Адаптивная генерация
матриц квантования в JPEG-подобных схемах
Лужков Юрий Валерьевич,
аспирант
Санкт-Петербургского государственного университета информационных технологий,
механики и оптики.
Научный руководитель
– доктор технических наук, профессор
Тропченко Александр Ювенальевич.
Введение
В последние годы наблюдается ярко выраженная тенденция
популяризации схем сжатия изображений с потерями на основе
вейвлет-преобразований. Однако форматы сжатия изображений на базе дискретного
косинусного преобразования (ДКП) до сих пор используются наиболее часто.
Широкая распространенность формата JPEG (Joint
Photographic Experts Group) [Wallace G. K.] ставит перед исследователями следующий вопрос: возможно ли
модифицировать существующую схему компрессии таким образом, чтобы увеличить
качество сжатия, не меняя при этом алгоритм декомпрессии? Решение этой
задачи позволит внедрять модификации в существующие компрессоры, не заботясь о
наличии у пользователей специального (модифицированного) программного
обеспечения для декомпрессии изображений.
Под JPEG-подобной схемой будем понимать вариант схемы
сжатия с разбиением изображения на прямоугольные фрагменты, обязательными
элементами которой являются: ортогональное преобразование, квантование
преобразованных данных и их последующее статистическое кодирование.
Многие алгоритмы сжатия используют ряд параметров по
умолчанию. В JPEG к таковым относятся матрицы квантования и таблицы Хаффмана.
Они сохраняются в заголовке сжатого файла и могут определяться пользователем
самостоятельно, что позволяет улучшить качество компрессии.
Так, на сегодняшний день уже
предложены несколько подходов составления матриц квантования JPEG (например, [Ratnakar V.] и [Fung H. T.]), которые, тем не менее, не
являются универсальными. В нашей работе мы рассмотрим обобщенный подход
к адаптивному скалярному квантованию коэффициентов спектра, который прост в
реализации и может быть применен в JPEG-подобных схемах.
Адаптивное квантование сигнала
Квантование [Gray R.M.] –
способ обработки сигнала, сопряжённый с внесением в него искажения. Суть скалярного квантования сводится к разбиению диапазона значений функции на конечное число интервалов
с последующим выбором одного значения для представления любой величины из
данного интервала.
Так, пусть дано множество интервалов и множество точек , тогда функция
квантования определяется как для
. В случае равномерного скалярного квантования множество интервалов можно
представить в виде:
,
где – параметр, или шаг квантования, – базовое смещение
интервалов, , – номер интервала,
который и является кодируемым объектом. Тогда операция квантования может быть
сведена к простому делению с округлением:
. (1)
Адаптивность в скалярном квантовании достигается за
счёт индивидуального выбора шага квантования для каждого квантуемого
значения.
Адаптивное скалярное квантование на основе весового
критерия
Предлагаемый нами подход основан на статистическом анализе спектральных
коэффициентов. Он может быть использован в схемах сжатия (например, JPEG) при условии, что окно сканирования сигнала имеет
постоянный размер.
Так, пусть дана последовательность величин, разбитая
на M одинаковых блоков по N значений в каждом, причем – индекс элемента в
данном блоке, то есть каждый элемент имеет свой аналог в любом другом блоке.
Суть предлагаемого подхода заключается в следующем: для каждого n–го
элемента вычисляется значение специального весового критерия, и шаг квантования
данного элемента спектра устанавливается тем больше, чем меньше соответствующее
ему значение весового критерия.
Таким образом, процедура квантования выполняется с
учетом некоторой статистической информации о сигнале, заданном как , собранной от M блоков и уникальной для элементов каждого индекса n. Функция квантования (1) в этом случае будет
обозначаться как , а функция параметра
квантования – .
Введём критерий , назвав его весом
коэффициента спектра. Величина будет отражать степень
значимости соответствующей спектральной позиции n коэффициентов .
Одним из способов вычисления базируется на средних
амплитудах:
. (2)
Как показали эксперименты, расчет по (2) для
коэффициентов ДКП ведет непропорциональному распределению значений критерия для
высоко- и низкочастотных коэффициентов спектра. Исправить ситуацию можно, используя
корректирующую функцию (см. ниже),
либо вычисляя значения на основе максимальных
амплитуд:
. (3)
Обратимся к вопросу определения функции . Пусть её значения должны быть ограничены диапазоном . Введём линейную функцию от :
,
где и – минимальное и
максимальное значение соответственно (случай
рассматривается отдельно).
На практике бывает выгодно использовать нелинейную
функцию от , что достигается за счет использования
корректирующей функции :
. (4)
Поскольку любой в общем случае зависит
от всех элементов исходного спектрального вектора , функция E также зависит от . Фактически, это есть функция шага
квантования сигнала . Введем обозначение . Тогда формула (4) окончательно принимает вид:
. (5)
Таким образом, функция шага квантования локализована в
диапазоне от a1 до a2. Варьируя её
форму, можно в большей или меньшей степени подавлять определённые группы
коэффициентов.
Применим теперь предложенный подход для адаптивной
генерации матриц квантования в схеме JPEG. В
(5) будем использовать линейную корректирующую функцию и критерий максимальных
амплитуд (3).
Графики функций по умолчанию шага квантования JPEG приведены
на рис. 1, слева. Графики Δ, адаптивно
сгенерированные для изображения «Oldman», показаны на рис. 1, справа. В обоих случаях значения упорядочены по
возрастанию. Как видно, для первой трети значений аргумента наблюдается резкий рост
Δ, что особенно характерно для сгенерированных функций. На этом участке сгенерированные Δ местами значительно превосходят по
величине стандартные, что ведет к большему подавлению соответствующих частот.
Рис. 1. Стандартные и сгенерированные функции
параметра квантования с упорядоченными
по возрастанию
значениями.
График для изображения «Oldman» приведен на рис. 2, слева. Справа показаны результаты компрессии с
применением матриц по умолчанию и матриц, сгенерированных в рамках
эксперимента. Как видно из результатов, разница в степени сжатия составляет до
20 % в пользу адаптивного подхода при одинаковых значениях PSNR.
Рис. 2. Генерация адаптивных матриц квантования
для схемы JPEG.
Заключение
Нами предложен способ адаптивного скалярного квантования
коэффициентов спектра, основанный на вычислении критерия значимости
спектральных компонент. Как показали эксперименты, использование рассмотренного
подхода в схеме JPEG позволяет получить выигрыш по
степени сжатия до 20 % по сравнению с использованием стандартных матиц
квантования.
Практическое использование рассмотренной модификации
предполагает реализацию только компрессора, а для просмотра изображений
достаточно использовать стандартный JPEG-декомпрессор, что является важным достоинством
предложенного решения.
Литература
1.
Fung H. T.,
Parker K. J. Design of
image-adaptive quantization tables for JPEG // Journal of Electronic Imaging. –
1996. – Vol. 4, N. 2. – P. 144 – 150.
2.
Gray R.M.,
Neuhoff D.L. Quantization // IEEE Transactions on Information Theory. – 1998. – Vol.
44, N. 6. – P. 2325 – 2383.
3.
Ratnakar V.,
4.
Wallace G.
K. The JPEG still picture
compression standard // IEEE Trans. Consumer Electronics. – 1992. – Vol. 38, N.
1. – P. 18 – 34.
Поступила в
редакцию 26.11.2008 г.