图像压缩有大量的技术和数学方法。但是,无论用什么算法来压缩信息(后面我们会以图像压缩为例进行实际分析,这个是最明显易懂的),算法的原理总是如下:找到并描述信息数组中的模式。
事实上,任何图像都是一组信息。任何视频都是一系列信息。用于机器学习的音频剪辑或大量数据也是信息数组。在这种或那种情况下使用哪种技术进行压缩并不重要。更重要的是它背后的算法是什么。
因此,压缩算法归结为在数据数组中寻找模式。并且识别出的规律性越多,冗余度就会越多,压缩后剩下的信息就越少。
我们可以通过一个简单的例子很容易地看出这一点。让我们打开任何用于绘制图像的程序(例如,标准画图)。并用一种颜色在整个区域上涂漆。让我们保存图像。图片大小 - 1.28 Kb
这是图像压缩方法如何工作的一个很好的例子。在这有 喀麦隆手机号码列表 的种情况下,编码器看到一个模式,即第一张图像的所有像素都具有相同的亮度和颜色,因此该图像比第二张图像“亮”几倍,而第二张图像的这种模式较少。一个简单的例子说明了使用信息压缩技术的重要性。特别地,在JPEG格式中,它是用于压缩的傅里叶方法。
信息压缩的主要基础是用三角傅里叶级数表示函数。傅里叶级数本身是一种通过对几个简单函数求和来表示任意复杂函数的方法。
以图像近似为例,它在实践中是如何工作的?
近似是用其他对象替换数据数组中的某些对象的科学方法。近似的最终结果可以是我们感兴趣的数据压缩等。
让我们将大小为 l x l 像素的单色(黑白图像)表示为网格函数 ƒ(i, j),其中:
i, j 是单色图像中特定像素的坐标;
i, j 可以取值从 1 到 l(我们图像中一侧的像素数)。
该函数的值是特定像素的亮度。亮度值从0到255不等。在压缩单色图像的过程中,亮度函数将进行离散余弦展开的部分和的近似。