Цифрлық бейненің негізгі мінездемелері

- Басқа тәсіл: "кластан  бір де бір  траекторияны ұмытпау керек" деген принцип бойынша жинақтауға негізделген. Мысалы, алдыңғы 15 дельталы  және сегмент ұзындығынан класс радиусы  30%  болатын  үш кезеңді  класқа жинақтау  үшін  әрбір кезеңдегі кластың өлшемдері осындай болады: дельта  √15, радиус  √30%. Осылай  жинақтаудың  нәтижесінде  бір каскадты жинақтау кезінде талап етілетін өлшемдермен класқа жатуы мүмкін траектория кластарын  аламыз. Осы жағдайда ұқсас әрекетті  траекторияларды класқа жинақтаудан кейін   траекторияның класқа жататындығын қосымша тексеру қажет; 

- Кемшіліктерден ұқсас әрекетті класқа жинақтаудан бұрын видео тізбекті  сегменттерге бөлу қажетігін  айтуға болады;

- Алгоритмдік қиындықты есептеу процесі бөлуге қатысты таңдалған тәсілге байланысты болады. Кадрды  32x32 өлшемді блоктарға бөлу  кезінде бірінші жинақтау  кезеңінде қиындық мынаған тең болады:  әрбір блок үшін ұқсастық  коэффициентін іздеу (32)4 операциясы осындай болады. Дельтасы 10, сегменттің  жалғасуынан радиусы 25%  және кадр 512x384 ,мұндай бөлу  кезінде жинақтау  кезеңдерінің саны    4-тен сирек асады. Осылай, қорытынды қиындық  M*N*(32)2*(12*T+4*T*l-g2(T)+T)*4 элементарлы  операциядан тұрады.

 

 

3.2 MОTIОN WAVELET және JPEG2000 бейне деректерді сығудың алгоритмдері

 

 

«WAVELET»  сөзі кіші толқынды білдіреді.  Кішкентай  деп  бұл функцияның   ақырғы ұзындығы болғандықтан солай түсіндіріледі.  Бұл толқын әртүрлі түрде болуы мүмкін.  «Толқын»  деп WAVELET-функциясы  толқын  тәрізді формада болуымен түсіндіріледі. WAVELET – бұл функциялар тобы, уақыт және жиілік бойынша локальды, барлық функциялар оның ось бойымен  (олар  «бірінің артынан бірі жүреді ») ,  жылжуынан және созылуынан болады, соның есебінен  барлық нүктелерде сигналды талдау мүмкіндігі пайда болады. Математиктер кейде  WAVELET шолпылдақ деп те атайды, оларды  анық  сипаттайды . WAVELET бірінші ерекшелігі   олардың жиілік және  уақыт бойынша біруақытты локальдылық қасиетінің бар болуы.  Осы қасиет  оларды қолдануға қажетті қылған.  WAVELET кең қолданыла бастады, олардың тағы бір қасиетін ашқанда  - түрлендірудің жылдам  алгоритмінің бар болуы.  WAVELET  стационарлы емес сигналдарды  өңдеудің  теориялық және практикалық облыста  төңкеріс жасады. Практикада табиғаты бойынша стационарлы емес бейнелерді өңдеу және  сығу  тапсырмаларын шешу үшін  «кіші толқын »  ерекше қолданылды.  Осы облыста WAVELET – түрлендіруді қолдану кодерлердің тиімділігін жоғарлату және біруақытта қиындықты төмендетуге мүмкіндік жасады.  

Бейнені сығуда вейвлеттік әдістерді қолдану

Вейвлет дегеніміз – айнымалы сигнал мен бейне функциясын өңдейтін жаңа математикалық және практикалық аппарат. Математикалық тұрғыда бейнені x және y айнымалылары бар f функциясы ретінде қарастыруға болады. Осы f(x, y) функциясы жазықтықтың тіктөртбұрышты облысында анықталған делік. Сұр түстің градациясындағы суреттер екі өлшемді массив түрінде беріледі. Массивтің әрбір элементі осы суреттің пикселдеріне сәйкес келеді. Осылайша бейнені сығу процесі ендігі кезекте осы массив элементтеріне вейвлеттік түрлендіру және ықшамдау, кодтау амалдарымен анықталады.

Вейвлет-сығу әдісінің негізгі идеясы. Бастапқы бейнеден алынған екі өлшемді массивтің алдымен жолдарына, содан соң бағандарына вейвлеттік түрлендірулер жүргізіледі, осылайша алынған екі өлшемді массив элементтерінен қандай да бір-бірінен кіші мәндер нөлге теңестіріледі, қалған коэффициенттерге кодтау жүргізілуі мүмкін. Сығылған бейне қажет болған жағдайда коэффициенттерді декодтау немесе алынған нәтижеге кері түрлендірулер жүргізу арқылы қалпына келтіріледі. Түрлендіру кезіндегі коэффициенттердің кейбір бөлігін жойғанда аса көп ақпарат жоғалмайды деп жорамалдаймыз, сондықтан вейвлеттер әдісі өте тиімді болып келеді. Осылайша, жоғарыда аталған сипаттамаларды тиянақты түрде келесі тізбектелген алгоритмге жинақтайық.                    
Вейвлет-сығу әдісінің негізгі алгоритмі:

- Бейнені таңдау және жүктеу;

- Таңдалған бейнені екі өлшемді массив түріне ауыстыру;

- Декомпозиция: алынған екі өлшемді массивтің алдымен жолының, содан соң бағанының элементтеріне вейвлеттік түрлендіруіді жүргізу, вейвлеттік түрлендіруді бастапқыда берілген декомпозиция деңгейіне (сығу коэффициенті) дейін қайталау керек;

- Децимация: вейвлеттік түрлендіруге ұшыраған екі өлшемді массив элементтерін қандай да бір ε мәнімен салыстырып, одан кішілерін 0-ге теңестіру;

- Кодтау;

- Сығылған бейнені көру;

- Декодтау;

- Кері вейвлет-түрлендірулерін орындау;

- Декодталған бейнені алу;

Бейненің бастапқы түріне келуіне байлансты бейне толықтай қалпына келетін және толықтай қалпына келмейтін алгоритмдер болады. Жоғарыда сипатталған алгоритм көрнекі түрде 13 суретте толықтай бейнеленген.  

 

 

Сурет 13. Бейнені сығу процесінің жалпы сұлбасы.

 

Бейнені вейвлет-сығудың параллельді әдісі

Параллельді бағдарламалаудың негізгі мәселесі-деректерді процессорлар арасында дұрыс бөлу және оның параллельді бағдарламаның тиіділігіне әсері болып табылады.

Ұсынылған параллельді алгоритмнің негізі – квадробұталарды құруда, яғни белгілі бір декомпозиция деңгейінің қандай да бір төрт ішкі бейнелері өзара көршілес процессорлар арасында бөліп алынады. Төмендегі 14 суретте 2 деңгейлі декомпозиция кезіндегі бейненің 16 процессор арасында өзара бөлініп, орындалуы көрсетілген. Суретте көрсетілген нөмірлер әрбір ішкі суреттерді өңдейтін процессорлардың рангісін білдіреді. 
 

 

Сурет 14. Декомпозиция кезіндегі бейнені параллельді процестерге бөлу.

 

Есептеп келетін болсақ, әрбір процеске сәйкес келетін ішкі суреттің өлшемі   болады. i=1 деңгейде әрбір процессор өзіне бөлінген ішкі суретке вейвлеттік түрлендіру жасайды, көршілес төрт процессордағы нәтижелер ранг нөмірі int(i/4)*4 формуласын қанағаттандыратын процессорға жинақталады, содан соң сыртқы көршілес төрт процессордағы нәтижелер ранг нөмірі int(i/16)*16 формуласын қанағаттандыратын процессорға жинақталады.

Осылайша бастапқы бейненің өлшемі   болатын аппроксимациясы келесі i=2 деңгейге беріледі де, жоғарыда сипатталған процесс қайталанады. i=2 деңгейдің нәтижесінде бастапқы бейненің өлшемі   болатын аппроксимациясы алынады. Нәтижесінде екі деңгейлі декомпозициядан бастапқы   өлшемді суреттің   өлшемді сығылған аппроксимациясы алынады. Осы идея бойынша децимация, кванттау және кодтау бөлімдерін де параллельдейміз. Жоғарыда сипатталған алгоритмнің жүзеге асуының жалпылама үлгісі:

Pr-cedure Parallelizati-n()

{ F-r (i=1; i<= ; i++)

{ Dec-mp-zicia();

F-r (i=1; i<= ; i++)

{ If ((rank m-d  =0) && (rank m-d  !=0)) Send_t-( (rank/ )* );

If (rank m-d  =0)  {  Receive rezults; C-nstruct new rezult;  }  

}

}

If (rank!=0) Decimacia();

K-ding();

}

Қарастырылып отырған параллельдеу алгоритмінің орындалуына кететін уақытты есептейтін болсақ, онда алдымен әрбір процессор өзіне бөлінген суреттерді түрлендіруге кеткен уақыт   болса, сол сияқты децимация мен кодтауға кеткен уақыт  . Егер кодсөздігі L сөзден тұрса, онда кванттауға кететтін уақыт   болады. Демек параллельді бағдарламаның тізбекті алгоритмді барынша тиімділеп, уақыт үнемдейтіні анық.

 

Қорытынды

 

 

Қорытындылай келе аналогты сигналды цифрлегеннен кейін оған цифрлық кодтаудың кез-келген алгоритмі арқылы цифрлық сығуды қолдануға болады. Цифрлық формада берілген кез-келген сигналды сығуға болады, алайда композитті бейне үшін тізбекті екі еселенген сығуды (алдымен мықты аналогты сығу, содан кейін цифрлық сығу) қолдану мүмкін. Бұл сығуды қанағаттанарлық деп айтуға болмайды, себебі аналогты сигналды жоғары шуының әсерінен цифрлық сығу коэффициенті шектеулі болады. Сондықтан, мысалы бүгінгі таңда ең кең тараған цифрлық сығу стандарты — MPEG – тек жеке бейнесигналдар үшін  өңделген және негізінде алдын-ала аналогты сығу мүмкіндігінсіз толық түстік аналогтық сигналдарды цифрлық сигналдарға ауыстырады.

Жалпы жағдайда мәліметтер сығу немесе цифрлық ағындарды қысқарту деген атаулармен белгілі цифрлық сығу аналогты сығуға қарағанда пайдалану өте жоғарғы технологиялардың әдісімен аз шығындармен максималды аудиовизуалды  нәтижелер алынуы болып табылған. Дыбысты және бейнені цифрлық кодтауда жиілік жолағының енін немесе ағынды айтарлықтай азайтып көрермендерге жеткізуге болады. Компьютерлік технологиялардың дамуымен сығудың белгілі әдістері арзандап, ал жаңа әдістері қолданысқа көптеп ендіріліп келеді. Цифрлық тарату және бейне бағыттары талап бойынша сығуды қолданусыз жүргізу мүмкін емес, ал сызықты емес монтаж жүйесі сығусыз пайдасыз болар еді.

Қазіргі таңда бейнеөндіріс және көрерменге көріністі жеткізу негіздері қайта қарастырылуда. Сонымен қатар айнымалылар динамикасы қазіргі аналогты дәуірге қарағанда цифрлық дәуірде анағұрлым жоғары.  Мысалға, бүгін кадр форматы 4:3 біртіндеп 16:9 форматымен, жоларалық жаймалау прогрессивті жаймалаумен ығыстырылып жатыр, ал кодтау стандарттарының өзгерісі бейненің сапасын жоғарлатады. Қазіргі экономикада бейнеақпараттың сығу қажеттілігін көрсетіп отыр. Дегенмен кез-келген сығу визуализация сапасын төмендетеді, бұл қажеттілік болғандықтан сығылады.

Бейнеақпаратты сығу тек цифрлық технологиялардың келуімен қолданыла бастаған жоқ. Алдыңғы уақытта сығу тек аналогты болса, ал бүгінгі таңда оны толығымен цифрлы түрге айналдыру керек.

Қазіргі кезде вейвлет түрлендіру бейнені өңдеу және кодтау мәселелерінде, әр түрлі табиғат көріністерінде, беттік кристалдарды және нанообъектілердің қасиеттерін зерттеудегі көріністі тануда және көптеген басқа да жағдайларда кең қолданылады. Алайда, тізбекті жүзеге асу кезінде вейвлет-талдау алгоритмі қажетті жылдамдыққа ие болмай отыр, бұл өз кезегінде олардың деректерді нақты уақытта өңдеуде қолданылуын қиындатады. Демек, әдістің негізгі кемшілігі бейнені сығу кезінде есептеу ресурстарын және уақытты көп қажет етеді. Бұл мәселені шешудің негізгі жолы алгоритмдерді параллельдеу болып табылады. Ал бейнелерді бірнеше бөліктерге бөліп, параллельді түрде вейвлет түрлендіруін сол бөліктерге қолдану, уақыт пен ресурстарды үнемді пайдаланудың бірден бір жолы.

Соңғы кезде видео деректерді сығудың алгоритмдері үлкен  қолданыста болып жүр,  осымен  байланысты алгоритмдердің саны  өсіп келеді және сығудың осы немесе басқа алгоритмін таңдау туралы сұрақтар жиі туындайды. Видео деректерді  сығудың   әдістерін үш типке бөлуге болады: Jpeg- осы тәрізді , wavelet - ұқсас және  фрактальды. Сығудың  фрактальды әдістері алгоритмнің қиындығына байланысты кең таралмаған.  Jpeg тобынан –алгоритмдері  ұқсас екі жиі қолданылатын  алгоритмді  таңдаған :  МJpeg (Mоtiоn Jpeg) және  Mpeg4. Сығудың  wavelet- ұқсас  әдісін зерттеу үшін  wavelet - алгоритм  (wavelet, вейвлет – үлкен емес) бойынша Бейне ағынның кадрларын ретімен сығуды орындайтын  wavelet-кодекті таңдап алған. Берілген  дипломда  кеңінен таралған  сығу алгоритмдеріне қысқаша сипаттама берілген және осы алгоритмдерді  өзара салыстыру  жүргізілген. Олардың тиімділігіне баға берілген.        

Қорта келе айтарымыз бейнелерді сығуда заманауи соның ішіне вейвлеттік идеялардың маңызы зор болып отыр. Осыған орай бейнені сығу алгоритмдерінің тиімділігін арттыру барысында параллельді есептеуді қолданудың бұл мәселені шешуде басты жол екенін атап өтейік. Бұл бізге ресурстарды үнемді пайдалануға, сығу процестерін жылдамдатуға мүмкіндік береді. Сол себепті де бейнелерді сығуда параллельді есептеуді қолдану кеңінен орын алып отыр.

 

Пайдаланылған әдебиеттер:

 

 

1 Уэлстид С. Фракталы и вейвлеты для сжатия изображений в действии. – Москва, 2003 ж. 

2 Дьяконов В.П. Вейвлеты. От теории к практике. Москва, 2002 г.

3 Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. СПб., 1999 ж.

4 Акжалова А.Ж. Параллельные вычисления (учебное пособие). Алматы, 2004 ж.

5 Немнюгин С.А., Стесик О.Л. Параллельное программирование для высоко-производительных многопроцессорных систем. СПб., 2002 ж.

6. www.parallel.ru 

7 Современные    телекоммуникации  /     Под   общей    редакцией   С.А. Довгого, - М.: Эко – Трендз, 2003 ж.

8 Смирнов А.В. Основы цифрового телевидения: Оқу құралы. – М.: «Горячая линия - Телеком», 2001. – 224 б.

9 Ибрагим,  К.Ф.     Телевизионные   приемники:   ағылш.   ауд.  /     К.Ф. Ибрагим. – М.: Мир, 2000 ж.

10 Артюшенко В.,Цифровое сжатие видеоинформации и звука,изд. Дашков и К, 2003 ж.

11 В. М. Артюшенко, О. И. Шелухин, М. Ю. Афонин, Цифровое сжатие видеоинформации и звука, изд. Дашков и Ко, 2004 ж.

12 Ефимов С. Н,Цифровая обработка видеоинформации, изд. Сайнс-Пресс, 2007 ж.

13 Р. Гонсалес, Р. Вудс, Цифровая обработка изображений, изд. Техносфера, 2006 ж.

14 Д. Ватолин, А. Ратушняк, М. Смирнов, В. Юкин, Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео, изд. Диалог-МИФИ, 2003 ж.

15 С. Уэлстид, Фракталы и вейвлеты для сжатия изображений в действии, изд. Триумф, 2003 ж.

16 Дж. Миано, Форматы и алгоритмы сжатия изображений в действии, изд. Триумф, 2003 ж.

17 Б. Яне, Цифровая обработка изображений, изд. Техносфера, 2007 ж.

18 В. А. Сойфер, Методы компьютерной обработки изображений, изд. ФИЗМАТЛИТ, 2003 ж.

19  С. Лавров, Программирование. Математические основы, средства, теория, изд. БХВ-Петербург, 2001 ж.

20 Джулиан Бакнелл, Фундаментальные алгоритмы и структуры данных в Delphi, изд. ДиаСофтЮП, 2003 ж.