Vorlesung Informatik 1 - Teil B: Theorie
2.9 Vektorquantisierung
Verlustbehaftet, stark asymmetrisch.
Einsatz bei GIF/PNG, Quicktme, MPEG-4 H.265 H.266.
- Bilde Merkmalsvektoren für die zu komprimierenden Datensätze.
- Fasse die am häufigsten vorkommenden Merkmalsvektoren in einem Codebuch zusammen.
- Suche für jeden Datensatz den Merkmalsvektor im Codebuch, welcher dem eigenen Merkmalsvektor am ähnlichsten ist. Nur dessen Index im Codebuch wird gespeichert.
Beispiel: Farbpalette
Die einfachste Form der Vektorquantisierung (VQ) ist das Farbpalettenverfahren, das z.B. bei GIF und PNG-Bildern eingesetzt wird:
- Die Datensätze sind die einzelnen Pixel mit z.B. 24 Bit Farbtiefe, also 16 Mio. Farben.
- Die Merkmalsvektoren (MV) haben nur die Länge 1 und enthalten genau eine Farbe
- Das Codebuch ist eine Tabelle von Farben, z.B. die 256 Farben, die im Bild am häufigsten vorkommen.
Die Dekomprimierung ist sehr effizient, da nur die Farbe im Codebuch nachgeschlagen werden muss.
Das Prinzip der VQ lässt sich auf viele Bereiche anwenden, z .B. Sprach- und Mustererkennung. Dabei kommen sowohl für die Erstellung des Codebuchs als auch für die Abstandsfunktion und die Optimierung unterschiedliche Algorithmen zum Einsatz.
Lernende VQ ist ein wichtiges Verfahren der künstlichen Intelligenz. Dabei verbessert der Algorithmus das Codebuch durch Training an verschiedenen Datensätzen.
Bei Bewegtbildern (H.264, H.265) sind die Datensätze Blöcke von Pixeln, z.B. 4x4 bis 64x64. Man vergleich dabei nicht nur Blöcke innerhalb eines Bildes, sondern auch Blöcke in aufeinanderfolgenden Bildern um die Wahrscheinlichkeit gleicher oder ähnlicher Datensätze zu erhöhen. Merkmalsvektoren enthalten dann markante Konturen, Texturen, die häufigsten Farben oder die maximale und minimale Helligkeit im Block.