Дослідження JPEG-алгоритму стиснення цифрових відеозображень і кодування систем технічного зору в ос Linux

Марчеська Марина Романівна,

Кондіус Інна Степанівна,

канд. екон. наук, декан факультету КНІТ, доцент кафедри менеджменту

Федік Леся Юріївна,

канд. техн. наук, доцент, доцент кафедри автоматизації та комп'ютерно-інтегрованих технологій (АКІТ)

Анотація

У статті викладено актуальність застосування алгоритму стиснення JPEG для управління, зберігання і передачі візуальних даних. Досліджено алгоритм JPEG для стиснення цифрових відеозображень у контексті систем технічного зору та проведена оцінка його показників. Розглянуто кодування, як етап стиснення відеозображень завдяки алгоритму JPEG. А також використання його у ОС Linux.

Ключові слова: алгоритм, JPEG, відеозображення, технічний зір, кодування, Linux.

Основна частина

Постановка проблеми. Широке використання цифрових відеозображень для систем технічного зору призвело до зростання попиту на ефективні методи стиснення з метою управління, зберігання і передачі візуальних даних. Цей метод охоплює такі сфери застосування, як: спостереження, робототехніка та промислова автоматизація. Серед багатьох доступних алгоритмів стиснення заслуговує на увагу алгоритм JPEG (Joint Photographic Experts Group), як широко застосовуючий метод, завдяки балансу між ефективністю стиснення і прийнятною візуальною якістю [1].

Аналіз останніх досліджень і публікацій. У 1991 році Грегорі К. Воллес (Gregory K. Wallace) дослідив, що JPEG використовує просту техніку стиснення з втратами, відому як Baseline підмножину інших методів, що базуються на дискретному косинусному перетворенні (ДКП) [2].

У нашому столітті Джон В. О'Брайен (2005 рік) висвітлив, що основою алгоритму JPEG є ДКП (дискретне косинусне перетворення), яке витягує інформацію про просторову частоту з просторових амплітудних відліків і розглядає кожен крок у послідовності стиснення з особливим акцентом на ДКП.

У тому ж році Сонал Дінеш Кумар (Sonal, Dinesh Kumar) розповів про дослідження різних методів стиснення зображень, яке включає підхід аналізу головних компонентів, що застосовуються для стиснення зображень. Підхід PCA (аналіз головних компонентів) реалізується двома способами - статистичним підходом і підходом нейронних мереж [4].

У 2007 році Жак Леві Веель, Франклін Мендівіл та Евелін Луттон представили алгоритм перекомпресії зображень JPEG за допомогою еволюційних алгоритмів. Ці стратегії використовувалися для керування модифікацією коефіцієнтів у напрямку до більш гладкого зображення. У результаті дослідження були розглянуті три коефіцієнти стиснення. Стиснені зображення отримувалися з використанням значень квантування [5].

У наступному році дослідники Jin Li, Jarmo Takala, Moncef Gabbouj та Hexin Chen використали алгоритм виявлення нульових квантованих коефіцієнтів ДКП у зображенні JPEG. Експериментальні результати показали, що запропонований алгоритм може значно зменшити надлишкові обчислення та пришвидшити кодування зображень. Крім того, він не причиняє погіршення продуктивності. Зменшення обчислень також означає довший термін служби батареї та економію енергії для цифрових додатків [6].

На відміну від попередників, вчені Bheshaj Kumar, Kavita Thakur та G.R. Sinha (2012 р.) представили оцінку ефективності стиснення зображень JPEG за допомогою методу зменшення символів. У даному дослідженні було запропоновано нову методику, яка поєднує алгоритм JPEG і метод скорочення символів Хаффмана для досягнення більшого ступеня стиснення. Дана техніка скорочення символів зменшує кількість символів шляхом їх об'єднання, для формування нового символу. Завдяки цьому зменшується кількість коду Хаффмана що генерується [7].

Вирішення невирішених раніше частин. У проведених дослідженнях не було здійснено аналізу JPEG-алгоритму стиснення і кодування цифрових відеозображень для систем технічного зору в ОС Linux.

Формулювання цілей статті. Дослідження алгоритму JPEG для стиснення цифрових відеозображень у контексті систем технічного зору. А також оцінка таких показників, як: ступінь стиснення, візуальна якість і обчислювальна ефективність. Ціллю статті є також особливість кодування, як етапу стиснення відеозображень, а також застосування алгоритму JPEG у ОС Linux.

Виклад основного матеріалу. Ефективні алгоритми стиснення відіграють вирішальну роль в управлінні вимогами до зберігання і передачі даних у системах технічного зору. Алгоритм JPEG, спочатку розроблений для нерухомих зображень, був адаптований і широко використовується для стиснення цифрових відеозображень завдяки своїй ефективності у зменшенні розмірів файлів із зберіганням якості сприйняття (рис. 1) [3].

Рис. 1. Результат роботи стиснення

Висока якість зображення алгоритму JPEG досягається завдяки застосуванню багатоетапного процесу стиснення цифрових зображень, як то: перетворення колірного простору, здійснення двовимірного дискретного косинусного перетворення (ДКП), квантування кожного блоку ДКП квантувальною матрицею, закодовування отриманої структури у файл формату JPEG без втрат. Перетворення колірного простору RGB в YCbCr, який являє собою версію колірної моделі YUV, у поєднанні із застосуванням ДКП дозволяє ефективно представляти інформацію про зображення в частотній області. При цьому квантування та арифметичне кодування є ключовими кроками у досягненні стиснення без втрат за рахунок пріоритезації важливої візуальної інформації (рис. 2) [8-9].

Рис. 2. Блок-структура реалізації методу JPEG

Хоча спочатку алгоритм JPEG був розроблений для нерухомих зображень, він був адаптований для стиснення відео. У системах технічного зору, де обробка в реальному часі часто має вирішальне значення, вчені вивчали процеси оптимізації та модифікації, для покращення придатності алгоритму до динамічних послідовностей. Зокрема, адаптивне квантування, компенсація руху та інші методи були досліджені для підвищення ефективності стиснення відеододатків.

Розглянемо чотири етапи стиснення цифрових відеозображень за JPE G - алгоритмом (рис. 3). Першим етапом є перетворення початкового зображення з метою розподілу інформації про яскравість, колір точок зображення, а також субдискретизації про колір. Розподіл інформації про яскравість та колір точок виконується шляхом перетворення кольорової схеми RGB у схему YCrCD (Y - яскравість, Cr та CD - хромінанси). Субдискритизація інформації про колір полягає в збереженні тільки кожного другого чи четвертого дискретного значення CD і Cr. У випадку застосування JPEG-алгоритму для вирішення завдань, пов'язаних із геометричними вимірюваннями на відеозображеннях, слід відзначити що існує взаємно однозначна обернена операція відновлення цифрових даних. У багатьох пристроях цифрові дані початкового зображення вже розділені на дані про яскравість та колір, цифрові фотоапарати і цифрові відеокамери середнього та вищого рівня мають спеціальний режим формування напівтонових зображень, які мають інформацію тільки про яскравість зображення, також для геометричних вимірювань використовуються, як правило напівтонові зображення. Другий етап JPEG - алгоритму - розподіл зображення на блоки (матриці) розміром N*N дискретних точок і виконання ДКП для кожного блоку. У результаті інформація про яскравість і колір (кожна окремо) переводиться в частотну область. Третій етап JPEG-алгоритму - квантування частотних коефіцієнтів, отриманих у результаті ДКП. Четвертий етап JPEG-алгоритму - кодування частотних коефіцієнтів після квантування за методом Хаффмена чи арифметичне кодування для вилучення інформаційної надлишковості. Ці методи кодування не приводять до втрат інформації і виникнення похибок. Для відновлення стиснутого зображення всі вказані етапи виконуються в зворотньому порядку [1; 4; 10].

відеозображення цифровий технічний алгоритм

Рис. 3. Етапи алгоритму JPEG і схема стиснення цифрових відеозображень без втрат