Los artefactos JPEG se deben principalmente a la cuantificación del espectro de frecuencia especial. Aquí está más involucrado que mi descripción conversacional, pero JPEG hace una división entera en el espectro calculado a partir de 8 × 8 parches de una imagen. Luego arroja el resto de esta división para lograr la compresión; Un proceso llamado cuantización. Sin embargo, el poder de compresión principal se obtiene mediante la codificación de Huffman en el espectro espacial cuantificado, pero la cuantificación inicial es esencial para obtener relaciones de compresión elevadas. Al reconstruir imágenes a partir de estos datos, JPEG multiplica este cociente entero y obtiene un número que es una aproximación al original, pero no idéntico. Esta división / multiplicación entera contribuyó a los artefactos en su imagen de ejemplo.
Por ejemplo, si un píxel de entrada * fuera (121, 47, 192) y un cuantificador cuantificado con un valor de 13, el valor de píxel cuantificado sería (9, 3, 14), y el valor reconstruido sería (117, 39, 182), que es aproximadamente el valor de entrada. Recuerde que esta cuantificación se realiza en frecuencias espaciales, por lo que se usa una máscara de cuantificación sobre estas para cuantificar ciertos valores en una cierta cantidad dependiendo de dónde se encuentren en el espectro. El valor del cuantificador depende de su frecuencia espacial. Los valores de cuantificación más pequeños conservan más datos originales y los valores de cuantificación más grandes arrojan más, pero las frecuencias más altas pueden penalizarse más ya que se dice que el ojo no las nota tanto como las frecuencias más bajas. La máscara tiende a enfatizar los valores dominantes en los parches, por lo que tiende a perder detalles nítidos con JPEG, y puede ver esto en su ejemplo.
Para ver cómo esto es diferente a los artefactos de Fourier, debes darte cuenta de que hay una diferencia entre la transformación de Fourier y la serie de Fourier. La transformación de Fourier de datos discretos no tiene pérdidas (es decir, siempre puede reconstruir la entrada exacta calculando la transformación inversa en la entrada transformada), pero la serie de Fourier no tiene pérdidas con una representación infinita.
- ¿La velocidad de ejecución de un algoritmo que, al ejecutarse, hace que el sistema físico en ejecución tenga experiencia subjetiva, hace alguna diferencia en la naturaleza de esta experiencia subjetiva?
- ¿En qué áreas podemos aprovechar los proyectos IOT con minería de datos?
- ¿Es realmente posible construir una IA como Jarvis?
- ¿Es demasiado tarde para entrar en el aprendizaje automático?
- ¿Por qué estas dos condiciones implican la condición del reloj de Lamport?
Muchos de estos problemas son menos importantes con algoritmos más sofisticados como JPEG2000.
* Mi ejemplo es cuantificar los valores de píxeles, mientras que JPEG cuantificó las frecuencias espectrales horizontales y verticales. Sin embargo, el concepto es similar, ¡y la mayoría de las personas consideran que los píxeles son más fáciles de entender que las frecuencias especiales!
