വേവ്ലെറ്റ് ട്രാൻസ്ഫോർഷൻ: ഡെഫനിഷൻ, ആപ്ലിക്കേഷൻ, ഉദാഹരണം

വിലകുറഞ്ഞ ഡിജിറ്റൽ ക്യാമറകളുടെ സാന്നിധ്യം നമ്മുടെ ഗ്രഹത്തിലെ നിവാസികളുടെ ഒരു പ്രധാനഭാഗം, പ്രായവും ലൈംഗികതയും കണക്കിലെടുക്കാതെ, ഓരോ ചുവടും പിടിച്ചെടുക്കുന്നതിനും സോഷ്യൽ നെറ്റ്വർക്കുകളിൽ പൊതുപ്രദർശനത്തിനുവേണ്ടിയുള്ള ചിത്രങ്ങൾ പകർത്തുന്നതിനുമുള്ള പ്രാധാന്യം കൈവരിച്ചിട്ടുണ്ട്. കൂടാതെ, കുടുംബ ഫോട്ടോ ആർക്കൈവ് ഒരു ആൽബത്തിൽ സ്ഥാപിക്കുന്നതിനുമുമ്പ്, ഇന്ന് നൂറുകണക്കിന് ചിത്രങ്ങളുണ്ട്. നെറ്റ്വർക്കുകളിലൂടെ അവരുടെ സ്റ്റോറേജും ട്രാൻസ്മിഷനും എളുപ്പമാക്കാൻ, ഡിജിറ്റൽ ചിത്രത്തിന്റെ ഭാരം കുറയ്ക്കേണ്ടതുണ്ട്. ഈ വേളയിൽ, വേവ്ലെറ്റ് രൂപാന്തരണം ഉൾപ്പെടെ വിവിധ അൽഗോരിതം അടിസ്ഥാനമാക്കിയുള്ള രീതികൾ പ്രയോഗിക്കുന്നു. ഇതാണ് ഞങ്ങളുടെ ലേഖനം.

ഒരു ഡിജിറ്റൽ ചിത്രം എന്താണ്?

കമ്പ്യൂട്ടറിലെ ദൃശ്യ വിവരം നമ്പറുകളായി പ്രതിനിധീകരിക്കുന്നു. ലളിതമായി പറഞ്ഞാൽ, ഒരു ഡിജിറ്റൽ ക്യാമറ എടുത്ത ഒരു ചിത്രം അതിന്റെ ഓരോ പിക്സലുകളുടെയും വർണ്ണ മൂല്യങ്ങൾ രേഖപ്പെടുത്തുന്ന ഒരു പട്ടികയാണ്. ഒരു മോണോക്രോം ഇമേജിയെക്കുറിച്ചാണ് നമ്മൾ സംസാരിക്കുന്നതെങ്കിൽ, പകരം അവയ്ക്ക് ഇടവേള (0, 1) ലുമൈനൻസ് മൂല്ല്യങ്ങൾ നൽകും, ഇവിടെ 0 കറുത്ത നിറം സൂചിപ്പിക്കാൻ ഉപയോഗിക്കുന്നു, 1 എന്നത് വെളുത്തതാണ്. അവശേഷിക്കുന്ന ഷേഡുകൾ ഭിന്നസംഖ്യകളിൽ വ്യക്തമാക്കിയവയാണെങ്കിലും അവരോടൊപ്പം പ്രവർത്തിക്കാൻ എളുപ്പമല്ലാത്തതിനാൽ പരിധി വികസിപ്പിക്കുകയും 0 മുതൽ 255 വരെ ഇടവേളയിൽ നിന്ന് മൂല്യങ്ങൾ തിരഞ്ഞെടുക്കുകയും ചെയ്യുന്നത് എന്തുകൊണ്ട്? ഇത് ലളിതമാണ്! ബൈനറി പ്രാതിനിധ്യത്തിൽ ഈ തിരഞ്ഞെടുക്കൽ ഉപയോഗിച്ച്, ഓരോ 1 പിക്സൽ കൃത്യതയോടെ 1 ബൈറ്റ് എൻകോഡ് ചെയ്യുന്നതിന് ആവശ്യമാണ്. വ്യക്തമായും, ഒരു ചെറിയ പ്രതിച്ഛായ പോലും സംഭരിക്കാൻ വളരെ മെമ്മറി ആവശ്യമാണ്. ഉദാഹരണത്തിന്, 256 x 256 പിക്സലുകളുടെ ഫോട്ടോ വലുപ്പം 8 KB എടുക്കും.

ഇമേജ് കംപ്രഷൻ രീതികൾ സംബന്ധിച്ച കുറച്ച് വാക്കുകൾ

തീർച്ചയായും ഓരോരുത്തരും മോശം ഗുണനിലവാരമുള്ള ചിത്രങ്ങളെടുത്തു, അവിടെ ഒരേ വർണനയുടെ ദീർഘചതുരങ്ങൾ രൂപത്തിൽ വ്യതിയാനങ്ങൾ ഉണ്ടാകും. ലോസി കംപ്രഷൻ എന്ന് വിളിക്കപ്പെടുന്നതിന്റെ ഫലമായാണ് അവർ ഉണ്ടാകുന്നത്. ചിത്രത്തിന്റെ ഭാരം വളരെ കുറച്ചേക്കാം, എന്നാൽ അത് അനിവാര്യമായും അതിന്റെ ഗുണത്തെ ബാധിക്കുന്നു.

ലോസി കംപ്രഷൻ അൽഗോരിതംസിൽ ഇവ ഉൾപ്പെടുന്നു:

• JPEG. ഇപ്പോൾ ഇത് വളരെ പ്രശസ്തമായ അൽഗോരിതം ആണ്. ഒരു പ്രത്യേക കോസീൻ പരിവർത്തനത്തിന്റെ അടിസ്ഥാനത്തിലാണ് ഇത് പ്രവർത്തിക്കുന്നത്. ന്യായമായതിനാൽ, നഷ്ടപ്പെട്ട കംപ്രഷൻ പ്രവർത്തിപ്പിക്കുന്ന JPEG ഓപ്ഷനുകൾ ഉള്ളതായി ശ്രദ്ധിക്കേണ്ടതാണ്. ഇവ നഷ്ടമായ JPEG, JPEG-LS എന്നിവ ഉൾക്കൊള്ളുന്നു.
• JPEG 2000. അൽഗോരിതം മൊബൈൽ പ്ലാറ്റ്ഫോമുകളിൽ ഉപയോഗിച്ചിരിക്കുന്നു, ഒരു വിഭിന്ന വേയിൽറ്റ് ട്രാൻസ്ഫർ പ്രയോഗിക്കുന്നത് അടിസ്ഥാനമാക്കിയാണ്.
• Fractal Compression Algorithm. ചില സന്ദർഭങ്ങളിൽ, ശക്തമായ കംപ്രഷൻ ഉപയോഗിച്ചുകൊണ്ട് മികച്ച നിലവാരമുള്ള ചിത്രങ്ങൾ നിങ്ങൾക്ക് നേടാനാകും. എന്നിരുന്നാലും, പേറ്റന്റിക്കലിനൊപ്പമുള്ള പ്രശ്നങ്ങൾ കാരണം, ഈ രീതി വിചിത്രമായി തുടരുന്നു.

നഷ്ടം കൂടാതെ, അൽഗൊരിതം മുഖേന കംപ്രഷൻ നടത്തുന്നു:

• RLE (TIFF, BMP, TGA എന്നിവയിലെ പ്രധാന രീതിയായി ഉപയോഗിക്കുന്നു).
• LZW (GIF ഫോർമാറ്റിൽ ഉപയോഗിക്കുന്നു).
• LZ-Huffman (PNG ഫോർമാറ്റിലേക്ക് ഉപയോഗിക്കുന്നു).

ദ ഫൊറിയർ പരിവർത്തനം

പ്രാഥമിക ഘടകങ്ങളെ കുറിച്ചുള്ള പ്രാരംഭ വിവരങ്ങൾ ക്രോസിഫിയുകളെ വിവരിക്കുന്ന പ്രവർത്തനങ്ങൾ പഠിക്കുന്നതിനു മുൻപായി വേവ്ലെറ്റുകൾ പരിഗണിക്കുന്നതിനു മുൻപായി, വ്യത്യസ്ത ആവൃത്തിയിലുള്ള ഹാൻറോണിക് ഓസീളുകൾ. മറ്റൊരു രീതിയിൽ പറഞ്ഞാൽ, ഫൊറിയർ പരിവർത്തനം എന്നത് വിചിത്രവും തുടർച്ചയുമുള്ള ലോകങ്ങളെ ബന്ധിപ്പിക്കുന്ന സവിശേഷമായ ഒരു ഉപകരണമാണ്.

ഇത് ഇതുപോലെ കാണപ്പെടുന്നു:

വിപരീത ഫോർമുല ഇങ്ങനെ എഴുതിയിരിക്കുന്നു:

എന്താണ് വേവ്ലെറ്റ്

ഈ പേരിന് പിന്നിൽ, ഡാറ്റയുടെ വിവിധ ഫ്രീക്വൻസി ഘടകങ്ങൾ വിശകലനം ചെയ്യാൻ അനുവദിക്കുന്ന ഒരു ഗണിത ഘടനയാണ്. ഇതിന്റെ ഗ്രാഫ്, തരംഗദൈർഘ്യത്തിന്റെ ആവർത്തനങ്ങളെ പ്രതിനിധീകരിക്കുന്നു. സമഗ്രമായ സിഗ്നൽ പരിവർത്തനം നിർണ്ണയിക്കുന്ന തരംഗദൈർഘ്യത്തിൽ താൽപ്പര്യം പ്രകടമാണ്.

വേവ്ലെറ്റ് സ്പെക്ട്രോഗ്രാഫുകൾ സാധാരണ ഫൊറിയർ സ്പെക്ട്രയിൽ നിന്ന് വ്യത്യസ്തമാണ്, കാരണം അവ വിവിധ സിഗ്നൽ സവിശേഷതകൾ സ്പെക്ട്രം അതിന്റെ സമയ ഘടകവുമായി ബന്ധിപ്പിക്കുന്നു.

വേവേലെറ്റ് പരിവർത്തനം

സിഗ്നൽ (ഫംഗ്ഷൻ) പരിവർത്തനം ചെയ്യുന്നതിനുള്ള സമയം ഈ സമയം മുതൽ ഫ്രീക്വൻസി പ്രാതിനിധീകരണത്തിലേക്ക് നിങ്ങളെ വിവർത്തനം ചെയ്യാൻ അനുവദിക്കുന്നു.

Wavelet പരിവർത്തനം സാധ്യമാക്കുന്നതിന്, അനുബന്ധ വ്യവസ്ഥകളുടെ പിൻബലം ഇനിപ്പറയുന്ന നിബന്ധനകൾ പാലിക്കേണ്ടതാണ്:

• Ψ (t) ഫൊറിയർ രൂപാന്തരീകരണത്തിന്റെ രൂപത്തിൽ ഫൊറിയർ രൂപാന്തരം ഉണ്ടെങ്കിൽ

താഴെ പറയുന്ന വ്യവസ്ഥ തൃപ്തികരമായിരിക്കണം:

ഇതുകൂടാതെ:

• വേവ്ലെറ്റിന് പരിമിതമായ ഊർജ്ജം ഉണ്ടായിരിക്കണം.
• അതു ഒരു തുടർച്ചയായ, തുടർച്ചയായ, ഒരു കോംപാക്ട് കാരിയർ ഉണ്ടായിരിക്കണം;
• വേവ്ലെറ്റ് ഫ്രീക്വൻസിയിലും സമയത്തിലും ആയിരിക്കണം (ശൂന്യാകാശത്തിൽ).

തരങ്ങൾ

അനുബന്ധ സിഗ്നലുകൾക്കായി ഒരു തുടർച്ചയായ wavelet പരിവർത്തനം ഉപയോഗിക്കുന്നു. അതിൽ കൂടുതൽ താൽപ്പര്യമുള്ളതാണ് അതിന്റെ വിചിത്രമായ അനലോഗ്. എല്ലാത്തിനുമുപരി, അത് കമ്പ്യൂട്ടറുകളിൽ വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യാൻ ഉപയോഗിക്കാം. എന്നിരുന്നാലും, ഡിഎൻപി സൂത്രവാക്യം ലളിതമായി പരിശോധിച്ചുകൊണ്ട് ഡിവിപിക്ക് വേണ്ടിയുള്ള ഫോർമുലകൾ ലഭിക്കാതിരിക്കാൻ ഇത് ഉയർത്തുന്നു.

ഈ പ്രശ്നത്തിന്റെ പരിഹാരം I. Dobesi- ൽ കണ്ടെത്തി, അത്തരം ഓർത്തോഗോണൽ വേവേളുകളുടെ ഒരു ശ്രേണി നിർമിക്കാൻ അനുവദിക്കുന്ന ഒരു രീതി തിരഞ്ഞെടുക്കാനുള്ള കഴിവുണ്ടായിരുന്നു, അതിൽ ഓരോന്നിനും നിശ്ചിത സംഖ്യകളാണ് നിർണ്ണയിച്ചിട്ടുള്ളത്. പിന്നീട് ഫാസ്റ്റ് അൽഗോരിതം നിർമ്മിക്കപ്പെട്ടു, ഉദാഹരണമായി മാൾസ് അൽഗോരിതം. ദ്രവരൂപത്തിലോ, വീണ്ടെടുക്കലിനോ വേണ്ടി ഉപയോഗിക്കുമ്പോൾ സി എൻ പ്രവർത്തനങ്ങളുടെ ക്രമം നിർവഹിക്കേണ്ടതുണ്ട്. ഇവിടെ n ഒരു മാതൃകയുടെ ദൈർഘ്യം, c = ഗുണനങ്ങളുടെ എണ്ണം.

വൈവ്ലെ ഹാര

ഇമേജ് കംപ്രസ് ചെയ്യാനായി, അതിന്റെ ഡാറ്റയിൽ ഒരു നിശ്ചിത പാറ്റേൺ കണ്ടെത്താൻ അത് ആവശ്യമാണ്, അല്ലെങ്കിൽ ഇത് ഒരു നീണ്ട ചെയിനുകളുടെ ശൃംഖലകളിലാണെങ്കിൽ കൂടി. ഇവിടെയാണ് wavelet transform അൽഗൊരിതം ലഭിക്കുന്നത്. എന്നിരുന്നാലും, ഞങ്ങൾ ക്രമപ്രകാരം രീതി പരിഗണന തുടരുന്നു.

ഒന്നാമതായി, അയൽക്കാടിന്റെ പിക്സലുകളുടെ പ്രകാശം ഒരു ഭരണം എന്ന നിലയിൽ ചെറിയ അളവിൽ വ്യത്യാസമുണ്ടെന്ന് നിങ്ങൾ ഓർമ്മിക്കേണ്ടതാണ്. യഥാർത്ഥ ഇമേജുകളിൽ മൂർച്ചയുള്ള, വ്യത്യസ്തമായ തിളക്കമുള്ള വ്യത്യാസങ്ങൾ ഉള്ള പ്രദേശങ്ങൾ ഉണ്ടെങ്കിലും, അവ ചിത്രത്തിന്റെ ഒരു ചെറിയ ഭാഗം മാത്രം ഉപയോഗിക്കുന്നു. ഉദാഹരണമായി, ഗ്രേസ്കെയിൽ ലെന്നയുടെ പ്രശസ്തമായ ടെസ്റ്റ് ചിത്രം എടുക്കാം. അതിന്റെ പിക്സലുകളുടെ തിളക്കം മാട്രിക്സ് എടുത്താൽ, ആദ്യത്തെ വരിയുടെ ഭാഗം 154, 155, 156, 157, 157, 157, 158, 156 എന്ന അനുപാതത്തിൽ ആയിരിക്കും.

പൂജ്യം ലഭിക്കുന്നതിന് ഡെൽറ്റാ രീതി എന്ന് വിളിക്കപ്പെടുവാൻ കഴിയും. ഇത് ചെയ്യുന്നതിന്, ആദ്യത്തെ നമ്പർ മാത്രം നിലനിർത്തിയിരിക്കുന്നു, പക്ഷേ മറ്റുള്ളവർക്കു് മുമ്പുള്ളതിൽ നിന്നുമുള്ള ഓരോ അക്കങ്ങളും തമ്മിലുള്ള വ്യത്യാസം മാത്രമേ "+" അല്ലെങ്കിൽ "-" ഒപ്പിടുകയുള്ളു.

ഫലം: 154,1,1,1,0,0,1, -2.

ഡെൽറ്റ കോഡിംഗിന്റെ അനുകൂലമല്ലാത്തത് അതിന്റെ സ്ഥലമല്ല. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഒരു ശ്രേണിയുടെ ഒരു ഭാഗം മാത്രമേ എടുക്കുകയുള്ളൂ, അതിലൂടെ എല്ലാ മൂല്യങ്ങളും ഡീകോഡ് ചെയ്യാത്തപക്ഷം അതിലടങ്ങിയ ലുമണൻസുകൾ അതിൽ എൻകോഡ് ചെയ്യപ്പെടുന്നു.

ഈ കുറവു് പരിഹരിക്കുന്നതിനു്, അക്കങ്ങൾ ജോടികളാക്കിയിരിയ്ക്കുന്നു. ഓരോരുത്തർക്കും പകുതിയും (a) പകുതി വ്യത്യാസവും (വോള്യം d), അതായത്, (154.155), (156.157), (157.157), (158.156), (154.156) 0.5), (156.5.0.5), (157.0.0), (157, -1.0). ഈ സന്ദർഭത്തിൽ, ഏത് സമയത്തും, നിങ്ങൾക്ക് ജോഡിയിലെ രണ്ട് സംഖ്യകളുടെയും മൂല്യം കണ്ടെത്താം.

പൊതുവിൽ, സിഗ്നലിന്റെ എസ്റ്റിന്റെ വ്യതിരിക്തമായ വേയിൽറ്റ് പരിവർത്തനത്തിനായി നമുക്ക്:

ഹാർ വെയർലെറ്റ് പരിവർത്തനത്തിന്റെ തുടർച്ചയായ സാഹചര്യത്തിൽ ഈ പ്രത്യേക രീതി പിന്തുടരുന്നു, വിവര സംസ്ക്കരണവും കംപ്രഷൻ, വിവിധ മേഖലകളിൽ വ്യാപകമായി ഉപയോഗിക്കുന്നു.

ഞെരുക്കം

JPEG 2000 ആൽഗോരിതം എന്ന വാബ്ടെറ്റ് രൂപകൽപനയിലെ പ്രയോഗങ്ങളിലൊന്നാണ് ഹെയർ രീതി ഉപയോഗിച്ചുള്ള സംയുക്തം വെക്റ്റർ (X + Y) / 2, (X - Y) / 2 എന്നീ രണ്ടു വെക്റ്ററുകളുടെ ഒരു വെക്റ്റർ പരിഭാഷയിൽ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഇത് ചെയ്യുന്നതിന്, താഴെക്കാണിച്ചിരിക്കുന്ന മെട്രിക്സ് പ്രകാരം യഥാർത്ഥ വെക്റ്റർ വർദ്ധിപ്പിക്കുന്നതിന് ഇത് മതിയാകും.

കൂടുതൽ പോയിന്റുകളുണ്ടെങ്കിൽ, അതിലൊരു മാട്രിക്സ് എർക്കോണൽ മാട്രിക്സുകളായി H. എടുക്കുക. ഇങ്ങനെ, ഒറിജിനൽ വെക്റ്റർ, അതിന്റെ നീളം കണക്കിലെടുക്കാതെ, ജോഡികളായി പ്രോസസ് ചെയ്യപ്പെടും.

ഫിൽട്ടറുകൾ

ഇതിന്റെ ഫലമായി "അർധ ബില്ലകൾ" പിക്സൽ ജോഡികളുടെ ശരാശരി തെളിച്ചം മൂല്യങ്ങളാണ്. അതായത്, ഒരു ഇമേജിലേക്ക് പരിവർത്തനം ചെയ്യുന്ന മൂല്ല്യങ്ങൾ അതിന്റെ ഒരു പകർപ്പ് നൽകണം, അത് 2 ന്റെ ഘടകം കുറയ്ക്കുന്നു. അങ്ങനെയാണെങ്കിൽ, അർധസമ്മതികളെ ശരാശരി തെളിച്ചം, അതായത്, അവയുടെ മൂല്യങ്ങളുടെ റാൻഡം പൊട്ടിത്തെറുകളെ "ഫിൽട്ടർ ചെയ്യുക" ചെയ്യുക, കൂടാതെ ഫ്രീക്വൻസി ഫിൽട്ടറുകളുടെ പങ്ക് വഹിക്കും.

ഇനി നമുക്ക് വ്യത്യാസങ്ങൾ നോക്കാം. നിരന്തരമായ ഘടകം ഒഴിവാക്കുന്നതു്, ഇന്റർഫ്രീ-പിക്സൽ "ബർസ്റ്റുകൾ" അവ "അനുവദിയ്ക്കുന്നു", അതായത്, "ഫ്രാഗ്ലിങ്" മൂല്ല്യങ്ങൾ കുറഞ്ഞ ഫ്രീക്വൻസികളുമായി.

മുകളിലുള്ള ഹാർ വേയിൽറ്റ് "ഡമ്മിസായി" മാറ്റിയാൽ പോലും അത് ഒരു ജോടി ഫിൽട്ടറുകളാണെന്ന് സിഗ്നലിനെ രണ്ട് ഘടകങ്ങളായി വിഭജിക്കുകയാണെന്ന് വ്യക്തമാകും: ഉയർന്ന ആവൃത്തിയും കുറഞ്ഞ ആവൃത്തിയും. യഥാർത്ഥ സിഗ്നൽ ലഭിക്കുന്നതിന്, ഈ ഘടകങ്ങളെ വീണ്ടും സംയോജിപ്പിക്കാൻ ഇത് മതിയാകും.

ഉദാഹരണം:

നമുക്ക് ഫോട്ടോ പോർട്രെയ്റ്റ് (ലെൻ ടെസ്റ്റ് ഇമേജ്) കംപ്രസ് ചെയ്യണം. അതിന്റെ പിക്സൽ തെളിച്ച മാട്രിക്സിൻറെ wavelet പരിവർത്തനത്തിന് ഒരു ഉദാഹരണം നോക്കുക. ചിത്രത്തിന്റെ ഉയർന്ന ആവൃത്തിയിലുള്ള ഘടകം ചെറിയ വിശദാംശങ്ങൾ പ്രദർശിപ്പിക്കുന്നതിന് ഉത്തരവാദിയാണ്, കൂടാതെ ശബ്ദത്തെ വിവരിക്കുകയും ചെയ്യുന്നു. താഴ്ന്ന ആവൃത്തി അനുസരിച്ച് മുഖത്തിന്റെ ആകൃതിയും തെളിച്ചമുള്ള മൃദുലമായ മാറ്റങ്ങളും ഉണ്ടാകും.

ചിത്രങ്ങളുടെ മനുഷ്യവികസനത്തിന്റെ സവിശേഷതകളാണ് കഴിഞ്ഞ ഘടകം കൂടുതൽ പ്രാധാന്യമുള്ളത്. ഇതിനർത്ഥം കംപ്രഷൻ സമയത്ത് ഉയർന്ന ആവൃത്തി ഡാറ്റയുടെ ഒരു ഭാഗം നിരാകരിക്കപ്പെടുന്നു. മാത്രമല്ല, അതിന് ചെറിയ മൂല്യങ്ങൾ ഉണ്ട്, കൂടുതൽ സങ്കുചിതമായി അവ എഴുതപ്പെടുന്നു.

കംപ്രഷൻ അനുപാതം വർദ്ധിപ്പിക്കുന്നതിന്, ഹാർഡ് പരിവർത്തനം പല തവണ കുറഞ്ഞ ഫ്രീക്വൻസി ഡാറ്റയ്ക്ക് ഉപയോഗിക്കാം.

ദ്വിമാന സരണികൾക്കുള്ള അപേക്ഷ

ഇതിനകം സൂചിപ്പിച്ചതുപോലെ, ഒരു കമ്പ്യൂട്ടറിലെ ഡിജിറ്റൽ ഇമേജ് അതിന്റെ പിക്സലുകളുടെ തീവ്രത മൂല്യങ്ങളുടെ മാട്രിക്സ് ആയി പ്രതിനിധീകരിക്കുന്നു. അങ്ങനെ, നമുക്ക് ഹാർ ഡോർമൻഷണൽ വേയിൽലെറ്റ് പരിവർത്തനത്തിൽ താത്പര്യമുണ്ടായിരിക്കണം. ഇത് നടപ്പിലാക്കുന്നതിന്, ഓരോ വരിയും ചിത്രത്തിന്റെ പിക്സൽ തീവ്രത മാട്രിക്സിലെ ഓരോ നിരയ്ക്കും നിങ്ങൾക്ക് ഒരു ത്രിമാന സാന്നിധ്യം ആവശ്യമാണ്.

ഡീഗോഡ് ചെയ്ത പാറ്റേൺ ഗണ്യമായി നാശനഷ്ടം ഇല്ലാതെ പൂജ്യത്തോട് അടുത്തുവരുന്ന മൂല്യങ്ങൾ നിരസിക്കാനാകും. അത്തരമൊരു പ്രക്രിയ ക്വാണ്ടൈസേഷൻ എന്നറിയപ്പെടുന്നു. ഈ ഘട്ടത്തിൽ ചില വിവരങ്ങൾ നഷ്ടമായിരിക്കുന്നു. വഴിയിൽ, എൻഎല്ലബിൾ ഗുണകങ്ങളുടെ എണ്ണം മാറ്റുകയും, അങ്ങനെ കംപ്രഷൻ അനുപാതം ക്രമീകരിക്കുകയും ചെയ്യാം.

വിശദമായ എല്ലാ പ്രവർത്തനങ്ങളും മാട്രിക്സിൽ ഒരു വലിയ എണ്ണം വരും. ഇത് ഒരു ടെക്സ്റ്റ് ഫയലിലേയ്ക്ക് വരിയിൽ വരിവരിയായി രേഖപ്പെടുത്തുകയും ഏതെങ്കിലും ആർക്കൈവറുപയോഗിച്ച് കംപ്രസ് ചെയ്യുകയും വേണം.

ഡീകോഡിംഗ്

ഇമേജിലേക്കുള്ള വിപരീത പരിവർത്തനം ഇനിപ്പറയുന്ന അൽഗോരിതം അനുസരിച്ചാണ് നിർമ്മിച്ചിരിക്കുന്നത്:

• ആർക്കൈവ് പായ്ക്ക് ചെയ്യാത്തതാണ്;
• വിപരീത ഹാർ രൂപാന്തരം പ്രയോഗിക്കുന്നു;
• ഡീകോഡ് ചെയ്ത മാട്രിക്സ് ഒരു ചിത്രമായി പരിവർത്തനം ചെയ്യപ്പെടുന്നു.

JPEG ലൂടെ പ്രയോജനങ്ങൾ

было сказано, что он основан на ДКП. ജോയിന്റ് ഫോട്ടോഗ്രാഫിക് എക്സ്പെര്റ്റ്സ് ഗ്രൂപ്പിന്റെ ആല്ഗോരിതം പരിഗണിച്ച്, അത് ഡിസിടി അടിസ്ഥാനമാക്കിയതാണെന്ന് പറയപ്പെട്ടു. ഈ പരിവർത്തനം ബ്ളോക്ക് ഉപയോഗിച്ച് തടഞ്ഞു (8 x 8 പിക്സൽ). അതിന്റെ ഫലമായി കംപ്രഷൻ ശക്തമാണെങ്കിൽ, പുനഃസ്ഥാപിച്ച ചിത്രത്തിൽ ബ്ലോക്ക് ഘടന ശ്രദ്ധയിൽപ്പെടാം. Wavelets ഉപയോഗിച്ച് കംപ്രസ് ചെയ്യുമ്പോൾ, ഈ പ്രശ്നം ഇല്ല. എന്നിരുന്നാലും, മറ്റ് തരം വിഭ്രാന്തികൾ പ്രത്യക്ഷപ്പെടാം, അത് മൂർച്ചയുള്ള അരികുകൾക്ക് സമീപമുള്ള അലരോപ്പുകൾ പോലെയാണ്. JPEG അൽഗോരിതം പ്രയോഗിക്കുമ്പോൾ സൃഷ്ടിക്കുന്ന "സ്ക്വയറുകളേക്കാൾ" അത്തരം ചിത്രശേഖരം താരതമ്യേന കുറവാണ്.

ഇപ്പോൾ, നിങ്ങൾക്ക് എന്ത് തരംഗദൈർഘ്യമാണെന്നും അവ എന്താണെന്നും, ഡിജിറ്റൽ രൂപങ്ങളുടെ സംസ്കരണത്തിലും കംപ്രഷൻ ചെയ്യലിനായും അവയ്ക്ക് പ്രായോഗികപദവി ലഭിച്ചിട്ടുണ്ടെന്നും നിങ്ങൾക്കറിയാം.