Chapitre III Résultats et Discussion

III.1. Introduction
La compression d'image est l'application de la compression de données des images
numériques. En effet, l'objectif est de réduire la redondance des données d'image afin de
pouvoir stocker ou transmettre des données sous une forme efficace [1]. Les techniques de
compression d'images numériques peuvent être divisés en deux classes : sans perte et de
compression avec perte. Actuellement les deux classes de la compression de données sont
appliquées dans différentes domaines. L'objectif principal de ce mémoire est de compresser
quelques images par deux algorithmes déférents qui sont : - l’algorithme de Huffman (sans
perte) et – L’algorithme JPEG (avec perte) et puis on va comparer entre les résultats de
chaque Algorithme.

III.2. Méthode de compression par codage de Huffman

Dans cette partie on va représenter l’algorithme de compression par la méthode de Huffman et
aussi le résultat de compression sur trois images de testes.
III.2.1. L’algorithme de Huffman
La compression sans perte est basée sur les statistiques des données
 Mots de code courts pour les symboles probables
 Mots de code longs pour les symboles peu probables
Etape 1 : Lire l'image sur l'espace de travail MATLAB

Etape 2 : Appel d'une fonction qui trouvera les symboles (C’est-à-dire la valeur de
pixels qui ne se répète pas).

Etape3 : Appeler une fonction qui calcule la probabilité de chaque symbole.

Etape4 : Probabilité de symboles sont disposés dans l'ordre décroissant et des

probabilités plus faibles sont fusionnés. Cette étape est poursuivie jusqu'à ce que deux
probabilités restent et les mots de code sont attribués selon cette règle

Etape4 : De plus le codage de Huffman est effectué c’est-à-dire cartographie les

codes en les symboles correspondant se traduira par des données compressées.

Etape5 : L'image originale est reconstruite c.-à-d. la décompression est effectuée en

utilisant un décodage de Huffman.

Etape6 : Rencontre les mots de code avec le code dictionnaire pour obtenir l'image
reconstruite.

49 | P a g e
Chapitre III Résultats et Discussion

Début

Lire image

Calculer les probabilités des symboles

Non
Il n'y a pas plus probabilités des Attribuer un code
symboles ? long

Oui

Attribuer un code court

De dictionnaire Huffman basée sur les symboles d'image

Appliquer l’algorithme de Huffman de codage sur les symboles

d'image

Non

Est-ce que le code

Vérifier le codage de
correspondre avec le codage
Huffman
de Huffman ?

Oui

Décoder l'image en utilisant le dictionnaire de code

Fin

Figure III.1. Algorithme de Huffman

50 | P a g e
Chapitre III Résultats et Discussion

III.2.2. Résultats obtenus

Après l’exécution de l’algorithme Huffman sur les trois images on a obtenu le résultat suivant

a. Image Lena

Figure III.2. Résultat de la compression de l’image lena

b. Image Baboon

Figure III.3. Résultat de la compression de l’image baboon

51 | P a g e
Chapitre III Résultats et Discussion

c. Image barbara

Figure III.4. Résultat de la compression de l’image barbara

d. Image flowers

Figure III.5. Résultat de la compression de l’image flowers

52 | P a g e
Chapitre III Résultats et Discussion

e. Image Fruit

Figure III.6. Résultat de la compression de l’image fruit

III.2.3. Mesure de performance pour les différentes images résultantes

Images CR MSE PSNR SNR Entropy

Lena 3.49 1.39 46.32 41.018 7.23

Baboon 5.18 2.52 43.18 38.59 7.64

Barbara 4.02 1.36 46.47 40.89 7.012

Flowers 4.205 0.63 50.16 45.11 6.89

Fruit 4.69 2.41 44.32 38.12 6.96

Tableau III.1. Les Performances mesurés pour les différentes images

53 | P a g e
Chapitre III Résultats et Discussion

Chart Title
52

50

48

46
PSNR

44

42

40

38
lena baboon barbara flowers fruit

Les différents images

Figure III.7. Les valeurs de PSNR pour les différentes images

Remarque et discussion :
On peut remarquer que le codage de Huffman donne une compression faible mais une bonne
erreur. Pour résumer, le code de Huffman est précurseur et optimal au niveau symbole
dans la théorie de la compression. Il permet la compression sans perte de données et
est basée sur les statistiques des données qui lui sont fournis.

54 | P a g e
Chapitre III Résultats et Discussion

III.3. Méthode de compression par l’algorithme JPEG

III.3.1. Algorithme JPEG
Dans cette partie, nous présentons les résultats de compression obtenus avec l’algorithme de
compression JPEG discuté dans le chapitre II. Ces résultats sont comparés avec ceux obtenus
avec l’algorithme de Huffman, sur une grande variété d'images.
III.3.2. Résultats obtenus
A l’aide de MATLAB on a créés un programme de compression par l’algorithme jpeg, ce
programme sert la compression selon le niveau de compression qui appartient de l'intervalle
[0,8], ce niveau de compression exprime le nombre des coefficients utilisées pour la
compression, par ex, si on prend le niveau de compression égale à 5, donc, le nombre de
coefficients utilisées égale à 52 = 25. La figure suivante exprime la méthode proposée.

Figure III.8. La méthode proposée pour l’algorithme jpeg

55 | P a g e
Chapitre III Résultats et Discussion

 Pour 64 coefficients
A. Image Lina
On a inséré l’image Lina comme une entrée et on a choisi le nombre de coefficients=64, on a
obtenu les résultats suivant

Figure III.9. Le résultat obtenu pour l’image Lina

Figure III.10. Le résultat obtenu pour plus détails avec MSE=0

56 | P a g e
Chapitre III Résultats et Discussion

B. Image Baboon

Figure III.11. Le résultat obtenu de l’image Baboon avec MSE=0

C. Image Barbara

Figure III.12. Le résultat obtenu de l’image Barbara avec MSE=0

57 | P a g e
Chapitre III Résultats et Discussion

D. Image Flowers

Figure III.13. Le résultat obtenu de l’image Flowers avec MSE=0

E. Image
Fruit

Figure III.14. Le résultat obtenu de l’image Fruit avec MSE=0

58 | P a g e
Chapitre III Résultats et Discussion

Remarque et discussion :
On remarque que les résultats obtenus il n’y a pas de compression c.-à-d. l’erreur quadratique
MSE=0. Donc, lorsqu’on utilise 64 coefficients nous n’obtient aucune compression, c'est pour
cela on va utiliser un nombre moins de 64 coefficients.
 Pour 50 coefficients

Figure III.15. Le résultat obtenu pour 50 coefficients

Le tableau suivant contient les résultats obtenus pour 50 coefficients :

Image Original(kB) Compressée (kB) MSE
Lina 147 144 2.5010
Baboon 199 195 39.0503
Barbara 173 171 10.2842
Flowers 223 216 25.9838
Fruit 45.5 45.0 19.0550
Tableau III.2. Les résultats obtenus pour 50 coefficients

59 | P a g e
Chapitre III Résultats et Discussion

 Pour un seul coefficient

Figure III.16. Le résultat obtenu pour 1 coefficient

Le tableau suivant contient les résultats obtenus pour 1 coefficient :

Image Original(kB) Compressée MSE PSNR SNR

(kB)
Lina 147 7.40 279.71 23.3162 18.0069
Baboon 199 7.96 696.03 18.8083 14.2380
Barbara 173 7.85 499.27 20.8354 15.2602
Flowers 223 9.20 472.58 21.3861 16.3357
Fruit 45.5 2.63 759.91 19.3232 13.1231

Tableau III.3. Les résultats obtenus pour 50 coefficients

60 | P a g e
 Chapitre III Résultats et Discussion

Remarque et discussion :
On peut remarquer que lorsqu’on diminue le nombre de coefficients on obtient une bonne
compression mais l’erreur quadratique est augmentée c.-à-d. une grande perte de
l’information.

III.4. Différence entre les deux méthodes de compression

Pour faire la compression entre les algorithmes on représente les résultats obtenus par les
deux méthodes dans le tableau suivant :

Méthode Codage de Huffman Algorithme JPEG

s
Images
Performance MSE PSNR Taille de MSE PSNR Taille de
l’image l’image
compressée compressée
(kB) (kB)
Lina 1.39 46.32 111.9 279.71 23.3162 7.40

147(kB)

Baboon 2.52 43.18 165.8 696.03 18.8083 7.96

199(kB)

Barbara 1.36 46.47 128.7 499.27 20.8354 7.85

173(kB)

Flowers 0.63 50.16 157.7 472.58 21.3861 9.20

223(kB)

Fruit 2.41 44.32 37.6 759.91 19.3232 2.63

45.5(kB)

Tableau III.4. La différence entre le résultat obtenu par chaque méthode

61 | P a g e
Chapitre III Résultats et Discussion

Remarque et Discussion

Codage de Huffman

Ces algorithmes sont assez puissants, mais leur efficacité est limitée sur des images : le
Problème est que la représentation sous forme de pixels introduit une trop grande disparité.
On remarque aussi que ces algorithmes sont sans perte : l’information après décompression est
exactement la même que celle avant compression.
L’information contenue dans un pixel de l’image est assez faible : si la couleur du pixel
Varie un peu, l’image globale en sera peu affectée, on verra peu de différence.
L’idée de la compression d’image est alors de trouver une autre manière de caractériser
L’image, et de sacrifier des détails peu visibles pour l’œil humain afin de diminuer la masse
D’informations

62 | P a g e
Chapitre III Résultats et Discussion

L’algorithme JPEG se termine par un codage statistique, de Huffman ou Arithmétique.

Conclusion
Pour résumer, le JPEG peu coder les couleurs sous n'importe quel format, cependant les meilleurs taux
de compression sont obtenu avec les codage de couleur de type luminance chrominance à cause de la
sensibilité de l'œil à la luminance.
On constate que chaque type de compression amène des distorsions spécifiques. A un
faible niveau de compression, pour chacun, ces altérations de l’image sont à peine visible.
Elles apparaissent à des taux de compression plus élevés.
En pratique, le format JPEG2000 utilise la compression par un type d’ondelettes non
orthogonales, et atteint des taux de compression très élevés avec peu de pertes. Ce formatlà est plus
efficace que le format JPEG

63 | P a g e