Kantoorautomatisering Prof. dr. ir. W. Philips Didactisch materiaal bij de cursus Academiejaar 2010-2011

Presentatie over: "Kantoorautomatisering Prof. dr. ir. W. Philips Didactisch materiaal bij de cursus Academiejaar 2010-2011"— Transcript van de presentatie:

1 Kantoorautomatisering Prof. dr. ir. W. Philips Didactisch materiaal bij de cursus Academiejaar 2010-2011 philips@telin.UGent.be http://telin.UGent.be/~philips/kantoorautomatisering/

2 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 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 2000. 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, 2000- 2002” 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 email. 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. PhilipsE-mail: philips@telin.UGent.be Department of Telecommunications and Information ProcessingFax: 32-9-264.42.95 University of GentTel: 32-9-264.33.85 St.-Pietersnieuwstraat 41, B9000 Gent, Belgium

3 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 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)

4 Beeldcompressietechnieken Inleiding

5 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 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

6 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 6 coöccurentiematrix Statistische eigenschappen van beelden Naburige pixels in beelden lijken zeer goed op elkaar  bijna diagonale coöcurrentiematrix (histogram van 2de-orde) 0 255 0 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

7 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 7 Algemeen compressieschema Orthogonale transformatie: omzetten van een aantal pixelwaarden in evenveel coëfficiënten Predictie van pixelwaarden uit voorgaande pixels statistische codering: veel voorkomende getallen worden vervangen door korte codewoorden en weinig voorkomende getallen door lange codewoorden  netto bespaart men bits gecomprimeerde bitstroom verwijderen van statistische redundantie Afronden tot lage precisie van getallen Weglaten van sommige getallen verwijderen van visueel- irrelevante data omzetten naar vorm waarin redundantie gemakkelijker exploiteerbaar is enkel bij verlieshebbende compressie

8 Beeldcompressietechnieken Verliesloze compressie

9 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 9 Statistische codering (Huffmancodering) Principe: codeer veel voorkomende symbolen met een korte bitstring en (noodgedwongen) minder voorkomende symbolen met een lange string 11110011000111000001010100 vaste lengte A000 B001 C010 D011 E100 F101 G110 H111 000011101011110011011011011010011100 A D F D G D D D D C D E variabele lengte 11110 1101 101 0 100 1100 1110 11111 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

10 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 10 Decodeerbaarheid Huffmancode Prefix code: geen enkel codewoord is het begin van een ander codewoord  De decoder kan steeds het eind van een codewoord onderscheiden output bits A11110 B1101 C101 D0 E100 F1100 G1110 H11111 1 1 1 1 0 0 1 1 0 0... 1 1 1 1 0 0 1 1 0 0 ADF Men moet ervoor zorgen dat de code decodeerbaar blijft ieder codewoord moet uniek zijn men moet het einde van ieder codewoord éénduidig kunnen herkennen D G A H F B E C Illustratie decodeerproces

11 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 11 Waarom predictie? De Huffmancode exploiteert het feit dat sommige symbolen meer voorkomen dan andere (eerste- orde statistische redundantie) maar niet het feit dat sommige combinaties van symbolen meer voorkomen dan andere (tweede-orde statistische redundantie) Voorbeeld: een Huffmancode voor de Engelse taal exploiteert dat de letter E meer voorkomt dan de letter Q maar niet dat de combinatie TH meer voorkomt dan HT Nochtans is de hogere-orde redundantie groot enkel eerste-orde redundantie exploiteren  4.03 bit/letter ook tweede-orde redundantie exploiteren  3.32 bit/letter alle redundantie exploiteren  0.6-1.3 bit/letter

12 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 12 Ook de mens exploiteert de statistiek RDIAENG. Aoccdrnig to a rscheearch at an Elingsh uinervtisy, it deosn't mttaer in waht oredr the ltteers in a wrod are, the olny iprmoetnt tihng is taht frist and lsat ltteer is at the rghit pclae. The rset can be a toatl mses and you can sitll raed it wouthit porbelm. Tihs is bcuseae we do not raed ervey lteter by it slef but the wrod as a wlohe. ceehiro.

13 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 13 Algemeen compressieschema Orthogonale transformatie: omzetten van een aantal pixelwaarden in evenveel coëfficiënten Predictie van pixelwaarden uit voorgaande pixels statistische codering: veel voorkomende getallen worden vervangen door korte codewoorden en weinig voorkomende getallen door lange codewoorden  netto bespaart men bits gecomprimeerde bitstroom verwijderen van statistische redundantie Afronden tot lage precisie van getallen Weglaten van sommige getallen verwijderen van visueel- irrelevante data omzetten naar vorm waarin redundantie gemakkelijker exploiteerbaar is enkel bij verlieshebbende compressie

14 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 14 Voorspelling: X p  aA+bB+cC Eenvoudige predictieve technieken Principe: De “huidige” pixelwaarde wordt eerst voorspeld uit andere pixels al gecodeerd huidige pixel A BC X Gecodeerde fout: X-X p De predictiefout wordt gecodeerd met een Huffman- of aritmetische coder -Nabije pixels hebben de grootste voorspellende waarde -Men mag enkel reeds gecodeerde pixels gebruiken (want de decoder moet dezelfde voorspelling kunnen maken!) Voorbeeld: LJPEG (Lossless JPEG; Joint Photographic Experts Group) LJPEG biedt een keuze uit 7 voorgedefinieerde predictoren Predictor “7” werkt meestal het best: X p = ( A + B ) / 2 (“gehele” deling; d.w.z. met afronding naar beneden) afronden naar beneden

15 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 15 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”

16 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 16 …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

17 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 17 Flat region Gradients Context modeler Run counter Golomb coder Run coder Adaptive correction Fixed predictor - + pred. errors run lengths image samples regular run Coder predictor predicted values compressed bitstream run regular mode context image samples c a b x d JPEG-LS JPEG-LS is de nieuwe standaard voor verliesloze compressie (onderdeel van de JPEG-2000 beeldcompressiestandaard, december 2000) Zeer complexe predictor zeer complexe statistische coder Toch een vrij lage rekentijd statistics statistische codering predictie en contextmodellering

18 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 18 Toepassing: medische beelden radiografie 2048x1680x10 (4 Mbyte) Grote hoeveelheden data door hoge spatiale resolutie (b.v. radiografie) en/of 3D-acquisitie: volumedata (e.g., MRI) of video (e.g., angiografie) Angiografievideo: 20 s  120 MB

19 © W. Philips, Universiteit Gent, 2000-2011versie: 16/11/2010 08b. 19 Bij verliesloze compressie is de compressiefactor niet erg groot; De compressiefactor hangt sterk af van het soort beeld Typische compressiefactoren