The Problem with JPEG - ComputerphileYouTube↗  IA↗(long shot)
Education  412.2K views 6.5K likes 76 dislikes   09 Jun 2015
Computerphile 2.6M subscribers N/A YouTube↗


Please select the problem
You must specify your email and describe the problem in detail
Describe your problem in detail if it's not obvious

Click to Play Video Click to Play Video
JPEG videodan belki de net değil
JPEG iyi bir fikir olmadığı zaman.
Demek istediğim, birçok insan "ah, asla JPEG'i bilimsel görüntüler için kullanmamalısın" ya da öyle bir şey söylüyor.
Çünkü tamamen kayıplı sıkıştırma, bu eşitliği kaybedeceksiniz.
Ve bu doğru
ama aynı zamanda kayıplı sıkıştırmasını çok küçük görüntü blokları üzerine uyguladığınız anlamına da gelmiyor.
Böylece bir blok ile diğer blok arasında tutarlılık elde edemezsiniz
ama oldukça iyi görünecek ve çoğu görüntüleme için sorun değil.
Açıkçası pek çok insan çiğ olarak çekim yaparak yemin ediyor ve biliyorsunuz, onlara iyi şanslar.
JPEG çok daha az yer kaplar ve bu nedenle çoğu pratik amaç için bir JPEG görüntüsü iyidir.
JPEG görüntülerinin iyi olmadığı bir zamanlar metindir.
Çoğu insan JPEG artefaktlarını, yani metin etrafındaki görüntünün bit parçalarını gördü.
ve belki de neden JPEG sıkıştırma işleminin yalnızca bir yan etkisi olduğunu bilmiyoruz.
Özellikle, JPEG sıkıştırmasının metin üzerindeki yan etkisi
çünkü metin bizim varsayımlarımızı ihlal ediyor
yüksek frekans bilgisi görüntüye çok fazla katkıda bulunmaz.
Yani bu, amacını açıklamak için geldiğim küçük bir 8x8 görüntüsü.
Yani bu, bir anlamda, metin. Bu, küçük üçgen braketleriyle Computerphile C'dir.
8x8, bu yüzden en yüksek çözünürlük değil, ancak amacımıza oldukça iyi hizmet ediyor.
Bu görüntünün çiçeğin son görüntüsünün sahip olmadığı bir şey, yoğunluktaki keskin değişimlerdir.
Yani bu C arka plana keskin bir adım attı
ve bu JPEG'in hiç de iyi işlemeyeceği bir şey değil.
Şunun kodlanmış parlaklık bloğuna bakarsak
Bunu anladık.
Yani bu bizim C'miz sadece 0 ila 255 parlaklık değeri olarak temsil edilir.
Yani bunlar bizim 48 yaşında geçmişimiz.
Bu bizim c burada
ve burada parantez
Bunların her biri, 8x8 görüntüdeki ilgili pikselin gri tonlama yoğunluğunu temsil eder.
Şimdi, bunu JPEG olarak kodlarsak, o zaman yapacağımız şey tüm bunları değiştireceğimizdir.
ve DCT katsayılarımızı hesaplardık.
Ve sonra yüksek frekanslardan kurtulup onları kodlardık.
Ve bunu yaparken, görüntüyü oldukça makul bir kaliteye sahip olduğumuza kitlesel biçimde sıkıştırıyoruz.
Ancak bu durumda bu doğru değil.
DCT katsayılarına bakarsak
Büyüklerin her zaman sol üstte olduğunu varsaydığımızı görebilirsiniz.
böylece düşük frekans görüntüye daha fazla katkıda bulunur.
fazlasıyla ihlal edildi.
Bu özel katsayı, örneğin, yalnızca 0.8'e katkıda bulunur.
Sanırım bu, son videomuzda 200 ya da benzeri bir değerdi.
Aşağıda, büyük, büyük katsayılarımız var. 30, 67.5, 53, -53.
Hepsi bu gerçekten yüksek frekanslı kosinüs dalgaları.
Öyleyse DCT'nin yanındaki logo katsayılarımıza bakarsak
Esasen sahip olduğumuz şeyin buradaki kaybı olduğunu görebiliyoruz, bu yüzden bu.
Demek ki bu C buna çok katkıda bulunuyor.
Hangi tür görebiliyorsunuz çünkü içinde bir tür C şekli var.
Ve bu yüzden, belki de bunun sahip olacağı katkıyı tam olarak anlamak zor.
Çünkü bu katsayılar temelde keyfi sayılardır.
Fakat mesele, bu görüntünün, bu yüksek frekans bölümlerinin çoğunun eklenmesi olduğu.
ve bu düşük frekanslı olanlardan çok daha az.
Bu yüzden standart nicelememizi yaptığımızda, tüm bu sayıları büyük miktarlara böleceğiz.
ve çoğunu 0'a ayarlayın.
ve bu büyük bir problem olacak, çünkü o zaman görüntüyü diğer tarafa yeniden yarattığımızda
Bu görüntüyü oluştururken hayati olan şeyin şimdi gittiğini ve geri alamayacağımızı bulacağız.
Ve aslında tam olarak gördüğünüz budur. Yani burada gerçek çıktıyı gösterirsek
C'mizin görünür olduğunu görebiliriz.
ancak eklenen tüm bu rastgele sesler tarafından tamamen cüce ediliyor.
metnimizin kenarına. Ve bu tam olarak normalde olur
JPEG’leri kullanarak metnin sıkıştırılması. Temelde biz varsayalım
tıpkı normal doğa fotoğraflarındaki gibi yüksek frekans bilgisinden kurtulabileceğimizi
ve biz bunu yapamadık. Bu kötü oldu fikir. Ve böylece elimizde bu kadar şey var
yapmamalıydık.
Bloğa baktığımızda, karşılaştırıldığında
orjinal değerinin 48 olduğunu görebiliyoruz. Şimdi 66.
Yani bu değerlerin çoğu tarafından değişti oldukça büyük miktarda. Son videomuzda
Bence standart hata arasında eski ve yeni, 3 gibi bir şeydi.
Ortalama olarak yaklaşık 3, yukarı veya aşağı. Bu yaklaşık 11.
Piksellerimizde elde ettiğimiz ortalama hata miktarının üç katından fazla.
Ve bu metin olduğu için, çıktı görüntüsünde bunu açıkça görebiliyoruz.
Yani, bunun çözümü, gerçekten, çok fazla miktarda metniniz olduğunda JPEG'i kullanmamaktır.
aklımda o C aşağı bir 8x8 bloğa sığdırmak için küçülmüş.
Aslında, isterseniz, bir işaretiniz olurdu.
Bir mektubun büyük miktarda görüntü aldığını göreceksiniz.
ve belki de sadece küçük bir kenarını sıkıştırıyorsunuz ve o kadar da kötü görünmeyecek.
Ama kesinlikle, eğer Yüzde 50 metin içeren JPEG
veya daha düşük kalitede başlayacaksınız JPEG yapılarını görmek için
Bu yüksek frekanslar kaldırıldığından, benekleri alırsınız.
o yerde donuk olurlardı. Kötü bir şekilde yüklerseniz, aslında görmüş olabilirsiniz
sıkıştırılmış metin belgesi
yakınlaştırdığınızda, iyi ölçeklenmiyor ve bu yüzden
e-okuyucular böyle bir şey kullanmazlar, metni sıralamaya çalışırlar
kaynaktan olduğu gibi ve bu şekilde bu sorunların hiçbirine sahip değiller.
İşin ilginç yanı, bu hasar bir kez yapıldığında
yeniden kodlamaya devam etmeyi kötüleştirmez, çünkü bunun için katsayılar şimdi
tümü 0, çünkü onları 0 olarak ayarladık. Bunu bir JPEG olarak yeniden kodlarsak
olmadıkça daha da kötüleşecek kalite ayarlarını değiştiriyoruz.
Aslında sadece bu kadar kötü kalacak. Yani aslında, bu bir
JPEG kullanmaya devam etmek istiyorsanız, buna bağlı kalmanız gereken kötü JPEGable sürümü. Ama aksi takdirde, kaçının.
... hemen hemen her alanda kesinlikle işe yaramaz. Google kendi kendine araba kullanan bir satranç atarsanız
araba sürmekle kalmıyor, aynı zamanda bir konsepti de bilmiyor, arabanın ne olduğunu bilmiyor ...
Similar videos:

JPEG DCT, Discrete Cosine Transform (JPEG Pt2)- Computerphile
Computerphile
475.3K views 10.4K likes 67 dislikes 22 May 201549% match

Turing's Enigma Problem (Part 1) - Computerphile
Computerphile
1.1M views 12.6K likes 270 dislikes 28 Nov 201430% match

Fuzzy Logic - Computerphile
Computerphile
335.5K views 5.5K likes 185 dislikes 11 Jun 201430% match

Entropy in Compression - Computerphile
Computerphile
332.2K views 7.1K likes 69 dislikes 02 Jul 201329% match

Mac or PC? - Computerphile
Computerphile
587.9K views 9.7K likes 314 dislikes 21 May 201428% match

What is Bootstrapping? - Computerphile
Computerphile
375.1K views 5.5K likes 287 dislikes 19 Mar 201427% match

P vs NP on TV - Computerphile
Computerphile
527.4K views 7.8K likes 537 dislikes 08 Feb 201426% match

What is a Monad? - Computerphile
Computerphile
357.7K views 7.6K likes 1.2K dislikes 24 Nov 201725% match

PDF, What is it FOR? - Computerphile
Computerphile
409K views 12K likes 144 dislikes 16 Sep 201624% match

Why C is so Influential - Computerphile
Computerphile
1.6M views 22.5K likes 1.6K dislikes 25 Aug 201724% match

Where HTML beats C? - Computerphile
Computerphile
551.2K views 11K likes 1.3K dislikes 27 May 201624% match

Turing Machines Explained - Computerphile
Computerphile
808.9K views 12.5K likes 592 dislikes 29 Aug 201424% match

Lambda Calculus - Computerphile
Computerphile
803.9K views 19.5K likes 567 dislikes 27 Jan 201724% match

Compression - Computerphile
Computerphile
373.2K views 7K likes 71 dislikes 21 Jun 201324% match

Secrets Hidden in Images (Steganography) - Computerphile
Computerphile
1.1M views 22K likes 242 dislikes 04 Aug 201524% match

Resizing Images - Computerphile
Computerphile
360.9K views 8.5K likes 115 dislikes 02 Sep 201623% match

Elegant Compression in Text (The LZ 77 Method) - Computerphile
Computerphile
420.9K views 8.2K likes 83 dislikes 01 Nov 201323% match

Computing Limit - Computerphile
Computerphile
358.4K views 11.3K likes 443 dislikes 03 Nov 201723% match

Where GREP Came From - Computerphile
Computerphile
644.1K views 23.4K likes 152 dislikes 06 Jul 201823% match

Program Correctness - Computerphile
Computerphile
48.8K views 2K likes 253 dislikes 27 Nov 202023% match

Internationalis(z)ing Code - Computerphile
Computerphile
911.6K views 32.5K likes 495 dislikes 04 Aug 201422% match

How to Choose a Password - Computerphile
Computerphile
1M views 21.1K likes 235 dislikes 20 Jul 201622% match

Password Cracking - Computerphile
Computerphile
3M views 60.3K likes 1K dislikes 13 Jul 201622% match

Parsing Explained - Computerphile
Computerphile
134.2K views 3.6K likes 45 dislikes 13 Nov 201922% match

Deep Learning - Computerphile
Computerphile
392.2K views 6.1K likes 280 dislikes 19 Apr 201622% match

What on Earth is Recursion? - Computerphile
Computerphile
565.8K views 16.8K likes 123 dislikes 16 May 201422% match

Reflections on Trusting Trust - Computerphile
Computerphile
66K views 3.7K likes -1 dislikes 23 Mar 202122% match

ALGOL 60 at 60 - Computerphile
Computerphile
73.7K views 3.1K likes 20 dislikes 04 Jun 202022% match

Slow Loris Attack - Computerphile
Computerphile
962.6K views 31.1K likes 265 dislikes 09 Nov 201622% match

The Problem with Time & Timezones - Computerphile
Computerphile
2.7M views 95.1K likes 893 dislikes 30 Dec 201321% match



Settings Privacy About Contact Donate