Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Metodi di compressione Jpeg e Jpeg2000 per immagini fisse

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

6 migliore rendimento dei metodi prima esaminati. Tra le trasformate maggiormente utilizzate vi è la trasformata discreta di Fourier (Discrete Fourier Transform, DFT), la trasformata discreta coseno (Discrete Cosine Transform, DCT) e la trasformata discreta wavelet (Discrete Wavelet Transform, DWT). 1.2.2 Compressione con perdita L’utilizzazione delle tecniche con perdita implica una certa approssimazione dei dati originari. La perdita di qualità che ne deriva è ripagata dagli alti fattori di compressione, da 20- 200:1 fino ad arrivare perfino a 1000:1. Per questo, sempre più frequentemente, queste tecniche sono preferite a quelle senza perdite. In particolare, risulta evidente la necessità di usare per la visualizzazione di immagini su Internet, soggetta alla lentezza della connessione via modem, i formati lossy, proprio in relazione a queste loro superiori capacità di compressione. La più importante delle tecniche con perdita è certo la quantizzazione. Essa può riguardarsi come una funzione suriettiva ma non iniettiva che viene applicata ai dati. Si realizza dividendo il dominio in un certo numero di sottoinsiemi ed assegnando ad ognuno un valore, detto di quantizzazione. A seconda della dimensione del dominio si parla di quantizzazione scalare (dimensione unitaria) o vettoriale. 1.3 Ridondanza relativa e rapporto di compressione Come abbiamo visto, la ridondanza dei dati (intesa qui in senso lato, statistica o soggettiva che sia) è un elemento essenziale per la compressione. Non si tratta di un concetto astratto, ma di una entità matematicamente quantificabile. Infatti, detti n 1 e n 2 il numero di bit necessari a rappresentare la stessa informazione in due differenti set di dati, la ridondanza relativa del primo data set rispetto al secondo è definita come: , 1 1 R D C R −= dove R C è il rapporto di compressione, definito come 2 1 n n C R = , e questo nome si giustifica se la seconda rappresentazione è compressa.

Anteprima della Tesi di Paolo Renzi

Anteprima della tesi: Metodi di compressione Jpeg e Jpeg2000 per immagini fisse, Pagina 3

Tesi di Laurea

Facoltà: Ingegneria

Autore: Paolo Renzi Contatta »

Composta da 101 pagine.

 

Questa tesi ha raggiunto 2695 click dal 20/03/2004.

 

Consultata integralmente 9 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.