Тестирование методов сжатия изображений
Аннотация
В статье удалось выполнить тестирование семи консольных кодеков BMF 2.01 (BMF.exe), WebP (cwebp.exe, dwebp.exe), PAQ8L (paq-8l_intel.exe), PAQ8P (paq8p_sse2.exe), JPEG-LS (jpeg.exe), JPEG2000 (convert.exe), PNG (opting.exe) на наборе изображений из 19 изображений в градациях серого и из 10 цветных изображений (распространенные изображения при тестировании методов сжатия).
С целью тестирования был разработан тестировщик программ сжатия изображений, программа тестировщик получает на вход изображения и исполнимые файлы программ сжатия изображений, для каждого входного изображения запускаются программы сжатия изображений для сжатия изображения и для восстановления изображения, результаты работы программы среди прочего состоят из HTML/CSS файла, где в частности указаны достигнутые программами сжатия битрейты, результаты проверок успешности восстановления сжатых файлов.
Сделаны частичные клоны методов сжатия Blend-A13+, Blend-16, Blend-20 с целью сравнить эффективность мультипредикторов, лежащих в основе методов Blend-A13+, Blend-16, Blend-20. Частичные клоны методов сжатия Blend-A13+, Blend-16, Blend-20 состоят из мультипредикторов из методов Blend-A13+, Blend-16, Blend-20, 13 и 16 ээлементарных предикторов из методов Blend-A13+ и Blend-16 соответственно при том, что предиктор GAP+ заменен на предиктор GAP, моделирования наподобие JPEG-LS — контекстным моделированием с квантованием контекста из разностей точек из окрестности кодируемой точки арифметическонтекстное моделирование с квантованием контекста из разностей точек из окрестности кодируемой точки, арифметического кодера, обратимого межцветового преобразования RGB-YUV из JPEG2000.
Созданные частичные клоны позволили на многих изображениях превзойти результаты, обеспечиваемые методами JPEG-LS, JPEG2000, PNG, и обеспечить результаты на уровне результатов, обеспечиваемых методами сжатия PAQ8L и WebP. В целом, лучшие результаты на тестовом наборе изображений продемонстрировал метод BMF2.01. На тестовом наборе изображений мультипредикторы из Blend-16 и Blend-20 неожиданно обеспечили результаты сжатия цветных изображений хуже, чем мультипредиктор из Blend-A13+. При сжатии изображений в градациях серого мультипредиктор из Blend-20 обеспечил результаты лучше, чем мультипредикторы из Blend-16, Blend-A13+.
Литература
2. Программа для ЭВМ № 2021610742. Программа сжатия изображений v1.0/ Чернов П.А.
3. Чернов П.А. Древовидная модель решения многомерных мультимодальных оптимизационных задач гибридными методами поиска // Вестник МЭИ. 2016. № 1. С. 18—25.
4. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Изд-во МГТУ им. Н. Э. Баумана, 2017.
5. Ye H., Deng G., Devlin J. A Weighted Least Squares Method for Adaptive Prediction in Lossless Image Compression // Proc. Picture Coding Symp., 2003. Pp. 489—493.
6. Ulacha G., Stasiński R.: Paths to Future Image Lossless Coding // Proc. 54th Intern. Symp. 2012. Pp. 63—66.
7. Ulacha G. Method of Lossless and Near-lossless Color Image Compression // J. Information Sci. and Eng. 2011. V. 27(2). Pp. 621—642.
8. Wang H., Zhang D. A Linear Model and its Application in Lossless Image Coding // Signal Proc: Image Communication. 2004. V. 19. Pp. 955—958.
9. Ulacha G., Stasinski R. Highly Effective Predictor Blending Method for Lossless Image Coding // Proc. XV IEEE Mediterranean Electrotech. Conf. Valetta, 2010.
10. Ulacha G., Statinski R. Performance Optimized Predictor Blending Technique for Lossless Image Coding // Proc. 36th Int. Conf. Acoustics, Speech and Signal Proc. 2011. Pp. 1541—1544.
11. Kau L.-J., Lin Y.-P., Lin C.-T. Lossless Image Coding Using Adaptive, Switching Algorithm with Automatic Fuzzy Context Modeling // IEEE Proc. Vision, Image and Signal Proc. 2006. V. 153. No. 5. Pp. 684—694.
12. Motta G., Storer J., Carpentieri B. Adaptive Linear Prediction Lossless Image Coding // Proc. Data Compression Conf. 1999. Pp. 491—501.
13. Meyer B., Tischer P. TMW – a New Method for Lossless Image Compression // Proc. Inter. Picture Coding Symp. Berlin, 1997. Pp. 533—538.
14. Ulacha G. Method of Lossless and Near-Lossless Color Image Compression // J. Information Sci. and Eng. 2011. V. 27(2). Pp. 621—642.
15. Wu X., Memon N. CALIC – a Context Based Adaptive Lossless Image Codec. Ontario: Dept. of Computer Science, the University of Western, 1996.
16. Weinberger M.J., Seroussi G.S. From LOCO-I to the JPEG-LS Standard // HP Labs Tech. Rep. HPL-1999-3. Palo Alto: HP Laboratories, 1999.
17. BMF [Электрон. ресурс] www.compression.ru/ds/ (дата обращения 22.12.2020).
18. Matsuda I., Ozaki N., Umezu Y., Itoh S. Lossless Coding Using Variable Block-Size Adaptive Prediction Optimized for Each Image. Tokyo: Dept. of Electrical Engineering, Faculty of Science and Technology, Science University of Tokyo, 2005.
19. Hsien F.Y., Fan K.-C. A High Performance Lossless Image Coder. Chung-Li: Institute of Computer Sci. and Information Eng., National Central University, 2004.
20. Ulacha G., Statinski R. New Context-based Adaptive Linear Prediction Algorithm for Lossless Image Coding // Proc. Intern Conf. Signals and Electronic Systems, 2014. Pp. 1—4.
21. Ulacha G., Stasinski R. Effective Context Lossless Image Coding Approach Based on Adaptive Prediction // Proc. Intern. Conf. Signal and Image, 2009. Pp. 2168—2173.
22. Data Compression Programs [Электрон. ресурс] www.cs.fit.edu/~mmahoney/compression/#paq (дата обращения 22.12.2020).
23. Motta G., Storer J., Carpentieri B. Adaptive Linear Prediction Lossless Image Coding // Proc. Data Compression Conf. 1999. Pp. 491—501.
24. A New Image Format for the Web [Электрон. ресурс] www.developers.google.com/speed/webp/ (дата обращения 22.12.2020).
25. FLIF — Free Lossless Image Format [Электрон. ресурс] www.flif.info/ (дата обращения 22.12.2020).
26. Image Compression Programs [Электрон. ресурс] www.cipr.rpi.edu/research/SPIHT/spiht3.html (дата обращения 22.12.2020).
27. The PAQ Data Compression Programs [Электрон. ресурс] www.mattmahoney.net/dc/paq.html#paq8 (дата обращения 22.12.2020).
28. Wu X. Lossless Compression of Continuous-tone Images via Context Selection, Quantization, and Modeling. Ontario: Dept. Computer Sci., University of Western Ontario, 1996.
29. The Art of Lossless Data Compression, Theory & Practice, Past, Present & Future [Электрон. ресурс] www.compression.ru/artest/index.html (дата обращения 22.12.2020).
30. Kau L.-J., Lin Y.-P. Least-squares-based Switching Structure for Lossless Image Coding // IEEE Trans. Circuits and Systems. 2007. V. 54. No. 7. Pp. 1529—1541.
31. Ulacha G., Statinski R. Improved Predictor Blending Technique for Lossless Image Coding // Proc. Conf. Signals and Electronic Syst. 2010. Pp. 115—118.
32. Ulacha G., Statinski R., Wernik C. Extended Multi WLS Method for Lossless Image Coding // Entropy. 2020. V. 22. Pp. 919—943.
33. Программа для ЭВМ № 2020661447. Тестировщик программ сжатия изображений v1.0 / Чернов П.А.
---
Для цитирования: Чернов П.А. Тестирование методов сжатия изображений // Вестник МЭИ. 2021. № 4. С. 105—113.
DOI: 10.24160/1993-6982-2021-4-105-113.
#
1. Vatolin D. i dr. Metody Szhatiya Dannykh. Ustroystvo Arkhivatorov, Szhatie Izobrazheniy i Video. M.: Dialog-MIFI, 2003. (in Russian).
2. Programma dlya EVM № 2021610742. Programma Szhatiya Izobrazheniy v1.0. Chernov P.A. (in Russian).
3. Chernov P.A. Drevovidnaya Model' Resheniya Mnogomernykh Mul'timodal'nykh Optimizatsionnykh Zadach Gibridnymi Metodami Poiska. Vestnik MEI. 2016;1:18—25. (in Russian).
4. Karpenko A.P. Sovremennye Algoritmy Poiskovoy Optimizatsii. Algoritmy, Vdokhnovlennye Prirodoy. M.: Izd-vo MGTU im. N. E. Baumana, 2017. (in Russian).
5. Ye H., Deng G., Devlin J. A Weighted Least Squares Method for Adaptive Prediction in Lossless Image Compression. Proc. Picture Coding Symp., 2003:489—493.
6. Ulacha, G., Stasiński R.: Paths to Future Image Lossless Coding. Proc. 54th Intern. Symp. 2012:63—66.
7. Ulacha G. Method of Lossless and Near-lossless Color Image Compression. J. Information Sci. and Eng. 2011;27(2):621—642.
8. Wang H., Zhang D. A Linear Model and its Application in Lossless Image Coding. Signal Proc: Image Communication. 2004;19:955—958.
9. Ulacha G., Stasinski R. Highly Effective Predictor Blending Method for Lossless Image Coding. Proc. XV IEEE Mediterranean Electrotech. Conf. Valetta, 2010.
10. Ulacha G., Statinski R. Performance Optimized Predictor Blending Technique for Lossless Image Coding. Proc. 36th Int. Conf. Acoustics, Speech and Signal Proc. 2011:1541—1544.
11. Kau L.-J., Lin Y.-P., Lin C.-T. Lossless Image Coding Using Adaptive, Switching Algorithm with Automatic Fuzzy Context Modeling. IEEE Proc. Vision, Image and Signal Proc. 2006;153;5:684—694.
12. Motta G., Storer J., Carpentieri B. Adaptive Linear Prediction Lossless Image Coding. Proc. Data Compression Conf. 1999:491—501.
13. Meyer B., Tischer P. TMW – a New Method for Lossless Image Compression. Proc. Inter. Picture Coding Symp. Berlin, 1997:533—538.
14. Ulacha G. Method of Lossless and Near-Lossless Color Image Compression. J. Information Sci. and Eng. 2011;27(2):621—642.
15. Wu X., Memon N. CALIC – a Context Based Adaptive Lossless Image Codec. Ontario: Dept. of Computer Science, the University of Western, 1996.
16. Weinberger M. J., Seroussi G. S. From LOCO-I to the JPEG-LS Standard. HP Labs Tech. Rep. HPL-1999-3. Palo Alto: HP Laboratories, 1999.
17. BMF [Elektron. Resurs] www.compression.ru/ds/ (Data Obrashcheniya 22.12.2020).
18. Matsuda I., Ozaki N., Umezu Y., Itoh S. Lossless Coding Using Variable Block-Size Adaptive Prediction Optimized for Each Image. Tokyo: Dept. of Electrical Engineering, Faculty of Science and Technology, Science University of Tokyo, 2005.
19. Hsien F.Y., Fan K.-C. A High Performance Lossless Image Coder. Chung-Li: Institute of Computer Sci. and Information Eng., National Central University, 2004.
20. Ulacha G., Statinski R. New Context-based Adaptive Linear Prediction Algorithm for Lossless Image Coding. Proc. Intern Conf. Signals and Electronic Systems, 2014:1—4.
21. Ulacha G., Stasinski R. Effective Context Lossless Image Coding Approach Based on Adaptive Prediction. Proc. Intern. Conf. Signal and Image, 2009:2168—2173.
22. Data Compression Programs [Elektron. Resurs] www.cs.fit.edu/~mmahoney/compression/#paq (Data Obrashcheniya 22.12.2020).
23. Motta G., Storer J., Carpentieri B. Adaptive Linear Prediction Lossless Image Coding. Proc. Data Compression Conf. 1999:491—501.
24. A New Image Format for the Web [Elektron. Resurs] www.developers.google.com/speed/webp/ (Data Obrashcheniya 22.12.2020).
25. FLIF — Free Lossless Image Format [Elektron. Resurs] www.flif.info/ (Data Obrashcheniya 22.12.2020).
26. Image Compression Programs [Elektron. Resurs] www.cipr.rpi.edu/research/SPIHT/spiht3.html (Data Obrashcheniya 22.12.2020).
27. The PAQ Data Compression Programs [Elektron. Resurs] www.mattmahoney.net/dc/paq.html#paq8 (Data Obrashcheniya 22.12.2020).
28. Wu X. Lossless Compression of Continuous-tone Images via Context Selection, Quantization, and Modeling. Ontario: Dept. Computer Sci., University of Western Ontario, 1996.
29. The Art of Lossless Data Compression, Theory & Practice, Past, Present & Future [Elektron. Resurs] www.compression.ru/artest/index.html (Data Obrashcheniya 22.12.2020).
30. Kau L.-J., Lin Y.-P. Least-squares-based Switching Structure for Lossless Image Coding. IEEE Trans. Circuits and Systems. 2007;54;7:1529—1541.
31. Ulacha G., Statinski R. Improved Predictor Blending Technique for Lossless Image Coding. Proc. Conf. Signals and Electronic Syst. 2010:115—118.
32. Ulacha G., Statinski R., Wernik C. Extended Multi WLS Method for Lossless Image Coding. Entropy. 2020; 22:919—943.
33. Programma dlya EVM № 2020661447. Testirovshchik Programm Szhatiya Izobrazheniy v1.0. Chernov P.A. (in Russian).
---
For citation: Chernov P.A. Testing of Image Compression Methods. Bulletin of MPEI. 2021;4:105—113. (in Russian). DOI: 10.24160/1993-6982-2021-4-105-113.