ΠΟΛΥΜΕΣΑ.

Παρουσίαση με θέμα: "ΠΟΛΥΜΕΣΑ."— Μεταγράφημα παρουσίασης:

1 ΠΟΛΥΜΕΣΑ

2 Τι είναι τα Πολυμέσα Πολλαπλά «μέσα» για την παρουσίαση πληροφορίας
Ένα σύστημα πολυμέσων είναι ένα σύστημα όπου η πληροφορία μπορεί να εμφανίζεται με ποικίλους τρόπους αναπαράστασης (modes of representation), δηλ. ποικίλες μορφές κωδικοποίησης. Κείμενο και εικόνα, ήχος και γραφικά, 2Δ & 3Δ σχεδιοκίνηση (animation) και video μπορούν να χρησιμοποιηθούν ταυτόχρονα στον πληροφοριακό χώρο του πολυμέσου

3 Ψηφιακά Πολυμέσα «Πολυμέσα»
Τεχνολογίες και τεχνικές που προσφέρουν σε ψηφιακό περιβάλλον δυνατότητες ψηφιοποίησης, επεξεργασίας, οργάνωσης και παρουσίασης πληροφοριών με πολλαπλές μορφές κωδικοποίησης.

4 Πολυμέσα & Υπολογιστές
Τα πολυμέσα στη γενικότερη έκφρασή τους δεν σχετίζονται αναγκαστικά με την ψηφιακή τεχνολογία. Ο κινηματογράφος, η τηλεόραση, ένα εικονογραφημένο βιβλίο, χρησιμοποιούν περισσότερα από ένα συμβολικά συστήματα για την παρουσίαση πληροφορίας. Εν τούτοις ο όρος «πολυμέσα» εισήχθη και διαδόθηκε σε στενή σχέση με την ψηφιακή τεχνολογία και τον κόσμο των υπολογιστών.

5 Χαρακτηριστικά Τα σημαντικότερα χαρακτηριστικά της σύγχρονης τεχνολογίας των πολυμέσων είναι: η ψηφιακή (digital) φύση της πληροφορίας, η δυνατότητα της διάδρασης (interaction), η συμπίεση (compression) την οποία υφίστανται οι ποικίλες μορφές πολυμέσων.

6 Αναλογικός Κόσμος Λέγοντας ότι η πληροφορία είναι αναλογική εννοούμε ότι το σήμα που περιγράφει το φυσικό μέγεθος μεταβάλλεται ανάλογα με τον τρόπο που μεταβάλλεται και το φυσικό μέγεθος, δηλ. αναπαριστά αυτό το μέγεθος και παρακολουθεί τις όποιες μεταβολές του μέσα από μια σχέση αναλογίας. Στη γλώσσα των μαθηματικών λέμε ότι η συνάρτηση που περιγράφει το καταγραφόμενο μέγεθος είναι συνεχής συνάρτηση

7 Από τον Αναλογικό στον Ψηφιακό κόσμο
Το πέρασμα από τον αναλογικό στον ψηφιακό κόσμο είναι η διαδικασία της ψηφιοποίησης (digitization). Κατά την ψηφιοποίηση ένα σήμα αναλογικής μορφής μετατρέπεται σε ψηφιακό (συνήθως δυαδικό), δηλ. από συνεχή συνάρτηση του χρόνου μετατρέπεται σε μια σειρά διακριτών τιμών με δύο τιμές: το λογικό «0» και το λογικό «1» (A) Δειγματοληψία (sampling), (B) Κβαντοποίηση (quantization) και (Γ)) Κωδικοποίηση (coding).

8 (Α) Δειγματοληψία (sampling) & συχνότητα δειγματοληψίας (sampling frequency)
Αρχικό Αναλογικό Σήμα Καταγραφή δειγμάτων, δηλ. στιγμιοτύπων της τιμής του αναλογικού σήματος σε διακριτές χρονικές στιγμές

9 Δειγματοληψία Το σήμα μετασχηματίζεται σε μια σειρά δειγμάτων (samples) Συχνότητα δειγματοληψίας: Ρυθμός καταγραφής δειγμάτων Μετριέται σε Hz & πολλαπλάσια (kHz, MHz)

10 Πιστότητα καταγραφής αναλογικού σήματος
Πόσο καλή μπορεί να είναι η προσέγγιση του αρχικού αναλογικού σήματος; Στην περίπτωση χαμηλής συχνότητας ο υψίσυχνος παλμός δεν ψηφιοποιείται (εικ. 2.7β) και η πληροφορία που μεταφέρει «χάνεται» αφού η διάρκειά του είναι μικρότερη από την περίοδο λήψης δειγμάτων. Το πρόβλημα διορθώνεται αν αυξήσουμε τη συχνότητα δειγματοληψίας.

11 Απαιτήσεις για τη συχνότητα δειγματοληψίας
Η τιμή της συχνότητας δειγματοληψίας πρέπει να ικανοποιεί δύο αντικρουόμενες απαιτήσεις:  ποιότητα ψηφιοποίησης (υψηλή συχνότητα),  μικρό μέγεθος ψηφιακού αρχείου (χαμηλή συχνότητα). Πού βρίσκεται η χρυσή τομή;

12 Θεώρημα Nyquist Υπάρχει μια μέγιστη συχνότητα fn πάνω από την οποία η ενέργεια του σήματος είναι πρακτικά μηδέν. Η fn αναφέρεται συνήθως και ως συχνότητα αποκοπής (cutoff frequency). Το θεώρημα Nyquist καθορίζει πως η ενδεικνυόμενη συχνότητα δειγματοληψίας fs ενός αναλογικού σήματος θα πρέπει να είναι διπλάσια από την συχνότητα αποκοπής fn του σήματος fs= 2fn Η fs ονομάζεται συχνότητα Nyquist.

13 Δειγματοληψία & fs Δειγματοληψία με συχνότητα χαμηλότερη από τη συχνότητα Nyquist παραμορφώνει το σήμα και χάνει τις υψηλότερες συχνότητες που τυχόν δεν καλύπτει η επιλεγμένη fs (το φαινόμενο ονομάζεται αλίαση “aliasing”). Συχνότητα υψηλότερη από τη συχνότητα Nyquist αποτελεί σπατάλη αποθηκευτικού χώρου καθώς δημιουργεί πρόσθετα δείγματα χωρίς αυτά να είναι απαραίτητα. Στην πράξη επιλέγεται πάντα συχνότητα λίγο υψηλότερη από τη συχνότητα Nyquist.

14 Παράδειγμα: ήχος CD Εφόσον το ακουστικό φάσμα που γίνεται αντιληπτό από το ανθρώπινο αυτί έχει συχνότητα αποκοπής fn = kHz Επομένως η συχνότητα Nyquist υπολογίζεται στα 2 x = 44.1 kHz που αποτελεί και τη συχνότητα δειγματοληψίας του ήχου στα μουσικά CD.

15 (B) Κβαντοποίηση (quantization) & Μέγεθος δείγματος (sampling size)
Κβαντοποίηση ενός σήματος στο οποίο έχει γίνει δειγματοληψία είναι η διαδικασία που μετατρέπει τα δείγματα από το χώρο των συνεχών τιμών (απ’ όπου προήλθαν) στο χώρο των διακριτών. Αυτό σημαίνει πως σε κάθε δείγμα πρέπει να εκχωρηθεί μία τιμή από αυτές που διαθέτει και επιτρέπει η χρησιμοποιούμενη κλίμακα.

16 Εκχώρηση τιμών στα δείγματα
Για να γίνει αυτό υποδιαιρείται το εύρος τιμών του συνεχούς σήματος σε συγκεκριμένα επίπεδα και σε κάθε τέτοιο επίπεδο εκχωρείται ένας ψηφιακός κωδικός από τους διαθέσιμους της κλίμακας Κάθε δείγμα παίρνει εκείνη την ψηφιακή τιμή πλησιέστερα στην οποία βρίσκεται η αρχική του τιμή, δηλ. στρογγυλοποιείται στον κοντινότερο διαθέσιμο κωδικό.

17 «Μέγεθος δείγματος» (sampling size).
Το πλήθος των διαθέσιμων τιμών εξαρτάται από το πλήθος ψηφίων του κωδικού που χρησιμοποιείται για την αναπαράσταση των τιμών αυτών. Το μέγεθος αυτό χαρακτηρίζεται ως «μέγεθος δείγματος» (sampling size). Αφού κάθε δείγμα παριστάνεται και αποθηκεύεται με χρήση ενός τέτοιου κωδικού το μέγεθος δείγματος δείχνει ταυτόχρονα και το ποσό της μνήμης που απαιτείται για την ψηφιακή αποθήκευση του κάθε δείγματος.

18 Σφάλμα κβαντισμού Μέγεθος δείγματος: 1 bit  2 επίπεδα κβάντωσης
Χαρακτηριστικές τιμές 8 bit  256 στάθμες κβάντωσης 16 bit  στάθμες «Σφάλμα κβαντισμού» (quantization error) : παραμόρφωση λόγω προσέγγισης και είναι τόσο πιο μικρή όσο περισσότερες στάθμες κβαντισμού υπάρχουν

19 Απαιτήσεις Η τιμή του μεγέθους δείγματος πρέπει να ικανοποιεί δύο αντικρουόμενες απαιτήσεις:  ποιότητα ψηφιακής πληροφορίας με μικρό σφάλμα κβαντισμού (μεγάλο μέγεθος)  μικρό μέγεθος ψηφιακού αρχείου (μικρό μέγεθος δείγματος).

20 (Γ) Κωδικοποίηση (coding)
Κωδικοποίηση: οι κωδικοί των επιπέδων κβάντωσης της ψηφιακής αναπαράστασης αντιστοιχούνται στα δείγματα και δημιουργείται έτσι το τελικό ψηφιακό σήμα σαν μια σειρά bit

21 Αναδημιουργία (reconstruction)
Στη συνέχεια με τεχνικές παρεμβολής (interpolation) είναι δυνατόν να δημιουργηθούν περισσότερες ενδιάμεσες τιμές και να αναγεννηθεί το αρχικό αναλογικό σήμα κατά μεγάλη προσέγγιση Η ποιότητα του αναπαραγόμενου σήματος εξαρτάται σε μεγάλο βαθμό από το το μέγεθος δείγματος και τη συχνότητα δειγματοληψίας που χρησιμοποιήθηκε κατά τη ψηφιοποίηση.

22 «Ρυθμός μετάδοσης ψηφιακών δεδομένων» (Bit rate)
Ένα σήμα στο οποίο έχει γίνει δειγματοληψία, κβαντοποίηση και κωδικοποίηση αποκαλείται μερικές φορές και «σήμα PCM» (Pulse Code Modulation ή σήμα παλμοκωδικά διαμορφωμένο). Αν η συχνότητα δειγματοληψίας ενός τέτοιου σήματος είναι F δείγματα το δευτερόλεπτο και το μέγεθος δείγματος Μ bit ανά δείγμα, τότε ως «ρυθμός μετάδοσης ψηφιακών δεδομένων» (bit rate) ορίζεται το γινόμενο F x L και μετριέται σε bps (bits per second ή bits ανά δευτερόλεπτο).

23 Παράδειγμα Στις τηλεφωνικές επικοινωνίες
 Δειγματοληψία: 8000 δείγματα /sec (8 kHz)  Κβαντοποίηση: 256 επίπεδα  Κωδικοποίηση: 8bits/δείγμα και το bit rate που προκύπτει είναι: 8000 x 8 = bits/sec = 64 kbps. Αυτή η τιμή χαρακτηρίζεται ως DS0 (Digital Service επιπέδου μηδέν) και είναι το βασικό bit rate στα περισσότερα συστήματα ψηφιακής μετάδοσης που συνήθως μεταδίδουν πολλαπλάσια του DS0, δηλ. πολλαπλάσια των 64 kbps.

24 Ψηφιακή πληροφορία: πλεονεκτήματα & μειονεκτήματα
Πλεον μικρότερη ευαισθησία στο θόρυβο υψηλός βαθμός ολοκλήρωσης (integration) Ο όρος «ολοκλήρωση» αναφέρεται στην τεχνολογική δυνατότητα να διαχειρίζεται με τον ίδιο τρόπο οποιαδήποτε ψηφιακή πληροφορία ανεξάρτητα από το τι αυτή παριστάνει (κείμενα, εικόνες, video, ήχο, κλπ Ο αντίλογος για την ολοκλήρωση: Σε πολλές περιπτώσεις οι δυνατότητες τεχνολογικής ολοκλήρωσης δεν φαίνονται να έχουν ανταπόκριση στο αγοραστικό κοινό, Εύκολη υλοποίηση μεθόδων εντοπισμού και διόρθωσης λαθών, συμπίεσης και κρυπτογράφησης της πληροφορίας Μειον Πιστότητας στην καταγραφή της πληροφορίας Η δημιουργία ψηφιακής πληροφορίας ισορροπεί ανάμεσα στην απαίτηση για υψηλή ποιότητα αλλά και μικρό μέγεθος αρχείων.

25 Κατηγοριοποιήσεις των Πολυμέσων
Σύνθεση και σύλληψη Διακριτά & Συνεχή Μέσα Τοπικές (off-line) και Δικτυακές (on-line) εφαρμογές Πολυμέσων

26 Διάδραση (Interaction) & Διαδραστικά Πολυμέσα (Interactive Multimedia)

27 Διάδραση: Τι είναι & τι προσφέρει
Σχέση ανάμεσα σε δύο τουλάχιστον οντότητες κατά την οποία μεταφέρεται πληροφορία από την μία οντότητα στην άλλη σχετικά με την κατάσταση στην οποία βρίσκονται οι οντότητες. Η ροή αυτή της πληροφορίας επιτρέπει στις οντότητες να δημιουργούν ένα κοινό σύστημα που περνά από κατάσταση σε κατάσταση εξελισσόμενο προς την επίτευξη ενός στόχου. Χαρακτηρίζει τη δυνατότητα που δίνει η τεχνολογία στο χρήστη να ελέγχει με δυναμικό τρόπο την πορεία παρουσίασης της πληροφορίας από το σύστημα, δηλ. να ανακατευθύνει την πορεία αυτή τη στιγμή που εξελίσσεται, με βάση τις αποκρίσεις του συστήματος και τους δικούς του στόχους.

28 Διαδραστικότητα (interactivity)
Είναι η ποιότητα που χαρακτηρίζει μια πράξη όταν αυτή περιλαμβάνει διάδραση «Διαδραστικά πολυμέσα» (interactive multimedia) αναφέρονται οι εφαρμογές εκείνες των πολυμέσων που επιτρέπουν την πρόσβαση στην πληροφορία μέσω της διάδρασης χρήστη-εφαρμογής.

29 Τα μέρη μιας διάδρασης (α) Αρχικό ερέθισμα ή κατάσταση εκκίνησης
(β) Απόκριση (Responce) Είναι το είδος της δράσης μέσω του οποίου η οντότητα που αποκρίνεται μπορεί να μεταφέρει πληροφορία στην πρώτη. Στην απόκριση διακρίνονται δύο τουλάχιστον επίπεδα: το φυσικό επίπεδο που αναφέρεται στη φυσική ενέργεια που θα κάνει η οντότητα για να δώσει απόκριση, το γνωστικό επίπεδο που αναφέρεται στο είδος της γνωστικής διαδικασίας στην οποία εμπλέκεται η οντότητα για να δώσει απόκριση, (γ) Ανάδραση (feedback) Είναι η πληροφορία που μεταφέρει μια οντότητα σ’ αυτήν που επέλεξε έναν τρόπο απόκρισης στο αρχικό ερέθισμα.

30 Τυπική οθόνη διάδρασης με ερώτηση πολλαπλών επιλογών.
Ο χρήστης πρέπει να μπορεί να αναγνωρίσει τη σωστή μεταξύ των τεσσάρων απαντήσεων που προσφέρονται (γνωστικό επίπεδο) και να πατήσει το πλήκτρο «Αξιολόγηση» για να δει την ανάδραση του συστήματος

31 Εδώ ο χρήστης πρέπει να σύρει το ζητούμενο εικονίδιο από την παλλέτα αριστερά στην κατάλληλη θέση δεξιά. Η απόκριση στο φυσικό επίπεδο είναι τύπου “drag and drop” (σύρε κι άσε) ενώ απαιτεί την εκδήλωση γνώσης διαδικαστικού τύπου.

32 Πώς επιτυγχάνεται η διάδραση
Συνήθη ενεργά στοιχεία της διεπαφής χρήστη που υλοποιούν διαδράσεις σε τεχνολογικά περιβάλλοντα.

33 Λειτουργίες διάδρασης
Πλοήγησης (navigational)  Διάδραση πλοήγησης προσφέρει κάθε ενεργό στοιχείο της οθόνης που επιτρέπει στον χρήστη να πλοηγηθεί στη δομή της εφαρμογής και να εντοπίσει τις πληροφορίες που χρειάζεται. Μαθησιακή (learning)  Μαθησιακή χαρακτηρίζεται κάθε διάδραση που οργανώνεται με τρόπο ώστε να βοηθά τον χρήστη να αποκομίσει μαθησιακά οφέλη χρησιμοποιώντας την εφαρμογή. Προσαρμοστική (adaptive).  Η προσαρμοστική διάδραση σχετίζεται με την ικανότητα του συστήματος να προσαρμόζει τον τρόπο παρουσίασης της πληροφορίας στα ιδιαίτερα χαρακτηριστικά του χρήστη.

34 Διάδραση πλοήγησης Το περιεχόμενο μιας εφαρμογής πολυμέσων αναπτύσσεται σε περισσότερες από μία οθόνες (κόμβους) της εφαρμογής. Οι διαδράσεις πλοήγησης (πχ. τα πλήκτρα στην κάτω σειρά της εικόνας) επιτρέπουν στον χρήστη να πλοηγηθεί μέσα στους κόμβους της εφαρμογής.

35 Μαθησιακή διάδραση Μαθησιακή διάδραση σε εφαρμογή προσομοίωσης: ο χρήστης δημιουργεί ένα τοπικό δίκτυο τοποθετώντας τα συστατικά του μέρη και ελέγχοντας τη σωστή λειτουργία του.

36 Προσαρμοστική Διάδραση
Στην προσαρμοστική διάδραση το σύστημα παρακολουθεί συγκεκριμένες διαδράσεις του χρήστη (πχ. τις απαντήσεις του σε ειδικό ερωτηματολόγιο ή τις επιλογές του σε καθορισμένα σημεία) και δημιουργεί ένα μοντέλο του χρήστη με βάση το οποίο κάνει την προσαρμογή

37 Διαδραστικά πολυμέσα (interactive multimedia)
απλά πολυμέσα Τα απλά πολυμέσα είναι μια τετριμμένη περίπτωση εφαρμογών όπου απουσιάζει παντελώς η διάδραση διαδραστικά πολυμέσα σε ένα τυπικό σύστημα διαδραστικών πολυμέσων ο χρήστης έχει τη δυνατότητα να καθορίσει την πορεία που θα ακολουθήσει μέσα από οθόνες με διάφορες επιλογές (σημεία διάδρασης) που βρίσκονται σε χαρακτηριστικά σημεία μέσα στην εφαρμογή. Οι οθόνες αυτές δρούν ως «σταυροδρόμια». υπερμέσα (hypermedia)

38 Διαδραστικά πολυμέσα: στον κόμβο της εικόνας ο χρήστης καλείται να επιλέξει έναν από τους τρεις διαθέσιμους θεματικούς χώρους «ανάλυση», «σύνθεση» & «μαθητεία» πατώντας στην κατάλληλη λέξη

39 Εφαρμογές διαδραστικών πολυμέσων
Επικοινωνία Περιβάλλοντα επικοινωνίας με χρήση τεχνολογίας πολυμέσων Εκπαίδευση Εκπαιδευτικά περιβάλλοντα πολυμέσων Ενημέρωση Κιόσκια πληροφοριών Παρουσιάσεις Ψυχαγωγία Παιχνίδια

40 Συμπίεση Δεδομένων

41 Τι είναι η συμπίεση Ένα σημαντικό ερώτημα είναι πάντοτε αν μπορεί η πληροφορία να κωδικοποιηθεί πιο αποδοτικά, δηλ. να βρεθεί ένας τρόπος να μεταδοθεί η ίδια πληροφορία αλλά με λιγότερα bit.  Η διαδικασία που επανακωδικοποιεί την εκπεμπόμενη πληροφορία με στόχο να μεταδώσει το ίδιο περιεχόμενο αλλά με μικρότερη επιβάρυνση του καναλιού, δηλ. λιγότερα bits ανά σύμβολο, λέγεται συμπίεση.

42 Αλγόριθμος Συμπίεσης & Συμπιεστής ή σχήμα συμπίεσης (compressor)
αλγόριθμος συμπίεσης είναι κάθε αλγόριθμος που έχει σαν στόχο την επίτευξη συμπίεσης των δεδομένων εισόδου. Δηλ. ο αλγόριθμος εφαρμόζει μια απλή και συγκεκριμένη μεθοδολογία επεξεργασίας των δεδομένων ώστε να προκύψει μια περισσότερο συμπιεσμένη μορφή τους. Ένας συμπιεστής αντίθετα είναι ένα γενικότερο σχήμα συμπίεσης (και αποσυμπίεσης) που συνήθως περιλαμβάνει περισσότερους από έναν αλγόριθμους στη σειρά, δηλ. τα δεδομένα εξόδου του ενός να αποτελούν δεδομένα εισόδου του επόμενου. Πχ. JPEG & MPEG

43 Συμπίεση πληροφορίας πολυμέσων
Η πληροφορία πολυμέσων (ψηφιακή εικόνα, ήχος, video, τρισδιάστατα γραφικά) έχει ένα βασικό χαρακτηριστικό που το εκμεταλλευόμαστε για να δημιουργήσουμε αποδοτικούς τρόπους συμπίεσής της:  η πληροφορία πολυμέσων προέρχεται από ψηφιοποίηση αναλογικών σημάτων του πραγματικού κόσμου και απευθύνεται σε ανθρώπους. Αυτό σημαίνει ότι μπορούμε να εκμεταλλευτούμε τα φυσιολογικά χαρακτηριστικά και περιορισμούς των ανθρώπινων αισθητηρίων οργάνων (μάτι, αυτί) και να συμπιέσουμε την πληροφορία χωρίς να μειώσουμε αισθητά την ποιότητά της (ψυχοφυσιολογική συμπίεση)

44 Γιατί χρειαζόμαστε τη συμπίεση;
Η υψηλή συχνότητα δειγματοληψίας και το μεγάλο μέγεθος δείγματος θα δημιουργήσει ένα αρχείο αντίστοιχα μεγάλου μεγέθους (α) πρέπει να βρεθεί κατάλληλος αποθηκευτικός χώρος (β) πρέπει η πληροφορία του ψηφιακού αρχείου να μεταφέρεται αρκετά γρήγορα προς αναπαραγωγή στα αντίστοιχα υποσυστήματα (υποσύστημα ήχου, εικόνας, κλπ.)  (γ) πρέπει η πληροφορία να μεταφέρεται ικανοποιητικά γρήγορα στα δίκτυα υπολογιστών.

45 Ασυμπίεστα Δεδομένα Μια εικόνα ανάλυσης 1024 x 768 εικονοστοιχείων με βάθος χρώματος 24 bit (δηλ. πληροφορία 24 bit για κάθε εικονοστοιχείο) δημιουργεί  αρχείο μεγέθους: 1024x768x24 = bit = 18 Mb = 2,25 ΜΒ Ασυμπίεστο video αυτών των προδιαγραφών με 24 πλαίσια (εικόνες) ανά δευτερόλεπτο χρειάζεται αποθηκευτικό χώρο 2,25 ΜΒ x 24 = 54 ΜΒ ανά sec και για ένα φιλμ ψηφιακού video διάρκειας μιας ώρας απαιτείται χώρος 54 x 3600 = 190 GB περίπου. Για ήχο ποιότητας CD (συχνότητα 44,1 KHz, μέγεθος 16 bit, στερεοφωνικά) χρειάζεται για διάρκεια ενός λεπτού: 16 x x 2 x 600 = ΜΒ περίπου. 

46 Λόγος συμπίεσης «Λόγος συμπίεσης» (compression ratio).
Πρόκειται για ένα μέγεθος που εκφράζει την σχέση του χώρου που καταλαμβάνουν τα αρχικά δεδομένα ως προς τον χώρο που καταλαμβάνουν τα συμπιεσμένα δεδομένα. Ο λόγος συμπίεσης είναι ένας καθαρός αριθμός και δίνεται από τη σχέση: Λόγος συμπίεσης = αρχικό μέγεθος δεδομένων / μέγεθος συμπιεσμένων δεδομένων Για παράδειγμα, λόγος συμπίεσης «3 προς 1» (γράφεται 3:1) σημαίνει ότι η μετά τη συμπίεση το μέγεθος του αρχείου θα είναι το 1/3 του αρχικού.

47 Ρυθμός συμπίεσης «Ρυθμός συμπίεσης» (compression rate),
εκφράζει το ρυθμό μετάδοσης των συμπιεσμένων δεδομένων και μετριέται συνήθως σε bits per second (bps) ή ακόμη και σε bits per sample, bits per pixels.

48 Απωλεστική (lossy) & μη απωλεστική (lossless) συμπίεση
Συμπίεση χωρίς απώλειες η πληροφορία μετά την αποσυμπίεση είναι ακριβώς η ίδια με αυτήν που συμπιέστηκε αρχικά. Αντίθετα στην απωλεστική συμπίεση η πληροφορία μετά την αποσυμπίεση είναι λιγότερη σε σχέση με αυτήν που συμπιέστηκε αρχικά: κάποια πληροφορία έχει χαθεί.

49 Μη απωλεστική συμπίεση
Η μη απωλεστική συμπίεση εξαλείφει τον πλεονασμό της πληροφορίας χωρίς να «θυσιάζει» κανένα δεδομένο Κλασσικό παράδειγμα ο γνωστός συμπιεστής WinZip Παράδειγμα : Αν η αρχική πληροφορία είχε τη μορφή ΠΠΠΟΟΟΟΟΟΛΛΥΥΥΥΥΥΥΜΜΕΕΕΕΕΕΕΕΣΣΣΑΑΑΑΑΑΑ αφαιρώντας τον πλεονασμό συμπιέζεται 3Π 6Ο 2Λ 7Υ 2Μ 8Ε 3Σ 7Α Κατά την αποκωδικοποίηση η πληροφορία αναπαράγεται με την αρχική της μορφή: Ευρέως διαδεδομένοι μη απωλεστικοί αλγόριθμοι είναι οι: Run Length Encoding (RLE), Huffman, Delta, LZW.

50 Απωλεστική συμπίεση Στην απωλεστική συμπίεση εφαρμόζονται αλγόριθμοι που αφαιρούν μέρος της πληροφορίας με επιλεκτικό τρόπο Αυτό μπορεί να γίνει γιατί υπάρχουν είδη πληροφορίας που δεν αλλοιώνονται ουσιαστικά από την απώλεια κάποιων bit Παράδειγμα : Αν η αρχική πληροφορία είχε τη μορφή ΠΠΠΟΟΟΟΟΟΛΛΥΥΥΥΥΥΥΜΜΕΕΕΕΕΕΕΕΣΣΣΑΑΑΑΑΑΑ Αφαιρώντας όλο τον πλεονασμό της πληροφορίας τη συμπιέζουμε με τη μορφή: 3Π 6Ο 2Λ 7Υ 2Μ 8Ε 3Σ 7Α Αν όμως ο αλγόριθμος αγνοεί τις υψηλότερες συχνότητες (πχ. πάνω από το 5) τότε κωδικοποιεί ως εξής: 3Π 5Ο 2Λ 5Υ 2Μ 5Ε 3Σ 5Α και η πληροφορία μετά την αποσυμπίεση έχει τη μορφή: ΠΠΠΟΟΟΟΟΛΛΥΥΥΥΥΜΜΕΕΕΕΕΣΣΣΑΑΑΑΑ

51 Κωδικοποίηση Εντροπίας
Κωδικοποίηση εντροπίας Αντιμετωπίζουν την πληροφορία απλά σαν μια σειρά από bits και επιχειρούν να τη συμπιέσουν συνήθως εφαρμόζοντας κάποιες στατιστικές μεθόδους. Δηλ. εκμεταλεύονται όπως προαναφέραμε τους κανόνες στην εκπομπή των συμβόλων και προσπαθούν να μειώσουν τον πλεονασμό. Οι αλγόριθμοι αυτοί προσφέρουν κωδικοποίηση χωρίς απώλειες. Οι τεχνικές κωδικοποίησης εντροπίας διακρίνονται με τη σειρά τους σε δύο βασικές κατηγορίες (α) Περιορισμός των επαναλαμβανόμενων ακολουθιών (Suppression of repetitive sequences) (β) Στατιστική Κωδικοποίηση (Statistical encoding)

52 Κωδικοποίηση RLE Η κωδικοποίηση RLE βασίζεται στην παρατήρηση ότι σε πολλές περιπτώσεις μέσα σε μια ομάδα δεδομένων εμφανίζεται το ίδιο σύμβολο να επαναλαμβάνεται πολλές φορές στη σειρά. Θα μπορούσε επομένως αυτή η ακολουθία πολλαπλών εμφανίσεων του ίδιου συμβόλου να αντικατασταθεί από δύο άλλα σύμβολα: (α) το σύμβολο που εμφανίζεται, και (β) πόσες φορές εμφανίζεται.

53 Παράδειγμα συμπίεσης RLE

54 Κωδικοποίηση Huffman Γενικότερη κατηγορία της κωδικοποίησης εντροπίας
υποκατηγορία στατιστικής κωδικοποίησης. Η στατιστική κωδικοποίηση προσπαθεί να εντοπίσει τις περισσότερο συχνά εμφανιζόμενες σειρές χαρακτήρων μέσα στο «κείμενο» των συμβόλων και να τις αντιστοιχήσει σε κωδικούς με τα λιγότερα bits. Έτσι προκύπτει ένα «λεξικό» κωδικών όπου οι πιο συχνές ακολουθίες συμβόλων έχουν μικρότερους κωδικούς, ενώ οι πιο σπάνιες μεγαλύτερους. Κατά την αποσυμπίεση της πληροφορίας ο αποκωδικοποιητής χρησιμοποιεί το «λεξικό» ώστε να μετατρέψει και πάλι τους κωδικούς σε ακολουθίες συμβόλων.

55 Παράδειγμα κωδικοποίησης Huffman (1/2)

56 Παράδειγμα κωδικοποίησης Huffman (2/2)
Έτσι οι κωδικοί που προκύπτουν για τα 8 σύμβολα είναι:

57 Κωδικοποίηση δέλτα (Delta encoding) (1/2)
Η κωδικοποίηση δέλτα έχει ακριβώς σαν βασική ιδέα την καταγραφή όχι της ακριβούς τιμής κάθε δεδομένου αλλά της διαφοράς του από το αρχικό δεδομένο ή στοιχείο. Παράδειγμα: Αρχικά δεδομένα Δεδομένα μετά την κωδικοποίηση δέλτα – –3 –

58 Κωδικοποίηση δέλτα (Delta encoding) (2/2)

59 Κωδικοποίηση Πηγής Στην κωδικοποίηση πηγής προσδιορίζονται τα χαρακτηριστικά εκείνα της πηγής του σήματος που μπορούν να οδηγήσουν στην αφαίρεση τμημάτων της πληροφορίας χωρίς όμως μείωση της συνολικής ποιότητας του σήματος. Πχ. κατά την κωδικοποίηση στοιχείων πολυμέσων (ήχος, εικόνα, video) όπου τα σήματα αντιπροσωπεύουν ανθρώπινα αισθητηριακά δεδομένα λαμβάνεται υπόψη πως υπάρχουν συχνότητες των ακουστικών και οπτικών σημάτων που δεν γίνονται αντιληπτές από τον άνθρωπο και μπορούν να εξαλειφθούν από την αρχική πληροφορία με προφανές αποτέλεσμα ένα σημαντικό βαθμό συμπίεσης.

60 Κωδικοποίηση μετασχηματισμού
Ζητούμενο: εντοπισμός συχνοτήτων του σήματος που μπορούν να αφαιρεθούν (δηλ. δεν γίνονται εύκολα αντιληπτές από τον άνθρωπο) Βασική ιδέα: να μετασχηματιστεί το αρχικό σήμα ώστε να είναι εύκολο να προσδιοριστούν τα τμήματα εκείνα που μπορούν χωρίς ιδιαίτερα προβλήματα να απαλειφθούν. Για το σκοπό αυτό το σήμα μετασχηματίζεται από το πεδίο του χρόνου (time domain) στο πεδίο των συχνοτήτων (frequency domain).

61 Η έννοια του μετασχηματισμού
Ένας μετασχηματισμός (transform) είναι μια μαθηματική διαδικασία που με βάση κάποιον αλγόριθμο αντιστοιχεί μία σειρά από τιμές σε μια άλλη σειρά τιμών. Ο μετασχηματισμός επεκτείνει την έννοια της συνάρτησης επιτρέποντας στις παραμέτρους εισόδου και εξόδου να μην είναι απλές τιμές αλλά συναρτήσεις, δηλ. σύνολα τιμών.

62 Μετασχηματισμοί Fourier (1/2)
Οι μετασχηματισμοί Fourier μετασχηματίζουν μια συνάρτηση f(t) από το πεδίο του χρόνου σε μια συνάρτηση g(λ) στο πεδίο των συχνοτήτων και προσδιορίζουν το πλάτος g καθεμιάς συχνότητας λ στις οποίες αναλύεται η αρχική f(t).

63 Μετασχηματισμοί Fourier (2/2)
Οι τελείες δείχνουν τις τιμές των δειγμάτων από τις οποίες αποτελείται το σήμα (πρόκειται για ψηφιοποίηση ήχου). Οι σχετικές τιμές των πλατών (συντελεστές Fourier) δείχνουν ποιες συχνότητες συνεισφέρουν περισσότερο στη διαμόρφωση του σήματος.

64 «Διακριτός μετασχηματισμός συνημιτόνου» (Discrete Cosine Transform, DCT)
Εφαρμόζεται συνήθως για την συμπίεση σημάτων εικόνας & ήχου Ο μετασχηματισμός μετατρέπει το διακριτό σήμα (δηλ. τις τιμές των δειγμάτων) σε μια σειρά από απλές ακέραιες τιμές (τους συντελεστές του μετασχηματισμού) που αποτελούν τα πλάτη των συχνοτήτων που το συνθέτουν. Στη συνέχεια είναι εύκολο να μηδενίσει κανείς τους μικρότερους συντελεστές και να επιτύχει έτσι σημαντική συμπίεση. Η τεχνική αυτή αποτελεί τη βάση των λεγόμενων ψυχοφυσιολογικών συμπιεστών (JPEG, MPEG).