Partie 2 Compression d'une image

Le format JPEG (Joint Photographic Experts Group) est un format d’image

compressée qui offre une bonne compression pour une qualité très correcte. Ces deux
avantages en font l’un des formats d’image les plus répandus, particulièrement sur le web où
les problématiques de transfert et de stockage sont importantes.

Le principe de l'algorithme JPEG pour une image à niveaux de gris (une image couleur est un
ensemble d'images de ce type), est le suivant. Une image est décomposée séquentiellement en
blocs de 8x8 pixels subissant le même traitement. Une transformée en cosinus discrète
bidimensionnelle est réalisée sur chaque bloc. Les coefficients de la transformée sont ensuite
quantifiés uniformément en association avec une table de 64 éléments définissant les pas de
quantification. Cette table permet de choisir un pas de quantification important pour certaines
composantes jugées peu significatives visuellement, car les informations pertinentes d'une
image, caractérisée par son signal bidimensionnel Img(x,y), sont concentrée dans les
fréquences spatiales les plus basses. Un codage entropique, sans distorsion, est enfin réalisé
permettant d'utiliser les propriétés statistiques des images. On commence par ordonner les
coefficients suivant un balayage en zigzag pour placer d'abord les coefficients correspondant
aux fréquences les plus basses. Cela donne une suite de symboles. Le code de Huffman
consiste à représenter les symboles les plus probables par des codes comportant un nombre de
bits le plus petit possible.

Ces étapes sont illustrées dans le schéma ci-dessous :

 pour visualiser cette matrice on suit ce programme ,cette image est en couleur :

 Nous allons travailler sur une image en niveaux de gris,pour ne traiter que la
luminance. Cette image est visualisée par :

 Puis ouvrir une nouvelle figure que l'on va partager en 4 afin d'observer plusieurs
images à la fois on suit ce programme :
6. La DCT (Discrete Cosine Transform)

La DCT (Discrete Cosine Transform) est une étape qui permet d’évaluer l’amplitude
des changements d’un pixel à l’autre afin d’identifier les hautes et basses fréquences. Les
basses fréquences, très présentes dans une image, sont des zones unies où les couleurs sont
proches les unes des autres. A l’inverse, les hautes fréquences sont des zones de contraste, de
changement rapide dans les couleurs.

Cette étape consiste à appliquer à notre matrice de pixels la formule mathématique du

DCT afin d’obtenir une matrice des fréquences. Cette matrice sera utilisée dans la prochaine
étape : la quantification.
Nous allons représenter la matrice D des coefficients de la DCT, pour N=8.

La matrice transposé DT

La matrice DCT
Commentaires :

On remarquera que les coefficients possédant les valeurs absolues les plus fortes se trouvent en haut
à gauche de la matrice. Ils présentent les basses fréquences, par contre les hautes fréquences se
trouvent en bas a droit de la matrice.
L'étape suivante de cette compression est la quantifcation. On choisit la table de
quantifcation suivante, construite avec les commandes suivantes :

 La quantification :La quantification a pour objectif d’atténuer les hautes fréquences

d’une image qui ont été mis en évidence par la DCT. L’œil humain distingue mal les
zones de contrastes (les hautes fréquences) et la quantification va permettre de
diminuer l’importance de ces informations superflues. La technique est simple. Il
suffit de diviser notre matrice des fréquences avec la matrice de quantification pour
obtenir notre matrice quantifiée.

Cette matrice a un avantage qui sera utilisée dans la prochaine étape : les valeurs non
nulles ne sont toutes situées dans le bord haut-gauche de la matrice.

les coefcients :
La DCTQ

Divisons maintenant les valeurs de la matrice de données par notre matrice de quantification.
Le résultat est le suivant :

Commentaires :

On remarque que la plupart des coefficients De hautes fréquences sont annulés.

La valeur des coefficients DC et AC et le codage RLE