Меню

Коэффициент сжатия по сравнению с bmp как найти



Коэффициент сжатия по сравнению с bmp как найти

Напоследок несколько замечаний относительно разницы в терминологии, путаницы при сравнении рейтингов алгоритмов и т.п.

Посмотрите на краткий перечень форматов, достаточно часто используемых на PC, Apple и UNIX платформах : ADEX , Alpha Microsystems BMP, Autologic, AVHRR, Binary Information File (BIF), Calcomp CCRF, CALS, Core IDC, Cubicomp PictureMaker, Dr. Halo CUT, Encapsulated PostScript, ER Mapper Raster, Erdas LAN/GIS, First Publisher ART, GEM VDI Image File, GIF, GOES, Hitachi Raster Format, PCL, RTL, HP-48sx Graphic Object (GROB), HSI JPEG, HSI Raw, IFF/ILBM, Img Software Set, Jovian VI, JPEG/JFIF, Lumena CEL, Macintosh PICT/PICT2, MacPaint, MTV Ray Tracer Format, OS/2 Bitmap, PCPAINT/Pictor Page Format, PCX, PDS, Portable BitMap (PBM), QDV, QRT Raw, RIX, Scodl, Silicon Graphics Image, SPOT Image, Stork, Sun Icon, Sun Raster, Targa, TIFF, Utah Raster Toolkit Format, VITec, Vivid Format, s Bitmap, WordPerfect Graphic File, XBM, XPM, XWD.

В оглавлении вы можете видеть список алгоритмов компрессии. Единственным совпадением оказывается JPEG, а это, согласитесь, не повод, чтобы повсеместно использовать слова “формат” и “алгоритм компрессии” как синонимы (что, увы, я постоянно наблюдаю).

Между этими двумя множествами нет взаимно однозначного соответствия. Так, различные модификации алгоритма RLE реализованы в огромном количестве форматов. В том числе в TIFF, BMP, PCX. И, если в определенном формате какой-либо файл занимает много места, это не означает, что плох соответствующий алгоритм компрессии. Это означат, зачастую лишь то, что реализация алгоритма, использованная в этом формате, дает для данного изображения плохие результаты. Не более того. (См. примеры в приложении.)

В то же время многие современные форматы поддерживают запись с использованием нескольких алгоритмов архивации либо без использования архивации. Например, формат TIFF 6.0 может сохранять изображения с использованием алгоритмов RLE-PackBits, RLE-CCITT, LZW, Хаффмана с фиксированной таблицей, JPEG, а может сохранять изображение без архивации. Аналогично форматы BMP и TGA позволяют сохранять файлы как с использованием алгоритма компрессии RLE (разных модификаций!), так и без использования оной. Вывод 1: Для многих форматов, говоря о размере файлов, необходимо указывать, использовался ли алгоритм компрессии и если использовался, то какой. Можно пополнить перечень ситуаций некорректного сравнения алгоритмов. При сохранении абсолютно черного изображения в формате 1000х1000х256 цветов в формате BMP без компрессии мы получаем, как и положено, файл размером чуть более 1000000 байт, а при сохранении с компрессией RLE, можно получить файл размером 64 байта. Это был бы превосходный результат — сжатие в 15 000 раз(!), если бы к нему имела отношение компрессия. Дело в том, что данный файл в 64 байта состоит только из заголовка изображения, в котором указаны все его данные. Несмотря на то, что такая короткая запись изображения стала возможна именно благодаря особенности реализации RLE в BMP, еще раз подчеркну, что в данном случае алгоритм компрессии даже не применялся. И то, что для абсолютно черного изображения 4000х4000х256 мы получаем коэффициент компрессии 250 тысяч раз, совсем не повод для продолжительных эмоций по поводу эффективности RLE. Кстати — данный результат возможен лишь при определенном положении цветов в палитре и далеко не на всех программах, которые умеют записывать BMP с архивацией RLE (однако все стандартные средства, в т.ч. средства системы s, читают такой сжатый файл нормально).

Всегда полезно помнить, что на размер файла оказывают существенное влияние большое количество параметров (вариант реализации алгоритма, параметры алгоритма (как внутренние, так и задаваемые пользователем), порядок цветов в палитре и многое другое). Например, для абсолютно черного изображения 1000х1000х256 градаций серого в формате JPEG с помощью одной программы при различных параметрах всегда получался файл примерно в 7 килобайт. В то же время, меняя опции в другой программе, я получил файлы размером от 4 до 68 Кб (всего-то на порядок разницы). При этом декомпрессированное изображение для всех файлов было одинаковым — абсолютно черный квадрат (яркость 0 для всех точек изображения).

Дело в том, что даже для простых форматов одно и то же изображение в одном и том же формате с использованием одного и того же алгоритма архивации можно записать в файл несколькими корректными способами. Для сложных форматов и алгоритмов архивации возникают ситуации, когда многие программы сохраняют изображения разными способами. Такая ситуация, например, сложилась с форматом TIFF (в силу его большой гибкости). Долгое время по-разному сохраняли изображения в формат JPEG, поскольку соответствующая группа ISO (Международной Организации по Стандартизации) подготовила только стандарт алгоритма, но не стандарт формата. Сделано так было для того, чтобы не вызывать “войны форматов”. Абсолютно противоположное положение сейчас с фрактальной компрессией, поскольку есть стандарт “де-факто” на сохранение фрактальных коэффициентов в файл (стандарт формата), но алгоритм их нахождения (быстрого нахождения!) является технологической тайной создателей программ-компрессоров. В результате для вполне стандартной программы-декомпрессора могут быть подготовлены файлы с коэффициентами, существенно различающиеся как по размеру, так и по качеству получающегося изображения.

Приведенные примеры показывают, что встречаются ситуации, когда алгоритмы записи изображения в файл в различных программах различаются. Однако гораздо чаще причиной разницы файлов являются разные параметры алгоритма. Как уже говорилось, многие алгоритмы позволяют в известных пределах менять свои параметры, но не все программы позволяют это делать пользователю. Вывод 2: Если вы не умеете пользоваться программами архивации или пользуетесь программами, в которых “для простоты использования” убрано управление параметрами алгоритмане удивляйтесь, почему для отличного алгоритма компрессии в результате получаются большие файлы.

Литература

Литература по алгоритмам сжатия [1] G.K.Wallace “The JPEG still picture compression standard” // Communication of ACM. Volume 34. Number 4 April 1991.

[2] B.Smith, L.Rowe “Algorithm for manipulating compressed images.” // Computer Graphics and applications. September 1993.

[3] A.Jacquin “Fractal image coding based on a theory of iterated contractive image transformations” // Visual Comm. and Image Processing, vol. SPIE-1360, 1990.

[4] Y.Fisher “Fractal image compression” // SigGraph-92.

[5] “Progressive Bi-level Image Compression, Revision 4.1” // ISO/IEC JTC1/SC2/WG9, CD 11544, September 16, 1991.

[6] W.B.Pennebaker J.L. Mitchell, G.G. Langdon, R.B. Arps, “An overview of the basic principles of the Q-coder adaptive binary arithmetic coder” // IBM Journal of research and development, Vol.32, No.6, November 1988, pp. 771-726.

[7] D.A.Huffman “A method for the construction of minimum redundancy codes.” // Proc. of IRE val.40 1962 pp. 1098-1101.

[8] Standardisation of Group 3 Facsimile apparatus for document transmission. CCITT Recommendations. Fascicle VII.2. T.4. 1980.

[9] С.В.Яблонский “Введение в дискретную математику”. // М. “Наука”, 1986. Раздел “Теория кодирования”.

[10] А.С.Климов “Форматы графических файлов”. // С.-Петербург, Изд. “ДиаСофт” 1995.

[11] Д.С.Ватолин “Сжатие статических изображений” // Открытые системы сегодня. Номер 8 (29) Апрель 1995

[12] Д.С.Ватолин “MPEG — стандарт ISO на видео в системах мультимедиа” // Открытые системы. Номер 2. Лето 1995

[13] Д.С.Ватолин “Применение фракталов в машинной графике” // ComputerWorld-Россия. Номер 15. 12 декабря 1995

[14] Д.С.Ватолин “Тенденции развития алгоритмов архивации графики” // Открытые системы. Номер 4. Зима 1995

[15] Д.С.Ватолин “Фрактальное сжатие изображений” // ComputerWorld-Россия. Номер 6 (23). 20 февраля 1996

[16] Д.С.Ватолин “Использование графики в WWW” // ComputerWorld-Россия. Номер 15 (32). 23 апреля 1996 Литература по форматам изображений [17] А.С.Климов “Форматы графических файлов” // НИПФ “ДиаСофт Лтд”, 1995.

[18] В.Ю.Романов “Популярные форматы файлов для хранения графических изображений на IBM PC” // Москва “Унитех”, 1992

[19] Том Сван “Форматы файлов s” // М. “Бином”, 1995

[20] E.Hamilton “JPEG File Interchange Format” // Version 1.2. September 1, 1992, San Jose CA: C-Cube Microsystems, Inc.

[21] Aldus Corporation Developer’s Desk. “TIFF — Revision 6.0, Final”, June 3, 1992

Источник

Коэффициент сжатия по сравнению с bmp как найти

4.9.2 Сжатие с потерями

При использовании алгоритмов сжатия с потерями, как правило, коэффициент сжатия, следовательно, степень потерь качества можно задавать. При этом достигается компромисс между размером и качеством изображений.

Одна из серьезных проблем машинной графики заключается в том, что до сих пор не найден адекватный критерий оценки потерь качества изображения. А теряется оно постоянно − при оцифровке, при переводе в ограниченную палитру цветов, при переводе в другую систему цветопредставления для печати, и, что для нас особенно важно, при сжатии с потерями. При правильном применении алгоритмов сжатия с потерями мы не отличим исходное изображение от сжатого , при этом значительно уменьшим размер файла.

Сжатие с потерями лучше всего работает с теми изображениями, на которых нет повторяющихся узоров или больших областей однотонной закраски. В растровом рисунке, который содержит множество слегка отличающихся друг от друга пикселов (например, 100 немного отличающихся оттенков голубого цвета неба), большие области могут заполняться пикселами одного цвета или пиксельным узором, имитирующим вид исходной области.

В настоящее время создано несколько алгоритмов сжатия с потерями, самым известным из которых является JPEG.

Человеческий глаз более восприимчив к изменениям яркости, нежели цвета, поэтому для разных каналов изображения применяются различные степени сжатия − информация теряется, но визуально это не заметно. Чувствительность глаза к мелким элементам изображения невелика, что позволяет без ущерба для качества их удалить.

Название алгоритма компрессии − аббревиатура от Joint Photographic Expert Group, инициативной группы, образованной из экспертов ITU (International Telecommunication Union) и ISO (International Organization for Standartization). Именно поэтому в ее названии присутствует приставка Joint. В 1992 г. JPEG был объявлен международным стандартом в области графических изображений.

При компрессии методом JPEG качество теряется всегда. При этом всегда есть выбор: отдать предпочтение качеству в ущерб объему (размер файла сожмется приблизительно в три раза) или же наоборот, добиться минимального размера изображения, при котором оно еще останется узнаваемым (степень компрессии может достигать 100). Сжатие, при котором различие в качестве между получающимся изображением и оригиналом еще остается незаметным, дает 10-20-кратное сокращение размера файла.

Строго говоря, JPEG не формат, а алгоритм сжатия, в основе которого лежит не поиск одинаковых элементов, как в случае RLE и LZW, а поиск разницы между пикселами.

Кодирование данных с помощью используемого в JPEG алгоритма сжатия осуществляется в несколько этапов.

1. Первый этап заключается в конвертировании цветовой модели изображения (обычно RGB) в модель, где яркостная и цветовая составляющие разнесены (например, Lab), что позволяет оптимально подойти к выбору степеней компрессии для каждого канала (с учетом особенностей восприятия глазом). Мы уже говорили о том, что глаз более чувствителен к информации о яркости, так что имеет смысл ее отделить и обращаться дальше аккуратно. На цветности же можно сэкономить. Это преобразование вносит первые искажения из-за округления значений, однако эти искажения незначительны.

2. На следующем этапе происходит префильтрация, при которой соседние пиксели отдельно в каждом из каналов a и b группируются попарно в горизонтальном и вертикальном направлениях, а яркостный канал L оставляется без изменений. После этого вся группа пикселов получает усредненное значение. В результате отбрасывается половина или три четверти информации о цвете (в зависимости от реализации алгоритма).

3. Полученная информация, прошедшая стадию первичной «очистки», отдельно в каждом канале снова группируется в блоки, но уже размером 8×8, после чего для них применяется основное сжатие − дискретное косинусное преобразование, для краткости − DCT (discrete cosine transform). В результате информация о распределении яркости пикселов преобразуется в другой вид, где она описывается распределением, основанным на частоте появления той или иной яркости пикселов. DCT имеет ряд преимуществ перед другими преобразованиями (например, перед преобразованием Фурье), обеспечивая лучшее восстановление информации.

Вместо массива из 64 значений (8×8 пикселов) для каждого блока, из которых состоит изображение, мы получаем массив из 64 частот. Основная цель преобразования − выяснить общую картину распределения крупных и мелких объектов, что пригодится потом, при устранении малозначимой информации. Упрощённо: низкочастотная составляющая определяет общий цвет блока, высокочастотные − изменениия цвета внутри блока.

4. Следующий этап − квантование (quantization). На этом этапе в зависимости от выбранного нами уровня качества, отбрасывается некоторая часть чисел, характеризующих тонкие детали.

Все составляющие делятся на различные коэффициенты, определяющие значимость каждой из них для качественного восстановления исходного изображения, и результат округляется до целого значения. Именно эта процедура вносит наибольшие потери качества, снижая конечный объем изображения. Высокочастотные составляющие квантуются грубо, а низкочастотные − точнее, поскольку наиболее заметны. Дабы несколько сгладить понижение качества, в канале яркости используются меньшие коэффициенты деления, чем в каналах цветности. Но чаще (это делается для ускорения расчетов) вместо специально подобранных значений берется всего одно − то, которое вводит пользователь при выборе степени компрессии.

В результате квантования получается набор составляющих, по которым исходное изображение восстанавливается с заданной точностью.

Рис. 4.24. Результат восстановления черно-белого квадрата соответственно одной, четырьмя и пятнадцатью составляющими

5. После выполнения основной работы по сжатию изображения дальнейшие преобразования сводятся к второстепенным задачам: оставшиеся составляющие собираются в последовательность таким образом, чтобы сначала располагались отвечающие за крупные детали, а потом − за все более мелкие. Если посмотреть на рисунок, то движение кодировщика похоже на зигзагообразную линию. Этап так и называется − ZigZag (рис. 4.25).

Затем получившаяся последовательность сжимается: сначала обычным RLE, затем методом Хаффмана.

6. И наконец, чисто техническая стадия − данные заключаются в оболочку, снабжаются заголовком, в котором указываются все параметры компрессии с тем, чтобы изображение можно было восстановить. Впрочем, иногда в заголовки не включают эту информацию, что дает дополнительный выигрыш в компрессии, однако в этом случае нужно быть уверенным, что приложение, которое будет читать файл, о них знает.

Восстановление данных происходит в обратном порядке. Таким образом, чем выше уровень компрессии, тем больше данных отбрасывается и тем ниже качество. Используя JPEG, можно получить файл в 1-500 раз меньше, чем BMP. Этот формат аппаратно независим, полностью поддерживается и PC и Macintosh, однако он относительно новый и не понимается старыми программами (до 1995 г.). JPEG не поддерживает индексированные палитры цветов. Первоначально в спецификациях формата не было поддержки цветовой модели CMYK и только в последние годы фирмой Adobe добавлена поддержка цветоделения.

Итак, достоинства JPEG очевидны: малый размер файла при приемлемых потерях качества, аппаратная независимость. А недостатки? Они также очевидны исходя из всего сказанного выше. Это

1. Невозможность достичь высоких степеней сжатия за счет ограничения на размер блока (только 8×8).

2. Блочность структуры на высоких степенях компрессии.

3. Закругление острых углов и размывание тонких элементов в изображении.

При сохранении графических изображений в формате JPEG следует учитывать следующее.

• JPEG лучше подходит для сжатия растровых картинок фотографического качества, чем для логотипов или схем. Это связано с тем, что в них больше полутоновых переходов, в то время как при сжатии однотонных заливок появляются нежелательные помехи.

• Лучше сжимаются (и с меньшими потерями) большие изображения для web и изображения с высоким разрешением для печати (200-300 dpi и более), так как в каждом квадрате (8×8 пикселов) переходы получаются более мягкими за счет большего числа квадратов в таких файлах.

• Нежелательно сохранять в JPEG-формате любые изображения, в которых важны тонкие нюансы цветопередачи (репродукции), так как во время сжатия происходит отбрасывание цветовой информации.

• Этот формат следует использовать только для сохранения конечного варианта работы, потому что каждое последующее сохранение приводит к новым потерям (отбрасыванию) данных.

Источник

Исследование алгоритма сжатия программой WinRAR

Автор работы: Пользователь скрыл имя, 23 Апреля 2014 в 21:11, курсовая работа

Краткое описание

Проблемой на данный момент является обилие изображений, картинок, фотографий. Очень много графических данных. И объем занимаемой памяти тоже велик, а нам хотелось бы, чтобы качество фотографий было как можно выше, а объем занимаемой памяти был как можно меньше.

Содержание

Введение……………………………………………………………………………. 3
1. Исследование свойств форматов сжатия графических данных……………4
1.1. Ход работы исследования свойств форматов сжатия графических данных…………………………………………………………………………. 4
1.2. Сбор данных по исследованию свойств форматов сжатия графических данных 6
1.3. Анализ и выводы по исследованию свойств форматов сжатия графических данных 9
2. Исследование алгоритма сжатия программой WinRAR 10
2.1. Ход работы исследования свойств алгоритма сжатия программой WinRAR 10
2.2. Сбор данных по исследованию алгоритма сжатия программой WinRAR ………………………………………………………………………………..11
2.3. Анализ и выводы по исследованию свойств форматов сжатия графических данных 14
Заключение 15
Список используемых источников 16
Приложение 17

Вложенные файлы: 1 файл

Исследовательская работа.docx

МИНИСТЕРСВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Государственное бюджетное образовательное учреждение

высшего профессионального образования

Санкт-Петербургский государственный университет технологии и дизайна

СЕВЕРО-ЗАПАДНЫЙ ИНСТИТУТ ПЕЧАТИ

Факультет: Издательского дела, журналистики и рекламы

Специальность: 031600.62 «Реклама и связи с общественностью»

Форма обучения: дневная

Кафедра: Реклама

ИССЛЕДОВАТЕЛЬСКАЯ РАБОТА

Дисциплина: «Компьютерные технологии и информатика»

Выполнила:

Студентка группы _______РКД1 ______Бойцова Екатерина Владимировна

Руководитель : ___________________КПМ Пигичка Юрий Любомирович

Дата защиты работы________________________ __

Оценка________________________ _____________

Санкт-Петербург

2012г

Введение………………………………………………………… …………………. 3

  1. Исследование свойств форматов сжатия графических данных……………4

ВВЕДЕНИЕ

Проблемой на данный момент является обилие изображений, картинок, фотографий. Очень много графических данных. И объем занимаемой памяти тоже велик, а нам хотелось бы, чтобы качество фотографий было как можно выше, а объем занимаемой памяти был как можно меньше.

Как хранение, так и передача информации обычно составляют вполне значимые затраты как для корпоративных, так и для индивидуальных пользователей. Поэтому регулярно возникает необходимость сжимать данные перед тем, как размещать их в архивах или передавать по каналам связи.

Представленная исследовательская работа посвящена анализу свойств форматов сжатия графических данных и алгоритму сжатия программой WinRAR.

Заявленная цель предполагает решение следующих задач:

  1. провести эксперименты с различными форматами сжатия графических данных;
  2. научиться обосновывать выбор формата файла (BMP, JPG, GIF);
  3. проанализировать все возможные форматы сжатия;
  4. научиться обосновывать выбор о наиболее эффективном методе сжатия.

1. ИССЛЕДОВАНИЕ СВОЙСТВ ФОРМАТОВ СЖАТИЯ ГРАФИЧЕСКИХ ДАННЫХ

1.1. Ход работы исследования свойств форматов сжатия графических данных

  • Создать папку «Для экспериментов»;
  • Скопировать исследуемый файл в папку «Для экспериментов»;
  • Определить теоретический размер файла с помощью формулы (1):

-ширина рисунка в точках;

-высота рисунка в точках.

  • Пересохранить исследуемый файл в 24-разрядный формат BMP;
  • Пересохранить файл 24-разрядный формат BMP в формат JPG;
  • Пересохранить файл 24-разрядный формат BMP в формат GIF;
  • Определить размер каждого из полученных файлов;
  • Определить коэффициент сжатия полученных файлов с помощью формулы (2):

-исходный объем файла;

-результирующий объем файла.

  • Внести полученные данные в Таблицу 1;
  • Создать новый файл с теоретическим размером равным предыдущему исследуемому файлу;
  • С помощью графического редактора, используя не более 4 цветов, создаем файл;
  • Сохранить созданный файл в 24-разрядный формат BMP;
  • Пересохранить файл 24-разрядный формат BMP в формат JPG;
  • Пересохранить файл 24-разрядный формат BMP в формат GIF;
  • Определить размер каждого из полученных файлов;
  • Определить коэффициент сжатия полученных файлов с помощью формулы:

-исходный объем файла, -результирующий объем файла;

  • Внести полученные данные в Таблицу 2.

1.2. Сбор данных по исследованию свойств форматов сжатия графических данных

Для исследования возьмем файл «20» (Приложение 1) в формате bmp и преобразуем его последовательно в файлы с расширением gif и jpeg.

После копирования исследуемого файла в папку «Для экспериментов» определяем его теоретический размер по заданной формуле

-ширина рисунка в точках,

-высота рисунка в точках;

Таким образом получаем:

Отсюда следует, что теоретический размер файла равен 419850 пикселей. Для получения размера файла переводим его теоретический размер из байт в Кб.

Определив результирующий размер каждого из полученных файлов,

получаем объем файла в формате 24-разрядный BMP равен 410 Кб, в формате JPG равен 52,1 Кб, в формате GIF равен 69,3 Кб, при этом объем исследуемого файла равен 410Кб.

Определяем коэффициент сжатия полученных файлов с помощью формулы

-исходный объем файла, -результирующий объем файла;

Для формата 24-разрядный BMP получаем:

Для формата JPG получаем:

Для формата GIF получаем:

Вносим полученные данные в Таблицу 1

Таблица 1

Создаем новый файл «Лягушка» (Приложение 2) с теоретическим размером равным предыдущему исследуемому файлу (419850 пикселей).

Для получения размера файла переводим его теоретический размер из байт в Кб, получаем 410 Кб.

Определив результирующий размер каждого из полученных файлов,

получаем объем файла в формате 24-разрядный BMP равен 410 Кб , в формате JPG равен 14 Кб , в формате GIF равен 35,1 Кб.

Определяем коэффициент сжатия полученных файлов с помощью формулы

-исходный объем файла, -результирующий объем файла;

Для формата 24-разрядный BMP получаем:

Для формата JPG получаем:

Для формата GIF получаем:

Вносим полученные данные в Таблицу 2

Таблица 2

1.3. Анализ и выводы по исследованию свойств форматов сжатия графических данных

  • Какой формат графических данных из рассмотренных наилучшим образом подходит для передачи цветного фотографического материала по электронным сетям?
  • Какой формат графических данных наиболее благоприятен для передачи рисунков, имеющих малое количество цветов?
  • Какой формат графических данных целесообразнее использовать для передачи черно-белого графического материала по электронным сетям?
  • Какой формат графических данных не годится для передачи информации по каналам электронных сетей, но предназначен для хранения изображений и их дальнейшей обработки?

Исследуемые картинки «20» и «лягушка» в формате bmp, с разрешением 450 х 311 занимают 410 Кб, качество отличное, но объем занимаемой памяти высок. Данный формат не годится для передачи информации в электронных сетях, но предназначен для хранения изображений и их дальнейшей обработки.

В формате gif, эти же изображение с тем же разрешением занимают 69,3 Кб и 49,6Кб. Качество ухудшилось. Объем занимаемой памяти намного меньше, по сравнению с форматом bmp. Данный формат подходит для передачи рисунков с малым количеством цветов по электронным сетям.

В формате jpeg, изображения с тем же разрешением занимают 52,1 Кб и 84,2 Кб. Качество не изменилось (оно такое же, как и в формате bmp), а из этого следует, что этот формат наилучшим образом подходит для передачи цветного и черно-белого фотографического материала по электронным сетям.

2. Исследование алгоритма сжатия программой WinRAR

2.1. Ход работы исследования свойств алгоритма сжатия программой WinRAR

  • Создать папку «Для экспериментов»;
  • Скопировать в папку «Для экспериментов» информацию объемом 40-50 Мб;
  • Внести в Таблицу 3 исходный размер папки;
  • С помощью архиватора WinRAR создать архивы, используя различные методы сжатия папки;
  • Узнать результирующий размер файла и внести в Таблицу 3;
  • Засечь время архивации папки для каждого метода сжатия и внести полученные данные в Таблицу 3;
  • Определить коэффициент сжатия полученных файлов с помощью формулы:

-исходный объем файла;

-результирующий объем файла.

  • Внести полученные данные коэффициента сжатия в Таблицу 3;
  • Определить эффективность метода сжатия файлов с помощью формулы (3):

— коэффициент сжатия методом «Без сжатия»;

— коэффициент сжатия другими методами, — время сжатия методом «Без сжатия», -время сжатия другими методами.

  • Сделать вывод о наиболее эффективном методе сжатия по критерию соотношения коэффициента сжатия и времени расхода на операцию.

2.2. Сбор данных по исследованию алгоритма сжатия программой WinRAR

Создаем папку «Для экспериментов» и копируем в нее информацию объемом 44,4 Мб.

Внести данные об объеме папки в Таблицу 3

С помощью архиватора WinRAR создаем архивы, используя поочередно различные методы сжатия папки, фиксируя время сжатия для различных методов в Таблицу 3.

Определить коэффициент сжатия полученных файлов с помощью формулы:

-исходный объем файла;

-результирующий объем файла.

Получаем для метода «Без сжатия»

для метода «Скоростной», «Быстрый» и «Обычный»

для методов «Хороший», «Максимальный»

Вносим полученные данные в Таблицу 3

Определяем эффективность метода сжатия файлов с помощью формулы

— коэффициент сжатия методом «Без сжатия»;

— коэффициент сжатия другими методами, — время сжатия методом «Без сжатия», -время сжатия другими методами.

Получаем для метода «Без сжатия»

для метода «Быстрый»

для метода «Обычный»

для метода «Хороший»,

для метода «Максимальный»

Исходный размер в Мб

Результирующий размер в Мб

2.3. Анализ и выводы по исследованию свойств форматов сжатия графических данных

Исходя из полученных данных таблицы можно сделать вывод, что наиболее эффективным методом сжатия по критерию соотношения Ксж и времени расхода на операцию является режим сжатия «Хороший» поскольку его эффективность составляет 0,3, что больше всех остальных, коэффициент сжатия 105, он самый большой в таблице а размер 42,4 Мб наименьший.

Вторым по своей эффективности является «Скоростной» режим сжатия, так как здесь эффективность метода составляет 0,4, но при этом Ксж и размер немного больше.

В результате проведенной исследовательской работы пришли к следующим выводам:

    1. размер файла можно изменять в сторону уменьшения, при этом иметь достаточно хорошее качество изображения, в нашем случае, на фотографии;
    2. формат JPG подходит для хранения картинок, т.к. занимает мало памяти, но при этом качество теряется. Наиболее распространенный формат в области компьютерной графики;
    3. формат BMP содержит информацию о каждом пикселе, что приводит к большим размерам. Качество отличное. Предназначен для хранения изображений и их дальнейшей обработки.
    4. формат GIF для хранения картинок очень плох, т.к. качество изображения теряется и занимает много памяти. Используется в основном для нефотографических изображений в сети.

Поставленные цели достигнуты. Задачи решены.

Список используемых источников:

    1. Информатика : учебник / Б. В. Соболь [и др.]. — 3-е изд., перераб. и доп. — Ростов на/Д : Феникс, 2007. — 446 [1] с. — (Высшее образование);
    2. Романова, Ю. Д. Информатики и информационные технологии: конспект лекций : учебное пособие / Ю. Д. Романова, И. Г. Лесничная — 2-е изд., перераб. и доп. — М. : Эксмо, 2009. — 320 с. — (Учебный курс: кратко и доступно);
    3. Симонович, С. В. Информатика. Базовый курс : учебник для вузов / под ред. С. В. Симоновича — 2-е изд. — СПб : Питер, 2005. — 640 с : ил.

Источник

Читайте также:  Лунная кора по сравнению с земной

Сравнить или измерить © 2021
Внимание! Информация, опубликованная на сайте, носит исключительно ознакомительный характер и не является рекомендацией к применению.