Wie ist es in unserem modernen Zeitalter überhaupt möglich, hunderte Fotos auf unseren Smartphones zu speichern, unseren Freunden innerhalb von Sekunden ein Video per WhatsApp zu senden oder selbst bei schlechter Internetverbindung noch ein YouTube-Video streamen zu können? Für all dies ist ein Prozess unverzichtbar, nämlich Kompression. Das Ziel einer Kompression ist es, dass die Dateigröße pro Bild möglichst gering ist. Ein unkomprimiertes Bild hat bei einer Auflösung von 12 Megapixel eine Größe von beispielsweise 46 Megabyte, komprimiert hingegen nur 4,1 Megabyte. Obwohl das komprimierte Bild nur einen Bruchteil der originalen Dateigröße besitzt, ist kaum ein Qualitätsverlust ersichtlich. Grund hierfür ist, dass nur die Informationen gespeichert werden, die für die Wahrnehmung des Bildes relevant sind. Denn wie in der folgenden Arbeit gezeigt wird, nutzen solche Kompressionsalgorithmen die Schwächen der menschlichen Sinneswahrnehmung auf raffinierte Art und Weise aus, um mit möglichst wenig Informationen ein Bild darzustellen.
Wir dokumentieren unseren Alltag immer mehr mit unseren Smartphones, um unsere Erlebnisse dann in Form von Bildern und Videos auf Instagram, Facebook und Co. zu teilen. Auf Instagram werden beispielsweise jeden Tag mehr als 100 Millionen neue Fotos gepostet. Dabei ist es wichtig, dass die Datenmenge pro Foto möglichst gering ist, damit zum einen die Aufnahmen schneller hoch- oder heruntergeladen (übertragen) werden können und zum anderen, egal ob Server oder Smartphone, möglichst wenig Speicherplatz pro Foto eingenommen wird. Gar nicht so einfach, denn die Auflösung von Kameras, insbesondere von Smartphonekameras, wird immer höher, die Qualität der Bilder demzufolge immer besser. Wohingegen das erste iPhone aus 2007 noch 2 Megapixel hatte, haben moderne Smartphones 50 Megapixel oder mehr. Das heißt, ein Computerbild (digitales Bild) besteht aus immer mehr Pixeln (Bildpunkten) und es müssen demzufolge auch mehr Informationen gespeichert werden, sodass die Datenmenge pro Bild ansteigt.
Inhaltsverzeichnis
1 Nutzen von Bildkompression
2 Digitales Bild
3 Verlustfreie und verlustbehaftete Kompression
3.1 Verlustfrei
3.2 Verlustbehaftet
4 Einzelbildkompressionsverfahren JPEG
4.1 Historie und Allgemeines
4.2 Farbraumtransformation
4.2.1 RGB-Farbraum
4.2.2 YCbcr-Farbraum
4.3 Chroma Subsampling
4.4 Darstellung eines Bildes als Signal
4.5 Transformation
4.5.1 Fouriertransformation
4.5.2 Diskrete Kosinustransformation
4.5.2.1 Eindimensionale diskrete Kosinustransformation
4.5.2.2 Die zweidimensionale diskrete Kosinustransformation
4.6 Quantisierung
4.7 Lauflängenkodierung
4.8 Wiederherstellung des Bildes
4.9 Besonderheiten von JPEG
5 Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht das Funktionsprinzip des JPEG-Kompressionsalgorithmus, um zu erläutern, wie durch eine effiziente Datenreduktion trotz erheblicher Dateigrößeneinsparung eine für das menschliche Auge weitgehend verlustfreie Bildwiedergabe erreicht wird.
- Grundlagen der digitalen Bilddarstellung und Rastergrafiken
- Unterscheidung zwischen verlustfreier und verlustbehafteter Kompression
- Analyse der mathematischen Verfahren (Farbraumtransformation, DCT)
- Die Bedeutung der menschlichen Sinneswahrnehmung bei der Datenreduktion
- Techniken der Quantisierung und Lauflängenkodierung
Auszug aus dem Buch
4.5.2 Diskrete Kosinustransformation
JPEG benutzt eine Sonderform der Fouriertransformation, nämlich die diskrete Kosinustransformation (DCT). Zum einen finden hier ausschließlich Kosinusfunktionen ihre Anwendung und zum anderen werden nur diskrete Werte betrachtet. Das Gegenteil, kontinuierliche Werte, würde bedeuten, dass „das Signal zu jedem Zeitpunkt definiert ist und jede Stelle auf der Wertachse annehmen kann. Definitions- bzw. Wertebereich entspr[ä]chen [demnach] der Menge der reellen Zahlen“ (Meyer 2021, S. 14). Da es sich bei unserem Bild nicht um ein analoges Signal, sondern um eine Reihe von acht Pixeln handelt, ist unser Signal nur für bestimme Stellen definiert (diskret). Diese Stellen, für die ein Pixelwert existiert, werden Abtaststellen genannt. Die Pixelwerte an den Abtaststellen heißen demzufolge Abtastpunkte (engl. sample points). Die Idee ist es nämlich, diese acht Punkte (Pixelwerte) als Summen von Abtastpunkten aus Kosinusfunktionen unterschiedlicher Frequenz darzustellen (siehe Abb. 5, blaue Punkte = Abtastpunkte). Gespeichert werden dann keine Helligkeitswerte, sondern nur die Koeffizienten, die die Gewichtung der einzelnen Kosinusfunktionen unterschiedlicher Frequenz angeben.
Zuerst müssen eben aber aufgrund der Diskretheit für die Kosinuswelle im Intervall von 0 bis π acht Abtastpunkte ermittelt werden. Dazu teilt man die Kosinuswelle im Intervall von 0 bis π in acht Teile und nimmt davon die Mittelpunkte (siehe Abb. 7). Die y-Werte entsprechen unseren Helligkeitswerten der 8 Pixel (vgl. Weitz 2016).
Zusammenfassung der Kapitel
1 Nutzen von Bildkompression: Beschreibt die Notwendigkeit der Datenreduktion angesichts stetig wachsender Bildauflösungen bei moderner Smartphone-Technologie.
2 Digitales Bild: Erläutert die Grundlagen von Rastergrafiken, Pixeln und die Berechnung der Bildauflösung als Produkt aus Spalten und Reihen.
3 Verlustfreie und verlustbehaftete Kompression: Unterscheidet Verfahren, die exakt rekonstruierbar sind, von Methoden, die beabsichtigte Informationsverluste für höhere Kompressionsraten nutzen.
4 Einzelbildkompressionsverfahren JPEG: Detaillierte Analyse des JPEG-Algorithmus von der Farbraumtransformation über die DCT bis zur Lauflängenkodierung.
5 Fazit: Reflektiert die Bedeutung des Algorithmus als Beispiel für interdisziplinäre Mathematik und betont die Relevanz der Kompression für ökologische Nachhaltigkeit.
Schlüsselwörter
JPEG, Bildkompression, Rastergrafik, Diskrete Kosinustransformation, DCT, Farbraumtransformation, Chroma Subsampling, Quantisierung, Lauflängenkodierung, Datenreduktion, Signalverarbeitung, Digitale Fotografie, Nachhaltigkeit, Luminanz, Chrominanz
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt die mathematischen und technischen Grundlagen des JPEG-Kompressionsverfahrens, das weltweit als Standard für die Speicherung digitaler Bilder eingesetzt wird.
Was sind die zentralen Themenfelder?
Die zentralen Themen umfassen die digitale Bilddarstellung, verschiedene Kompressionsstrategien sowie die spezifischen Verarbeitungsschritte, die ein Bild bei der JPEG-Kodierung durchläuft.
Was ist das primäre Ziel der Arbeit?
Ziel ist es, den mathematischen Prozess zu erklären, der es ermöglicht, Bilddateien drastisch zu verkleinern, ohne dass das menschliche Auge einen signifikanten Qualitätsverlust wahrnimmt.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt eine Fachliteraturanalyse, um die mathematischen Algorithmen der digitalen Bildverarbeitung, wie die Diskrete Kosinustransformation, Schritt für Schritt herzuleiten und zu erklären.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert den JPEG-Algorithmus in logische Stufen: vom Wechsel in den YCbCr-Farbraum über die Transformation (DCT) und die verlustbehaftete Quantisierung bis hin zur abschließenden Lauflängenkodierung.
Durch welche Schlüsselwörter lässt sich die Arbeit charakterisieren?
Die wesentlichen Begriffe sind JPEG, Bildkompression, DCT, Quantisierung und die menschliche Wahrnehmungsfähigkeit.
Warum wird bei der JPEG-Kompression nicht der RGB-Farbraum beibehalten?
Der YCbCr-Farbraum wird verwendet, da er Helligkeitsinformationen (Luminanz) von Farbinformationen (Chrominanz) trennt, was eine stärkere Kompression der Farbkanäle ermöglicht, auf die das menschliche Auge weniger sensibel reagiert.
Was ist der Vorteil des "Zig-Zag Scanning" bei der Lauflängenkodierung?
Durch die diagonalen Abtastwerte werden höherfrequente Koeffizienten, die nach der Quantisierung oft Nullen sind, gebündelt, was eine sehr effiziente Speicherung durch Lauflängenkodierung ermöglicht.
- Arbeit zitieren
- Elias Draxinger (Autor:in), 2022, Bildkompressionsverfahren am Beispiel JPEG, München, GRIN Verlag, https://www.grin.com/document/1389670
