Multimedia Quatre

Technologie Multimédia
Chapitre4: Introduction à la
compression des images
LGLSI1, LIRS2
Tahani BOUCHRIKA
2022/2023
1. Généralités
 Une image numérique (ou discrète) est une image

constituée d’un nombre fini de points.
 Point = pixel (picture element)

 Définition : dimension de l’image en pixel
 Résolution : nombre de pixel sur une unité de
surface (point par pouce)
 Profondeur : nombre de bit représentant un
pixel de l’image
2
1. Généralités
Mode de stockage des images
Bitmap : c’est le mode de représentation le plus utilisé car il permet a

priori de représenter tout type d’image
Vectoriel : l’image est stockée sous la forme d’une définition

mathématique (cercle = position du centre + rayon + ...)
Taille d’un fichier image:
La taille d’un fichier image non compressé est donnée par : T = DP
D : définition (taille) de l’image, P : profondeur de l’image
3
2. Compression de données
La compression de données a pour but de réduire l'espace

nécessaire à la représentation d'une certaine quantité
d'information.
Compression non destructive : pas de perte d’information.

On parle de compactage
Compression destructive : perte d’information
4
Evaluation de la compression et des pertes
5
Evaluation de la compression et des pertes
EQM : Erreur Quadratique moyenne (mean squared error)

Entre deux images A et B de même taille MxN
6
Qu’est ce qu’une bonne compression ?
Un algorithme performant de compression possède un gain de

compression maximal et une erreur quadratique moyenne minimale
G & EQM
ATTENTION : compte tenu des information effectivement perçues par notre

œil, il est possible d’avoir à la fois une image de “qualité” et une EQM importante !
7
3. Techniques de compression non-destructives
RLE (Run-Length Encoding
Méthodes statistiques
• Théorie de l’information
• Codage de Huffman
• Codage arithmétique
Méthodes par dictionnaire
8
RLE (Run-Length Encoding)
Principe
Si une donnée d apparaît n fois consécutivement dans le flux d’entrée,
remplacer les n occurrences par la paire “n d”.
Exemple :
ABBBBCAAACCC --> 1A 4B 1C 3A 3C (sans les espaces)
Gain de compression :
G = (12-10)/12 = 16,7%
9
Application aux images monochromes
Deux couleurs possibles : N (0) & B (1)

ex: 00000111101100000001111 ...
On suppose que la couleur de départ est le

noir. On compresse alors uniquement en
indiquant le nombre de pixels N ou B
successifs
ex : 541274 ...
10
Application aux images monochromes

Et s’il y a plus de 255 fois le même pixel (codage 8 bits) ?
ex : 1111000...00011
400 fois
Solution : insertion d’un 0 tous les 255 pixels.
ex : 4 255 0 145 2 (d) = 04 FF 00 91 02 (h)
11
Application aux images en niveau de gris

ex : Image possédant une profondeur de 8 bits :
... 12,12, 12, 12, 12, 35, 76, 112, 67, 87, 87, 87, 87 ...
codée en :
Comment distinguer
5 12 35 76 112 67 4 87 ces nombres ?
5 12 1 35 1 76 1 112 1 67 4 87 ou bien…
255 5 12 35 76 112 67 255 4 87
12
Comment parcourir l’image ?
Codage suivant Codage suivant Codage ZIG ZAG

l’axe des X l’axe des Y
13
Application sur le format BMP (codage sur 8 bits, RGB)
• Les pixels compressés sont organisés par paire d’octets :

04 02 = 02 02 02 02
• La valeur 00 est un caractère d’échappement, et sa signification dépend de

l’octet suivant :
• 00 00 = eol (end of line)

• 00 01 = eni (end of image)
• 00 02 = saut dans l’image. Les 2 octets suivants indiquent le nombre de
ligne et de colonne.
• 00 XX = XX raw pixels. Les XX octets suivants sont les valeurs des pixels.
14
Application sur le format BMP (codage sur 8 bits, RGB)

• Voici une image 4x8 compressée, codée sur 8 bits :
04 12 0004 a35b1247 01 f5 02 e7 0002 00 01 01 99 03 c1 0000 0004 08 92 6b

d7 0001
• Une fois décompressé, on obtient :
15
Méthodes statistiques
Le code de Huffman
Principe : attribuer au symbole le plus probable le mot de code le plus court
Méthode : construction d’un arbre (binaire, dans le cas d’un code binaire)
Exemple : soit une source émettant les symboles u1,..., u6, avec des
probabilités
de 0.4, 0.3, 0.1, 0.1, 0.06 et 0.04 respectivement.
1ère étape : classer les symboles par ordre croissant de probabilité
16
Le code de Huffman
2ème étape : réunir les 2 plus faibles probabilités en une seule “super-proba”
17
Le code de Huffman
3ème étape : répéter la 2ème étape jusqu’à obtenir une probabilité de 1
18
Le code de Huffman
19
Le code de Huffman
20
Le code de Huffman
21
Le code de Huffman
22
Le code de Huffman
4ème étape : attribuer 0 ou 1 à chacune des branches
23
Méthodes statistiques Attribuer au

symbole le plus
Le code de Huffman probable le mot
de code le plus
5ème étape : lire le codage obtenu, du haut vers le bas ! court
24
Le code de Huffman
Conclusion
• Technique de codage très souvent utilisée comme “surcouche” à d’autres

méthodes de compression (ex: images TIFF, JPEG, ou MPEG, ...)
• Mais ... elle nécessite la connaissance préalable des probabilités d’apparition des
symboles de source. Dans le cas d’une image à compresser, cela est … dérangeant !
Codage semi-adaptatif de Huffman : on lit une fois l’image pour établir les probabilités
d’apparition des symboles, puis on construit l’arbre de Huffman.
Une seconde lecture est ensuite nécessaire pour la compression à proprement dit
25
Méthodes Par dictionnaire
 Les algorithmes de type dictionnaire établissent un dictionnaire des termes

employés dans un fichier, termes qui peuvent êtres de taille quelconques, et on
leur associent un code de taille moins importante.
 Le fichier compacté est composé du dictionnaire et du fichier où les termes sont
remplacés par les codes.
Codage C = AAAAAA
Compacté
Fichier Dictionnaire
AAAAAA ________ C ________ C
_____AAAAAA____ _____C____
_AAAAAA________ _C________
AAAAAA_________ C_________
_________AAAAAA _________C
26
L’idée principale est de remplacer le symbole à coder par son index (code)
Qui le représente dans le dictionnaire.
Ce dictionnaire peut être statique et connu à l’avance, ou dynamique, construit

au fur à et à mesure de la compression.
Le contenu de ce dictionnaire conditionne complètement les performances de la

compression.
Ainsi, l’utilisation d’un dictionnaire statique n’est pas un choix pertinent
27
Méthodes Par dictionnaire: LZ
Exemple: séquence de pixels en niveau de gris compressés par LZ ainsi

que le dictionnaire employé.
001000110101101011001001011
Essayer de décompresser cette suite de valeur

sachant que chaque index (code) est précédé
de 3 bits indiquant la taille de cet index
28

001000110101101011001001011
Dictionnaire :
Longueur de l’index = 1
29

001000110101101011001001011
code de l’index = 0
Image :
132
30

001000110101101011001001011
Dictionnaire :
Image :
132 177
31

001000110101101011001001011
Dictionnaire :
Image :
132 177 72
32

001000110101101011001001011
Dictionnaire :
Image :
132 177 72 72
33

001000110101101011001001011
Dictionnaire :
Image :
132 177 72 72 132
34

001000110101101011001001011
Dictionnaire :
Image :
132 177 72 72 132 72
35
4. Techniques de compression destructives
Géneralité
Ces techniques de compression sont avec pertes d’information.
 Ces méthodes permettent de retrouver une approximation de l’image numérique.
 Les pertes sont généralement indétectables à l’œil nu
 Les méthodes de compression les plus souvent utilisées sont : la norme JPEG
(Joint Photographic Expert Group), la compression par ondelettes, Transformation
en Cosinus Discrète (TCD) , l’utilisation des fractales,…
36
Principe fondamental
Etant donné un pixel, il y a de forte chance que ses voisins possèdent la

même couleur, ou du moins une couleur similaire
Les techniques de compression avec perte sont donc basées sur le fait que les
niveaux de gris de pixels voisins sont fortement corrélés (reliés).
On parle alors de redondance (répétition) spatiale.
C’est cette corrélation qui permet la compression.
37
Premières méthodes intuitives
Sous échantillonnage : on ignore simplement certains pixels. Les effets sur

l’image sont très visibles (grande perte de détails) : cette méthode simple est très
peu utilisée.
Sous échantillonnage des couleurs : notre œil est moins sensible aux variations
de chrominance que de luminance. Les deux chrominances sont sous-
échantillonnées d’un facteur 2, conduisant à une réduction de 50% de la taille du
fichier
38
JPEG (Joint Photographic Experts Group)
Le JPEG (Joint Photographic Experts Group) n’est pas un nom de fichier, mais
une méthode de compression.
C’est aujourd’hui une des méthodes de compression les plus utilisées, notamment
grâce aux forts taux de compression qu’elle est capable d’atteindre
39
JPEG (Joint Photographic Experts Group): mesure de la distorsion
40
JPEG (Joint Photographic Experts Group): mesure de la distorsion
dB= décibel
41
JPEG : Chaine de compression

Sous échantillonnage de couleurs
Transformation discrète en cosinus
42
JPEG : Conversion RGB YCbCr
43
44
45
46
47
JPEG : Downsample
48
JPEG : Downsample
 Le sous-échantillonnage de la chrominance est une méthode de réduction de

volume des images numériques. Il consiste à diminuer le nombre d'échantillons à
traiter : on parle de décimation
La vision humaine présentant une sensibilité moindre à la couleur qu'à la

luminosité, on conserve généralement moins d'informations de chrominance que
de luminance sans pour autant dégrader la qualité perçue de l'image
49
JPEG : Downsample
Chaque pixel de l'image peut être reconstitué à partir de ces trois composantes :
la luminance Y', la chrominance bleu ou différence bleu (Cb) et la chrominance
rouge (Cr).
 le principe de la compression avec perte est d’éliminer les échantillions qui se

répètent. (mauvaise qualité lors de la décompression)
La solution c’est de diminuer le nombre de composante de chrominance qui se

repètent
50
JPEG : Downsample
Pour appliquer le sous-échantillonnage, on se représente une région de quatre pixels
de largeur sur 2 pixels de hauteur et on indique une série de 3 nombres J:a:b (par
exemple 4:2:2).
J est le nombre d'échantillons de luminance (Y') par ligne (toujours identique sur les
deux lignes de J pixels). Habituellement, 4.
a: est le nombre d'échantillons de chrominance (Cb, Cr) sur la première ligne de pixels.
b : le nombre d'échantillons de chrominance (Cb, Cr) sur la deuxième ligne de pixels.
Exemple 1
Image original Downsample
(J,a,b) (J,a,b) 51
JPEG : Downsample
Exemple 2
Image original Downsample
(J,a,b) (J,a,b)
52
53
54
55
JPEG : Quantification
Table de quantification
56
JPEG : Quantification
57
58
JPEG : linéarisation de l’image
59
60
61
JPEG : Décompréssion
décompression
Transformation discrète Inverse en cosinus
62
JPEG : Avantages
Les taux de compression impressionnants
Standard largement répandu
Personnalisation de la matrice de quantification
Extension adaptée aux séquences d’images (MJPEG)
63

Multimedia Quatre

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Multimedia Quatre

Transféré par

Droits d'auteur :

Formats disponibles

Technologie Multimédia

 Une image numérique (ou discrète) est une image

 Point = pixel (picture element)

Mode de stockage des images

Bitmap : c’est le mode de représentation le plus utilisé car il permet a

Vectoriel : l’image est stockée sous la forme d’une définition

Taille d’un fichier image:

La taille d’un fichier image non compressé est donnée par : T = DP

D : définition (taille) de l’image, P : profondeur de l’image

La compression de données a pour but de réduire l'espace

Compression non destructive : pas de perte d’information.

Compression destructive : perte d’information

EQM : Erreur Quadratique moyenne (mean squared error)

Un algorithme performant de compression possède un gain de

ATTENTION : compte tenu des information effectivement perçues par notre

RLE (Run-Length Encoding

Méthodes par dictionnaire

RLE (Run-Length Encoding)

ABBBBCAAACCC --> 1A 4B 1C 3A 3C (sans les espaces)

RLE (Run-Length Encoding)

Application aux images monochromes

Deux couleurs possibles : N (0) & B (1)

On suppose que la couleur de départ est le

RLE (Run-Length Encoding)

Application aux images monochromes

Solution : insertion d’un 0 tous les 255 pixels.

ex : 4 255 0 145 2 (d) = 04 FF 00 91 02 (h)

RLE (Run-Length Encoding)

Application aux images en niveau de gris

255 5 12 35 76 112 67 255 4 87

RLE (Run-Length Encoding)

Comment parcourir l’image ?

Codage suivant Codage suivant Codage ZIG ZAG

RLE (Run-Length Encoding)

Application sur le format BMP (codage sur 8 bits, RGB)

• Les pixels compressés sont organisés par paire d’octets :

• La valeur 00 est un caractère d’échappement, et sa signification dépend de

• 00 00 = eol (end of line)

RLE (Run-Length Encoding)

Application sur le format BMP (codage sur 8 bits, RGB)

04 12 0004 a35b1247 01 f5 02 e7 0002 00 01 01 99 03 c1 0000 0004 08 92 6b

• Une fois décompressé, on obtient :

Principe : attribuer au symbole le plus probable le mot de code le plus court

de 0.4, 0.3, 0.1, 0.1, 0.06 et 0.04 respectivement.

1ère étape : classer les symboles par ordre croissant de probabilité

3ème étape : répéter la 2ème étape jusqu’à obtenir une probabilité de 1

3ème étape : répéter la 2ème étape jusqu’à obtenir une probabilité de 1

3ème étape : répéter la 2ème étape jusqu’à obtenir une probabilité de 1

3ème étape : répéter la 2ème étape jusqu’à obtenir une probabilité de 1

3ème étape : répéter la 2ème étape jusqu’à obtenir une probabilité de 1

4ème étape : attribuer 0 ou 1 à chacune des branches

Méthodes statistiques Attribuer au

• Technique de codage très souvent utilisée comme “surcouche” à d’autres

Méthodes Par dictionnaire

 Les algorithmes de type dictionnaire établissent un dictionnaire des termes

Méthodes Par dictionnaire

Ce dictionnaire peut être statique et connu à l’avance, ou dynamique, construit

Le contenu de ce dictionnaire conditionne complètement les performances de la

Ainsi, l’utilisation d’un dictionnaire statique n’est pas un choix pertinent

Méthodes Par dictionnaire: LZ

Exemple: séquence de pixels en niveau de gris compressés par LZ ainsi

Essayer de décompresser cette suite de valeur

Méthodes Par dictionnaire