Kantoorautomatisering Prof. dr. ir. W. Philips Didactisch materiaal bij de cursus Academiejaar

© W. Philips, Universiteit Gent, versie: 22/11/ a. 2 Copyright notice This powerpoint presentation was developed as an educational aid to the renewed course “Office automation” (Kantoorautomatisering), taught at the University of Gent, Belgium as of the year This presentation may be used, modified and copied free of charge for non-commercial purposes by individuals and non-for-profit organisations and distributed free of charge by individuals and non-for-profit organisations to individuals and non-for-profit organisations, either in electronic form on a physical storage medium such as a CD-rom, provided that the following conditions are observed: 1.If you use this presentation as a whole or in part either in original or modified form, you should include the copyright notice “© W. Philips, Universiteit Gent, ” in a font size of at least 10 point on each slide; 2.You should include this slide (with the copyright conditions) once in each document (by which is meant either a computer file or a reproduction derived from such a file); 3. If you modify the presentation, you should clearly state so in the presentation; 4.You may not charge a fee for presenting or distributing the presentation, except to cover your costs pertaining to distribution. In other words, you or your organisation should not intend to make or make a profit from the activity for which you use or distribute the presentation; 5. You may not distribute the presentations electronically through a network (e.g., an HTTP or FTP server) without express permission by the author. In case the presentation is modified these requirements apply to the modified work as a whole. If identifiable sections of that work are not derived from the presentation, and can be reasonably considered independent and separate works in themselves, then these requirements do not apply to those sections when you distribute them as separate works. But when you distribute the same sections as part of a whole which is a work based on the presentation, the distribution of the whole must be on the terms of this License, whose permissions for other licensees extend to the entire whole, and thus to each and every part regardless of who wrote it. In particular note that condition 4 also applies to the modified work (i.e., you may not charge for it). “Using and distributing the presentation” means using it for any purpose, including but not limited to viewing it, presenting it to an audience in a lecture, distributing it to students or employees for self-teaching purposes,... Use, modification, copying and distribution for commercial purposes or by commercial organisations is not covered by this licence and is not permitted without the author’s consent. A fee may be charged for such use. Disclaimer: Note that no warrantee is offered, neither for the correctness of the contents of this presentation, nor to the safety of its use. Electronic documents such as this one are inherently unsafe because they may become infected by macro viruses. The programs used to view and modify this software are also inherently unsafe and may contain bugs that might corrupt the data or the operating system on your computer. If you use this presentation, I would appreciate being notified of this by . I would also like to be informed of any errors or omissions that you discover. Finally, if you have developed similar presentations I would be grateful if you allow me to use these in my course lectures. Prof. dr. ir. W. Philips Department of Telecommunications and Information ProcessingFax: University of GentTel: St.-Pietersnieuwstraat 41, B9000 Gent, Belgium

© W. Philips, Universiteit Gent, versie: 22/11/ a. 3 Overzicht Beeldrepresentatie pixel- vs. vectorformaten kleurvoorstelling: ware kleur en pseudo-kleur Kleuren in beelden kleurperceptie en -reproductie Contrast- en kleuraanpassing Formaatconversie van pixelbeelden (geometrische herschaling) Ruisverwijdering in en filteren van beelden Beeldcompressie verliesloos (=zonder kwaliteitsverlies) verlieshebbend (=met kwaliteitsverlies)

Beeldcompressietechnieken Herhaling

© W. Philips, Universiteit Gent, versie: 22/11/ a. 5 Beeldcompressie Beeldcompressie is het voorstellen van beelddata in een vorm die gemiddeld minder bits per pixel vereist het aantal bits ingenomen door het origineel beeld het aantal bits in de gecomprimeerde data De datacompressiefactor= Van belang is hier: -de compressiefactor -de rekentijd Twee soorten Bij verliesloze compressie eist men dat het beeld exact kan worden teruggevonden uit de gecomprimeerde data Bij verlieshebbende compressie laat men toe dat het beeld na decompressie lichtjes afwijkt van het origineel beeld om een hogere datacompressiefactor te verkrijgen Van belang is hier: -de compressiefactor en de beeldkwaliteit -de rekentijd

© W. Philips, Universiteit Gent, versie: 22/11/ a. 6 coöccurentiematrix Statistische eigenschappen van beelden Naburige pixels in beelden lijken zeer goed op elkaar  bijna diagonale coöcurrentiematrix (histogram van 2de-orde) Besluit: beelden bevatten veel redundante (voorspelbare) informatie Compressietechnieken transformeren eerst het beeld in een vorm waarin deze redundantie op een eenvoudiger manier tot uiting komt Compressietechnieken exploiteren vervolgens deze redundantie aantal keer dat de combinatie b(x,y)= a, b(x+ 1,y)= b voorkomt (hoe donkerder, hoe frequenter) a b

© W. Philips, Universiteit Gent, versie: 22/11/ a. 7 Statistische codering (Huffmancodering) Principe: codeer veel voorkomende symbolen met een korte bitstring en (noodgedwongen) minder voorkomende symbolen met een lange string vaste lengte A000 B001 C010 D011 E100 F101 G110 H A D F D G D D D D C D E variabele lengte variabele lengte Het “gemiddeld aantal bits per letter” hangt af van p i, “de frequentie van optreden van de i-de letter” en van l i, de lengte van de gekozen bitstring Ieder codewoord moet uniek zijn Gemiddeld gezien nemen de letters meestal minder bits in beslag als de bitstrings goed worden gekozen (rekening houdend met de p i ) bits/symbool: vaste lengte aantal mogelijke letters

© W. Philips, Universiteit Gent, versie: 22/11/ a. 8 Predictie werkt: Voorbeeld... Lenna, origineel Predictiefout: Predictie werkt goed behalve aan objectranden De voorspelbaarheid komt nu tot uiting als een eerste-orde karakteristiek: “kleine predictiefouten komen veel voor” i.p.v. als een tweede-orde karakteristiek: “de meeste pixels wijken weinig af van hun buren”

© W. Philips, Universiteit Gent, versie: 22/11/ a. 9 …Voorbeeld De distributie van de predictiefouten is minder uniform dan die van de originele grijswaarden  een statistische coder kan de predictiefouten met gemiddeld minder bits opslaan dan de originele beelddata Een maat voor het aantal bits na statistische codering is de entropie  deze is veel lager voor de predictiefouten dan voor de originele grijswaarden “Lenna”, entropie=7.2 bit/pixel Na LJPG-predictie: entropie=4.4 bit/pixel

© W. Philips, Universiteit Gent, versie: 22/11/ a. 10 Bij verliesloze compressie is de compressiefactor niet erg groot; De compressiefactor hangt sterk af van het soort beeld Typische compressiefactoren