асів додатків. Так, своє застосування машинна графіка знаходить і в різних інформаційних системах. Наприклад, вже стає звичним досліджувати ультразвукові та рентгенівські знімки не на папері, а на екрані монітора. Поступово в електронний вигляд перекладають і історії хвороб. Зрозуміло, що зберігати ці матеріали логічніше в єдиній картотеці. При цьому без використання спеціальних алгоритмів більшу частину архівів займуть фотографії. Тому при створенні ефективних алгоритмів вирішення цього завдання потрібно врахувати специфіку рентгенівських знімків - переважання розмитих ділянок.
У геоінформаційних системах - при зберіганні аерофотознімків місцевості - специфічними проблемами є великий розмір зображення і необхідність вибірки лише частини зображення на вимогу. Крім того, може знадобитися масштабування. Це неминуче накладає свої обмеження на алгоритм компресії.
В електронних картотеках і досьє різних служб для зображень характерно подобу між фотографіями в профіль, і подобу між фотографіями в фас, яке також необхідно враховувати при створенні алгоритму архівації. Подібність між фотографіями спостерігається і в будь-яких інших спеціалізованих довідниках. Як приклад можна привести енциклопедії птахів або квітів.
1.3 Критерії порівняння алгоритмів
Зауважимо, що характеристики алгоритму щодо деяких вимог додатків, сформульовані вище, залежать від конкретних умов, в які буде поставлений алгоритм. Так, ступінь компресії залежить від того, на якому класі зображень алгоритм тестується. Аналогічно, швидкість компресії нерідко залежить від того, на якій платформі реалізований алгоритм. Перевага одному алгоритму перед іншим може дати, наприклад, можливість використання в обчисленнях алгоритму технологій нижнього рівня, типу MMX, а це можливо далеко не для всіх алгоритмів. Так, JPEG істотно виграє від застосування технології MMX, а LZW немає. Крім того, нам доведеться враховувати, що деякі алгоритми распаралелені легко, а деякі ні.
Таким чином, неможливо скласти універсальне порівняльне опис відомих алгоритмів. Це можна зробити тільки для типових класів додатків за умови використання типових алгоритмів на типових платформах. Однак такі дані надзвичайно швидко застарівають.
Так, наприклад, ще три роки тому, в 1994, інтерес до показу ОГРУБЛЕННЯ зображення, використовуючи тільки початок файлу (вимога 6), був чисто абстрактним. Реально ця можливість практично ніде не була потрібна і клас додатків, що використовують дану технологію, був украй невеликий. З вибуховим розповсюдженням Internet, який характеризується передачею зображень по порівняно повільним каналах зв'язку, використання Interlaced GIF (алгоритм LZW) і Progressive JPEG (варіант алгоритму JPEG), що реалізують цю можливість, різко зросла. Те, що новий алгоритм (наприклад, wavelet) підтримує таку можливість, существеннейший плюс для нього сьогодні.
У той же час ми можемо розглянути таке рідкісне на сьогодні вимога, як стійкість до помилок. Можна припустити, що незабаром (через 5-10 років) з поширенням широкомовлення в мережі Internet для його забезпечення будуть використовуватися саме алгоритми, стійкі до помилок, навіть не розглядаються в сьогоднішніх статтях і оглядах.
З усіма зробленими вище застереженнями, виділимо декілька найбільш важливих для нас критеріїв порівняння алгоритмів компресії, які і будемо використовувати надалі. Як легко помітити, ми будемо обговорювати Менш критеріїв, ніж було сформульовано вище. Це дозволить уникнути зайвих деталей при короткому викладі даного курсу.
. Найгірший, середній і кращий коефіцієнти стиснення. Тобто частка, на яку зросте зображення, якщо вихідні дані будуть найгіршими; якийсь середньостатистичний коефіцієнт для того класу зображень, на який орієнтований алгоритм; і, нарешті, кращий коефіцієнт. Останній необхідний лише теоретично, оскільки показує ступінь стиснення найкращого (як правило, абсолютно чорного) зображення, іноді фіксованого розміру.
. Клас зображень, на який орієнтований алгоритм. Іноді вказано також, чому на інших класах зображень виходять гірші результати.
. Симетричність. Ставлення характеристики алгоритму кодування до аналогічної характеристиці при декодуванні. Характеризує ресурсомісткість процесів кодування і декодування. Для нас найбільш важливою є симетричність за часом: відношення часу кодування до часу декодування. Іноді нам буде потрібно симетричність по пам'яті.
. Чи втрати якості? І якщо є, то за рахунок чого змінюється коефіцієнт архівації? Справа в тому, що у більшості алгоритмів стиснення з втратою інформації існує можливість зміни коефіцієнта стиснення.
. Характерні особливості алгоритму і зображень, до яких ...
