Mã hóa dự đoán, kỹ thuật DPCM và ứng dụng

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG - - BÁO CÁO BÀI TẬP LỚN XỬ LÝ DỮ LIỆU ĐA PHƯƠNG TIỆN Đề tài: Mã hóa dự đoán Kỹ thuật DPCM ứng dụng Giáo viên hướng dẫn: Sinh viên: PGS.TS Nguyễn Thị Hoàng Lan Vũ Ngọc Bình - 20111178 Nguyễn Thành Trung - 20112384 Đinh Hải Anh – 20111106 Nguyễn Huy Lăng – 20121966 Hà Nội, 5-2016 MỤC LỤC Phần 1: Phương Pháp Mã Hóa DPCM I Nguyên lý Điều xung mã sai phân (DPCM – Differentical Pulse Code Modulation) phương pháp nén liệu có mát thông tin Cơ sở phương pháp dựa mã hóa dự đoán, thường đước sử dụng tín hiệu lấy mẫu có độ tương quan mạnh (nghĩa hai mẫu gần tương tự nhau), có quan hệ lân cận mẫu, tín hiệu ảnh video, tín hiệu tiếng nói… Như có nhiều lợi ích mã hóa khác mẫu kế cận thay cho mã hóa giá trị tuyệt đối mẫu Nguyên tắc mã hóa dự đoán : - Mã hóa sai khác mẫu : mẫu dự đoán theo thời điểm trước mẫu - Giá trị mẫu giải mã dựa sai khác giá trị dự đoán thời điểm trước Như thấy thay truyền toàn thông tin mẫu, ta truyền sai lệch mẫu Điều cho phép đạt hiệu nén cao nhiều so với việc mã hóa truyền giá trị mẫu riêng biệt Hình : Sơ đồ nguyên lý DPCM Lấy mẫu ( Sampling) Lấy mẫu trình rời rạc hoá tín hiệu tương tự Đây bước chuyển tín hiệu mang thông tin dạng liên tục thành tín hiệu mang thông tin rời rạc, phương pháp lấy mẫu (Sampling) Sao cho tín hiệu rời rạc phải mang đẩy đủ thông tin tín hiệu tương tự, để tái tạo thông tin cách trung thực đầu thu Hình Quá trình lấy mẫu tính hiệu Ở đầu thu để phục hồi lại tín hiệu ban đầu, người ta dùng lọc Tín hiệu rời rạc qua lọc thông thấp, với tần số tín hiệu cho tín hiệu ban đầu Quá trình phục hồi minh hoạ hình Hình : Quá trình phục hồi tín hiệu Lượng tử hóa Là thay tín hiệu tương tự lấy mẫu tập hữu hạn mức tín hiệu biên độ rời rạc Ưu điểm lượng tử hóa tín hiệu lấy mẫu giảm ảnh hưởng nhiễu Các mức tín hiệu rời rạc gọi mức lượng tử hoá, khoảng cách hai mức lượng tử hoá gọi bước lượng tử hoá Bộ dự đoán Do độ tương quan mẫu tín hiệu tín hiệu tiếng nói, tín hiệu video… lớn nên thực dự đoán cách gần giá trị mẫu từ số mẫu trước Bộ dự đoán sử dụng để tính toán dự đoán mẫu tín hiệu theo mẫu thời điểm trước (tín hiệu tham chiếu) Trong trình dự đoán có sai số dự đoán(Pridection error) Cần phân biệt sai số dự đoán sai số lượng tử Hai khái niệm có chất khác : • Sai số dự đoán (prediction error) chênh lệch giá trị dự đoán giá trị thực Nó không làm tổn thất thông tin dẫn đến suy giảm chất lượng ảnh Giá trị sai số định tốc độ bit giảm nhiều hay ít, tức ảnh hưởng đến hiệu suất nén • Sai số lượng tử (quantization error) sai số đặc trưng cho tổn thất liệu dẫn đến làm suy giảm chất lượng ảnh phục hồi Bộ mã hóa Bộ mã hóa mã hóa sai số dự đoán thành từ mã nhị phân truyền qua kênh truyền Ở đâu thu, giải mã tiến hành giải mã bit nhị phân nhận , sau tiến hành lượng tử hóa ngược khôi phục lại tín hiệu ban đầu II Các phương pháp mã hóa DPCM DPCM vòng mở (Open-loop DPCM) Hình Open-loop DPCM Gọi q sai số lượng tử hóa, ta có d^ [n] = d[n] + q[n] Mã hóa : d[n] = x[n] - x[n-1] Như thấy với kỹ thuật Open-Loop DPCM, sau vòng lặp sai số lượng tử hóa q[i] lại cộng thêm vào (Quantization error Accumulation) : Tức sai số lượng tử hóa sau mã hóa lớn DPCM vòng đóng ( Closed-loop DPCM) Hình Closed-loop DPCM Với cách bố trí sơ đồ ta có Như sai số lượng tử hóa tích lũy (accumulation) sau vòng lặp => giảm đáng kể sai số lượng tử hóa DPCM tuyến tính Hình : DPCM với Linear Pridiction Cả phương pháp Open-loop DPCM Closed-loop DPCM có chung cách tính sai khác Đó tính sai khác mẫu dựa mẫu dự đoán tín hiệu đứng trước Nếu tính sai khác từ tất mẫu dự đoán trước mẫu sai số lượng tử hóa giảm xuống Như đạt độ nén cao Đây ý tưởng phương pháp DPCM dùng dự đoán tuyến tính (Linear Pridection) DPCM sử dụng hàm P(Z) xác định bẳng tổng tất mẫu dự đoán tính đến thời điểm xét Vì sử dụng hàm tuyến tính nên P(Z) có dạng Phần 2: Bộ Dự Đoán Và Bộ Lượng Tử Hóa Trong DPCM I Bộ dự đoán Bộ dự đoán sai số Công nghệ DPCM thực loại bỏ tính có nhớ thông tin dư thừa nguồn tín hiệu lọc đặc biệt có đáp ứng đầu hiệu số mẫu đầu vào giá trị dự đoán Rất nhiều giá trị vi sai gần điểm ảnh biến đổi đồng Còn với ảnh có nhiều chi tiết, giá trị sai số dự đoán lớn Khi lượng tử hoá chúng bước lượng tử cao đặc điểm mắt người không nhạy cảm với chi tiết có độ tương phản cao, thay đổi nhanh Sự giảm tốc độ bit thu từ trình lượng tử hoá mã hoá Kỹ thuật dự đoán Nếu trực tiếp lượng tử hoá mã hoá mẫu nguồn ảnh với đầy đủ thông tin dư thừa quan hệ tương hỗ điểm ảnh hiệu suất nén thấp lượng thông tin nguồn lớn Do công nghệ nén, cần loại bỏ tính có nhớ nguồn tín hiệu, tức thực “giải tương hỗ” (deccorelation) mẫu điểm lân cận Trong công nghệ nén “điều xung mã vi sai” DPCM, trình giải tương hỗ thực lọc có đáp ứng đầu hiệu số mẫu điểm 10 Quá trình tạo dự đoán tồn sai số dự đoán Chất lượng nén không đơn dựa vào sai số dự đoán trình mã hóa, phụ thuộc trình tái tạo tín hiệu dự đoán giải mã Quá trình nén thực trình lượng tử hóa hiệu nén cũngđược định cách lượng tử hóa mẫu tín hiệu ban đầu 14 Khả dự đoán tốt giảm số bít phải truyền đi, ngược lại khả dự báo khiến cho số lượng bít phải truyền tăng lên, ảnh hưởng tới hiệu suất nén Một số lỗi với sai số dự đoán làm giảm chất lượng ảnh sau sau khôi phục: Hình 22 Nhiễu hạt 15 Với số bit khác nhau: 16 II Bộ lượng tử hóa ảnh hưởng lượng tử hóa đến chất lượng nén video Lượng tử hóa ánh xạ không tuyến tính có tổn hao từ khoảng biểu diễn liên tục biên độ tín hiệu vào khoảng biểu diễn giá trị rời rạc mức giá trị hay từ mã Với R bits biểu diễn 2R mã khác mẫu, mã biểu diễn mức biên độ tín hiệu Biên độ tín hiệu có giá trị âm dương phải định nghĩa mã để miêu tả giá trị biên độ âm dương Chúng ta chọn giá trị điển hình cho có cân mức lượng tử cho giá trị âm dương Có hai cách chọn: Chọn sử dụng có mức lượng tử không (midtread) mức lượng tử không (midrise) “Midrise” mức không với tín hiệu đầu vào cho số chẵn mức lượng tử đầu Ngược lại lượng tử hóa “midtread” cho số lẻ mức lượng tử đầu Với R bits lượng tử hóa “midtread” cho 2R-1 giá trị khác ngược lại lượng tử hóa “midrise” cho 2R mã Mặc số mức lượng tử nhỏ lượng tử hóa “midtread” trình xử lý tín hiệu audio cho kết tốt Lượng tử hóa tuyến tính Lượng tử hóa tuyến tính kiểu lượng tử hóa đơn giản Lượng tử hóa tuyến tính lượng tử với mức lượng tử Trong kiểu lượng tử, phạm vi giá trị đầu vào số biểu diễn ký pháp nhị phân mã cho tín hiệu đầu số nhị phân khoảng mà giá trị đầu vào rơi vào Để định nghĩa phạm vi mức lượng tử cần thông tin sau: - lượng tử hóa theo kiểu “midtread” hay “midrise” - giá trị lớn giá trị đầu vào xmax - mức lượng tử Δ 17 Thành phần liệu thứ ba định nghĩa số bits cần thiết để biểu diễn mã ví dụ R bít cho phép biểu diễn 2mũR mã khác Với kiểu lượng tử hóa “midrise”, R bits cho phép tập phạm vi đầu vào Δ=2*xmax/2R Kiểu lượng tử hóa “midtread” có phạm vi lớn chút =2*xmax/(2R -1) Khoảng giá trị đầu vào tử -xmax đến xmax, điều xẩy giá trị đầu vào vượt khoảng này? Với giá trị cao giá trị cao khoảng gán giá trị giá trị cao khoảng, giá trị nhỏ giá trị nhỏ khoảng gán giá trị giá trị nhỏ khoảng Midrise quantizers Hình minh họa lượng tử hóa tuyến tính kiểu “midrise” bits Phía tay trái hình biểu diễn khoảng biên độ đầu vào từ -1 đến Từ bits lượng tử hóa midrise, chia khoảng giá trị đầu vào thành mức Như biết mức có độ rộng Mỗi mức biểu diễn giá trị nhị phân tương ứng: [11], [10], [00], [01] tương ứng với giá trị -1, -0 +0, +1 Chúng ta lượng tử hóa tín hiệu đầu vào với bits mã, chuyển đổi chúng dạng biên độ tín hiệu Ví dụ với mức [00] mức nằm khoảng biên độ từ 0.0 đến 0.5 tín hiệu đầu vào Giả sử giá trị biên độ phân bố khoảng, chọn mức đầu với mức lỗi nhỏ giá 18 trị trung tâm khoảng nghĩa 0.25 Do mã [11], [10], [00], [01] -0.75, -0.25, 0.25, 0.75 Lượng tử hóa tuyến tính kiểu midrise với nhiều bits làm tương tự Giải thuật lượng tử hóa lượng tử hóa ngược lượng tử hóa tuyến tính kiểu Midrise R bit Ví dụ: biên độ đầu vào 0.6 sau trình lượng tử bits INT (2*0.6) = INT (1.2) =1 Ta chuyển đổi ngược lại (1+ 0.5)/2 = 1.512 = 0.75 Như ta thấy có khoảng chênh lệch biên độ tín hiệu ban đầu biên độ tín hiệu sau khôi phục lại Midtread quantizers Hình minh họa lượng tử hóa tuyến tính kiểu midtread bits Với bits biểu diễn mức biên độ tín hiệu đầu vào Có nghĩa chia khoảng giá trị đầu vào thành mức đo có độ rộng lớn so với trường hợp midrise Các mức có [11], [00], [01] tương ứng với giá trị -1, 0, +1, mã [10] không sử dụng Giá trị lượng tử hóa ngược trung tâm 19 khoảng giá trị trường hợp -2/3, 0, +2/3 Chú ý giá trị giữ Tín hiệu audio thường có khoảng lặng lượng tử hóa biểu diễn tín hiệu với biên độ phù hợp xử lý tín hiệu audio Giải thuật lượng tử hóa lượng tử hóa ngược lượng tử hóa tuyến tính kiểu Midtread R bit Ví dụ: biên độ đầu vào 0.6 sau trình lượng tử bits INT ((3*0.6+1)/2) = INT (1.4) =1 Ta chuyển đổi ngược lại 2*1/3 = 2/3 Như ta thấy có khoảng chênh lệch biên độ tín hiệu ban đầu biên độ tín hiệu sau khôi phục lại Lượng tử hóa tuyến tính có giá trị làm tròn lỗi lớn nửa độ rộng khoảng giá trị nơi, mức đầu vào không tải chồng Tuy nhiên lỗi chở nên nghiêm trọng tín hiệu có biên độ nhỏ Lượng tử hóa phi tuyến Lượng tử với bước lượng tử không yêu cầu phải nhau, với độ rộng bước thay đổi tương ứng với biên độ tín hiệu đầu vào gọi lượng tử hóa phi tuyến Lượng tử hóa phi tuyến thường sử dụng phương thức co giãn Trong phương thức co giãn, có đầu vào x truyền vào thông qua hàm đơn điệu tăng y = c(x) Lượng tử hóa ngược thực hiện: x’=c-1(y’) Trong hàm c(x) không đối xứng xung quanh x=0 giá trị x âm biểu diễn giá trị âm Chúng ta định nghĩa c(x) thông qua c(|x|) Nếu xét tín hiệu đầu vào lượng tử hóa tuyến tính tín hiệu thuộc khoản -1.0 đến 1.0, sau dùng hàm co giãn c(|x|) cho biểu đồ đầu vào từ đến 1.0 khoảng từ đến 1.0 Với yêu cầu c(x) đơn điệu tăng c(x) dễ dàng đảo ngược lại Để có hình dung co giãn ảnh hưởng đến lượng tử hóa, xem kích cỡ bước lượng tử thay đổi mức tín hiệu đầu vào x 20 Như biết bước lượng tử lượng tử hóa tuyến tính Nếu lượng tử sử dụng lượng lớn bít bước lượng tử nhỏ, y=c(x) xấp xỉ tuyến tính có y(x) ≈ c(x0) + dc/dx(x-x0) Với x0 cố định mức Độ rộng x mức lượng tử thu nhỏ tỷ số dc dx từ độ rộng y Ví dụ, chọn hàm c(x) có độ dốc cao cho giá trị x nhỏ có lượng tử hóa nhiễu nhỏ so với lượng tử hóa tuyến tính Tuy nhiên, hàm c(|x|) phải chạy tuyến tính từ đến 1.0, độ dốc cao cho giá trị x thấp bao hàm độ dốc thấp nhiều lượng tử hóa nhiễu cho giá trị x cao Do đó, có sử dụng hàm co giãn để di chuyển lượng tử hóa nhiễu từ biên độ đầu vào thấp đến biên độ đầu vào cao Lượng tử hóa phi tuyến sử dụng để làm giảm tỷ lệ nhiễu tạp âm (SNR) 21 Phần 3: Thuật Toán DPCM Áp Dụng Mã Hóa Thành Phần DC Trong Nén Ảnh JPEG I DPCM nén ảnh JPEG Quy trình nén ảnh JPEG: b1: Biến đổi ảnh từ màu RGB thành màu YUV (hoặc YIQ) chia ảnh thành block (khối điểm ảnh – ví dụ 8x8 sơ đồ trên) b2: Thực biến đổi cosi rời rạc (DCT) khối điểm ảnh b3: Lượng tử hóa xếp zig-zag ta thu thành phần DC thành phần AC mang hầu hết thông tin chứa ảnh gốc Trong đó, DC thành phần quan trọng mang độ chói trung bình ảnh, thành phần AC chứa thông tin chi tiết ảnh - Thành phần AC thực mã hóa RLC - Thành phần DC thực mã hóa theo DPCM Nhận xét: Trong nén ảnh JPEG mã hóa dự đoán DPCM áp dụng để mã hóa thành phần DC ảnh Phương pháp mã hóa sử dụng thành phần DC JPEG lớn khác nhau, thành phần DC thường gần Vì độ tương quan mẫu mẫu thời điểm trước lớn Nên áp dụng 22 phương pháp mã hóa dự đoán DPCM để mã hóa thành phần DC mang lại tỉ số nén cao II Thuật toán DPCM áp dụng mã hóa thành phần DC Thuật toán sử dụng phương pháp mã hóa DPCM vòng mở (Open-loop DPCM) để mã hóa thành phần DC Đầu vào: thành phần DC Đầu ra: từ mã Thuật toán DPCM áp dụng mã hóa thành phần DC mô tả bước: B1: Cho tín hiệu DC[1] qua B2: d[1] = DC[1], gán i = B3: Nếu i N đến B6 B4: Tính sai khác mẫu liên tiếp d[i] = DC[i] – DC[i-1] đến B5 B5: i = i+1 quay lại B3 B6: Lượng tử hóa dãy d[n] đến B7 B7: Mã hóa kết thúc 23 Sơ đồ khối thuật toán DPCM áp dụng mã hóa thành phần DC nén ảnh JPEG III Đánh giá nhận xet thuật toán DPCM áp dụng nén ảnh JPEG Trong nén ảnh JPEG thành phần DC thành phần quan trọng mang độ chói trung bình ảnh, thành phần AC chứa thông tin chi tiết ảnh Việc áp dụng DPCM để mã hóa thành phần DC nén ảnh JPEG làm tăng tỉ số nén ảnh Vì JPEG thành phần DC có độ tương quan mạnh mẫu Nên thay ta phải xử lý mã hóa với mẫu giá trị tuyệt đối DC khác ta mã hóa khác mẫu kế cận Điều cho phép nén ảnh JPEG đạt hiệu nén cao nhiều so với việc xừ lý với giá trị tuyệt đối mẫu Kết luận: thuật toán DPCM áp dụng mã hóa thành phần DC nén ảnh JPEG giúp tăng hiệu nén ảnh JPEG 24 Phần 4: Xây Dựng Ứng Dụng Thử Nghiệm DPCM Trong Nén Ảnh JPEG Với Matlab I Giới thiệu Matlab Matlab ngôn ngữ lập trình thực hành bậc cao sử dụng để giải toán kỹ thuật Matlab tích hợp việc tính toán, thể kết quả, cho phép lập trình, giao diện làm việc dễ dàng cho người sử dụng Dữ liệu với thư viện lập trình sẵn cho phép người sử dụng có ứng dụng sau • Sử dụng hàm có sẵn thư viện, phép tính toán học thông thường • Cho phép lập trình tạo ứng dụng • Cho phép mô mô hình thực tế • Phân tích, khảo sát hiển thị liệu • Với phần mềm đồ hoạ cực mạnh • Cho phép phát triển, giao tiếp với số phần mềm khác C++, Fortran II Lập trình thử nghiệm Chương trình thử nghiệm em gồm chương trình nhỏ: • Một chương trình nén ảnh JPEG có sử dụng mã hóa DPCM thành phần DC (nằm folder matlab_JPEG_have_dpcm file đính kèm) • Một chương trình nén ảnh JPEG không sử dụng mã hó DPCM thành phần DC DC (nằm folder matlab_JPEG_not_dpcm file đính kèm) Mỗi chương trình sau chạy có đo lường hiệu nén (tỉ số nén, độ tổn hao) Từ đưa kết luận: Đầu vào Chương trình nén ảnh JPEG có DPCM Chương trình nén ảnh JPEG DPCM Dữ liệu ảnh lưu file lena.mat Dữ liệu ảnh lưu file lena.mat 25 Các bước xử lý 1/ Load liệu ảnh 2/ Biến đổi DCT để lấy khối 8*8 3/ Lượng tử hóa 4/ Mã hóa dự đoán DPCM thành phần DC quét zig-zag thành phần AC (DPCM sơ đồ vòng mở) 1/ Load liệu ảnh 2/ Biến đổi DCT để lấy khối 8*8 3/ Lượng tử hóa 4/ Không thực DPCM (thực quét thành phần DC AC nhau) 5/ Thực encode Huffman thành phần DC thành phần AC 5/ Thực encode Huffman tất thành phần Tỉ số nén 8.9124 : Độ tổn hao SNR = 32.8970 8.5214:1 SNR = 32.8970 Ảnh trước nén sau nén Hình Bảng so sánh trình thử nghiệm nén ảnh JPEG có DPCM 26 DPCM Nhận xét: - Ta thấy có DPCM thành phần DC tỉ số nén tốt - thành phần DC có xác xuất giống lớn  Khi encode Huffman sai khác mẫu cạnh cho tỉ số nén tốt Ta thấy có DPCM DPCM độ tổn hao sau giải nén Bởi độ tổn hao phụ thuộc vào sai số lượng tử hóa, DPCM không gây ảnh hưởng, giúp tăng tỉ số nén (ở em dùng sơ đồ DPCM vòng mở, khối lượng tử hóa sai số mẫu liên tiếp số nguyên) - 27 TÀI LIỆU THAM KHẢO Image Compression Using DPCM with LMS Algorithm – Ranbeer Tyagi, Rohit yadav and Shekhar Sharma G.726 Adaptive Differential Pulse Code Modulation (ADPCM) on the TMS320C54x DSP – Peter Dent and Aaron Aboagye Stephen J Solari - Digital Video and Audio Compression http://einstein.informatik.uni-oldenburg.de/rechnernetze/dpcm.htm 28 [...]... ở thời điểm trước là lớn Nên áp dụng 22 phương pháp mã hóa dự đoán DPCM để mã hóa thành phần DC sẽ mang lại tỉ số nén cao II Thuật toán DPCM áp dụng mã hóa thành phần DC Thuật toán sử dụng phương pháp mã hóa DPCM vòng mở (Open-loop DPCM) để mã hóa các thành phần DC Đầu vào: thành phần DC Đầu ra: các từ mã Thuật toán DPCM áp dụng mã hóa thành phần DC được mô tả bởi các bước: B1: Cho tín hiệu DC[1] đi... hiện mã hóa RLC - Thành phần DC sẽ được thực hiện mã hóa theo DPCM Nhận xét: Trong nén ảnh JPEG mã hóa dự đoán DPCM được áp dụng để mã hóa thành phần DC của ảnh Phương pháp mã hóa này được sử dụng là do thành phần DC trong JPEG là lớn và khác nhau, các thành phần DC kế tiếp thường gần bằng nhau Vì vậy độ tương quan giữa mẫu hiện tại và mẫu ở thời điểm trước là lớn Nên áp dụng 22 phương pháp mã hóa dự. .. lại B3 B6: Lượng tử hóa dãy d[n] đi đến B7 B7: Mã hóa và kết thúc 23 Sơ đồ khối thuật toán DPCM áp dụng mã hóa thành phần DC trong nén ảnh JPEG III Đánh giá nhận xet thuật toán DPCM áp dụng trong nén ảnh JPEG Trong nén ảnh JPEG thành phần DC là thành phần quan trọng nhất mang độ chói trung bình của ảnh, thành phần AC chứa các thông tin về chi tiết của ảnh Việc áp dụng DPCM để mã hóa thành phần DC trong... vì ta phải xử lý mã hóa với các mẫu giá trị tuyệt đối của DC khác nhau thì ta sẽ mã hóa sự khác nhau giữa các mẫu kế cận Điều này cho phép nén ảnh JPEG đạt được hiệu quả nén cao hơn nhiều so với việc xừ lý với các giá trị tuyệt đối của mẫu Kết luận: thuật toán DPCM áp dụng mã hóa thành phần DC trong nén ảnh JPEG giúp tăng hiệu quả nén ảnh JPEG 24 Phần 4: Xây Dựng Ứng Dụng Thử Nghiệm DPCM Trong Nén Ảnh... (statistical) và thừa động giữa các frame (subjective) Mục đích của nén video là nhằm làm giảm số bit khi lưu trữ và khi truyền bằng cách phát hiện để loại bỏ các lượng thông tin dư thừa này và dùng các kỹ thuật Entropy mã hoá để tối thiểu hoá lượng tin quan trọng cần giữ lại Và bộ dự đoán là một phần quan trọng trong việc tối ưu hóa chất lượng nén video Như đã giới thiệu trong kỹ thuật nén video DPCM, ảnh... mờ hơn và gần đúng với giá trị ảnh gốc hơn là các phần ảnh có rìa hướng theo chiều ngang Cuối cùng là ảnh dự đoán hai chiều (2-dimensional – uD[x,y]), ta có thể thấy được sự đồng nhất tương đối giữa cả phần ảnh chiều ngang và dọc Ví dụ với một bức ảnh khác: 13 Quá trình tạo dự đoán luôn tồn tại một sai số dự đoán nào đó Chất lượng nén không đơn thuần dựa vào sai số dự đoán trong quá trình mã hóa, nó... (SNR) 21 Phần 3: Thuật Toán DPCM Áp Dụng Mã Hóa Thành Phần DC Trong Nén Ảnh JPEG I DPCM trong nén ảnh JPEG Quy trình nén ảnh JPEG: b1: Biến đổi ảnh từ bộ màu RGB thành bộ màu YUV (hoặc YIQ) và chia ảnh thành các block (khối điểm ảnh – ví dụ 8x8 như sơ đồ trên) b2: Thực hiện biến đổi cosi rời rạc (DCT) trên các khối điểm ảnh b3: Lượng tử hóa và sắp xếp zig-zag ta thu được thành phần DC và thành phần AC...liên tiếp đầu vào và một giá trị dự đoán” của mẫu điểm đó tạo được dựa trên giá trị các mẫu lân cận theo một qui luật nhất định Sai số dự đoán: Bộ tạo dự đoán có nhiệm vụ tạo ra giá trị điểm tiếp theo từ giá trị các điểm đã truyền tải trước đó được lưu trữ Quá trình tạo dự đoán càng tốt thì sự sai khác giữa giá trị thực của mẫu hiện hành và trị dự đoán cho nó (gọi là sai số dự đoán) càng nhỏ Khi... cao được sử dụng để giải các bài toán về kỹ thuật Matlab tích hợp được việc tính toán, thể hiện kết quả, cho phép lập trình, giao diện làm việc rất dễ dàng cho người sử dụng Dữ liệu cùng với thư viện được lập trình sẵn cho phép người sử dụng có thể có được những ứng dụng sau đây • Sử dụng các hàm có sẵn trong thư viện, các phép tính toán học thông thường • Cho phép lập trình tạo ra những ứng dụng mới... nén ảnh JPEG có DPCM 26 và không có DPCM Nhận xét: - Ta thấy khi có DPCM thành phần DC tỉ số nén sẽ tốt hơn vì các - thành phần DC có xác xuất giống nhau lớn  Khi encode bằng Huffman sai khác giữa các mẫu cạnh nhau sẽ cho tỉ số nén tốt hơn Ta thấy khi có DPCM và khi không có DPCM độ tổn hao sau khi giải nén là bằng nhau Bởi vì độ tổn hao chỉ phụ thuộc vào sai số khi lượng tử hóa, DPCM sẽ không gây