Lossy (կորուստով) սեղմում

Lossy(կորուստով) սեղմման ալգորիթմները տեխնիկաներ են, որոնք նվազեցնում են ֆայլի չափը՝ հրաժարվելով պակաս կարևոր տեղեկատվությունից։

Ոչ ոք չի սիրում տեղեկատվություն կորցնել, բայց որոշ տեսակի ֆայլեր այնքան մեծ են, որ պարզապես բավականաչափ տարածք չկա բոլոր տվյալները պահելու համար, բացի այդ, մենք ի սկզբանե այդ բոլոր տվյալների կարիքը չունեինք: Դա հաճախ է պատահում լուսանկարների, տեսանյութերի և աուդիո ձայնագրությունների դեպքում. ֆայլեր, որոնք փորձում են պատկերել այն աշխարհի գեղեցիկ բարդությունը, որտեղ մենք ապրում ենք:

Համակարգիչները կարող են անհավատալի քանակությամբ դետալներ ֆիքսել լուսանկարում, բայց իրականում որքա՞ն կարող են մարդիկ ընկալել այդ մանրամասները: Ինչպես պարզվում է, շատ մանրամասներ կան, որոնք մենք կարող ենք հեռացնել: Lossy սեղմման ալգորիթմները մանրուքները մարդկանցից աննկատ հեռացնելու խելացի եղանակների մասին են:

Օրինակ, ահա գլխարկով կատվի լուսանկարը.

Ահա այդ նույն լուսանկարը, բայց կիսով չափ սեղմված:

Կարո՞ղ ես տարբերել: Մի արագ հայացքով ես չեմ կարող, և նույնիսկ եթե կարողանայի ավելի շատ ջանքեր գործադրել, այնուամենայնիվ արժե' խնայել սկավառակի տարածության կեսը:

Եկեք ուսումնասիրենք որոշ խելացի եղանակներ, որոնցով lossy սեղմման ալգորիթմները ֆայլի չափը նվազեցնելու համար հեռացնում են մանրամասները:

Մարդու աչքը ավելի լավ է ընկալում պայծառության տարբերությունը, քան գույնի տարբերությունը: Սեղմման ալգորիթմը կարող է օգտվել այդ փաստից՝ պահպանելով պայծառությունը,միաժամանակ նվազեցնելով գունային տեղեկատվության քանակը․ մի գործընթաց, որը հայտնի է որպես գույնի ենթանմուշառում(chroma subsampling):

Եկեք փորձենք այն գլխարկով կատվի լուսանկարում: Առաջին քայլը պայծառության տեղեկատվությունը գույնից առանձնացնելն է:

Ահա լուսանկարի անգույն տարբերակը.

Ահա միայն գունային տարբերակը.

Այս լուսանկարը հետաքրքիր է, քանի որ կատուն և աթոռը երկուսն էլ բավականին անգույն են. գլխարկի կապույտն այն է, ինչ առանձնանում է գունավոր տարբերակում: (Գուցե մենք բոլորս պետք է ունենանք սև և սպիտակ կատուներ, որպեսզի խնայենք սկավառակի տարածությունը: Հմմ ...)

Եկեք ձախ աչքից խոշորացնենք մինչև գույների 8x2 բլոկ.

Այդ պիքսելներից յուրաքանչյուրը մի փոքր տարբեր գունային արժեքներ են, ուստի ընդհանուր առմամբ կա 16 արժեք: Մենք կարող ենք միջինացնել յուրաքանչյուր 2x2 բլոկ և սահմանել դրա միջին գույնը, որպեսզի ընդհանուր առմամբ լինի ընդամենը 4 արժեք.

Արդյունքը բավականին նման է բնօրինակին, բայց այն ունի բնօրինակ գույնի տեղեկատվության քարորդ մասը: Եթե ​​մենք դա կիրառենք ամբողջ պատկերի վրա, մենք կարող ենք, առանց ընկալման վրա շատ ազդելու, մեծ տարածք խնայել:

Գույնի Ենթանմուշառումը (chroma subsampling) մի գործընթաց է, որն օգտագործվում է բազմաթիվ սեղմման ալգորիթմներում, որոնք վերաբերում են պատկերներին, ներառյալ հայտնի ֆայլերի JPEG և MPEG ձևաչափերը:

Այդ ալգորիթմները նաև օգտագործում են գործընթաց, որը կոչվում է դիսկրետ կոսինուսի փոխակերպում (DCT)՝ պայծառության շերտի մանրամասները պարզեցնելու համար: Եթե ​​ցանկանում ես ավելին իմանալ, ահա հետաքրքիր հոդված.

Մարդու ականջը լսողության կարողության սահմանափակումներ ունի: Աուդիո սեղմման ալգորիթմները կարող են վերլուծել աուդիո ֆայլը և հեռացնել այն ձայները, որոնք դուրս են մեր լսողության կարողությունից, մի գործընթաց, որը հայտնի է որպես ընկալվող ձայնային կոդավորում:

Մեր ականջների մի հետաքրքիր սահմանափակում հայտնի է որպես ժամանակավոր դիմակավորում: Դա այն է, երբ հանկարծակի ձայնը կարող է որոշ ժամանակով քողարկել (թաքցնել) դրանից հետո կամ նույնիսկ մի փոքր առաջ ի հայտ եկած այլ հնչյուններ:

Օրինակ, պատկերացրեք մի երգ թմբուկի բարձր հարվածով: Բիթ դիմակները հնչում են մոտ 20 միլիվայրկյան առաջ, մինչև այն տեղի ունենա, և մինչև 200 միլիվայրկյան հետո: Այս գրաֆիկը ցույց է տալիս քողարկումը.

Համակարգիչը տեսնում է այդ թաքնված ձայները ձայնագրված աուդիո ֆայլում, բայց մեր ականջները չեն կարող լսել դրանք, ուստի աուդիո սեղմման ալգորիթմները կարող են ապահով կերպով հրաժարվել այդ տեղեկատվությունից կամ ներկայացնել այն ավելի քիչ բիթերով:

Սեղմման ալգորիթմները կարող են նաև օգտագործել մեր բնական լսողական գործընթացի այլ սահմանափակումներ, ինչպիսիք են բարձր հաճախականության սահմանը և միաժամանակյա քողարկումը: Եթե ​​ցանկանում եք ավելին իմանալ, կարող եք ուսումնասիրել հոգեակուստիկայի հետաքրքրաշարժ ոլորտը:

Երբ մենք օգտագործում ենք lossless սեղմման ալգորիթմներ, մենք միշտ կարող ենք վերարտադրել սկզբնական տվյալների 100%-ը: Կորուստային սեղմման ալգորիթմների դեպքում մենք կորցնում ենք սկզբնական տվյալների որոշ տոկոսը. գուցե 5%, գուցե 10%, գուցե 70%: Որքա՞ն ենք մենք կորցնում: Մենք կարող ենք դա որոշել՝ հիմնվելով տվյալների օգտագործման մեր դեպքի վրա:

Դիտարկենք գլխարկով կատվի ավելի վաղ լուսանկարը: Եթե ​​պլանավորվում է տեղադրել այդ լուսանկարը կատուների նորաձեւության մասին ներկայացման մեջ և ցուցադրել այն մեծ էկրանի վրա, ապա մենք, հավանաբար, ցանկանում ենք հնարավորինս շատ մանրամասներ պահպանել: Այդ դեպքում մենք կարող ենք կամ օգտագործել lossless սեղմման ալգորիթմ (ինչպես PNG), կամ կարող ենք օգտագործել lossy սեղմման ալգորիթմ (ինչպես JPEG) և նշել բարձր որակ (օրինակ 100%)։ Լուսանկարների խմբագրման հավելվածները հաճախ տալիս են այդ տարբերակները:

100% որակի դեպքում 400x300 լուսանկարը զբաղեցնում է 169 ԿԲ տարածք.

Ի՞նչ անել, եթե մենք ցանկանում ենք օգտագործել այդ լուսանկարը վեբկայքում, և կայքի մեր թիրախային օգտվողները գտնվում են այլ երկրում և ունեն ցածր թողունակությամբ միացում: Որքան փոքր է ֆայլը, այնքան ավելի արագ է ներբեռնումը: Մենք ցանկանում ենք, որ նրանք տեսնեն լուսանկարը, բայց այս օգտագործման դեպքում բարձր որակն այնքան կարևոր չէ, որքան ներբեռնման արագությունը: Մենք անպայման կցանկանանք օգտագործել lossy սեղմման ալգորիթմ և արտահանելիս կարող ենք նշել ավելի ցածր որակ: Ալգորիթմը մանրամասներն էլ ավելի պարզեցնելու համար կարող է փոքրացնել իր ներքին թվերը:

60% որակի դեպքում լուսանկարը զբաղեցնում է 48 ԿԲ:

Դա դեռ բավականին լավ տեսք ունի. միանշանակ օգտագործելի է ցածր թողունակությամբ վեբկայքի համար: Որքա՞ն կարող ենք փոքրացնել։ Ահա 1% որակով լուսանկարը.

Դա միանշանակ կատարյալ չէ. աչքերի կանաչը կարծես քսվում է մորթիին, և գլխարկից աթոռին անցումը սահուն չէ: Բայց դա ընդամենը 12 ԿԲ է՝ սկզբնական չափի տասներորդից պակաս: Տպավորիչ է, թե որքան տեղեկատվություն կարող ենք կորցնել, բայց դեռ շատ մանրամասներ փոխանցել:

Մենք կարող ենք նաև նշել lossy սեղմման ալգորիթմների որակը , որոնք փոխակերպում են աուդիո և վիդեո ֆայլերը: Դուք հավանաբար տեսել եք ցածրորակ, սեղմված տեսանյութեր համացանցում; Տեսանյութերն ամենից հաճախն են սեղմվում, քանի որ դրանք սկզբից բավական մեծ են:

Ամեն անգամ, երբ մենք օգտագործում ենք lossy սեղմում, մենք միշտ ընտրություն ենք կատարում որակի և չափի միջև, և մենք պետք է գտնենք այն կարգավորումները, որոնք լավագույնս հարմար են մեր օգտագործմանը:

🙋🏽🙋🏻‍♀️🙋🏿‍♂️Ունե՞ք հարցեր այս թեմայի վերաբերյալ: Սիրով կպատասխանենք, պարզապես հարցրեք ստորև ներկայացված հարցերի համար նախատեսված մասում: