Главная страница
Навигация по странице:

  • СЖАТИЯ ИЗОБРАЖЕНИЙ ДЛЯ ПОВЫШЕНИЯ

  • Вейвлетное преобразование

  • Постановка задачи

  • Применение модифицированного метода сжатия

  • Библиографический список

  • Сжатие изображений. 32208-Текст статті-60612-1-10-20141207 (1). Исследование вейвлетного метода сжатия изображений для повышения быстродействия веб приложений аннотация


    Скачать 137.57 Kb.
    НазваниеИсследование вейвлетного метода сжатия изображений для повышения быстродействия веб приложений аннотация
    АнкорСжатие изображений
    Дата19.03.2021
    Размер137.57 Kb.
    Формат файлаpdf
    Имя файла32208-Текст статті-60612-1-10-20141207 (1).pdf
    ТипИсследование
    #186416

    Мiжвiдомчий науково-технiчний збiрник «Адаптивнi системи автоматичного управлiння», 2013, № 2(23)
    УДК 004.627
    Е.В. Крылов, В.К. Аникин, Е.В. Аникина
    ИССЛЕДОВАНИЕ ВЕЙВЛЕТНОГО МЕТОДА
    СЖАТИЯ ИЗОБРАЖЕНИЙ ДЛЯ ПОВЫШЕНИЯ
    БЫСТРОДЕЙСТВИЯ ВЕБ ПРИЛОЖЕНИЙ
    Аннотация:
    Рассматривается методика повышения быстродействия веб- приложений путем уменьшения размеров загружаемых файлов, а именно сжа- тие изображений. При использовании изображений в цветном спектре с про- зрачностью был применен модифицированный метод вейвлетного сжатия, в частности с сохранением пяти, десяти и пятидесяти процентов коэффициен- тов для уменьшения размера сжатого файла изображения при условии сохра- нения его качества.
    Ключевые слова:
    сжатие изображений, быстродействия веб-приложений,
    вейвлетное сжатие, разностные коэффициенты.
    Введение
    На сегодняшний день повышение скорости работы сайтов явля- ется актуальной задачей. Методы повышения быстродействия мо- жно условно разделить на методы серверной и клиентской части сайта. Серверные методы используются в тех случаях, когда сер- вер, на котором расположен сайт, не выдерживает нагрузку и ско- рость работы сокращается для каждого пользователя. Клиентские методы направлены на ускорение загрузки информации в браузе- ре пользователя. Такие методы можно условно разделить на сле- дующие группы:
    • Уменьшение количества http запросов
    • Уменьшение размера загружаемых файлов
    • Повышение быстродействия стилей CSS
    • Повышение быстродействия скриптов javascript
    Уменьшение количества запросов необходимо для освобожде- ния соединения клиента с сервером и как следствие более быстрой загрузки общего контента. Для этого, например, используются ме- тоды объединения таблиц стилей и использование спрайтов.
    Повышение быстродействия таблиц стилей и скриптов заклю- чается в оптимизации этих файлов с целью их более быстрой ин- терпретации и выполнения. Например, для скриптов, необходимо уменьшать количество используемых внешних библиотек.
    Уменьшение размера загружаемых файлов является наиболее приоритетной задачей. Для этого используется очень большое ко- личество методов. Основными являются: архивация и сжатие c
    Е.В. Крылов, В.К. Аникин, Е.В. Аникина, 2013
    ISSN 1560-8956 35

    Мiжвiдомчий науково-технiчний збiрник «Адаптивнi системи автоматичного управлiння», 2013, № 2(23)
    HTML, CSS и javascript; минимизация стилей и скриптов; и мето- ды оптимизации и сжатия изображений.
    В этой статье уделено внимание последним из этих методов, а в частности, методам вейвлетного сжатия изображений [1].
    Вейвлетное преобразование
    Предположим, что мы имеем последовательность, состоящую из
    2
    n точек [x
    1
    , x
    2
    , . . . , x
    2
    n
    ] для некоторого целого n > 0. Мы можем со- поставить эту последовательность со следующей функцией из ве- кторного пространства функций V
    n
    [2]:
    f (t) = x
    1
    ϕ
    n,0
    (t) + . . . + x
    1
    ϕ
    n,2
    n

    1
    (t)
    (1)
    Первым шагом вычисления вейвлет-преобразования последова- тельности [x
    1
    , x
    2
    , . . . , x
    2
    n
    ] будет разложение f (t) по альтернативно- му базису пространства V
    n
    , половину которого составляют вейвле- ты:
    f (t) = a n−1,0
    ϕ
    n−1,0
    +. . .+a n−1,2
    n−1

    1
    ϕ
    n−1,2
    n−1

    1
    (t)+d n−1,0
    ψ
    n−1,0
    +
    + . . . + d n−1,2
    n−1

    1
    ψ
    n−1,2
    n−1

    1
    (t)
    (2)
    Коэффициенты d n−1,0
    , . . . , d n−1,2
    n−1

    1
    при базисных вейвлет- функциях составляют половину коефициентов вейвлет- преобразования, поэтому их значения сохраняются. Следующим шагом процесса преобразования является применение такого же базисного преобразования к остальным членам равенства:
    g n−1
    (t) = a n−1,0
    ϕ
    n−1,0
    + . . . + a n−1,2
    n−1

    1
    ϕ
    n−1,2
    n−1

    1
    (t)
    (3)
    Таким образом g n−1
    это элемент V
    n−1
    и поэтому может быть ра- зложен по альтернативному базису состоящему из масштабирую- щих функций ϕ
    n−2,j и вейвлетов ψ
    n−2,j
    Для получения коэффициентов равенства используется ортого- нальность. Каждая ϕ
    n−1,j ортогональна каждой ϕ
    n−1,k так же как и всем ψ
    n−1,j и анагично каждый вейвлет ψ
    n−1,j ортогонален дру- гим вейвлетам ψ
    n−1,k и всем масштабирующим функциям ϕ
    n−1,j
    Так же, каждая ϕ
    n−1,j и каждый ψ
    n−1,j являются нормирован- ными [2]. Следуя, из выше изложенного получим:
    1

    0
    f (t) ϕ
    n−1,j
    (t) dt = a n−1,j
    (4)
    В силу ортогональности правой части остается только один член, а нормирование приводит к отсутствию коэффициента при a
    n−1,j
    . Теперь, подставив правую часть равенства, получим:
    a n−1,0
    =
    x
    1
    + x
    2

    2
    (5)
    36
    ISSN 1560-8956

    Мiжвiдомчий науково-технiчний збiрник «Адаптивнi системи автоматичного управлiння», 2013, № 2(23)
    Квадратный корень в коэффициенте появляется за счет нор- мирования. В случае использования ненормированных бази- сных функции результатом будет двухточечное среднее значение.
    Остальные коэффициенты a n−1,j j = 1, . . . , 2
    n
    − 1 вычисляются аналогично. Таким образом:
    x
    2j+1
    + x
    2j+2

    2
    , ; j = 1, . . . , 2
    n−1
    − 1
    (6)
    Аналогично, используя свойства ортогональности и нормирован- ности функций ψ
    n−1,j можно вычислить коэффициенты d n−1,j по следующей формуле:
    d n−1,j
    =
    x
    2j+1
    − x
    2j+2

    2
    , j = 1, . . . , 2
    n−1
    − 1
    (7)
    Уравнения можно представить в виде одного матричного урав- нения. Введем векторную запись x, a и d. Тогда можно представить это как выражение
     A
    n
    D
    n
    
    x =
     a n−1
    d n−1
    
    (8)
    Матрица в левой части – это единая матрица 2
    n
    × 2
    n
    , а вектор в правой части – единый вектор-столбец 2
    n
    ×1. На каждом шаге про- цесса вейвлет-преобразования сохраняются детализирующие ко- эффициенты и обрабатываются коэффициенты усреднения. В рас- сматриваемом случае вейвлет преобразование будет иметь 2
    n ком- понентов. Половину из них мы получаем из уравнения в каче- стве детализирующих коэффициентов в d n−1
    . Сохраняем эти ко- эффициенты как половину вейвлет-преобразования. Следующий шаг вейвлет-преобразования состоит в применении к a n−1
    опера- ций усреднения и вычитания на следующем, более низком, уровне разрешения:
     A
    n−1
    D
    n−1
    
    a n−1
    =
     a n−2
    d n−2
    
    (9)
    Здесь A
    n−1
    и D
    n−1
    – это 2
    n−1
    × 2
    n матрицы, а a n−2
    и d n−2
    – это векторы-столбцы размерности 2
    n−2
    . Чтобы построить часть вейвлет-преобразования, мы сохраним d n−2
    вместе с d n−1
    . Далее процесс стоит в последующем применении операций усреднения и вычитания к a k
    сохраняя полученные детализирующие коэффи- циенты как часть вейвлет-преобразования. На заключительном шаге сохраняется среднее значение a
    0
    , которое является одноком- понентным вектором с единственным элементом a
    0,0
    . Результи- рующее вейвлет-преобразование, которое можно представить как единый вектор-столбец с 1 + 1 + 2 + . . . + 2
    n−1
    = 2
    n элементами,
    будет иметь вид:
    ISSN 1560-8956 37

    Мiжвiдомчий науково-технiчний збiрник «Адаптивнi системи автоматичного управлiння», 2013, № 2(23)









    a
    0
    d
    0
    d
    1
    d n−1









    (10)
    Постановка задачи
    Форматы изображений, которые сжатые вейвлетным методом занимают меньшей объем физической памяти на диске, что позво- ляет снизить время их загрузки. Однако, в большинстве случаев,
    они не поддерживаются современными браузерами. Чтобы исполь- зовать такие изображения в веб-приложениях мы можем восполь- зоваться специализированным для графики тегом canvas. Так же,
    для сжатия изображения и для его обратного преобразования мо- дифицируем метод вейвлетного сжатия.
    Для сжатия изображения для веб-приложений коэффициенты преобразования будут иметь вид:
    a i,j
    =
    x
    8j+i
    + x
    8j+(i+4)

    2
    , j = 1, . . . , 2
    n−1
    − 1, i = 0..3
    (11)
    d i,j
    =
    x
    8j+1
    − x
    8j+(i+4)

    2
    , j = 1, . . . , 2
    n−1
    − 1, i − 0..3
    (12)
    Сохранение только одного среднего значения a
    0
    позволило бы нам преобразовывать только изображения с градацией серого,
    представляя его в виде средней яркости каждого пикселя. В дан- ной модификации сохраняются значения пикселя в системе RGBA,
    что позволит нам использовать не только полную цветность изо- бражения, но так же, и прозрачность его пикселей.
    Так же, исходя из формата хранимых в теге canvas данных, мы можем упростить метод до одномерного случая, в результате чего мы должны получить матрицу следующего вида:





    a
    0
    a
    1
    a
    2
    a
    3
    d
    0,0
    d
    1.0
    d
    2,0
    d
    3,0
    d
    0,n−1
    d
    1,n−1
    d
    2,n−1
    d
    3,n−1





    (13)
    Применение модифицированного метода сжатия
    На последнем шаге вейвлет преобразования можно провести процедуру выбора значимых коэффициентов разности. Значение отличия цветности некоторых соседних пикселей настолько мало,
    что его можно приравнять к 0. Определяя процент запоминания
    38
    ISSN 1560-8956

    Мiжвiдомчий науково-технiчний збiрник «Адаптивнi системи автоматичного управлiння», 2013, № 2(23)
    наибольших коэффициентов разности, можно существенно умень- шить размер файла, но так же уменьшив его качество. На рисунке
    1 приведены изображения с 5%, 10% и 50% сохранением коэффи- циентов.
    Рис. 1 – Изображения сжатые вейвлетным методом с сохранением коэффициентов 5%, 10% и 50%
    Как видим, изображение с сохранением 5% коэффициентов отличается от 10% существенной нечеткостью. Однако 10% мало чем отличается от 50%, что доказывает то, что мы можем отбра- сывать большое количество несущественных данных не теряя при это качество изображения.
    На таблице 1 приведены размеры одинакового изображения ра- зных форматов распространенных форматов.
    Таблица 1
    Сравнение размера разных форматов изображений
    Формат изобра- жения bmp jpeg png
    5%
    10%
    50%
    Размер файла
    387Kb 121Kb 233Kb 2 Kb 7,4 Kb 63,6 Kb
    ISSN 1560-8956 39

    Мiжвiдомчий науково-технiчний збiрник «Адаптивнi системи автоматичного управлiння», 2013, № 2(23)
    Исходным форматом для конвертирования был выбран фор- мат bmp, так как он хранит информацию о пикселях изображе- ния в виде простого двухмерного массива и поэтому занимает боль- ше всего памяти на диске. Как видно из таблицы, формат png плохо подходит для выбранного типа изображения. Наилучшим решением помимо вейвлет преобразования является формат jpeg,
    с относительно небольшим размером файла и отсутствием иска- жений и потери качества. Вейвлет преобразование с сохранением
    50% коэффициентов для выбранного типа изображения позволя- ет уменьшить его размер по сравнению с форматом jpeg на 47%
    при относительно небольшой потере качества. Что позволяет уве- личить скорость его загрузки в веб-приложение вдвое.
    Выводы
    Была рассмотрена методика повышения быстродействия веб- приложений путем сжатия файлов изображений. Задача сжатия решена с помощью модификации метода вейвлет-преобразования изображений в системе RGBA с сохранением 50% разностных ко- эффициентов. В результате экспериментального исследования по- казано, что применение данного метода позволяет уменьшить ра- змер файла изображения минимум на 47% в сравнении с осталь- ными распространенными форматами изображений и увеличить скорость его загрузки в веб-приложениях.
    Библиографический список
    1. Яковлев А.Н. Введение в вейвлет-преобразовани. / А.Н. Яков- лев. — Новосибирск: НГТУ, 2003. – 104 с.
    2. Уэлстид С. Фракталы и вейвлеты для сжатия изображений в действии: пер. с англ. / С. Уэлстид.— М.:Триумф, 2003. —319 с.
    Отримано 15.10.2013 р.
    40
    ISSN 1560-8956


    написать администратору сайта