Compressione JPEG Andrea Torsello

Slides:



Advertisements
Presentazioni simili
ELEMENTI DI TRATTAMENTO DEI SEGNALI
Advertisements

Trasformazioni nel dominio spaziale
Trasformazioni nello spazio dei colori
20 – Lincertezza di misura Tecnologie Informatiche per la Qualità Università degli Studi di Milano – Polo di Crema - Dipartimento di Tecnologie dellInformazione.
Distribuzione Normale o Curva di Gauss
Cenni sul campionamento
Wavelet Analisi tempo-frequenza Cenni di Jpeg 2000
Wavelet Cenni di Jpeg 2000 Livio Tenze
Seminario sostitutivo dello stage
Regressione lineare Esercitazione 24/01/04.
Dipartimento di Economia
STATISTICA A – K (60 ore) Marco Riani
Teoria del colore Andrea Torsello
Segmentazione Andrea Torsello
Trasformazioni nel dominio spaziale
Trasformazioni nel dominio delle frequenze Andrea Torsello Dipartimento di informatica Università Ca Foscari via Torino 155, Mestre (VE)
Basi di Dati - 3 Dati su più tabelle. Informatica 1 SCICOM - a.a. 2010/11 2 Separare i dati su più tabelle Quando è necessario? – Empiricamente, quando.
MODELLO DI REGRESSIONE LINEARE MULTIPLA: USO DELLE VARIABILI DUMMY (parte 2) In alcune circostanze è opportuno inserire, come variabili esplicative, delle.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA: test sui parametri e scelta del modello (parte 3) Per effettuare test di qualsiasi natura è necessaria.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA (parte 1)
MODELLO DI REGRESSIONE LINEARE MULTIPLA
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
Università degli Studi di Bergamo Facoltà di Lingue e Letterature Straniere Facoltà di Lettere e Filosofia A.A Informatica generale 1 Appunti.
A cura di Pietro Pantano Università della Calabria
Serie e trasformate di Fourier
Serie e trasformate di Fourier
Sistemi di equazioni lineari
Università degli Studi di Padova
DATA PROCESSING UNIVERSITÀ DEGLI STUDI DI ROMA “LA SAPIENZA”
Dicembre 2006 Informatica applicata prof. Giovanni Raho 1 Informatica applicata La comunicazione ed IL FORMATO DEI FILE.
Rappresentazione Spettrale Se nellintervallo [t 1, t 2 ] è possibile definire un insieme di funzioni [u 1,u 2,u 3 ….u n ] mutuamente ORTO-NORMALI : Cioè
UNIVERSITÀ DEGLI STUDI DI PERUGIA Dipartimento di Ingegneria Industriale Prof. Francesco Castellani Corso di Meccanica Applicata.
UNIVERSITÀ DEGLI STUDI DI PERUGIA Dipartimento di Ingegneria Industriale Prof. Francesco Castellani Corso di Meccanica Applicata B.
Corso di Ottica Quantistica – Prof. Danilo Giulietti
Elaborazione (digitale) delle immagini
Proposte di tesina Mario Toma.
Teoria degli errori.
Test della differenza tra le medie di due popolazioni
Image Compression Gaussian Noise 14/04/2010 Francesca Pizzorni Ferraese.
Esercitazioni di Microsoft Word/2 Alcune funzioni avanzate.
GRAFICO DI UNA FUNZIONE
Le distribuzioni campionarie
1 Applicazione di videoconferenza in ambiente Multicast con supporto per il protocollo di controllo di congestione RLC Giansalvo Gusinu Relatori: Prof.
Tutte le immagini che si trovano nel computer sono digitali. Possiamo crearle con programmi di grafica o acquisirle con scanner, macchine fotografiche.
DIGITALIAZZAZIONE Di Alessio.
Statistica La statistica è
Il Valore di Differenti Quality Clues nel Mercato del Vino. Un confronto tra Regioni Italiane Seminario del Prof. Alessandro Sorrentino Università di Cassino.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°9 Regressione lineare multipla: la stima del modello e la sua valutazione, metodi automatici.
Strumenti statistici in Excell
IL CAMPIONE.
Sistemi del I° e del II° ordine Ing. Giuseppe Fedele
1 Informatica Generale Alessandra Di Pierro Ricevimento: Giovedì ore presso Dipartimento di Informatica, Via Buonarroti,
Elaborazione e trasmissione delle immagini Anno Accademico Esercitazione n.4 Pisa, 20/10/2004.
Trasformata di Hough.
APPROSSIMAZIONE DI FUNZIONI
Analisi della similarità tra immagini.
Jean Baptiste Fourier iniziò a chiedersi se, con un’adeguata scelta delle ampiezze, delle frequenze e delle fasi, fosse stato possibile scomporre.
AA 2000/2001 © Alberti, Bruschi, Ferrari, Provetti, Rosti Laboratorio di Informatica 9. Multimedia 1 Laboratorio di Informatica I multimedia digitali Lezione.
Teoria delle ondicelle 2/ Compressione di segnali e immagini a.a. 2006/2007 JPEG.
Correlazione e regressione lineare
I formati grafici. Quando un’ immagine viene registrata su un supporto di massa (tipicamente su disco rigido) è necessario scrivere, oltre ai dati dell’immagine,
1 SISTEMI INFORMATIVI TERRITORIALI LABORATORIO L’APPLICAZIONE AUTODESK MAP UNIVERSITA’ DEGLI STUDI DI NAPOLI FEDERICO II CORSO DI LAUREA IN SCIENZE GEOLOGICHE.
Prof. Dario Scalini. Luce e Colore FOTORECETTORI  coni (colori) e bastoncelli (luminosità)
SOMMARIO La Digitalizzazione La Compressione LA DIGITALIZZAZIONE La digitalizzazione consiste nella trasformazione di un oggetto in una sequenza di numeri,
Di Matteo Arenga Manuela Bonaccorso Giulia Diprossimo.
Università degli Studi di Napoli Federico II Dipartimento di Meccanica ed Energetica Motori a Combustione Interna Il calcolo della Potenza dei Motori a.
Video Grafica Immagini. Modalità Video Risoluzione –Numero di pixel visualizzati sul monitor; per esempio 800 x 600, 1024 x 768, 1280 x 1024 Profondità.
Trattamento delle immagini numeriche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Trattamento dei dati sperimentali
Il DEFF Il DEFF (Design EFFect) è l’Effetto del Piano di
Transcript della presentazione:

Compressione JPEG Andrea Torsello Dipartimento di informatica Università Ca’ Foscari via Torino 155, 30172 Mestre (VE)

Stima errore Errore quadratico medio Utile stima quantitativa dell’errore, ma non e’ una buona stima della qualita’ della compressione. Qualita’ dipende dalla percezione e dalla interpretazione dell’immagine.

Encoding basato su trasformate Trasformata Separabile Simmetrica Fourier Cosine Walsh-Hadamart

Funzioni di base DCT

Base di Walsh-Hadamart

Parita’ e discontinuita’

Errore di ricostruzione Fourier Welsh-Hadamard Cosine

Dimensioni raster

Dimensioni raster 25% coefficienti Originale 2x2 4x4 8x8

Selezione coefficienti e quantizzazione Zonal coding I coefficienti mantenuti sono quelli con piu’ informazione: varianza piu’ alta Maschera unica per tutti I raster. Thresholding In ogni raster solo I coefficienti piu’ grandi sono mantenuti. 3 possibilita’ Threshold unico per tutta l’immagine Threshold diverso per ogni immagine Threshold diverso per ogni coefficiente

Thresholding e quantizzazione Thresholding e quantizzazione possono essere combinate: Quantizzazione e’ piu’ grossolana per I coefficienti in cui Z e’ piu’ grande

Quantizzazione zonal vs. Threshold

Quantizzazione zonal vs. Threshold 12.5% coefficienti Destra: threshold Sinistra:zonal map