Presecomprssion Img

Introduction Quantité d’informations Taux de compression Algorithme de compression Compression JPEG
Compression d’image
Departement math-informatique
Faculté Polydisciplinaire de Beni Mellal
Sultan moulay slimane
Diarra Fatoumata Magnan
Oulbouch Ahlam
Ounhari Touria
23 novembre 2023
Traitement d’image Master STRI

Compression d’image 1 / 47
1 Introduction
2 Quantité d’informations
3 Taux de compression
4 Algorithme de compression
5 Compression JPEG

1 Introduction
Objectif
Notion d’histogramme
5 Compression JPEG

Introduction
Quest-ce quune image : point de vue mathématique.

• Une image avant numérisation est un signal continu 2D ou 3D
(en tenant compte de la profondeur de limage ou de temps)
• Une image peut donc être vue comme une fonction :
I : S → R(x , y )
(x, y) → I(x , y )
Dans le domaine continu :
S = [0, n] − 1] ∗ [0, nc − 1] R = [0, ValMax]
Dans le domaine discret :
S = [0, 1, .., n] − 1] ∗ [0, 1, .., nc − 1] R = [0, ..., Ng]

Quest-ce qu’une image numérique :

Image numérique = échantillonnage + quantification
• chaque pixel une valeur unique.
• Quantification : désigne le nombre de valeurs différentes que
peut prendre un pixel.

Différents types dimage
Image binaire
Dans une image binaire, les pixels sont représentés par deux états
logiques 0 (noir) et 1 (blanc). Cest un codage de limage sur 1 bit.

Image à niveaux de gris (intensité ou luminance) :

Chaque pixel est codé sur N bits, ce qui lui confère des valeurs
entières comprises entre 0 (noir) et 2N -1 (blanc).

Image couleur :
Une image couleur correspond à la synthèse additive de 3 images,
rouge, vert et bleu. Chaque pixel est donc codé sur 3»N bits.

Image indexée :
La couleur ou lintensité des niveaux de gris est déterminé par un
index auquel correspond la couleur en question.

Généralités
La compression de données est une activité ancienne : lutilisation

dabréviations en est une preuve. Les langues elles-mêmes utilisent
des mots de longueurs variées, les plus fréquents étant les plus
courts, afin de réduire la taille des phrases. Il est cependant une
application plus visible que les autres :
la compression des images numériques. Cest elle qui a permis la
diffusion des images sur Internet ou encore la démocratisation des
appareils photos numériques. Elle constitue également la base de la
compression vidéo.

Lhomme a toujours voulu découvrir la beauté des planètes, vues de

lespace. Il a donc envoyé des satellites capables de photographier
celles-ci. Mais lun des problèmes majeurs est la transmission de ces
photos, du satellite à la terre. Cette communication se fait à laide
des ondes électromagnétiques. La transmission des informations est
dautant plus facile que le nombre dinformations est faible. Il est
donc avantageux den réduire le nombre. Une technique employée
dans de nombreux domaines est la compression des informations.
Lutilisation dalgorithmes de compression dimages permet en effet,
une réduction importante de la quantité de données.

1 Introduction
Objectif
5 Compression JPEG

Objectif
• Réduire la quantité de mémoire nécessaire
• Réduire le temps de transmission de celle-ci
• Réduire la bande passante
• Réduire la quantité de données nécessaires
• Améliorer lefficacité

1 Introduction
Objectif
5 Compression JPEG

Lhistogramme est une fonction H(x) permettant de donner la

fréquence dapparition des différents niveaux de gris x qui
composent limage.
En abscisse on représente les niveaux de gris et en ordonnée leurs
fréquences dapparition. Lhistogramme des niveaux de gris nous
informe sur la concentration de limage.
Pour une image couleur, il y a un histogramme par composante

Il fournit diverses informations comme les statistiques dordre1.

Histogramme cumulé : représente le nombre de pixels dont le
niveau de gris est inférieur à x.
∑
C (k) = ki=0 h(i)

Utile pour certains traitements dimage tels que légalisation

dhistogramme (amélioration de contraste).
Remarque importante
Lhistogramme donne une information sur les occurrences
(fréquences dapparition) des niveaux de gris des pixels de limage,
mais ne donne aucune indication sur la répartition (fréquences
spatiales) de ces niveaux de gris au sein de limage.

1 Introduction
5 Compression JPEG

Définition
La quantité d’information dans une image est déterminée par sa
résolution, sa profondeur de couleur et son contenu. La résolution
est le nombre de pixels dans une image. La profondeur de couleur
est le nombre de bits utilisé pour représenter chaque pixel. Le
contenu est la distribution des couleurs et des textures dans
l’image.
Formule générale
La quantité d’informations dans une image peut être calculée à
l’aide de la formule suivante :
Q =N ∗L
Q : la quantité d’informations dans l’image, en bits

N : le nombre de pixels dans l’image
L : la profondeur de couleur de l’image, en bits par pixel
1 Introduction
5 Compression JPEG

Definition
Le taux d’une image compressée se réfère à la quantité de
compression appliquée à l’image. Il est généralement exprimé sous
la forme d’un rapport entre la taille de l’image originale et la taille
de l’image compressée
tailleoriginal
Tauxdecompression = . (1)
taillecompresse

Exemple :
Soit une image originale de 100 Ko, compressée à 20 Ko, le taux
de compression est de 5.
En réalité, il existe Deux types de compression :
• Réversible, sans perte (lossless)
• Non réversible, avec pertes (lossy)

1 Introduction
Compression sans perte
Arbre du Huffman
Compression avec perte
5 Compression JPEG

1 Introduction
Algorithmes de compresse sans perte
Arbre du Huffman
5 Compression JPEG

Principe
La compression est dite sans perte lorsqu’il n’y a aucune perte de
données sur l’information d’origine.Il y a autant d’information après
la compression qu’avant.elle est seulement réécrite d’une manière
plus concise. La compression sans perte est dite aussi compactage.
• Pas de modification de limage.

• Ne change que la façon dont elle est codée sur disque.

Algorithmes de compression sans perte
• Méthodes à base de redondances (RLE) : utilisées par les

formats dimages PCX, TGA,...
• Méthodes statistiques (Huffman, ...) : utilisées par les formats
dimages JPEG, ...
• Méthodes à base de dictionnaires (LZW, ...) : utilisées par les
formats dimages GIF, TIFF,...

1 Introduction
Arbre du Huffman
5 Compression JPEG

arbre de Huffman
La méthode développée par D.Huffman en 1952, traite lextension

des codes optimaux, elle permet la détermination dun VLC (code à
longueur variable) préfixé. La méthode de compression Huffman
consiste à construire un arbre qui va nous permettre de donner un
code pour chaque symbole en fonction de sa fréquence.

Fonctionnemnt
• on cherche la fréquence des caractères.
• on trie les caractères par ordre décroissant de fréquence.
• on construit un arbre pour donner le code binaire de chaque
caractère.

Exemple de codage Huffman
Figure 1 – Arbre de Huffman

1 Introduction
Arbre du Huffman
5 Compression JPEG

Principe
suppression des informations les moins indispensables pour lil
humain. Réduction du nombre de données
• Taux de compression plus élevé que compression sans perte.

• Plus le taux de compression est élevé, plus le niveau de pertes
est important et plus la qualité dimage est dégradée.

Algorithme de compression avec perte
Transformation par DCT (Discret Cosinus Transform)

Dans cet méthode, limage de dimension NxN est subdivisée en sous
images ou blocs de taille réduite (la quantité de calcul demandée
pour effectuer la transformation sur limage entière est très élevée).
Chaque bloc subit une transformation mathématique orthogonale
inversible linéaire du domaine spatial vers le domaine fréquentiel,
des autres blocs (transformée en un ensemble de coefficients plus
ou moins indépendants). Les coefficients obtenus sont alors
quantifiés et codés en vue de leur transmission ou de leur stockage.
Pour retrouver lintensité des pixels initiaux, on applique sur ces
coefficients la transformation inverse

La matrice de transformation DCT est complètement

dépendante de limage, cette transformation est très utilisée
pour lexécution des algorithmes rapide en calcul.
La formule générale de la DCT et celle de son inverse sont
données par les relations suivantes :
Et pour la transformation inverse :

1 Introduction
5 Compression JPEG

Compression JPEG
JPEG est une norme de compression dimages basée sur la DCT.

Cette norme définit le format d’enregistrement et l’algorithme de
décodage pour une représentation numérique compressée d’une
image fixe.
JPEG est lacronyme de Joint Photographic Experts Group Il s’agit

d’un comité dexperts qui édite des normes de compression pour
limage fixe.
JPEG définit deux classes de processus de compression :

1 Avec pertes ou compression irréversible. C’est le JPEG
classique . Il permet des taux de compression de 3 à 100.
2 Sans pertes ou compression réversible. Il n’y a pas de pertes
dinformation et il est donc possible de revenir aux valeurs
originales de l’image.
Principe de l’algorithme JPEG
1 Conversion de l’image RVB en espace de couleur YCbCr.

2 Limage est découpées en blocs de tailles 8x8 pixels pour
appliquer a chacun dentre eux une DCT.
3 Quantification des coefficients de la transformée DCT en
utilisant des tables de quantification. Cette étape permet de
réduire la précision des coefficients de manière adaptative, en
accordant moins de bits aux coefficients moins perceptibles.
4 Encodage des coefficients quantifiés en utilisant le codage de
Huffman. Cette étape permet de représenter les symboles les
plus fréquents avec moins de bits, ce qui contribue à une
compression supplémentaire.
L’image L’image
originale compressée
Conversion de l’image RVB en YCbCr
La compression d’images JPEG utilise le modèle de couleur YCbCr

pour représenter les images. Dans ce modèle, l’image est
décomposée en trois composantes : la luminance (Y) et les deux
composantes de chrominance (Cb et Cr). Ces composantes sont
des combinaisons linéaires des intensités de rouge (R), vert (G) et
bleu (B) :
Y = 0.30R + 0.59G + 0.11B
Cr = 0.60R − 0.28G − 0.32B
Cb = 0.21R − 0.52G + 0.31B
Cette décomposition permet de séparer les informations de

luminosité des informations de couleur, ce qui permet une
compression plus efficace.
Dans matlab, pour transformee les images du RGB en YCrCb en

utilisant le code suivant :

Transformée en cosinus discrète
La clé du processus de la compression JPEG est la DCT (Discrete

Cosine Transform).
Le calcul de la DCT ne peut pas se faire sur une image entière
d’une part parce que cela générerait trop de calculs et d’autre part
parce que le signal de l’image doit absolument être représenté par
une matrice carrée. Dès lors, le groupe JPEG impose la
décomposition de l’image en blocs de 8 pixels sur 8 pixels. La DCT
est donc effectuée sur chaque matrice 8x8 de valeurs de pixels, et
elle donne une matrice 8x8 de coefficients de fréquence.

Dans matlab linstruction blkproc permet de découper une images

en plusieurs blocs de taille [M N] et dappliquer une fonction DCT
à chacun de ces blocs, ici on utilisera la fonction dctmtx.

Quantification
La quantification est létape dans laquelle on perd réellement des

informations et donc de la qualité visuelle, mais c’est celle qui fait
gagner beaucoup de place contrairement à la DCT, qui ne
compresse pas.La DCT a retourné, pour chaque bloc, une matrice
de 8.8 nombres .
La quantification consiste à diviser cette matrice par une autre,
appelée matrice de quantification, et qui contient 8.8 coefficients
choisis par le codeur.Le but est ici datténuer les hautes fréquences,
cest-à-dire celles aux quelles lil humain est très peu sensible. Ces
fréquences ont des amplitudes faibles, et elles sont encore plus
atténuées par la quantification .

Le code matlab suivant effectue la quantification des coefficients

de la transformée en cosinus discrète (DCT) appliquée aux
composantes Y, Cb et Cr de l’image.

Qy et Qc sont les matrice de quantification pour quantifier les

coefficients de la DCT des composantes Y, Cb et Cr
respectivement. Les coefficients de la DCT sont divisés par les
éléments correspondants des matrices Qy et Qc, puis arrondis à la
valeur entière la plus proche à l’aide de la fonction round. Cette
opération de quantification réduit la précision des coefficients de la
DCT, ce qui permet de compresser davantage les données.
Les variables YF, CbF et CrF contiennent les résultats de la DCT
appliquée aux composantes Y, Cb et Cr respectivement.

Codage de huffman
Le code suivant effectue un codage différentiel DC sur les

coefficients DCT quantifiés.
Les coefficients DC représentent la valeur moyenne de chaque bloc
et le codage différentiel réduit la redondance des valeurs DC.Ensuit
un codage de Huffman applique aux coefficients DC et AC (non
nuls).

Taux de compression
Pour calcule le taux de compression en divisant la taille des données

compressées (codes DC et AC) par la taille de l’image d’origine.


Presecomprssion Img

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

Presecomprssion Img

Transféré par

Droits d'auteur :

Formats disponibles

Introduction Quantité d’informations Taux de compression Algorithme de compression Compression JPEG

Diarra Fatoumata Magnan

Traitement d’image Master STRI

Traitement d’image Master STRI

Traitement d’image Master STRI

Quest-ce quune image : point de vue mathématique.

Traitement d’image Master STRI

Quest-ce qu’une image numérique :

Traitement d’image Master STRI

Diﬀérents types dimage

Traitement d’image Master STRI

Image à niveaux de gris (intensité ou luminance) :

Traitement d’image Master STRI

Traitement d’image Master STRI

Traitement d’image Master STRI

La compression de données est une activité ancienne : lutilisation

Traitement d’image Master STRI

Lhomme a toujours voulu découvrir la beauté des planètes, vues de

Traitement d’image Master STRI

Traitement d’image Master STRI

Traitement d’image Master STRI

Traitement d’image Master STRI

Lhistogramme est une fonction H(x) permettant de donner la

Traitement d’image Master STRI

Il fournit diverses informations comme les statistiques dordre1.

Traitement d’image Master STRI

Utile pour certains traitements dimage tels que légalisation

Traitement d’image Master STRI

Traitement d’image Master STRI

Q : la quantité d’informations dans l’image, en bits

Traitement d’image Master STRI

Traitement d’image Master STRI

Traitement d’image Master STRI

Traitement d’image Master STRI

Traitement d’image Master STRI

Compression sans perte

• Pas de modiﬁcation de limage.

Traitement d’image Master STRI

Algorithmes de compression sans perte

• Méthodes à base de redondances (RLE) : utilisées par les

Traitement d’image Master STRI

Traitement d’image Master STRI

La méthode développée par D.Huﬀman en 1952, traite lextension

Traitement d’image Master STRI

Traitement d’image Master STRI

Exemple de codage Huﬀman

Figure 1 – Arbre de Huﬀman

Traitement d’image Master STRI

Traitement d’image Master STRI

Compression avec perte

• Taux de compression plus élevé que compression sans perte.

Traitement d’image Master STRI

Algorithme de compression avec perte

Transformation par DCT (Discret Cosinus Transform)

Traitement d’image Master STRI

La matrice de transformation DCT est complètement

Et pour la transformation inverse :

Traitement d’image Master STRI

Traitement d’image Master STRI

JPEG est une norme de compression dimages basée sur la DCT.

JPEG est lacronyme de Joint Photographic Experts Group Il s’agit

JPEG déﬁnit deux classes de processus de compression :

Principe de l’algorithme JPEG