بکارگیری راهکارهای مناسب پیش پردازش تصویر برای عملکرد بهتر تکنیک های فشرده سازی تصاویر

امروزه به¬ دلیل حجم زیاد اطلاعات دیجیتال، فشرده¬سازی تصاویر به عنوان یک نیاز اساسی در سیستم-های بایگانی و ارسال تصاویر مطرح می¬شود. روش¬های زیادی برای افزایش نرخ فشرده¬سازی تصویر ایجاد شده است. اما همچنان افزایش نرخ فشرده¬سازی و حفظ کیفیت تصویر بازیابی شده یک ضرورت محسوب می¬شود. هر یک از الگوریتم¬های فشرده¬سازی موجود بر اساس یک یا چند ویژگی اقدام به شناسایی افزونگی در تصویر و در نتیجه فشرده¬سازی آن می¬کنند. بر همین اساس، هر یک از روش¬های فشرده¬سازی، به ازای تصاویر مختلف، نرخ فشرده¬سازی یکسانی را ارائه نمی¬دهند. نرخ¬های فشرده¬سازی آنها ممکن است به عواملی چون تنوع سطوح خاکستری، هموار بودن تصویر و یکسان بودن مقادیر پیکسل¬های مجاور در تصویر بستگی داشته باشد. بر این اساس، در این تحقیق راهکارهایی ارائه می¬شود که به عنوان یک مرحله پیش-پردازش بر روی تصویر اعمال ¬شوند تا پارامترهای تاثیرگذار مربوطه در آن تصویر را جهت فشرده¬سازی تقویت نمایند. در این پایان¬نامه چهار روش پیش¬پردازش ارائه شده است. پردازش اول بدون اتلاف بوده و در دو گام صورت می¬گیرد. در گام اول، تصویر به بلوک¬های بدون هم¬پوشانی تقسیم شده و بلوک¬ها بر اساس افزایش (کاهش) ضرایب dc، مرتب می¬شوند. در گام دوم، هشت تبدیل هندسی برگشت¬پذیر بر روی تصویر حاصل از گام اول صورت می¬گیرد. از بین تصاویر حاصل، تصویری که منجر به بهترین نتیجه برای فشرده¬سازی می¬شود، انتخاب می¬گردد. این پردازش باعث کاهش دامنه¬ی تغییرات، در نتایج حاصل از محاسبات jpeg شده و نرخ فشرده¬سازی آن را بهبود می¬دهد. در روش دوم، سطوح خاکستری که از نظر مقدار، به هم نزدیک می¬باشند، در یک دسته قرار می¬گیرند. سپس، یک سطح خاکستری به عنوان نماینده¬ برای هر دسته در نظر گرفته می¬شود. مقدار هر سطح خاکستری در تصویر اصلی با مقدار نماینده¬ی مربوط به دسته¬ی خودش، جایگزین می¬شود. دسته¬بندی و انتخاب نماینده به نحوی انجام شده است که خرابی تصویر حداقل باشد. در گام بعد، هیستوگرام تصویر پردازش شده، متراکم می¬شود. این پیش¬پردازش، با حفظ کیفیت تصویر، توانسته نرخ فشرده¬سازی الگوریتم lossless jpeg را بهبود دهد. روش سوم مشابه روش دوم می¬باشد با این تفاوت که تصویر در ابعاد ثابت بلوک¬بندی شده و مقدار پارامتر تعیین¬کننده¬ی تعداد سطوح هر دسته، برای هر بلوک، آگاهانه¬تر و بر اساس سیستم بینایی انسان انتخاب می¬گردد. این پیش¬پردازش باعث بهبود نرخ فشرده¬سازی الگوریتم¬های jpeg2000 و lossless jpegشده است. در روش چهارم، با استفاده از الگوریتم ژنتیک فضای رنگ مناسبی برای فشرده¬سازی هر تصویر به طور مجزا ایجاد می¬گردد. این پیش¬پردازش منجر به بهبود عملکرد الگوریتم cic شده است.