Форматы файлов растровой графики

Растровые изображения обычно хранятся в сжатом виде. Так же в графическом файле

 может храниться дополнительная информация: об авторе файла, фотокамере и её настройках,

 количестве точек на дюйм при печати и др.

1) BMP (Bitmap — битовая карта) – формат растровой графики, использующий метод сжатия

 RLE. Существует два варианта этого формата:

- аппаратно зависимый растр DDB – Device Dependent Bitmap

- аппаратно не зависимый DIB - Device Independent Bitmap

Широко используется в Windows и OS/2.

Расширения: *.bmp, *.dib, *.rle

Глубина цвета: от 1 до 48 bpp

Макс. Размер изображения: 65535х65535 px

    Цветовая модель: RGB

2) TIFF (Tagged Image File Format)- формат для хранения цифровых фотографий

Разработан фирмами Aldus+Microsoft

Этот формат был основой графического интерфейса в MacOS

Особенности: -использование LZW и ZIP;

              -поддерживает режимы 8, 16, 32, 64 bpp на канал;

              -поддерживает RGB, CMYK, Lab, YCC;

Расширения: *.tiff, *.tif

3) GIF (Graphics Interchange Format) – формат для передачи через сеть.

Существует две версии: GIF 87a, GIF 89a

Отличительной особенностью этого формата является поддержка таблиц индексированных

цветов до 256. Другой особенностью является поддержка множества растровых таблиц и

 создание на их основе мультипликаций, но самой главной особенностью является использование

 сжатия LZW, лицензия на который закончилась в 2006 году.

4) PNG (Potable Network Graphics) – разработан в 1995 году как бесплатная альтернатива

 GIF. Отличительная особенность от GIF – это использование алгоритма DEFLATE, а как преимущество

 – это использование практически любой доступной глубины цвета использующей только RGB.

 Другими преимуществами является опциональное использование альфа-канала.

Самый главный недостаток - отсутствие растровых таблиц. На основе этого формата был разработан

формат MNG, который позволяет создавать анимации, но он приближен к видео формату.

Методы сжатия растровых данных без потерь

Сжатие без потерь — метод сжатия информации, при использовании которого

закодированная информация может быть восстановлена с точностью до бита.

Основные алгоритмы сжатия без потерь:

1. Кодирование длин серий(Run-length encoding, RLE) – алгоритм сжатия данных,

 который оперирует последовательностями(сериями данных), в которых один и тот

 же символ встречается несколько раз подряд. При кодировании строка одинаковых

 символов заменяется строкой из символов и количества повторения. Например: aaaabbbcccc – 4a3b4c

2. LZW (Lempel-Ziv-Welch)- запатентованный алгоритм разработанный в 1984 на

основе LZ78. Этот алгоритм при сжатии динамически создает таблицу преобразований строк:

 определенной последовательности символов (словам) ставятся в соответствие группы бит

 фиксированной длины (обычно 12 бит). Алгоритму декодировщику на входе требуется

 только закодированный текст, он может воссоздать соответствующую таблицу

 преобразований по соответствующему тексту. Например: bab abcd abcd bcda bcda adb

abcd = 000 000 000 0001

bcda = 000 000 000 0010

В результате получим: bab ff gg adb

3. Алгоритм Хаффмана (Huffman) – основан на построении

оптимального кодового дерева в порядке убывания вероятностей

появления символов. Этот процесс можно представить как построение

 дерева, корень которого символ с вероятностью 1, получившийся при

 объединении символов – его потомков из предыдущего шага.

4. DEFLATE – алгоритм, который был разработан как бесплатная

 альтернатива LZW обладающий меньшими возможностями.

Все алгоритмы сжатия без потерь позволяют сжимать данные не

 более чем в 10 раз. Причем изображения для большей степени

 сжатия должны представлять собой рисунки, графики и другие

 штрихованные изображения. Цифровые фотографии не используют

 эти методы сжатия.

Методы сжатия растровых данных с потерями

Сжатие с потерями — это метод сжатия данных, когда распакованный

 файл отличается от оригинального, но «достаточно близок» для

 того, чтобы быть полезным каким-то образом.

Существуют две основных схемы сжатия с потерями:

- В трансформирующих кодеках берутся фреймы изображений или звука,

 разрезаются на небольшие сегменты, трансформируются в новое базисное

 пространство и производится квантизация. Результат затем сжимается

 энтропийными методами.

- В предсказывающих кодеках предыдущие и/или последующие данные

 используются для того, чтобы предсказать текущий фрейм изображения

 или звука. Ошибка между предсказанными данными и реальными

 вместе с добавочной информацией, необходимой для производства

 предсказания, затем квантизуется и кодируется.

В некоторых системах эти две техники комбинируются путём использования

трансформирующих кодеков для сжатия ошибочных сигналов, сгенерированных

на стадии предсказания.

Преимущество методов сжатия с потерями над методами сжатия без

потерь состоит в том, что первые существенно превосходят по степени

сжатия, продолжая удовлетворять поставленным требованиям. В таких

 случаях распакованный файл может очень сильно отличаться от

 оригинала на уровне сравнения «бит в бит», но практически неотличим

 для человеческого уха или глаза в большинстве практических применений.

JPEG (Joint Photographic Experts Group — Объединённая группа

экспертов в области фотографии) — является широкоиспользуемым

методом сжатия фотоизображений. Формат файла, который содержит

сжатые данные обычно также называют именем JPEG; наиболее

распространённые расширения для таких файлов *.jpeg, *.jfif, *.jpg,

 *.JPG, или *.JPE. Однако из них *.jpg самое популярное расширение

 на всех платформах.

При сжатии изображение переводится в цветовую систему YCbCr. Далее

 каналы изображения Cb и Cr, отвечающие за цвет, уменьшаются в 2 раза

 (по линейному масштабу). Уже на этом этапе необходимо хранить только

 четверть информации о цвете изображения. Далее цветовые каналы

 изображения, включая черно-белый канал Y, разбиваются на блоки 8 на 8

 пикселей. Каждый блок подвергается дискретно-косинусному преобразованию.

 Полученные коэффициенты подвергаются квантованию и упаковываются с помощью

 кодов Хаффмана. Матрица, используемая для квантования коэффициентов,

 хранится вместе с изображением. Обычно она строится так, что высокочастотные

 коэффициенты подвергаются более сильному квантованию, чем низкочастотные.

 Это приводит к огрублению мелких деталей на изображении. Чем выше степень

 сжатия, тем более сильному квантованию подвергаются все коэффициенты.