Розробка методу стиснення зображень на основі JPEG алгоритму

Автор(и)

  • Ievgen Fedorchenko Національний університет «Запорізька політехніка», вул. Жуковського, 64, м. Запоріжжя, Україна, 69063, Україна https://orcid.org/0000-0003-1605-8066
  • Andrii Oliinyk Національний університет «Запорізька політехніка», вул. Жуковського, 64, м. Запоріжжя, Україна, 69063, Україна https://orcid.org/0000-0002-6740-6078
  • Alexander Stepanenko Національний університет «Запорізька політехніка», вул. Жуковського, 64, м. Запоріжжя, Україна, 69063, Україна https://orcid.org/0000-0002-0267-7440
  • Serhii Korniienko Національний університет «Запорізька політехніка», вул. Жуковського, 64, м. Запоріжжя, Україна, 69063, Україна https://orcid.org/0000-0002-5435-0773
  • Anastasia Kharchenko м. Запоріжжя, Україна, Україна https://orcid.org/0000-0002-4313-555X
  • Valerii Laktionov м. Запоріжжя, Україна, Україна https://orcid.org/0000-0002-0147-5257

DOI:

https://doi.org/10.15587/2706-5448.2020.202433

Ключові слова:

метод стиснення, оптимізація зображення, JPEG алгоритм, якість зображення, розмір зображення

Анотація

У роботі розглянуто проблему оптимізації зображень, а саме зменшення фізичного розміру зображення, шляхом якомога меншого погіршення якості зображення. Об'єктом дослідження є методи для обробки та стиснення зображень. Під час аналізу методів було виявлено одну з найбільших проблем, яка полягає у тому, що при вирішенні задачі обробки та стиснення зображення досліджені методи дозволяють досягти найменшої втрати якості, але внаслідок цього значно зменшується коефіцієнт стиснення. Для подолання цієї проблеми було прийнято рішення розробити модифікацію JPEG алгоритму стиснення. Запропонована модифікація полягає у додатковому квантуванні спектру після дискретного косинусного перетворення, а потім отриманий спектр подається на кодер Хаффмана, який робить стиснення ще більш ефективним. Отримано метод вирішення задачі оптимізації зображень, який дозволяє отримати зображення з меншим розміром та більшим коефіцієнтом стиснення при збереженні оптимальної якості. Це пов'язано з тим, що запропонований метод має ряд особливостей, таких як вихідне кольорове зображення, що може мати 24 біта на точку, зокрема є можливість задання ступеня стиснення. Завдяки цьому забезпечується можливість отримання при коефіцієнті якості, що дорівнює нулю співвідношення сигнал/шум, яке складає 54,2 dB. У порівнянні з відомим алгоритмом LZW, це дозволяє отримати оброблене зображення зі значно меншим фізичним розміром. Проведена оцінка якості зображення в залежності від параметрів задачі та показано, що для задач малої та середньої розмірності розроблений метод забезпечує мінімальну втрату якості. Результати рішення задачі для конкретного прикладу демонструють перевагу розробленого методу над існуючими. Отримані результати можуть бути успішно застосовані для вирішення проблеми оптимізації розміру зображення при максимальному збереженні якості.

Біографії авторів

Ievgen Fedorchenko, Національний університет «Запорізька політехніка», вул. Жуковського, 64, м. Запоріжжя, Україна, 69063

Старший викладач

Кафедра програмних засобів

Andrii Oliinyk, Національний університет «Запорізька політехніка», вул. Жуковського, 64, м. Запоріжжя, Україна, 69063

Кандидат технічних наук, доцент

Кафедра програмних засобів

Alexander Stepanenko, Національний університет «Запорізька політехніка», вул. Жуковського, 64, м. Запоріжжя, Україна, 69063

Кандидат технічних наук, доцент

Кафедра програмних засобів

Serhii Korniienko, Національний університет «Запорізька політехніка», вул. Жуковського, 64, м. Запоріжжя, Україна, 69063

Кандидат технічних наук, доцент

Кафедра програмних засобів

Anastasia Kharchenko, м. Запоріжжя, Україна

Розробник програмного забезпечення

Valerii Laktionov, м. Запоріжжя, Україна

Розробник програмного забезпечення

Посилання

  1. David, S. (2004). Image Compression. Data Compression. New York: Springer-Verlag, 251–512. doi: http://doi.org/10.1007/0-387-21832-7_5
  2. Gray, R. M. (1991). Image compression. Data Compression Conference. Snowbird. doi: http://doi.org/10.1109/dcc.1991.213293
  3. Howard, P. G., Vitter, J. S. (1992). Parallel lossless image compression using Huffman and arithmetic coding. Data Compression Conference. doi: http://doi.org/10.1109/dcc.1992.227451
  4. Ansari, R., Memon, N., Tseran, E. (1998). Image lossless compression methods. Journal of Electronic Imaging, 7 (3), 486–494. doi: http://doi.org/10.1117/1.482591
  5. Horspool, R. N. (1991). Improving LZW (data compression algorithm). Data Compression Conference. doi: http://doi.org/10.1109/dcc.1991.213347
  6. Salari, E., Whyte, W. A. (1991). Compression of stereoscopic image data. Data Compression Conference. doi: http://doi.org/10.1109/dcc.1991.213336
  7. Halder, A., Banerjee, A. (2010). An efficient image compression algorithm for almost dual-color image based on k-means clustering, bit-map generation and RLE. International Conference on Computer and Communication Technology (ICCCT). doi: http://doi.org/10.1109/iccct.2010.5640529
  8. Firas, A. J., Hind, E. Q. (2012). Five Modulus Method for Image Compression. Signal & Image Processing : An International Journal, 3 (5), 19–28. doi: http://doi.org/10.5121/sipij.2012.3502
  9. Wu, X., Memon, N. (1997). Context-based, adaptive, lossless image coding. IEEE Transactions on Communications, 45 (4), 437–444. doi: http://doi.org/10.1109/26.585919
  10. Tinku, A., Ping-Sing, T. (2005). JPEG – Still Image Compression Standard. JPEG2000 Standard for Image Compression. Springer, 55–78. doi: http://doi.org/10.1002/0471653748.ch3

##submission.downloads##

Опубліковано

2020-03-05

Як цитувати

Fedorchenko, I., Oliinyk, A., Stepanenko, A., Korniienko, S., Kharchenko, A., & Laktionov, V. (2020). Розробка методу стиснення зображень на основі JPEG алгоритму. Technology Audit and Production Reserves, 2(2(52), 32–34. https://doi.org/10.15587/2706-5448.2020.202433

Номер

Розділ

Звіт про науково-дослідні роботи