1.4 Compression des données
La compression des données traite de la manière
dont on peut réduire l'espace nécessaire à la
représentation d'une certaine quantité d'information. Elle a donc
sa place aussi bien lors de la transmission que lors du stockage des
données.
On peut classifier les méthodes de compressions en deux
types : la compression avec perte « également dite non
conservatrice » et la compression sans perte.
1.4.1 Compression sans perte
La compression est dite sans perte lorsqu'il n'y a aucune perte
des données sur l'information d'origine. Il y a autant d'information
après la compression qu'avant.
L'information à compresser est vue comme la sortie
d'une source de symboles qui produit des textes finis selon certaines
règles. Le but est de réduire la taille moyenne des textes
obtenus après la compression tout en ayant la possibilité de
retrouver exactement le message d'origine.
1.4.2 Compression avec pertes
La compression avec pertes ne s'applique qu'aux
données « perceptuelles », en général sonores ou
visuelles, qui peuvent subir une modification, parfois importante, sans que
cela ne soit perceptible par un humain. La perte d'information est
irréversible, il est impossible de retrouver les données
d'origine après une telle compression. La compression avec perte est
pour cela parfois appelée compression irréversible ou non
conservatrice. [1.8]
1.4.3 Compression d'image
La compression d'image est une application de la compression
des données sur des images numériques. Cette compression a pour
utilité de réduire la redondance des données d'une image
afin de pouvoir l'emmagasiner sans occuper beaucoup d'espace ou la transmettre
rapidement.
La compression d'image peut être effectuée avec
perte de données ou sans perte.
La compression sans perte est parfois
préférée pour des images artificielles telles que les
schémas, les dessins techniques.
14
Compression d'images animée par codage EZW 3D
Chapitre 1 Généralité sur l'image
et la compression
Des méthodes de compression sans perte peuvent
également être préférées pour garder une
grande précision, tel que pour des balayages médicaux, ou des
numérisations d'images destinées à l'archivage. Les
méthodes avec perte sont particulièrement appropriées aux
images normales telles que des photos dans les applications où une perte
mineure de fidélité (parfois imperceptible) est acceptable.
Les méthodes les plus importantes de compression d'image
sans perte sont :
· La méthode du codage des répétitions
(RLE).
· Le codage de source.
· Les algorithmes à dictionnaire adaptable tels que
LZW.
Les méthodes les plus importantes de compression avec
perte sont :
· La réduction de l'espace des couleurs aux
couleurs les plus fréquentes dans une image. Les couleurs choisies sont
indiquées dans la palette de couleur dans l'en-tête de l'image
compressée. Chaque pixel indique juste une référence sur
une couleur dans la palette de couleurs.
· Le codage par transformation. C'est
généralement la méthode la plus utilisée. La
transformée en cosinus discrète et la transformation par
ondelettes sont les transformations les plus populaires. Le codage par
transformation comprend l'application de la transformation à l'image,
suivie d'une quantification et d'un codage entropique. [1.9]
1.4.4 Compression vidéo
La compression vidéo est une méthode de
compression des données, qui consiste à réduire la
quantité des données, en limitant au maximum l'impact sur la
qualité visuelle de la vidéo. L'intérêt de la
compression vidéo est de réduire les coûts de stockage et
de transmission des fichiers vidéo.
15
Compression d'images animée par codage EZW 3D
Chapitre 1 Généralité sur l'image
et la compression
1.4.4.1 Principes fondamentaux de la compression
vidéo
Les séquences vidéo contiennent une très
grande redondance statistique, aussi bien dans le domaine temporel que dans le
domaine spatial.
· La redondance spatiale
Lorsque des informations sont similaires ou se
répètent dans des zones de l'image proches l'une de l'autre (dans
une image, deux points voisins sont souvent similaires).
· La redondance temporelle
Lorsque des informations se ressemblent ou se
répètent dans le temps, même si leur position dans l'image
a changé (deux images successives sont souvent relativement similaires).
La compression va donc consister à déterminer ces redondances et
à les éliminer. La contrainte liée à la
qualité de l'image nous oblige à être capables de
reproduire l'image originale intacte ou, tout au moins, une image très
proche de celle-ci.
Ainsi, on suppose que l'importance d'un pixel particulier de
l'image peut être prévue à partir des pixels voisins de la
même image ou des pixels d'une image voisine .Toutes les méthodes
reposent sur le fait d'exploiter la corrélation spatiale pour
réaliser une compression efficace de données. [1.10]
| 
