Cuál es el “mejor” método de compresión de imágenes, por supuesto, depende del tipo de datos que desee comprimir.
Los métodos de compresión de datos generalmente explotan la redundancia (eso se puede decir en pocas palabras; muchas moscas de un golpe).
Muchos métodos de compresión de datos también explotan la relevancia (nadie notó que una de las moscas escapó).
- ¿Cuáles son los diversos tipos de semáforos disponibles en el kernel de Linux?
- ¿Cuál es la diferencia entre el modo por lotes y el mini lote en el aprendizaje automático?
- ¿Cuáles son los hacks HTML / JS / DOM / CSS más interesantes que la mayoría de los desarrolladores web no conocen?
- ¿Cuál es la diferencia entre profundidad-primera-búsqueda y amplitud-primera-búsqueda? ¿Por qué DFS visita el nodo después de eliminarlo de una pila mientras que BFS visita el nodo antes de agregarlo a la cola?
- ¿Deberían los estudiantes de ciencias de la computación conocer el concepto de personas provisionales o fomenta la creencia de que los "diseñadores simplemente inventan cosas"?
Existen métodos especializados para imágenes naturales (JPEG, JPEG 2000), sonido (MP3), video (MPEG 1/2/4) y tipos de datos similares. Estos explotan tanto la redundancia como la relevancia.
Se ha demostrado que la codificación aritmética es óptima en ciertas condiciones. Sin embargo, en muchas aplicaciones prácticas, estas condiciones no se cumplen, por lo que la codificación aritmética no se usa tan a menudo sola (se usa con mayor frecuencia como un componente de un sistema de compresión más grande). Por ejemplo, en datos con un alto grado de autocorrelación, uno podría usar un predictor para hacer una “suposición” de cuál será el siguiente valor, y luego solo transmitir un corrector que con suerte será “pequeño”.
La compañía donde trabajo, Idletechs AS, generalmente logra una muy buena compresión en los datos de medición donde muchas variables tienen cierto grado de covarianza, como el sonido / las vibraciones (donde los conjuntos de frecuencias a menudo varían en cierto grado juntas), o mediciones masivamente paralelas de un limitado cantidad de fenómenos subyacentes (imágenes hiperespectrales, video térmico, datos meteorológicos y muchos más). También hacemos que los datos sean inspeccionables y analizables en su forma comprimida.