гими (ентропійне кодування). Стиснення даних, що не володіють властивістю надмірності (наприклад, випадковий сигнал або білий шум, зашифровані повідомлення), принципово неможливо без втрат. p align="justify"> В основі будь-якого способу стиснення лежить модель джерела даних, або, точніше, модель надмірності. Іншими словами, для стиснення даних використовуються деякі апріорні відомості про те, якого роду дані стискаються. Не володіючи такими відомостями про джерело, неможливо зробити ніяких припущень про перетворення, яке дозволило б зменшити обсяг повідомлення. Модель надмірності може бути статичною, незмінною для всього стискуваного повідомлення, або будуватися або параметризрвані на етапі стиснення (і відновлення). Методи, що дозволяють на основі вхідних даних змінювати модель надмірності інформації, називаються адаптивними. Неадаптівнимі є зазвичай вузькоспеціалізовані алгоритми, що застосовуються для роботи з даними, що володіють добре визначеними і незмінними характеристиками. Переважна частина досить універсальних алгоритмів є в тій чи іншій мірі адаптивними. p align="justify"> Всі методи стиснення даних діляться на два основні класи:
. Стиснення без втрат
. Стиснення з втратами
При використанні стиснення без втрат можливо повне відновлення вихідних даних, стиснення з втратами дозволяє відновити дані з спотвореннями, зазвичай несуттєвими з точки зору подальшого використання відновлених даних. Стиснення без втрат зазвичай використовується для передачі і зберігання текстових даних, комп'ютерних програм, рідше - для скорочення обсягу аудіо-та відео даних, цифрових фотографій і т. п., у випадках, коли спотворення неприпустимі або небажані. Стиснення з втратами, що володіє значно більшою, ніж стиснення без втрат, ефективністю, зазвичай застосовується для скорочення обсягу аудіо-та відео і цифрових фотографій в тих випадках, коли таке скорочення є пріоритетним, а повна відповідність вихідних і відновлених даних не потрібно.
Основною характеристикою алгоритму стиснення є коефіцієнт стиснення. Він визначається як відношення обсягу вихідних нестиснутих даних до обсягу стислих, тобто: k = So/Sc, де k - коефіцієнт стиснення, So - обсяг вихідних даних, а Sc - обсяг стиснутих. Таким чином, чим вище коефіцієнт стиснення, тим алгоритм ефективніше. Слід зазначити:
В· якщо k = 1, то алгоритм не виробляє стиснення, тобто вихідна повідомлення виявляється за обсягом рівним вхідному;
В· якщо k <1, то алгоритм породжує повідомлення більшого розміру, ніж нестиснене, тобто, здійснює В«шкідливуВ» роботу.
Ситуація з k <1 цілком можлива при стисненні. Принципово неможливо отримати алгоритм стиснення без втрат, який за будь-яких даних утворював би на виході д...
