DIFUSION MULTIMEDIA QUIJADA 1



COMPRESIÓN DE IMÁGENES UTILIZANDO LA TRANSFORMADA WAVELET

ING. RODOLFO QUIJADA
Caracas-Venezuela
E-mail: rodolfoquijada@hotmail.com

RESUMEN

Las imágenes requieren recursos substanciales del almacenaje y la transmisión, así la compresión de la imagen es ventajosa para reducir estos requisitos. Este informe cubre un ciertos aspectos del análisis de wavelets, compresión de datos y cómo laséstas se pueden utilizar para la compresión de la imagen. Una investigación en el proceso y los problemas implicados con la compresión de la imagen fue hecha y los resultados de esta investigación se discuten. Su utilizó las herramientas de Matlab y se encontró que el nivel local de umbral tuvo una influencia extremadamente mejor en los resultados de la compresión que las estrategias queconsideran el nivel de umbral general.

ABSTRACT

Images require substantial storage and transmission resources, thus image compression is advantageous to reduce these requirements. The report covers some background of wavelet analysis, data compression and how wavelets can be used for image compression. An investigation into the process and problems involved with image compression was made and theresults of this investigation are discussed. We used the wavelets matlab tool kits and It was discovered that local thresholding was had an extremely better influence of compression results over the general thresholding strategies



INTRODUCCIÓN

A menudo las señales que deseamos procesar están en el dominio del tiempo, pero para procesarlas más fácilmente se requiere otro tipo información, talcomo el plano de la frecuencia. Transformaciones matemáticas traducen la información de señales en diversas representaciones. Por ejemplo, la transformada de Fourier convierte una señal entre el tiempo y el dominio de la frecuencia, tales que las frecuencias de una señal pueden ser observadas. Sin embargo la transformada de Fourier no puede proporcionar la información en la cuales ciertasfrecuencias ocurren en momentos de tiempo específico de la señal, ya que frecuencia y tiempo son vistos independientemente. Para solucionar este problema se trabaja con la Short Term Fourier transform (STFT), la cual introdujo la idea de las ventanas a través de las cuales diversas partes de una señal se observan. Para una ventana dada en tiempo las frecuencias respectivas puede ser observadas ymediadas. Sin embargo el Principio De la Incertidumbre De Heisenburg.s establece así que como la resolución de la señal mejora en el dominio de tiempo, mediante el enfoque de zoom en diferentes secciones, la resolución en la frecuencia desmejora. Idealmente, un método de multiresolución es necesario, y permite que ciertas partes de la señal sean analizadas bien en el dominio del tiempo, yotras partes también puedan ser igualmente bien analizadas en el plano de frecuencia. La capacidad y la magia del análisis de wavelet es exactamente esta multiresolución.
.Las imágenes contienen grandes cantidades de información que requiera mucho espacio de almacenamiento, ancho de banda considerable y tiempos largos de la transmisión. Por lo tanto es ventajoso comprimir la imagenalmacenando solamente la información esencial necesaria para reconstruir la imagen. Una imagen se puede pensar en como matriz de los valores del píxel (o intensidad). Para comprimir la imagen, las redundancias se deben explotar, por ejemplo, áreas donde hay poco o nada de cambio entre los valores del píxel. Por lo tanto imágenes que tienen grandes las áreas del color uniforme tendrán redundanciasgrandes, e inversamente imágenes que tengan cierta frecuencia y cambios grandes en color serán menos redundantes y más “duras” de comprimir.
Las técnicas de transformadas tienen por objetivo descorrelacionar los píxeles de la imagen al proyectarla sobre otro dominio a partir de un conjunto de funciones de base. La idea general es que en el dominio transformado la mayor parte de la información...