II Congresso de Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica Joo Pessoa PB - 2007

ESTUDO DE ALGORITMOS PARA A COMPRESSO DE IMAGENS

Gilmara LINHARES; Janderson DINIZ; Suzete CORREIA
Centro Federal de Educao Tecnolgica da Paraba, Av. 1 de maio, 720, CEP: 58015-430, (083) 3208-3000, fax (083)3208-3088, www.cefetpb.edu.br gilmara_linhares@yahoo.com.br, janderson.diniz@gmail.com, suzete.correia@gmail.com

RESUMO
Em razo da implantao da TV Digital, no Brasil, o estudo de tcnicas para a compresso de imagens tornou-se indispensvel para a transmisso ou armazenamento de dados de forma eficiente. Grande parte da informao gerada pela digitalizao de uma imagem composta por redundncias que podem ser eliminadas ou reduzidas sem acarretar uma imagem visualmente disforme. A compresso de imagens empregada nos CODECs de TV Digital a fim de proporcionar o uso eficiente da largura de banda do canal atravs de uma multiprogramao em uma mesma freqncia. Este artigo tem por objetivo descrever os principais algoritmos de compresso de imagens estticas que so empregados nos codificadores de vdeo, tais como: Huffman (Entropia), RLE (Run Length Encoding) e DCT (Discrete Cosine Transform).

Palavras-chave: compresso de imagens, cdigo de Huffman, RLE (Run Length Encoding) e DCT (Discrete Cosine Transform).

II Congresso de Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica Joo Pessoa PB - 2007

1. INTRODUO
A digitalizao de uma imagem produz uma grande quantidade de bits, o que requer um canal com maior capacidade de transmisso e uma quantidade maior de memria para o seu armazenamento. Com o intuito de solucionar esse impasse tcnicas de compresso de imagens foram e continuam a ser desenvolvidas. Grande parte da informao contida numa imagem pode ser removida sem causar distores, uma vez que o sistema visual humano no sensvel s altas freqncias menos contributivas para a imagem (WALDMAN, 2000). As tcnicas de compresso de imagens tentam fazer dessa limitao do olho humano a sua aliada para reduzir a quantidade de bits representativos da imagem. A compresso de imagens encontra aplicaes em diversos segmentos tais como computao multimdia, transmisso de televiso, imageamento mdico e geogrfico, entre outras. Em razo da implantao da TV Digital, no Brasil, essas tcnicas tornaram-se indispensveis otimizao do canal de transmisso, sendo empregadas nos codificadores e decodificadores (CODECs) de vdeo dos diferentes padres de TV Digital. Neste artigo sero apresentados os principais algoritmos de compresso de imagens estticas que so empregados nos codificadores de vdeo, tais como: Huffman (Entropia), RLE (Run Length Encoding) e DCT (Discrete Cosine Transform).

2. COMPRESSO DE IMAGENS 2.1 Definio

O processo pelo qual se digitaliza uma imagem gera uma enorme quantidade de dados. A imagem analgica representada por uma funo intensidade de luz bidimensional f(x,y) amostrada e quantizada para ser digitalizada (GONZALEZ, 2000). A amostragem consiste em discretizar as coordenadas espaciais (x,y) em uma matriz de pontos elementares, em que cada ponto recebe o nome de pixel. Quanto maior a quantidade de pixels melhor a resoluo da imagem e conseqentemente maior o seu tamanho. A quantizao consiste em representar cada pixel por um valor que indica a intensidade de brilho, denominado nvel de cinza. A quantidade de nveis de cinza depende da quantidade de bits usada na representao de cada pixel. No entanto, os coeficientes quantizados nem sempre correspondem intensidade de brilho do sinal contnuo da imagem original, dando origem aos erros de quantizao (BATISTA, 2005a). Reduzir a quantidade de dados de uma imagem digital importante, para tornar eficiente o seu armazenamento, processamento e transmisso. Para tal finalidade, foram desenvolvidos algoritmos de compresso. Os algoritmos de compresso pretendem reduzir a taxa de bits, principalmente pela eliminao de informao visual redundante e irrelevante. Na compresso de imagens, h dois tipos de redundncia que so levadas em considerao: redundncia espacial e temporal e redundncia psicovisual (TUDOR, 1995). Na redundncia espacial e temporal os pixels de um quadro de imagem apresentam correlao entre si sendo possvel prever o valor de um pixel pelos valores dos pixels vizinhos. Na redundncia psicovisual existem informaes que podem ser eliminadas sem serem percebidas pela percepo visual humana. O olho humano no analisa cada pixel quantitativamente, mas procura perceber detalhes como bordas e textura da imagem, combinando-os em agrupamentos reconhecveis (GONZALEZ, 2000). De acordo com Gonzalez (2000) a compresso de imagens trata o problema de reduzir a quantidade de dados necessria para representar uma imagem digital. A base do processo de reduo remoo dos dados redundantes, ou seja, comprimir uma imagem implica em eliminar dados desnecessrios. Quanto maior for a remoo de dados sem prejudicar a qualidade da imagem, melhor ser o tipo de compresso.

II Congresso de Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica Joo Pessoa PB - 2007

2.2. Tipologia e Aplicaes

Ao longo dos anos tem se tornado cada vez mais necessrio comprimir imagens, com a finalidade de aumentar a capacidade de armazenamento e transmisso, e assim, melhorar o trfego de informaes no canal de transmisso, uma vez que uma maior quantidade de informaes ser enviada em um determinado instante. Para isso deve-se eliminar ou reduzir informaes redundantes contidas no sinal enviado, pois o armazenamento e transmisso de vdeo digital requerem grande capacidade de banda passante. Por determinao da ANATEL (Agncia Nacional de Telecomunicaes) a transmisso de sinal de vdeo digital, no Brasil, ocupar a mesma largura de banda do sinal analgico (6 MHz) sendo possvel transmitir simultaneamente 4 canais. Em virtude dessa necessidade, faz-se fundamental a compresso dos dados. H dois tipos de compresso de imagem: sem perdas e com perdas. A primeira consiste em reduzir o nmero de bits sem haver perdas de informao, enquanto que a segunda consiste em uma reduo maior da taxa de bits at o limite de perdas admissveis que no sero percebidas pelo observador. A distino do uso de um determinado tipo de compresso em funo de sua utilizao. A compresso sem perdas exigida para o processamento de imageamento mdico, transmisso de facsmiles de imagens, imagens Landsat, em que tanto o uso quanto o custo da coleta dos dados torna qualquer perda indesejvel. A compresso com perdas aplicada para habilitar aplicaes em tempo real envolvendo a manipulao e transmisso de informao audiovisual (GONZALEZ, 2000). O padro americano de televiso digital ATSC e o padro japons ISDB-T utilizam MPEG-2 como CODEC de vdeo enquanto que o padro europeu DVB e o padro brasileiro SBTVD-T adotam o H.264/AVC (MPEG-4 parte 10).

2.2.1. Compresso Sem Perdas

A tcnica de compresso de imagens sem perdas tem como objetivo reduzir o nmero de bits representativos de um sinal de imagem digital sem a perda de informaes importantes, ou seja, sem prejudicar a qualidade da imagem quando esta for descomprimida. Na compresso sem perdas, a imagem reconstruda ser idntica imagem original. O uso dessa tcnica permite eliminar redundncia com percentual de informaes irrelevantes, e com isso, tenta-se obter uma imagem no necessariamente idntica numericamente, mas, a forma visual idntica imagem original. Por essa razo considerada compresso de alta qualidade. Um sistema genrico de compresso composto de um codificador e decodificador. O primeiro apresenta na entrada um sinal de imagem que transformado em smbolos. Esses smbolos so transmitidos atravs de um canal at chegarem ao decodificador, onde gerada uma imagem reconstruda. De acordo com Karam (2000) o codificador de imagens sem perdas composto por trs estgios: transformao, mapeador e um codificador de smbolos, (ver Figura 1). No primeiro estgio, os dados de imagem sofrem uma transformao que reversvel. Esta transformao consiste em converter o dado Y que entra em , que poder ser comprimido mais eficientemente. No segundo estgio, o mapeador converte a imagem transformada em smbolos. Segundo Karam (2000) a converso em smbolos pode ser feita atravs de particionamento ou codificao por comprimento de corrida (RLC Run Length Coding). Nesta etapa ocorre a reduo de redundncias interpixels da imagem da entrada. O RLC, tambm conhecido como RLE (Run Length Encoding), trata-se de um mtodo que preserva a informao e pode ser utilizado tanto em imagens binrias quanto em nveis de cinza. obtido quando uma seqncia de smbolos repetidos gerada. Ao invs da fonte enviar cada smbolo isoladamente, feito um mapeamento que envia o smbolo e o nmero de vezes que ele aparece na seqncia. Por exemplo, a seqncia aaabbaabbb pode ser representada como (3,a) (2,b) (2,a) (3,b). Na terceira etapa, o codificador de smbolos gera uma seqncia binria que resulta em uma palavra-cdigo a fim de representar os smbolos de entrada.

II Congresso de Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica Joo Pessoa PB - 2007
Y Smbolo

Transformao

Mapeador

Codificador de Smbolos

Palavra-Cdigo

Figura 1 - Esquema bsico de um compressor sem perdas

2.2.2. Compresso Com Perdas

Diferentemente do que acontece com o mtodo de compresso sem perdas, a compresso com perdas tem um aumento significativo na taxa de compresso, o que a torna mais vantajosa em relao ao mtodo sem perdas. Essa vantagem observada apenas quantitativamente e no qualitativamente. Os compressores com perdas utilizam trs operaes bsicas: transformada, quantizao e codificao, (ver Figura 2). Segundo Hunt (1978), a redundncia existente em uma imagem se caracteriza pela correlao entre as amostras com um alto grau de predio estatstica entre as amostras adjacentes. A fim de eliminar a correlao entre as amostras empregada uma operao matemtica, denominada transformada, para concentrar energia em poucos coeficientes de valor absoluto elevado, os quais propiciam a recuperao das amostras do sinal sem haver perdas. Os valores absolutos so obtidos aps se aplicar a transformada a uma matriz representativa da imagem, cujos elementos correspondem aos nveis de intensidade luminosa, nveis de cinza, onde ao se ter n bits atribudos a um pixel implica em 2n nveis de cinza. Os valores possveis para os pixels so 0,1,2, ..., (2n 1). Nesse caso o valor 0 corresponde cor preta, (2n 1) a cor branca e os valores intermedirios correspondem a diferentes tonalidades de cinza, sendo que estas se intensificam gradativamente medida que se aproxima de (2n 1). A transformada converte sinais cujo domnio o tempo ou o espao para o domnio da freqncia, dependendo da transformada empregada. Em uma grande seqncia a ser transformada h um alto custo computacional, ento esta particionada em blocos de tamanho fixo ao objetivar a facilitao do processamento. Os padres JPEG e MPEG usam blocos de 88 pixels e o H.264 (MPEG-4 parte 10) utiliza 44, embora se saiba que quanto maior o bloco menor ser a relao entre compresso e distoro (BATISTA, 2005). Dentre as transformadas mais utilizadas por compressores de alto desempenho tais como JPEG, MPEG e H.264 pode-se citar a DCT (Discrete Cosine Transform). A etapa posterior transformada a quantizao. De acordo com Tudor (1995) a quantizao usada para reduzir o nmero de valores possveis a serem transmitidos e ajustar a imagem dentro de um nmero finito de nveis de cinza que depende da quantidade de bits empregados na representao de cada pixel. Depois de realizar a quantizao feita a codificao dos coeficientes quantizados. Em geral usam-se a codificao de Huffman ou codificao aritmtica (BATISTA, 2005), em virtude de j ter havido perda de informao e, por conseguinte, mais perdas so inadmissveis. A quantizao um processo irreversvel o que causa perda de informao, ou seja, o seu uso estabelece a compresso com perdas. Gonzalez (2000) afirma que esse estgio reduz a acurcia de sada do mapeador de acordo com algum critrio de fidelidade preestabelecido. nesta etapa do processo que as redundncias psicovisuais da imagem so reduzidas.
Y Smbolo Palavra-Cdigo

Transformada

Quantizador

Codificador

Figura 2 - Esquema bsico de um compressor com perdas

II Congresso de Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica Joo Pessoa PB - 2007

3. ALGORITMOS DE COMPRESSO SEM PERDAS 3.1. Codificao de Huffman

A codificao de Huffman uma das mais utilizadas para reduo de redundncia. Segundo Gonzalez (2000) a codificao de Huffman cria um cdigo timo para um conjunto de smbolos, uma vez que explora eficientemente as probabilidades de emisso de cada smbolo pela fonte. Contudo, para uma grande quantidade de smbolos-fonte o cdigo de Huffman torna-se dispendioso em termos de complexidade computacional. Este cdigo foi desenvolvido por D. Huffman para construir cdigos de prefixo. Esses cdigos caracterizamse pelo fato de uma palavra-cdigo no ser prefixo de outra, o que garante a no ambigidade do cdigo. A codificao de Huffman satisfaz o Primeiro Teorema de Shannon (KARAM, 2000) mostrado na equao abaixo:

H ( s) l med H ( s ) + 1
em que H(s) a entropia da fonte e lmed o comprimento mdio do cdigo.

[Eq. 01]

Com o objetivo de tornar o processo de codificao mais eficiente, Huffman procurou atender ao seguinte critrio: representar smbolos com maior probabilidade de ocorrncia com um nmero menor de bits diferentemente daqueles de menor probabilidade, os quais so representados por um nmero maior de bits. O processo de codificao de Huffman realizado ao se ordenar os smbolos por ordem decrescente de probabilidade para formar o diagrama de rvore, (ver Figura 3). As etapas para a construo do diagrama de rvore so apresentadas abaixo: 1. Dada uma fonte com alfabeto S = {s0, s1, s2,...,sk} com suas respectivas probabilidades, ordena-se os smbolos da fonte em ordem decrescente de probabilidade de cima para baixo. 2. Ao ordenar as probabilidades d-se incio reduo da fonte a partir da soma das duas probabilidades menores. 3. A probabilidade resultante dessa soma ser colocada em outra coluna, em que as probabilidades da coluna anterior sero repetidas e o novo valor ser alocado de maneira a manter a ordem decrescente. O processo continua at que a soma das probabilidades seja igual a 1, nmero associado raiz da rvore. 4. Aps a etapa 3, a cada smbolo atribudo um cdigo que obtido ao pegar os bits da raiz como sendo o incio da seqncia e segue a ramificao at chegar ao smbolo sk. A Tabela 1 mostra os cdigos obtidos para o exemplo da Figura 3.

Figura 3 - rvore de codificao de Huffman

II Congresso de Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica Joo Pessoa PB - 2007

Tabela 1 - Palavras-cdigo obtidas pela codificao Smbolo s0 s1 s2 s3 s4 Sabendo-se que a entropia dada por: Probabilidade 0,4 0,2 0,2 0,2 0,1 Palavra-cdigo 00 10 11 010 011

H ( s ) = p ( si ) log 2 p ( si ) (bits/smbolo)
i =0

[Eq. 02]

e o comprimento mdio por:

lmed = p ( si )li
i =0

[Eq. 03]

ento, a eficincia do cdigo obtida por:

H ( x) lmed

[Eq. 04]

A partir dos dados contidos na Tabela 1 e ao usar as equaes 02, 03 e 04 possvel calcular a entropia da fonte, o comprimento mdio e a eficincia da codificao exemplificada na Figura 3. Dessa forma, tem-se: H(x) = -(0,4log20,4 + 0,2 log20,2 + 0,2 log20,2 + 0,2 log20,2 + 0,1log20,1) = 2,26 bits/smbolo lmed = 0,4.2 + 0,2.2 + 0,2.2 +0,2.3 +0,4.3 = 2,5 bits/smbolo = 0,904 Como j foi visto o processo de codificao consiste em mapear os smbolos-fonte em uma seqncia de palavras-cdigo. A decodificao pode ser realizada ao construir uma lookup table (KARAM, 2000). A lookup table possui o nmero de entradas igual a 2lmx, onde lmx o comprimento da maior palavracdigo. Um smbolo sk ter 2(lmx li) entradas relacionadas a ele, em que li o seu comprimento. Para cada smbolo mapeado em palavras-cdigo nomeia-se em todas as entradas da tabela um par (sk,li). Ao decodificar um trem de bits identificado lmx e este usado como ndice, na lookup table, para obter sk decodificado cujo tamanho corresponde a li. Em seguida, o ndice relacionado ao primeiro li descartado e a sua direita anexa-se o prximo li , e assim por diante, at decodificar todo o trem de bits. A lookup table tem por vantagem tornar o processo de decodificao mais rpido, no entanto, o tamanho da memria e complexidade cresce exponencialmente com lmx. Na codificao de imagens os smbolos-fonte so os nveis de cinza e aos que tm maior probabilidade de ocorrncia se atribui os cdigos de menor tamanho. A eficincia do cdigo de Huffman est diretamente relacionada maneira como a fonte modelada, ou seja, ao grau de variao das suas probabilidades. Em fontes cujo arranjo de probabilidades varia com o tempo, pode ocorrer falha de codificao. Ao procurar solucionar esse problema encontrou-se a soluo na codificao adaptativa de Huffman. Atravs desta

II Congresso de Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica Joo Pessoa PB - 2007

introduzido um contador de nmero de ocorrncias de um determinado smbolo e atualiza-se a tabela de mapeamento dos smbolos-fonte em palavras-cdigo, usada tanto no codificador quanto no decodificador. Assim, o cdigo de Huffman adaptado dinamicamente para diferentes estatsticas de fonte.

3.2. Codificao Aritmtica

Ao contrrio da codificao de Huffman que atribui para cada smbolo-fonte uma palavra-cdigo de pelo menos 1 bit, a codificao aritmtica permite representar uma seqncia de smbolos por apenas uma palavra-cdigo. Por isso, esta consegue taxas de compresso mais alta quando comparada codificao de Huffman (KARAM, 2000). A codificao aritmtica remonta ao trabalho de Elias (ELIAS apud Gonzalez, 2000) e foi desenvolvida por Pasco e Rissanen (PASCO apud KARAM,2000). Em codificao aritmtica a modelagem estatstica da fonte pode ser separada do processo de codificao e decodificao. Por conseguinte, torna-se preferencial para codificao adaptativa, em relao Huffman, porque neste tipo de cdigo necessria a alterao das rvores de codificao e decodificao quando as estatsticas da fonte variam. O processo de codificao aritmtica executado a partir do momento em que se tem uma seqncia de smbolos-fonte na entrada do decodificador. A palavra-cdigo resultante dessa seqncia estar contida no intervalo de [0,1). Vale ressaltar que o intervalo [0, 1) o ponto de partida para executar a codificao. Nele encontram-se os smbolos da mensagem agrupados em subintervalos de acordo com suas respectivas probabilidades. medida que aparece um novo smbolo criado um novo subintervalo [li, ls), onde li indica o limite inferior e ls indica o limite superior, com tamanho menor que o anterior e dentro do mesmo os smbolos-fonte tem seu subintervalo reajustado de acordo com a probabilidade de origem. Este processo continua at o fim da seqncia. O subintervalo final corresponde palavra-cdigo representante da seqncia de smbolos-fonte. A palavracdigo corresponde a uma frao binria. Ex.: 0,1 representa 1/2, em virtude da transformao do intervalo representado em forma decimal (1/2) em numerao binria (0,1). Realizar a codificao aritmeticamente exige a execuo dos seguintes passos: 1. Ao considerar uma fonte com alfabeto S, todos os smbolos esto contidos no intervalo [li, ls), cujo valor inicial [0,1), de acordo com as suas probabilidades de ocorrncia. 2. Calcula-se a faixa do subintervalo: faixa = ls li 3. Dado um smbolo sk, o subintervalo atualizado: li = li + faixa.lisk ls = ls + faixa.lssk em que lisk o limite inferior do smbolo sk e lssk o limite superior do smbolo sk. 4. At o trmino da seqncia de entrada deve-se repetir todos os procedimentos j expostos a partir da etapa 2. Dessa maneira chega-se ao subintervalo final, cujos valores podem ser usados para representar a palavracdigo. De posse da palavra-cdigo possvel fazer a decodificao ao considerar: 1. li = 0 e ls =1 2. Calcula-se a faixa do subintervalo utilizando a equao 05: 3. Em seguida, pela equao 08:

[Eq. 05] [Eq. 06] [Eq. 07]

II Congresso de Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica Joo Pessoa PB - 2007

palavra cdigo(decimal ) l i faixa

[Eq. 08]

Obtm-se o valor da igualdade, identifica-se o subintervalo de probabilidade de ocorrncia no qual ele est contido e atribui-se o smbolo correspondente. 4. Sabendo-se o subintervalo em que est contido o smbolo sk necessrio atualizar o intervalo. Para isso, utilizam-se as equaes 06 e 07. 5. Enquanto o ltimo smbolo no for decodificado repete-se a operao a partir da etapa 2. Quanto maior a seqncia a ser codificada maior ser o comprimento da palavra-cdigo devido necessidade de grande preciso. Com a finalidade de facilitar a compreenso da codificao aritmtica a Figura 4 mostra as etapas de codificao e decodificao para um alfabeto A= {a1, a2, EOS}, em que EOS (End-of-sequence) representa o cdigo de final de seqncia, com probabilidades p(A) = {0,5, 0,4, 0,1}, sabendo-se que a seqncia codificada a2, a1, a2, EOS.

a1

a1

a1

a1

a1

a2

a2

a2

a2

a2

a2

a1

a2

a1

a1

a1

a1

a2

a2

a2

a2

a2

a1

a2

Figura 4 - Exemplos de codificao e decodificao aritmtica (SOUZA, 2005)

4. ALGORITMOS DE COMPRESSO COM PERDAS 4.1. DCT (Discrete Cosine Transform)

A DCT uma transformada ortogonal (OPPENHEIM, 1998) cuja propriedade de concentrao de energia em poucos coeficientes constitui um atrativo para seu uso em compresso de imagens. A concentrao de energia de uma matriz de pixels em poucos coeficientes proporciona o descorrelacionamento dos pixels vizinhos e torna possvel eliminar ou reduzir a presena das altas freqncias de uma imagem durante o processo de quantizao. Quando se aplica a DCT a uma determinada imagem f(i,j) os valores mais significativos ficam concentrados no canto superior esquerdo dessa imagem.

II Congresso de Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica Joo Pessoa PB - 2007

O resultado da aplicao da transformada DCT a uma imagem pode ser visualizado na Figura 5. Os coeficientes mais significativos podem ser vistos na regio mais clara da imagem dos coeficientes, enquanto que a parte escura corresponde aos coeficientes com pouca energia.

(a) Imagem Original (b) Coeficientes DCT Figura 5: Compresso de uma imagem atravs da DCT (GONZALEZ, 2000).

Para uma matriz NN com coeficientes xi,j, i,j = 0,1, ... , N 1, ao aplicar a transformada DCT bidimensional obtm-se os coeficientes transformados Xi,j, i,j = 0,1, ... , N 1. (BATISTA, 2005).
N 1 N 1 1 (2 j + 1) j (2i + 1)i ci c j xij cos , i, j =0, 1, ... , N 1 cos 2N 2N 2N i =0 j =0

Xij = em que:

[Eq. 10]

ci,cj=

(1/2)1/2 1

para i,j = 0 caso contrrio

Como j foi mencionado o olho humano no tem acuidade visual para altas freqncias, portanto, elimin-las no acarreta distores para a imagem. Nesse caso a DCT age agrupando as altas e baixas freqncias em coeficientes distintos, sendo que os coeficientes de baixas freqncias concentram mais energia, diferentemente dos de alta freqncia. As magnitudes dos coeficientes de alta freqncia, geralmente, so prximas ao valor 0 (zero) o que permite que estes possam ser eliminados durante a quantizao. Devido a sua alta capacidade de concentrao de energia, o que implica um nmero menor de coeficientes em relao a outras transformadas, a DCT tem como principal aplicao a compresso de sinais (OPPENHEIM, 1998).

5. CONSIDERAES FINAIS
Mediante o cenrio de convergncia tecnolgica, em que o trfego de imagens e vdeo entre os equipamentos multimdia j uma realidade surge o problema de como possibilitar maior fluxo de dados sem sobrecarregar o canal de transmisso. Alm disso, a migrao do sistema de TV analgico para o digital, no Brasil, exige o desenvolvimento de alternativas que otimizem o uso do canal de transmisso j existente para permitir multiprogramao e interatividade ao telespectador. A fim de atender s necessidades de otimizar os processos de transmisso e armazenamento, a compresso um mtodo eficiente para alcanar tal objetivo. Para isso elimina as redundncias de uma imagem que so irrelevantes para os observadores humanos.

II Congresso de Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica Joo Pessoa PB - 2007

Neste artigo viu-se os principais algoritmos empregados tanto na compresso de imagens estticas quanto nos codificadores de TV Digital: Huffman, aritmtica e DCT. Em geral, para aumentar a taxa de compresso combinam-se diferentes tipos de codificao em um mesmo codificador. As codificaes de Huffman e aritmtica so muito usadas para compresso sem perdas. A primeira no exige grande complexidade computacional e seu uso prefervel em fontes que no tenham uma alta variao de ocorrncia. No caso da codificao aritmtica, uma palavra-cdigo representa uma seqncia inteira de smbolos de entrada e em relao a Huffman prefervel como codificao adaptativa. A DCT embora no seja diretamente responsvel pela reduo das redundncias muito utilizada para compresso por perdas devido ao seu alto poder de concentrao de energia em poucos coeficientes. Dessa forma possibilita a eliminao de um nmero maior de coeficientes, com valores prximos de zero, no processo de quantizao. Dessa maneira, a utilizao dos diferentes tipos de codificao depende do tipo de aplicao desejada e podem ser utilizados em um mesmo codificador como forma de obter taxas de compresso mais elevadas ao suprir as deficincias das outras.

REFERNCIAS
BATISTA, L. V. Notas de Aula da Disciplina Introduo Teoria da Informao. 2005. . Notas de Aula da Disciplina Introduo ao Processamento Digital de Imagens. 2005a. FERRAZ, M. C. Codificao de Imagens. 1998. 232 f. Tese (Mestrado em Cincias) Instituto de Matemtica Pura e Aplicada, Rio de Janeiro, 1998. GONZALEZ, Rafael C.; WOODS, Richard E. Processamento de Imagens Digitais. 1. ed. So Paulo: Edgard Blcher, 2000. HUNT, B. R. Digital Image Processing. In: OPPENHEIM, A. V. Applications of Digital Signal Processing. Englewood Cliffs: Prentice Hall, 1978. p. 169-187. KARAM, L. J. Lossless Coding. In: BOVICK, A. C. Handbook of Image and Video Processing. New York: Academic Press, 2000. p. 461-470. OPPENHEIM, A. V.; SCHAFER, R. W.; BUCK, J. R. Discrete-Time Signal Processing. 2. ed. Upper Saddle River: Prentice Hall, 1998. p. 589-599. SOUZA, M. S. Codificao de Imagem utilizando Turbo Quantizao Codificada por Trelias. 2005. 98 f. Tese (Mestrado em Cincias em Engenharia Eltrica) Coordenao dos Programas de Ps-Graduao de Engenharia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2005. TUDOR, P. N. MPEG-2 Video Compression. IEE J Langham Thompson Prize: Eletronics & Communication Engineering Journal, dez. 1995. Disponvel em: <http://www.bbc.co.uk/rd/pubs/papers/paper_14/paper_14.shtml >. Acesso em: 15 nov. 2006. WALDMAN, H.; YACOUB, M. D. Telecomunicaes: Princpios e Tendncias. 4. ed. So Paulo: rica, 2000. p. 83-98. Srie Reuniversidade.