Compression fractale
Un article de Wikipédia, l'encyclopédie libre.
Vous avez de 
|
|
La compression de données traite de la manière dont on peut réduire la quantité d'information, souvent mesurée en bits, utilisée pour représenter une séquence d'information. Elle est une branche de la théorie de l'information. |
- La compression fractale est une méthode de compression d’images encore peu utilisée aujourd’hui. Elle repose sur la détection de la récurrence des motifs, et tend à éliminer la redondance d’informations dans l’image.
- La compression fractale est une méthode de compression destructive puisque l'ensemble des données de départ ne se retrouve pas dans l'image finale.
Il exite plusieurs méthodes de compression fractale (subdivision de triangles, Delaunay etc.), mais la compression par la méthode Jacquin est la plus connue.
Sommaire |
[modifier] Illustration par la Méthode Jacquin
- La compression fractale consiste tout d'abord à réaliser deux segmentations (appelés aussi pavages, ou partitionnements) sur une image : une segmentation de figures Sources et une segmentation de figures Destinations.
- Il s'agit alors de trouver pour chaque figure Source, quel est le meilleur couple (figure source, figure destination) minimisant une erreur. Cette erreur est généralement calculée en soustrayant les deux figures. Pour réaliser l'opération de soustraction, il est nécessaire d'opérer une transformation de la figure source aux dimensions (et à la géométrie) de la figure destination.
De plus, des règles comme la rotation et les retournements sont possibles.
- Une fois que tous les couples ont été trouvés, le fichier de sortie contient alors les différents couples, ainsi que les différentes transformations effectuées (rotation, réduction de la moyenne etc.).
- Lors de la décompression, l'image est recréée à partir de ces transformations. La convergence est alors garantie par le fait que d'une part il y a une minimisation d'erreur (différence) et une modification des pixels, et d'autre part, que les figures sources sont plus grandes que les figures destinations. La compression fractale utilise la même propriété pour reconstruire l'image.
[modifier] Partitionnements
Le partitionnement est l’opération qui consiste à segmenter une image en régions. Dans la compression par la méthode Jacquin, nous avons besoin de 2 partitionnements : Source et Destination. La méthode Jacquin utilise par exemple des figures carrées, mais d'autres formes sont possibles (nids d'abeilles, triangles etc).
- Un point essentiel dans les partitionnements Source et Destination est que le pavage destination
doit être plus petit que le pavage source. En effet, dans le cas contraire, nous serions amenés à faire un agrandissement (et non une réduction) lors de la transposition des figures sources vers les figures destinations. Une fractale possède un motif se répétant à l’infini, en se rétrécissant. Aussi, nous perdons cette propriété si le partitionnement destination est plus grand que le partitionnement source, l’image ne pourra alors pas converger.
- Le partitionnement par la méthode Jacquin est un partitionnement statique. L'utilisation d'un partitionnement adaptatif (qui dépend de l'image à traiter) améliore considérablement le facteur de compression.
[modifier] Décompression
La décompression consiste en la lecture du fichier contenant les correspondances figure source-figure destination. Il suffit ensuite d'appliquer les transformations plusieurs fois. Ce procédé de reconstruction itéré, aussi connu sous le nom de Système de fonctions itérées, garantit une convergence, relative, vers l'image de départ. Il est à noter que la qualité du résultat dépend fortement de la taille des figures de segmentation, plus les figures seront nombreuses, et plus l'image résultante sera de qualité.
- Voici quelques images résultantes de la compression Jacquin, sur quatre itérations :
- Avec un partitionnement adaptatif triangulaire :
[modifier] Liens internes
[modifier] Liens externes
 |
Portail de l'informatique – Accédez aux articles de Wikipédia concernant l’informatique. |
