Komprese

Z MiS
Přejít na: navigace, hledání


Obsah

Principy

Definice

Model dat

Příklad — Chceme komprimovat posloupnost nul a jedniček
  1. Pokud o datech nic nevíme, pak:
    • nevíme, co z těchto dat můžeme „ztratit“, aniž bychom poškodili původní informaci.
    • Můžeme si ale všimnout, že se často opakují některé posloupnosti nul a jedniček a nahradit je jinými, kratšími posloupnostmi (za cenu toho, že jiné, málo se opakující, nahradíme delšími posloupnostmi).
    • Naším „modelem dat“ tedy bude pravděpodobnost výskytu jednotlivých posloupností.
    • (Pokud by však pravděpodobnosti výskytu jednotlivých posloupností byly stejné, komprese nám nic nepřinese.)
  2. Pokud bychom ale věděli, že naše posloupnost nul a jedniček nese informace o barvách pixelů na fotce...
    • pak víme, že tato data jsou již zatížena chybou při digitalizaci
    • a že na fotce nejspíš sousední pixely budou mít „podobné“ barvy.
    • Můžeme tak postavit mnohem přesnější model dat a vylepšit použitý kompresní algoritmus.


Pojmy

Kompresní poměr

  • Pro bezeztrátovou kompresi a obecná data je typický kompresní poměr 2:1.
  • Pro ztrátovou kompresi (obvykle obrázky, video atd.) je typický kompresní poměr cca 10:1.

Rozdělení kompresních metod

Ztrátové × bezeztrátové

Statistické × slovníkové metody

Statistické metody
Slovníkové metody

Statické × dynamické metody

Statické metody
Dynamické metody

Příklady metod

LZ 77
LZ 78
Osobní nástroje
Jmenné prostory
Varianty
Akce
Výuka
Navigace
Nástroje