif. Méthodes prédictives JPEG 61 3 0 0 0 0 0 0 16 3 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 80 / 91 JPEG Quantification Compression F. Dufaux 1 1 2 2 3 3 4 4 5 5 6 6 7 7 Généralités Quantif. Méthodes prédictives JPEG 8 8 1 2 3 4 5 Original 6 7 8 1 2 3 4 TCD → Q → 5 Q −1 6 7 8 → TCD−1 81 / 91 JPEG Codage sans perte Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Zig-zag scan : concentre les coefficients nuls à la fin du balayage 82 / 91 JPEG Codage sans perte Compression F. Dufaux Généralités Quantif. Coefficent DC : codage predictif + Huffman Méthodes prédictives Coefficients AC : codage “run-lenght” + Huffman JPEG coeff6= 0 n. de 0 coeff6= 0 n. de 0 ... EOB ... 83 / 91 JPEG Codage de un bloc Compression F. Dufaux Coefficients quantifiés et codés Généralités Quantif. Méthodes prédictives JPEG 61 3 0 0 0 0 0 0 61-dck−1 16 3 0 0 0 0 0 0 0,16 3 0 0 0 0 0 0 0 0 -1 0 0 0 0 0 0 0,3 0 0 0 0 0 0 0 0 1,3 0 0 0 0 0 0 0 0 0,3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 7,-1 EOB 84 / 91 JPEG Exemple de codage Compression Image Originale, 24 bpp F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 85 / 91 JPEG Exemple de codage Compression Débit 1.0198674.2 bpp PSNR 33.92 dB TC 23.532 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 86 / 91 JPEG Exemple de codage Compression Débit 0.7481384.2 bpp PSNR 33.45 dB TC 32.080 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 87 / 91 JPEG Exemple de codage Compression Débit 0.5017404.2 bpp PSNR 32.70 dB TC 47.834 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 88 / 91 JPEG Exemple de codage Compression Débit 0.3081364.2 bpp PSNR 31.31 dB TC 77.888 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 89 / 91 JPEG Exemple de codage Compression Débit 0.2069704.2 bpp PSNR 29.50 dB TC 115.959 F. Dufaux Généralités Quantif. Méthodes prédictives JPEG 90 / 91 Conclusion Compression F. Dufaux Généralités Quantif. Méthodes prédictives JPEG Méthode assez efficace et bien maîtrisée (JPEG) MAIS effets de bloc 91 / 91