## Rozsah látky ## Seznam [oficiálních](http://www.mff.cuni.cz/studium/bcmgr/ok/i3b52.htm) státnicových otázek: :: Výstupní grafická zařízení, plošné útvary - jejich reprezentace a množinové operace s nimi, kreslicí a ořezávací algoritmy v rovině, anti-aliasing, barevné vidění a barevné systémy, reprodukce barevné grafiky, rozptylování a půltónování, kompozice poloprůhledných obrázků, geometrické deformace rastrových obrázků, morphing, základní principy komprese rastrové 2D grafiky, skalární a vektorové kvantování, prediktivní komprese, transformační kompresní metody, hierarchické a progresivní metody, waveletové transformace a jejich celočíselné implementace, kódování koeficientů, komprese videosignálu, časová predikce - kompenzace pohybu, standardy JPEG a MPEG, snímání obrazu v digitální fotografii. ## Výstupní grafická zařízení ## * podľa trvanlivosti zobrazenia * zobrazovacie zariadenie (display, projector) * tiskové zariadenia (tiskárna, plotter, osvitová jednotka) * podle barevných schopností * Č/B zobrazenie (2 barvy) * monochromaticke zobrazení (256 odstínů šedi) * Barevná paleta (pevná nebo nahrávaná: 16-1024) * plná barevnost ("true-color" - maximální barevné využití zobrazovací technologie: 16.7 mil. i více) * rastrový/vektorový výstup * rastrový * jsou přímo adresovány jednotlivé pixely * data jsou závislá na rozlišení (a nelze je jednoduše škálovat) * vektorový * zobrazují se přímo složitější objekty (čáry, křivky, písmo) * data nejsou závislá na rozlišení (lze je škálovat až v zobrazovacom zařízení) * podla technologie výstupu: * vektorový výstup (staré displeje, plotter, některé osvitové je dnotky) * rastrový výstup (displje, tiskárny) * podle komunikace: * vektorové zařízení (urychlované video-adaptéry, plottery, PostScript) * rastrové zařízení (bežné video-adaptéry, tiskárny v grafickém režimu) ## Plošné útvary - jejich reprezentace a množinové operace s nimi ## ## Kreslicí a ořezávací algoritmy v rovině ## ### Kreslení ### #### Kreslení čar #### * Kreslení čáry - DDA algoritmus (celočíselní) * vyhoda - snadná implementace * nevýhody - nutno počítat s velkou přesností (real, fixed point), jedno dělení, v cyklu zaokrouhlování input: x_1, x_2, y_1, y_2, color : integer 1. $x=x_1, y=y_1$ 2. $dx=1; dy=\frac{y_2 - y_1}{x_2, x_1}$ *(předpokládáme |y_2 - y_1| < |x2-x1|)* 3. while (x<=x_2) $x_{n+1}=x_n+dx, y_{n+1}=y_n+dy$; PutPixel(x, round(y), color); * Kreslení čáry - Bresenhamův algoritmus * vyhody - rychlost, iba nasobenie a ščítaní, dá se implementovat bez if-ů * Kreslení kružnica - Bresenhamův algoritmus * kreslí se jen $\frac{1}{8}$ kružnice (tj. while y>x) - zbytek se řeší symetrií #### Odvození Bresenhamových algoritmů #### * Rozkreslení pixelů, jejich polovin * Určení základních vztahů pro dané tvary * Úsečka - $E'=E-\frac{dy}{dx}<=M=\frac{1}{2}$ * Kružnice - $F(M)=M_x^2+M_y^2-R^2 > 0 $ * Elipsa - kreslí se po čtvrtinách, pozor, od chvíle, kdy dy=dx se posouvá v každém kroku y a ne x!!! * $ F(M)=b^2M_x^2+a^2M_y^2-a^2b^2 > 0 $ * Odstranění zlomků, odvození inkrementů(resp. dekrementů) #### Vyplňování n-úhelníka #### * Seznam hran, dy, dxy (změna x při změně y o 1) * Hrany orientované shora dolů, setříděné podle y, x, dxy * Udržuje se seznam aktivních hran při vyplňování * Zjednodušeně se vyplňují jen liché body #### Vyplňování souvislé oblasti #### Více druhů: * Hraniční * Stejné barvy (záplavové) * 4-souvislé, 8-souvislé Lépe využít frontu než zásobník - menší spotřeba paměti. Řádkový algoritmus #### Kreslení písma #### Písmo zadáno dvěma různými způsoby: * Vektorově * Pomocí úseček, oblouků, kružnic,... * Snadné neprofesionální škálování * Při kreslení je nutno resterizovat * Rastrově * Zadáno v bitmapě * Snadné vykreslení pomocí BitBlt Při vykreslování vhodné využití vzoru Flyweight. (Vektorové písmeno se převede jen jednou pro danou velikost, nechá se uloženo v cache) ### Ořezávání ### Ořezávání úseček - Cohen-Sutherland: * spočítá kódy pro koncové body úsečky (y>ymax, yxmax, x mimo obraz, * OR je nula -> oba uprostřed, * jinak řezám podle kódů ořezávání: Cyrus-Beck * Okno je konvexní n-úhelník * řežeme přímku P(t) = A +t * (B-A) * každá hrana okna má normálu, která směřuje ven. * tmin = 0; tmax=1 * dokud tmin < tmax, opakuj pro každou hraniční přímku * Pokud N dot (B-A) = 0, je úsečka rovnoběžná s hraniční přímkou, rozhodni na které straně * Jinak spočítat průsečík úsečky s přímkou a upravit tmin nebo tmax Ling-Barsky * efektivní úrava Cyrus-Beck pro obdélníkové okno Ořezávání n-úhelníků: * Pokud chceme jen hrany, stačí řezat jednotlivé úsečky * Pokud chceme vybravovat, musíme oříznout speciálně Proudové ořezávání (Sutherland-Hodgman): * Ořezává podle jedné hranice obdélníkového okna, pro zbylé hranice se souřadnice otáčejí o 90 stupnu * alg si pamatuje poslední 2 vrcholy (Last a Actual) a v závislosti na tom, na které straně hranice jsou vydává nové vrcholy n-úhelníka: * L i A jsou uvnitř -> Output(A) * L uvnitř, A venku -> Output(průsečík s hranicí) * L i A venku -> nic * L venku, A uvnitř -> Output(průsečík s hranicí), Output(A) ## Anti-aliasing ## ### Alias ### Alias vzniká při rekonstrukci vzorkovaného singálu. Jedná se o dodatečnou (nežádanou) nízkofrekvenční informaci, která vzniká ve dvou případech: 1. Pokud je původní funkce frekvenčně neomezená - neexistuje maximální frekvence. => při diskrétním zobrazení spojité funkce nikdy nedostaneme přesnou reprezentaci. 2. Pokud je původní funkce frekvenčně omezená, tj. pokud existuje v jejím Fourierovském spektru maximální frekvence fmax. Pokud se taková funkce vzorkuje s frekvencí menší než tzv. Nyquistův limit -> fnyq = 2*fmax, vzniká alias. Typický příklad - vykreslování šachovnice. ### Antialiasing ### Problém aliasu se typicky řeší zvýšením prostorového rozlišení na úkor barevného - použitím více odstínů té samé barvy. Pixely i kreslené útvary jsou plošné objekty => pixely rozsvítím s intenzitou úměrnou jejich pokrytí. Provádí se pomocí supersamplingu - převzorkováním na vyšší rozlišení a následným průměrováním hodnot. Nevýhodou je ztráta informace u vysokofrekvenčních částí - ostré hrany se rozmažou. Vyhlazování pomocí integrace - obraz. fce f(x,y), vyhlazovací filtr h(x,y): Intenzita pixelu i,j je $ I(i,j) = \int\limits_{-\infty}^{\infty}\int\limits_{-\infty}^{\infty} f(x,y) h(x-i, y-j)\, dx dy $ Většinou se stačí omezit na obdélníkový filtr jednotkového čtverce $ I(i,j) = \int\limits_{i}^{i+1}\int\limits_{j}^{j+1} f(x,y)\, dx dy $ Integrál lze buď spočítat analyticky nebo odhadnout numericky z několika vzorků: $ I(i,j) = \frac{\displaystyle \sum_{k} f(x_k,y_k) h (x_k,y_k)}{\displaystyle \sum_{k} h(x_k,y_k)} $ . Poznámka: Tady by IMO mělo být h(x_k-i, y_k-j), ve slajdech je tohle. * Pravidelné vzorkování - jen přenese problém o řád dál * Stochastické vzorkování - problém se řeší umělým přidáním šumu * Poison disc * Jittering (roztřesení) * N-věží Adaptivní zjemňování: vzorkujeme podle důležistosti, nejprve několik vzorků a pokud je mezi nimi přiliš veliký rozdíl, zjemni vzrokování v dané podoblasti. ## Barevné vidění a barevné systémy, reprodukce barevné grafiky ## ### Barevné vidění ### oko - rohovka, duhovka, panenka, čočka, sklivec, sítnice. Žlutá skvrna Tyčinky - intenzita světla - vnímání kontrastů, vidění za šera, v oku cca 120e6 Čípky - tři typy (r, g, b) - vnímání barev, soustředěny ve žluté skvrně, v oku cca 8e6 ### Barevné systémy ### * RGB * CMY(K) = 1 - RGB * HSV (barvy na šestibokém jehlanu), HLS (barvy na dvou kuželech) * převod není prosté zobrazení, používá se algoritmus. viz Pelikánovy slidy * $YC_bC_r$ - používán při kódování JPEG * $Y = 0.3*R + 0.6*G + 0.1*B$ * $C_b = 0.56*(B-Y)$ * $C_r = 0.71*(R-Y)$ * různé barevné palety s různými počty barev #### Konstrukce adaptované palety #### Paleta se může adaptovat pro daný obrázek (např. v GIFu). Metody: * shora dolů * množinu použitých barev dělím tak dlouho, dokud nedostanu požadovaný počet * zdola nahoru * sdružuji příbuzné barvy * metoda shlukové analýzy * využívá se histogram * Heckbertova metoda * opět histogram * dělí se nejdelší vážená hrana kvádru v místě těžiště ### Reprodukce barevné grafiky ### Pokud někdo tušíte, co spadá pod tuhle otázku, prosím doplňte. Slajdy Pelikána [Zobrazování barev](http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/pg1-11-colorreproduction.pdf) ## Rozptylování a půltónování ## Napodobení vjemu neexistujících barevných odstínů pro dané zařízení. Zvyšuji barevné rozlišení na úkor prostorového. * Rozptylování * zobrazuje se bez zvětšení rozlišení (1:1) * Půltónování * zobrazuje se se zvětšeným rastrovým rozlišením (1:N) Typické příklady: * černobílé tiskárny * displaye s malou paletou barev * obrázky s omezenou paletou ### Půltónování ### Jeden zdrojový pixel (rozsah hodnot 0-$N^2$) nakreslím jako čtverec NxN * Inkrementální rastry * odstín hodnoty k obsahuje právě k černých teček * lze uložit do matice * Pravidelný rastr * Tečkový rastr * Nutno předcházet pravidelnosti a aliasu - rastry se často otáčejí ### Rozptylování ### * Maticové rozptylování * libovolná půltónovací matice * nejčastěji matice pravidelného rastru * několik sousedních pixelů sdílí jednu matici * ztráta drobných detailů * zvýraznění vedlejších odstínů * Náhodné rozptylování * pro lidské oko mnohem přirozenější * černobílé obrázky příliš zašumělé - lepší výsledky u více výstupních odstínů * Distribuce chyby * zaokrouhlím hodnotu pixelu na nejbližší zobrazitelnou * rozdíl distribuuji mezi sousední pixely * různé způsoby distribuce * je třeba pomocný buffer * výhody * příjemné pro oko * dobrá kvalita * nevýhody * nutnost kreslit po řádkách * nemožnost vrátit ze zpátky * pomalé ## Kompozice poloprůhledných obrázků ## Slajdy: [Kompozice rastrových obrázků](http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/pg1-08-alpha.pdf) Druhy kompozice: * montáž * prolínání * syntéza Alfa: procentuální pokrytí pixelu barvou (0-prhledné, 1-neprůhledné) Skládání dvou pixelů: Mám pixel $\[A, \alpha_A]$ a $\[B, \alpha_B]$. V realitě se mohou různě překrývat, ale mám pouze číslo alfa. Model pokrytí pixelu, kde je pixel pokryt barvou A s s rovnoměrně rozloženou pstí alfa_A. Nezáleží tak na skutečném tvaru a vyhovuje ve většině případů. Překrývání dvou pixelů v realitě má 4 oblastí: * Oblast bez A i bez B * Oblast pouze s A * Oblast pouze s B * Oblast s A i B V závislosti na způsobu překryvu je 12 možností, jak je zkombinovat * Clear - nepoužijenic, F_A i F_B jsou 0 * A - pouze A, F_A=1, F_B=0 * B - pouze B, F_A=0, F_B=1 * A přes B, F_A=1, F_B=1-alpha_A * B přes A, F_A=1-alpha_B, F_B=1 * A v B, F_A=alpha_B, F_B=0 * B v A, F_A=0, F_B=alpha_A * A mimo B * B mimo A * A na povrchu B * B na porvrchu A * A xor B F_A a F_B je kolik procent plochy, která by měla mít barvu A/B se má použít při směsi (ne poměr na vělikost pixelu, ale na plochu A/B pixelu). Čtveřice RGBa se ukládají jako $\[R\alpha, G\alpha, B\alpha, \alpha]$, při zpětném převodu se barvy jen vydělí alfa kanálem. Dva pixely se slučují jako $\[F_A R_A + F_B R_B; F_A G_A + F_B G_B; F_A B_A + F_B B_B; F_A \alpha_A + F_B \alpha_B]$. Další operace: * darken(A, $\rho$) $\[R\rho, G\rho, B\rho, \alpha]$ * fade(A, $\delta$) $\[R\delta, G\delta, B\delta, \alpha\delta]$ * opaque(A, $\omega$) $\[R, G, , \alpha\omega]$ ## Geometrické deformace rastrových obrázků ## Slajdy: [Deformace rastrových obrázků](http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/2d-03-warping.pdf) a [Konkrétní metody deformace obrazu](http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/2d-04-warps.pdf). Účely deformace: * mapování textur při 3D zobrazování, např. mapování na oblá tělesa * oprava geom. zkreslení, např. letecké snímky * speciální efekty ### Geometrická transformace ### Máme obrazovou funkci $f(x,y) -> R^n$ mapující polohu v rovině na atributy (barva, průhlednost...). Obrazová fci typicky nemáme, máme pouze diskrétní rastrový obraz I digitalizovaný pomocí filtru d: $I_f(i,j) = \int\int f(x,y) d(x-i, y-j) dx dy$. Fce d je způsob, jak třeba pixelové čidlo v kameře snímá světlo, které na něj dopadá. Zrekonstruovaný obraz: $f^r(x,y) = \sum\limits_{i=0}^{m-1}\sum\limits_{j=0}^{n-1} I_f(i,j) . r(i-x, j-y)$. Chceme, aby se $f^r$ co nejvíce podobala původní $f$. Geometrická transformace je fce $g: R^2 -> R^2$, která vytvoří novou obraz. fci $f'$, pro kterou platí $f(x,y) = f'(g(x,y))$, resp. $f'(x,y)=f(g^-1(x,y))$. Transformace s interpolací (zpětná): předpokládá, že vzorky jsou brány dirac. impulsem, pro každý pixel v cíli transformuje pomocí $g^-1$ do zdrojových souřadnic a tam interpoluje (bilin/bicub). Transformace s filtrací (dopředná): odpovídá představě plošného pixelu, digitalizační filtr s nenulovou plochou. Zdrojové pixely se přenášejí do výsledného obrázku (není potřeba $g^-1$). Vícekrokové transformace: místo jedné 2D transformace se použije více 1D transformací, transformují se pouze řádky/sloupce. Je to rychlejší, ale možnost ztráty přesnosti mezivýsledku. ### Deformace ### Zadávání deformační fce: * explicitní analytická fce, např. mapování na kouli * funkce zadávané po částech, typicky uživatelem, změny mají jen lokální charackter Deformace v trojúhelníkové síti: Máme síť trojúhelníků a její vrcholy měníme -> topologie zůstává stejná. Barycentrické souřadnice bodu X v trojúhelníku $X = A x_a + B x_b + C x_c; x_a, x_b, x_c > 0; x_a + x_b +x_c = 1$ (bod v trojúhelníku je A + alfa * (B-A) + beta * (C-A); alfa + beta = 1 a > 0). Algoritmus: procházím cílový obrázek řádkovým rozkladem, uvnitř každého trojůhelníku se souřadnice mění lineárně -> diferenční alg. Problémy: nespojitosti 1 řádu ( čára přes 2 trojůhelníky nezůstává čárou, nespojitá 1 derivace). Aproximace vyšších řádů: * kvadratická / kubická - spojité první nebo druhé derivace * troj/čtyřpúhelníková topologie (je potřeba znát i okolní buňky) * inverzní zobrazení obtížné Feature-based warping: * Lokální zadávání deformační fce - uživat. příjemné, není potřeba zadávat nepokryté oblasti * Do zdroj. a cíl. obrázku se umisťují páry orientovaných úseček * Pokud 1 šipka, afinní tranformace, pokud více, radiální tranformace ## Morphing ## Slajdy [Morphing](http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/2d-05-morphing.pdf) Metamorfóza obrázku, transformace mezi dvěma obrázku (obrys pes->kočka), geom. deformace obrázku případně změna obrazové fce z jednoho na jiný obrázek. Morphing je **postupný**, máme počátek (čas t=0) a konec (čas t=1), ale je potřeba nějak interpolovat deformační fci $g$ a obrazovou fci $f$. Obrazová fce v čase $t$ je snadná $f_t(x,y) = (1-t)*f_0(x,y) + t * f_1(g(x,y))$, u deformační máme pouze okrajové podmínky $g_0(x,y)=\[x,y]$ a $g_1 = g(x,y)$. Interpolace deformační fce jsou různé: * deformace zadáné sítí - interpolují se jednotlivé body sítě * deformace zadané soustavou šipek - lin. interpolace šipek * deformace mnohoúhelníků v rovině - přechodová fce minimalizující vynaloženou práci ### Metamorfóza mnohoúhelníků ### Pokud mají mnohoúhelníky stejný počet vrcholů, lze použít lin. interpolaci vrcholů, případně lin. interpolaci úhlů vrcholů + délky hran. Dále exituje model založený na minimalizaci deformační práce, založené na modelu drátu (natahovací/ohýbací práce). ## Základní principy komprese rastrové 2D grafiky ## [Kódování rastrových obrázku](http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/pg1-19-imagecoding.pdf) a [kompresní metody první generace](http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/2d-09-still1g.pdf) Komprese snižuje množství dat: * odtraňuje redundantní data * odstraňuje informace nedůležité pro lidské oko Schéma komprese: kodér obrazu (2D/3D) -> kanálový kodér (1D) -> kanálový dekodér -> dekodér obrazu Důležité parametry komprese: * kompresní poměr * kvalita * složitost implementace * zpoždění Další parametry: * specifikovaná kvalita * variabilita kompresního poměru * citlivost k chybám přenosu * progresivní kódování * snadná HW implementace Kanálové kódování/kódování entropie: LZW, RLE, Huffman, max 10:1 na obrázek Komprese obrazu (kódování 2D/3D dat, fyziologie vidění):až 100:1 na obrázek Typy kompresních algoritmů: * Založené na datovém modelování, např. lin. predikce * Bezeztrátové založené na průběhu fce, např. huffman * Ztrátové založené na průběhu fce, např. delta modulace, wavelety ### Komprese dat ### * Máme kódovanou abecedu $S = {x_1, x_2,...x_n}$ * pst. výskytu symbolu $x_i$ je $p_i$ * kód symbolu $x_i$ má délku $d_i$ * zpráva (kódovaný řetězec) $X = x_{i_1}, x_{i_2},...x_{i_k}$ * entropie (informační hodnota) symbolu $x_i$ je $E_i=- \log_2 p_i$ bitů * průměrná entropie **symbolu** je $AE = \sum\limits_{i=1}^{n} p_i E_i$ bitů * entropie zprávy je $E(X) = \sum\limits_{j=0}^{k} p_{i_j} E_{i_j} = - \sum\limits_{j=0}^{k} p_{i_j} log_2 p_{i_j}$ bitů * délka zprávy $L(X) = \sum\limits_{j=1}^k d_{i_j}$ bitů * redundance zprávy $R(X)=L(X) - E(X)$ bitů * Výběrová střední kvadratická odchylka $RMS^2 = \frac{1}{NM} \sum \sum (u_{i,j} - u'_{i,j})^2$ (původním obrazem vs rekonstrukce) * Peak Signal to Noise ratio $PSNR = 10 log_{10} \frac{P^2}{RMS^2} dB$, kde P^2 je interval hodnot originálu, např 255^2 ## Skalární a vektorové kvantování ## [Slajdy](http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/2d-09-still1g.pdf) **Pulzní kódová modulace** Přenos analogového signálu digitálním kanálem, signál se vzorkuje v čase a kvatizuje a pak kóduje (moduluje) Kvantování: vezmu spojitý signál a přiřadím mu přihrádku. Mám rozhodovací hodnoty $t_i$ a rekonstrukční hodnoty $r_i$. Pokud $t mezi je potřeba ji nějak zakódovat ### Adaptivní transformační metody ### Blok je předem analyzován a podle jeho charakeristik se používají různé * transformační funkce * kvantovače * přenášené oblasti ### Hybridní metody ### Kombinuje transformační a hyrbidní metody, pro každý blok se použije transfomace a jednotlivé prvky se přenášejí prediktivně, případně se vynechají. Přenášené koeficienty je potřeba sjednotit do 1 proudy dat. ### Interpolační metody ### Přenáší se pouze některé pixely a zbylé se dopočítají. ## Hierarchické a progresivní metody ## [Slajdy JPEG.1](http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/2d-11-jpeg1.pdf) ### Progresivní kódování ### Několik průchodů s postupným zlepšováním obrazu. Obraz je kódován v několika průchodech, postupně se zlepšuje jeho kvalita (vnhodné pro net, přenos lze zrušit). Je potřeba buffer pro celý obrázek. Dvě metody: * spektrální výběr - v každém průchodu se přenese jen několik koeficientů, od nejdůležitějších k méně důležitým. Každý koeficient se přenáší celý. * postupná aproximace - přenášejí se všechny koeficinety, postupně se zpřesňují. Např. nejdříve se přenáší od most significant bit po least significant bit. ### Hierarchické kódování ### Je k dispozici několik různých rozlišení obrazu, které lze samostatně dekódovat * Pyramidální kódování - Obraz je postupně přenášen v několika různých rozlišeních. Nižší rozlišení lze použít jako predikci pro vyšší rozlišení, kódují se pouze rozdíly. Jednotlivá rozlišení mohou být kódována různým způsobem. * Mipmapy pro textury - textura o rozměru NxN je uložena ve čtverci 2N*2N, 1/4 paměti je použita pro nižší rozlišení ## Waveletové transformace a jejich celočíselné implementace ## [Jak funguje JPEG 2000](http://faculty.gvsu.edu/aboufade/web/wavelets/student_work/EF/how-works.html) [Pelikan Wavelet Lifting](http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/2d-16-wavelets.pdf) ## Kódování koeficientů ## Zónální a prahové kódování koeficientů. Progresivní kódování: * spektrální výběr - v každém průchodu se přenese jen několik koeficientů, od nejdůležitějších k méně důležitým. Každý koeficient se přenáší celý. * postupná aproximace - přenášejí se všechny koeficinety, postupně se zpřesňují. Např. nejdříve se přenáší od most significant bit po least significant bit. VLI - Variable length integer. Přenáším počet bitů přenášené hodnoty a její hodnotu dle: * 1 bit -1, 1 * 2 bit -3..-2 2..3 * 3 bity -7..-4 4..7 * 4 bity -15..-8 8..15 ## Komprese videosignálu, časová predikce – kompenzace pohybu ## [wen:Motion compensation](wen:Motion%20compensation), [wen:Video compression](wen:Video%20compression) ## Standardy JPEG a MPEG ## [MPEG-1](http://en.wikipedia.org/wiki/MPEG-1); [MPEG-2](http://en.wikipedia.org/wiki/MPEG-2); [MPEG-3](http://en.wikipedia.org/wiki/MPEG-3); [MPEG-4](http://en.wikipedia.org/wiki/MPEG-4); [Chroma subsampling](http://en.wikipedia.org/wiki/Chroma_subsampling) [Macroblock](http://en.wikipedia.org/wiki/Macroblock) [Pelikán - JPEG1](http://http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/2d-11-jpeg1.pdf) [- Pelikán MPEG](http://http://cgg.mff.cuni.cz/%7Epepca/lectures/pdf/2d-13-mpeg.pdf) ### JPEG ### * DCT bloky 8x8 * kvantování - fyziologicky optimalizované tabulky * kódování - huffman/artimetický kodek DCT - před transformací posun z $0..2^p - 1$ do $-2^{p-1} .. 2^{p-1} -1$ Spočítané DCT koeficienty se kvantují, přesnost koeficientů závisí na jejich důležitosti pro vizuální vjem. Používají se lineární kvantovače, hodnota DCT koeficientu se vydělí hodnotou v kvantovací tabulce. Kódování kvnatovaných koeficientů: F(0,0) je odlišný, používá se predikce z minulých bloků, přenáší se jen rozdíl. Zbylé koeficienty jsou zig-zag uspořádány, pak RLE a zakódovány pomocí VLI. Výsledek se zakóduje pomocí huffmana nebo artimentického kódéru. Bezeztrátová varianta JPEG založena na prediktivním kodéru (DCT není vhodné). K dispozici 7 různých prediktorů 1D/2D. Chyby predikce reprezentovány pomocí VLI a huffman. JPEG může mít až 255 složek, jednotlivé složky mohou mít různé rozlišení. Progresivní režim: spektrání/postupná aproximace Hierarchický režim: Postupně se přenáší obrázek ve stále lepším rozlišení. Pouze chyba je přenášena. ### MPEG ### * Kompenzace pohybu, makrobloky 16x16 * Různé vzrokovací schémata, barvevné složky se mohou přenášev v různé časové/prostorové kvalitě * Základ je DCT 8x8 Typy snímků: * I (intra), nezávisí na ostatních snímcích, v podstatně JPEg snímky * P (predicted), predikovaný, kompenzace pohybu z minulého I/P snímku * B (bidirectional predicted), kompenzace pohybu z minulého a budoucího I/P snímku Délka mezi I snímky se nazývá Group Of Pictures, obvykle 15-18 Makroblok: Oblast 16x16, používá motion vectors k predikci pohybu. V závislosti na typou snímku může makroblok používat různé typy predikce: * Intra - nic, makroblok nezávisí na ostatních snímcích * forward - kompenzace z minulého I/P snímku * backward - kompenzace z budoucího I/P snímku * interpolated - použijí se dva motion vektory, jeden pro minulý a jeden pro budoucí snímek. Výsledek se zprůměruje. Kvantování DCT koeficientů: * každý snímek může mít definovat dvě kvantovací tabulky, jedna pro Y a druhá pro chrome * možná adaptace na úrovni makrobloku pro přesnost AC koeficientů ## Snímání obrazu v digitální fotografii ## ## Materiály ## * [Počítačová grafika I](Počítačová%20grafika%20I) – stránka předmětu * [Pokročilá 2D počítačová grafika](Pokročilá%202D%20počítačová%20grafika) – stránka předmětu * [Speciální funkce a transformace ve zpracování obrazu](Speciální%20funkce%20a%20transformace%20ve%20zpracování%20obrazu) – stránka předmětu {{Stub}} [Category: Státnice Informatika Mgr.](Category:%20Státnice%20Informatika%20Mgr.)