07 Compressao de Dados Parte 2 2013-3

BC-0504
Natureza da Informa
Informao
Compresso de Dados
Parte 2
Guiou Kobayashi
guiou.kobayashi@ufabc.edu.br
3o Quadrimestre, 2013
Natureza da Informao
Informa o
Tipos
Tipos de
de Compresso
Compresso
Compresso de Dados Parte 2
Informa o
Tipos de Compresso
Sem perda ou reversvel
Smbolo original/codificado pode ser reconstrudo
exatamente a partir da verso comprimida
Usualmente explora redundncias
Ex. tem padres de bits no usados ou tem alguns
smbolos mais usados que outros
Com perda ou irreversvel

Smbolo original/codificado no pode ser reconstrudo
exatamente a partir da verso comprimida
Expansor produz aproximao
Informa o
Tipos de Compresso
Exemplo: mensagem 25.888888888
Pode ser comprimida sem perda como: 25.[9]8
vinte e cinco ponto 9 oitos
Cadeia original pode ser perfeitamente recriada
Ou comprimida com perda como: 26

O dado exato perdido, porm h o benefcio de uma
codificao menor
Informa o
Compresso
Compresso Sem
Sem Perda
Perda
Informa o
Compresso Sem Perda

Permitem reconstruo exata da mensagem:
Codificao run-length
Codificao de tamanho varivel
Dicionrio esttico
Dicionrio semi-adaptativo
Dicionrio dinmico
Informa o
Suponha mensagem com sequncias
longas de repeties de smbolos
Pode codificar mensagem como lista do
smbolo e nmero de vezes que ele ocorre
Ex.: mensagem a B B B B B B a a a B B a a a a
poderia ser codificada como a[1] B[6] a[3] B[2]
a[4]
Funciona bem em poucas circunstncias

Informa o
Exemplos:
Bandeira da Alemanha
X pixels pretos, X pixels vermelhos, X pixels amarelos
Fax
Documento escaneado em preto e branco
Longos grupos de pixels brancos ou pretos so
transmitidos como o nmero desses pixels
Informa o
No funciona bem para mensagens sem
repeties de sequncias de um mesmo
smbolo
Ex.: fotografias, em que pequenas mudanas
em sombreamento de um pixel a outro requer
o uso de vrios smbolos
Informa o

Atribuio de cdigos menores a smbolos mais
frequentes
E cdigos maiores para smbolos menos
frequentes
Codificaes de Shannon-Fano e Huffman
10
Informa o

Shannon-Fano e Huffman assumem que a distribuio de
probabilidades dos smbolos no muda ao longo da
sequncia de emisses
Exemplo: se a probabilidade de sair cara em um lanamento de uma
moeda for igual a 0,4, ela ser sempre 0,4, seja no 1, no 2, no 114
ou no ensimo lanamento
Huffman timo nessa situao
Porm, em muitas situaes, a distribuio de

probabilidades dos smbolos pode depender de um histrico
de emisses
Exemplo: a distribuio de probabilidades torna-se mais concentrada
do que o normal nas vogais a, e, i, o, aps a emisso das letras
q e u considerando a lngua portuguesa (a probabilidade de ser
uma consoante zero aps qu)
Textos em geral
11
Informa o
Cdigos podem ser usados para representar dados de

forma mais compacta: Cdigos mais eficientes
Se as palavras cdigo forem menores, em mdia, do que os

dados iniciais.
Texto ASCII 8 bits/letra
Podemos fazer melhor que isso com um cdigo

Huffman?
Se soubermos as probabilidades das letras => SIM
E se a probabilidade da emisso da prxima letra

depende da histria anterior?
LZW melhor nesse contexto (probabilidades de emisso dos

smbolos so dependentes da histria anterior)
12
Informa o
Codificao Shannon-Fano e Huffman
Algoritmos de Shannon-Fano e de Huffman

Produzem cdigos relativamente eficientes:
H(X )
=
1
L(C )
Mtodos que constroem uma rvore de deciso,

tentando dividir o espao das probabilidades de
maneira mais equiprovvel possvel (aprox 50%
de um lado, e 50% do outro)
13
Informa o
Cada smbolo a ser codificado se situa numa

das folhas da rvore
Ou seja, nenhum smbolo pode ser ancestral de
outro na rvore
Consequncia: Como um smbolo nunca pode
ser ancestral de outro na rvore, nenhum
smbolo prefixo de outro
Portanto, produzem cdigos de prefixo
(instantneos ou auto-pontuveis)
14
Informa o

Relao da entropia com rvores de deciso
Quantidade de informao: indica exatamente

em que nvel cada smbolo deve se situar para
que se obtenha a melhor rvore de deciso
possvel (codificao tima)
Consequncia: a entropia o limite mnimo

para a quantidade de informao mdia por
smbolo que uma fonte transmite (Primeiro
Teorema de Shannon)
15
Informa o
Exemplo: P(A) = 1/2, P(B) = 1/4, P(C) = 1/8, P(D) = 1/8
- log2(P(A)) = - log2(1/2) = 1
- log2(P(B)) = - log2(1/4) = 2
- log2(P(C)) = - log2(1/8) = 3
- log2(P(D)) = - log2(1/8) = 3
1
A=0
B = 01
C = 110
D = 111
Nvel 1
Nvel 2
Nvel 3
D
16
Informa o
Ou seja, quanto menos provvel (mais raro)

um smbolo, mais para o fundo da rvore
(mais bits para codific-lo)
Em mdia, transmitimos o menor nmero de bits
possvel por mensagem atravs dessa
estratgia
17
Informa o
Codificao Shannon-Fano
Um procedimento para se construir uma rvore de deciso

Cada estado gerado independente dos anteriores.
P(x) nunca muda
H (X )
1
Fornece cdigo eficiente =
L(C )
Idia: agrupar smbolos em pares de grupos

aproximadamente equiprovveis
A codificao de cada grupo consiste em simplesmente
atribuir um dgito binrio a cada grupo
Ex. 0 para o primeiro e 1 para o segundo
18
Informa o
Analogia com jogo das perguntas
Queremos adivinhar um objeto em um conjunto,
com uma srie de perguntas com resposta
sim/no.
Quais as melhores perguntas?
Aquelas que dividem o universo pela metade
Quantas perguntas timas so necessrias?
Mnimo log2(numero de objetos)

Se a diviso didica (perguntas dividem no meio)
19
Informa o
Descrio do algoritmo:
1 - Ordenao: listar os smbolos segundo ordem
de probabilidade decrescente
2 - Partio: dividir em dois grupos to
equiprovveis quanto possvel
2-a) Atribuir 0 ao primeiro grupo e 1 ao segundo
2-b) Repetir o procedimento at que cada grupo
contenha um nico smbolo
3 - O cdigo corresponde ao conjunto de dgitos

(0 ou 1) atribudos a cada smbolo
20
Informa o
Exemplo:
si
s1
s2
s3
s4
s5
s6
P(si) Passo 1 Passo 2 Passo 3 Passo 4

0
0
0,30
0,25
0
1
0,20
1
0
0,12
1
1
0
0,08
1
1
1
0
0,05
1
1
1
1
Cdigo
00
01
10
110
1110
1111
21
Informa o
rvore de deciso equivalente:
s1 s2 s3 s4 s5 s6
0
0
30%
s1 s2
55%
s1
100%
s3 s4 s5 s6
25%
s2
s3
s4 s5 s6
20%
0
12%
45%
s4
s5 s6 13%
0
8%
25%
s5
s6 5%
22
Informa o
Calculando o tamanho mdio do cdigo formado:
si
Cdigo
Prob
Pk
Tamanho do cdigo
lk
Contribuio mdia
pklk
s1 00
0,30 2
0,60
s2 01
0,25 2
0,50
s3 10
0,20 2
0,40
s4 110
0,12 3
0,36
s5 1110
0,08 4
0,32
s6 1111
0,05 4
0,20
Total
1,00
2,38
L(C) = 2,38
23
Informa o
Calculando a entropia da fonte:
si
Prob
Pk
s1
0,30 1,74
s2
0,25 2,00
s3
0,20 2,32
s4
0,12 3,06
s5
0,08 3,64
0,29
s6
0,05 4,32
0,21
Total
1,00
2,36
Informao individual
log2(1/pk)
Nveis da
rvore
sugeridos
pela
entropia
Contribuio mdia
pklog2(1/pk)
0,52
0,50
0,46
0,38
H(X) = 2,36
24
Informa o
Calculando a eficincia da codificao:
Eficincia = H(X)/L(C) = 2,36/2,38 = 0,99
25
Informa o
Codificao de Huffman
Desenvolvido por David A. Huffman em 1952
Atribuio de cdigos menores a smbolos mais
frequentes (assim como Shannon-Fano)
Constri-se uma rvore binria (rvore de
Huffmann) recursivamente a partir da juno
dos smbolos de menor probabilidade
Cada aresta da rvore possui um bit (0 ou 1)
(assim como Shannon-Fano)
26
Informa o
Supe-se que cada estado gerado
independente dos anteriores, como no
Shannon-Fano
a distribuio das probabilidades sempre a mesma
Eficincia=1 se possvel (L(C)=H(X))

Igualmente ou mais eficiente do que Shannon-Fano
Cdigo de Huffman timo
27
Informa o
Exemplo: Suponha um alfabeto de 7 letras (A, B,
C, D, E, F, G), e uma linguagem na qual essas
letras possuem as seguintes probabilidades
(frequncias):
A: 0.30
E: 0.22
C: 0.17
D: 0.12
B: 0.09
F: 0.06
G: 0.04
28
Informa o
Incio do algoritmo de construo do cdigo
Ordena-se os smbolos pelas suas
frequncias (ordem decrescente)
AA
EA
CA
DA
BA
FA
0.30
0.22
0.17
0.12
0.09
0.06
GA
0.04
29
Informa o
Primeiro passo
Cria-se um novo n contendo a soma

das probabilidades
0.10
0
AA
EA
CA
DA
BA
FA
0.30
0.22
0.17
0.12
0.09
0.06
1
GA
0.04
Dois ns de menor
frequncia
30
Informa o
Segundo passo

das probabilidades
0.19
0
AA
EA
CA
DA
BA
0.30
0.22
0.17
0.12
0.09
Reordena: dois ns
de menor frequncia
1
0.10
0
FA
0.06
1
GA
0.04
31
Informa o
Terceiro passo

das probabilidades
0.29
0
0.19
1
AA
EA
CA
DA
BA
0.30
0.22
0.17
0.12
0.09
Dois ns de menor
frequncia
1
0.10
0
FA
0.06
1
GA
0.04
32
Informa o
Quarto passo
das probabilidades
0.29
0
0.41
1
AA
CA
DA
EA
0.30
0.17
0.12
0.22
Dois ns de menor
frequncia
1
0.19
0
BA
0.09
0.10
0
FA
0.06
1
GA
0.04
33
Informa o
Quinto passo
das probabilidades
0.59
0
AA
0.30
Dois ns de
menor frequncia
0.41
0
EA
0.29
0
CA
DA
0.17
0.12
0.22
0.19
0
BA
0.09
0.10
0
FA
0.06
1
GA
0.04
34
Informa o
Passo Final
1.00
0
0.59
0
AA
0.30
0.41
0
EA
0.29
0
CA
DA
0.17
0.12
0.22
0.19
0
BA
0.09
0.10
0
FA
0.06
1
GA
0.04
35
Informa o
Para obter o cdigo a partir da rvore, basta
percorrer todos os seus caminhos possveis
A: 00
Propriedade:
Um smbolo nunca prefixo de outro
B: 110
C: 010
No h ambiguidade
D: 011
E: 10
No h necessidade de um cdigo
F: 1110
especial para separar um smbolo
G: 1111
do outro
36
Informa o
Codificao Shannon-Fano X Huffman
Shannon-Fano um algoritmo top-down: a rvore

construda de cima para baixo (no sentido da raiz para
as folhas)
Huffman um algoritmo bottom-up: a rvore
construda de baixo para cima (no sentido das folhas
para a raiz)
Shannon-Fano sub-timo, mas em geral se aproxima
bastante do timo
Huffman timo
Ver artigo na Wikipedia que compara esses dois
mtodos:
http://en.wikipedia.org/wiki/Shannon%E2%80%93Fano_coding
37
Informa o
Dicionrio Esttico
Apropriado para mensagens de texto
Se um cdigo tem padres no usados, eles
podem ser atribudos a sequncias que ocorrem
frequentemente
Por exemplo: abreviaes
E essas sequncias passam a requerer menos bits do
que a transmisso smbolo a smbolo
Ex.: DEL em ASCII pode ser desnecessrio
atribuir cdigo 127 (DEL) palavra the
Lista de cdigos e seus significados chamada livro de

cdigos ou dicionrio
38
Informa o
Dicionrio Esttico
Uso de abreviaes para comprimir
mensagens implica necessidade de
dicionrio
E de transmit-lo antes da primeira mensagem
Deve ser cuidadosamente construdo e no pode ser
alterado com frequncia
Bom para conjuntos de mensagens similares

No adequado para mensagens diversas
39
Informa o
Dicionrio Semi-adaptativo
Se um novo dicionrio pudesse ser definido para
cada mensagem, a compresso seria maior
Sequncias de smbolos da mensagem em particular
poderiam ser entradas do dicionrio
Problemas:
Novo dicionrio teria que ser transmitido junto mensagem
Mensagem deve ser analisada antes para descobrir as
melhores entradas para o dicionrio
Deve ser conhecida antes e armazenada como um todo
antes
Uso limitado
40
Informa o
Dicionrio Dinmico
Calculado medida que a mensagem
processada
No precisa acompanhar a mensagem
Pode ser usado antes do fim da
mensagem ser processada
41
Informa o
Dicionrio Dinmico
Ex. tcnica de compresso LZW
Abraham Lempel, Jacob Ziv, Terry Welch
Lempel e Ziv: vrias tcnicas de compresso,

LZ77 e LZ78
Modificaes de Welch em 1984
42
Informa o
Compresso LZW
Aplicado a arquivos de:
Textos: reduz tipicamente a metade do tamanho
Imagens, com grandes reas com mesma cor: pode reduzir a
menos da metade
GIF usa compresso LZW
Reversvel: no perde informao, decodificador

reconstri mensagem original sem perdas
Dicionrio inicial: 8 bits (0 a 255)
ASCII nos primeiros caracteres
Mensagem codificada 9 bits = sequncia de nmeros

Cdigos representando as entradas no dicionrio
Entrada 256: comeo da transmisso (limpar dicionrio)
Entrada 257: fim de transmisso ou parada
43
Informa o
Compresso LZW
Dicionrio dinmico, codificado em 9 bits
Dicionrio inicialmente contm caracteres isolados, mas
novas entradas com dois ou mais caracteres vo sendo
definidas a medida que a mensagem analisada
O dicionrio construdo medida que a mensagem
enviada, no sendo necessria a anlise prvia de todos
os dados ou o envio prvio do dicionrio para a
decodificao.
44
Informa o
Compresso LZW
Codificao:
nova_entrada = novas entradas do dicionrio
Manda cdigo de incio (256)
Adiciona a nova_entrada os caracteres, um a um,
da mensagem sendo comprimida
Assim que nova_entrada se torna diferente de qualquer
outra cadeia j no dicionrio, coloca-a no dicionrio e
manda cdigo da cadeia sem o ltimo caractere
Quando mensagem termina, manda cdigo de

nova_entrada e cdigo de parada (257)
45
Informa o
Compresso LZW
Decodificao:
Se recebe cdigo de incio (256), limpa dicionrio e
nova_entrada =
Para o cdigo seguinte recebido, produz como sada o
caractere representado pelo cdigo e coloca-o em
nova_entrada
Para cdigos subsequentes recebidos
Se conhece o cdigo:
Adiciona o primeiro caractere da cadeia representada pelo cdigo a
nova_entrada, insere resultado no dicionrio e produz como sada a
cadeia do cdigo recebido
Se no conhece o cdigo:
Repete em nova_entrada primeiro caractere do cdigo recebido
anteriormente, insere resultado no dicionrio e produz como sada a
cadeia do cdigo recebido
Quando o cdigo de parada (257) recebido, finaliza

46
Informa o
Exemplo 1: mensagem itty bitty bit bin

Codificao
Entrada
nova_entrada
dicionrio
Transmisso
9 bits
Decodificao
nova_entrada
dicionrio
Sada
47
Informa o
Compresso LZW
Exemplo 2: mensagem aaaaaa
Codificao
Entrada
nova_entrada
dicionrio
97 a
- 97 a
258 aa
97 a
- 1) nova_entrada =
97 a
259 aaa
97 a
- 97 a
- -= a
4)- nova_entrada
- - -
Transmisso
9 bits
256 (incio)
97 (a)
- 2) Manda
258 (aa)
cdigo -de-incio
- 259 (aaa)
257 (parada)
Decodificao
nova_entrada
dicionrio
Sada
- - a
- 3)
Recebendo
258 aa
aa
cdigo
de
incio,
- limpa- dicionrio
e
faz
nova_entrada
= aaa
259
aaa
- -
48
Informa o
Compresso LZW
Codificao
Entrada
nova_entrada
dicionrio
97 a
- 97 a
258 aa
97 a
- 97 a
1) nova_entrada
=259
aa aaa
97 tem
a no dicionrio)
- (no
a no dicionrio
- 2)97Insere
- - - - 4) nova_entrada = a
(ltimo caractere recebido)
Transmisso
9 bits
256 (incio)
97 (a)
- 258 (aa)
3) Manda
cdigo
- de nova_entrada,
sem o -caractere
final259
a (aaa)
257 (parada)
Decodificao
nova_entrada
dicionrio
Sada
- - a
- 258
aa como sadaaao
5)
Produz
- caractere
do cdigo- recebido
a
259
aaa
6) nova_entrada
= a aaa
- -
49
Informa o
Compresso LZW
Codificao
Entrada
nova_entrada
dicionrio
97 a
- 97 a
258 aa
97 a
- 97 a
259 aaa
97 a
- 1) nova_entrada
= aa
97 a
- (tem
- no
- dicionrio)- 2) nova_entrada
= aaa
- - (no
tem)
3) Insere no dicionrio
5) nova_entrada
Compresso
de Dados Parte=
2
Transmisso
9 bits
256 (incio)
97 (a)
- 258 (aa)
- 4) Manda
- -cdigo
de nova_entrada,
259 (aaa)
sem257
o caractere
(parada)
final aa
a (ltimo caractere recebido)
Decodificao
nova_entrada
dicionrio
Sada
- - a
- 258 aa
aa
- 6) No
- -conhece cdigo -258:
repete
1o caracter anterior
259 aaa
aaa
7) nova_entrada
= aa - 8) Insere nova_entrada no
dicionrio
9) Produz sada = cadeia do
cdigo recebido aa
50
Informa o
Compresso LZW
Exemplo 2: mensagem aaaaaaa
Codificao
Entrada
nova_entrada
dicionrio
97 a
- 97 a
258 aa
97 a
- 97 a
259 aaa
97 a
- 97 a
- - - 1) nova_entrada
=a- - (tem no dicionrio)
2) nova_entrada = aa (tem)
3) nova_entrada = aaa (tem)
Transmisso
9 bits
256
97
258
259
257
(incio)
(a)
(aa)
(aaa)
(parada)
Decodificao
nova_entrada
dicionrio
258
259
-
aa
aaa
-
Sada
a
aa
aaa
-
51
Informa o
Compresso LZW
Exemplo 2: mensagem aaaaaaa
Codificao
Entrada
97
97
97
97
97
97
-
a
a
a
a
a
a
-
Transmisso
nova_entrada
dicionrio
258
259
-
1) Recebeu parada
aa
aaa
-
nova_entrada
dicionrio
9 bits
256
97
258
259
257
(incio)
(a)
(aa)
(aaa)
(parada)
2) Manda cdigo de
nova_entrada,
seguido por parada
Decodificao
258
259
-
aa
aaa
-
Sada
a
aa
aaa
-
3) No conhece cdigo 259 repete

1o carac. cd. ant. nova_entrada =
aaa; Insere no dicionrio; sada: aaa52
Informa o
Compresso LZW
Codificador e decodificador criam dicionrio a
medida que processamento feito
Dicionrio no precisa ser transmitido explicitamente
Codificador lida com o texto em um nico passo
O nmero de bits transmitido reduzido?

Exemplo 1:
Manda 18 caracteres de 8 bits (144 bits) em 14
transmisses de 9 bits (126 bits)
Reduo de 12,5%
Exemplo 2:
Manda 6 caracteres de 8 bits (48 bits) em 5
transmisses de 9 bits (45 bits)
Reduo de 6,25%
53
Informa o
Compresso Sem Perda

usada em vrias aplicaes
Ex.: formato zip do Unix, formato GIF
usada em casos em que importante que os dados

originais e descomprimidos sejam idnticos (ou desvios
nos dados originais podem ser prejudiciais)
Ex.: programas executveis, programa fonte, texto,
registros de banco, artigos, etc.
No h algoritmo sem perda eficiente para todos os

tipos de dados possveis
Sequncias de dados completamente aleatrias no
podem ser comprimidas
54
Informa o
Compresso Sem Perda

Fundamentos matemticos
Qualquer algoritmo de compresso pode ser
visto como uma funo que mapeia
sequncias a outras sequncias
Compresso tem sucesso quando a sequncia
resultante menor que a sequncia original
Incluindo o mapa necessrio para descompresso
Compresso sem perda exige um mapeamento

reverso das sequncias comprimidas para as
originais (reverso / bijeo)
55
Informa o
Compresso
Compresso Com
Com Perda
Perda
56
Informa o
Compresso Com Perda

Compresso em que alguma informao da
mensagem original perdida
Sequncias originais no podem ser geradas
novamente a partir da sequncia comprimida
No necessariamente implica que a qualidade do
resultado reduzida
Ex. Rudo aleatrio frequente em imagens e som
Algumas perdas em imagens e som tambm so
imperceptveis para o humano
Ex. Perda de frequncias bastante altas
57
Informa o
Compresso Com Perda

Para dados visuais ou auditivos, alguma perda
de qualidade pode ser tolerada
Sem perder a natureza essencial dos dados
Levando em considerao limitaes da fisiologia
humana
Compresso com perda usada

frequentemente na Internet e em
produtos de consumo
Cmera, DVD, MP3 Player, celular
58
Informa o
Compresso Com Perda

Tcnicas de compresso com perdas:
Quantizao escalar
Quantizao vetorial
Transformadas
59
Informa o
Quantizao Escalar
Reduzir conjunto de mensagens possveis
S a um conjunto menor S
Mapeando cada elemento de S em um
elemento em S
Ex. dividir inteiros de 8 bits por 4 (descartar dois
menores bits)
Ex. se h letras maisculas e minsculas,
transformar todas maisculas em minsculas
Mapeamento de muitos-para-um
irreversvel (com perda)
60
Informa o
Quantizao Escalar
Usada em:
Reduzir nmero de bits em cores de nveis de
escala de cinza em imagens
Usada para economizar memria em vrios
monitores de computador
Classificar intensidade de frequncia de

componentes em imagens ou som em grupos
Usada em JPEG
61
Informa o
Quantizao Escalar
Uniforme: mapeamento linear
Ex. dividir inteiros de 8 bits por 4
No uniforme: mapeamento no linear

Em geral melhor que a uniforme
Ex. olho mais sensvel a valores baixos de
vermelho do que altos
Tornar regies com valores baixos menores que regies
com valores maiores
Outra alternativa: basear mapeamento na

probabilidade de diferentes entradas
62
Informa o
Quantizao Escalar
Uniforme
No uniforme
63
Informa o
Quantizao Escalar
Ex. quantizando imagem de 8 bits por canal RGB em
6 bits, 5 bits, 4 bits, 3 bits, 2 bits, e 1 bit
8 bits
www.ic.unicamp.br/~cpg/material-didatico/mo442/200101/matlab/entregues/grupo1/lab1/exercicio_3/index.html
64
Informa o
Quantizao Vetorial
Quantizao escalar permite mapeameno
individual de cada cor em uma imagem
colorida em um conjunto menor de valores
Na prtica, pode ser mais efetivo mapear
regies tridimensionais do espao de cores
Quantizao vetorial: mapear espao

multidimensional em conjunto menor de
mensagens S
65
Informa o
Quantizao Vetorial
Tipicamente:
Seleo de conjuntos representativos do
espao de entrada;
Mapeamento de todos os outros pontos para o
representante mais prximo
Representante pode ser:

Fixo
Determinado para cada arquivo / mensagem
Enviado como parte da sequncia
66
Informa o
Quantizao Vetorial
Como escolher representantes?
Tipicamente: algoritmos de agrupamento
Encontra grupos de pontos nos dados
Um representante escolhido para cada grupo
67
Informa o
Quantizao Vetorial
Mais efetiva quando variveis no espao multidimensional so correlacionadas
Ex.: conjunto de exemplos peso x altura
H clara correlao de peso e altura
Representantes podem se concentrar em
reas que tenham sentido fsico (maiores
densidades em regies mais comuns)
Mais efetivo que quantizao escalar
separada de peso e altura
68
Informa o
Quantizao Vetorial
Sem compresso
Aps quantizao vetorial
http://www.steckles.com/compression.html
69
Informa o
Transformadas
Transformar entrada em forma diferente
Para melhor compresso
Perda de alguns termos sem muita perda qualitativa
na sada
Algumas transformadas comuns: seno, cosseno,
polinmios, harmnicas esfricas, funes Bessel,
wavelets
70
Informa o
Transformadas
Propriedades para compresso:
Descorrelacionar os dados
Vrios coeficientes de transformada pequenos
Passveis de serem descartados
Para percepo, alguns termos so mais

importantes do que outros
Menos importantes: tambm passveis de descartar
71
Informa o
Transformada Discreta de Cossenos

Transformada Discreta de Cossenos (DCT) em
imagens
Separa imagem em partes de frequncias
diferentes
Frequncias menos importantes podem ser
descartadas
Quantizao
As mais importantes so usadas para recuperar a imagem na
descompresso
JPEG usa DCT como base

Reduz drasticamente o espao ocupado pela imagem
72
Informa o
Transformada Discreta de Cossenos
original
Qualidade 50
Qualidade 20
Qualidade 10
http://www.dip.ee.uct.ac.za/~nicolls/lectures/eee401f/projects/dct.pdf
73
Informa o
Compresso Com Perda

No existe uma tcnica geral, melhor que todas
As tcnicas devero ser adequadas ao tipo e a
natureza dos dados. As melhores tcnicas de
compresso so diferentes para udio e vdeo
porque a fisiologia humana do ouvido diferente
a do olho => naturezas diferentes
Compresses tpicas (com perdas)
Imagens (JPEG) 1:8
Vdeo (MPEG-2) 1:6
Vdeo (MPEG-4) 1:10
Audio (MP3) 1:10
74

07 Compressao de Dados Parte 2 2013-3

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

07 Compressao de Dados Parte 2 2013-3

Hochgeladen von

Copyright:

Verfügbare Formate

BC-0504

Compresso de Dados Parte 2

Com perda ou irreversvel

Ou comprimida com perda como: 26

Compresso de Dados Parte 2

Compresso de Dados Parte 2

Compresso Sem Perda

Compresso de Dados Parte 2

Funciona bem em poucas circunstncias

Compresso de Dados Parte 2

Compresso de Dados Parte 2

Codificao de tamanho varivel

Compresso de Dados Parte 2

Codificao de tamanho varivel

Porm, em muitas situaes, a distribuio de

Codificao de tamanho varivel

Cdigos podem ser usados para representar dados de

Se as palavras cdigo forem menores, em mdia, do que os

Texto ASCII 8 bits/letra

Podemos fazer melhor que isso com um cdigo

Se soubermos as probabilidades das letras => SIM

E se a probabilidade da emisso da prxima letra

LZW melhor nesse contexto (probabilidades de emisso dos

Compresso de Dados Parte 2

Codificao Shannon-Fano e Huffman

Algoritmos de Shannon-Fano e de Huffman

Mtodos que constroem uma rvore de deciso,

Compresso de Dados Parte 2

Codificao Shannon-Fano e Huffman

Cada smbolo a ser codificado se situa numa

Compresso de Dados Parte 2

Codificao Shannon-Fano e Huffman

Quantidade de informao: indica exatamente

Consequncia: a entropia o limite mnimo

Codificao Shannon-Fano e Huffman

Exemplo: P(A) = 1/2, P(B) = 1/4, P(C) = 1/8, P(D) = 1/8

Codificao Shannon-Fano e Huffman

Ou seja, quanto menos provvel (mais raro)

Compresso de Dados Parte 2

Um procedimento para se construir uma rvore de deciso

Idia: agrupar smbolos em pares de grupos

Compresso de Dados Parte 2

Aquelas que dividem o universo pela metade

Quantas perguntas timas so necessrias?

Mnimo log2(numero de objetos)

Compresso de Dados Parte 2

3 - O cdigo corresponde ao conjunto de dgitos

P(si) Passo 1 Passo 2 Passo 3 Passo 4

Compresso de Dados Parte 2

Compresso de Dados Parte 2

Compresso de Dados Parte 2

Compresso de Dados Parte 2

Eficincia = H(X)/L(C) = 2,36/2,38 = 0,99

Compresso de Dados Parte 2

Compresso de Dados Parte 2

Eficincia=1 se possvel (L(C)=H(X))

Cdigo de Huffman timo

Compresso de Dados Parte 2

Compresso de Dados Parte 2

Cria-se um novo n contendo a soma

Compresso de Dados Parte 2

Cria-se um novo n contendo a soma

Compresso de Dados Parte 2