Introduction

Transformée en ondelettes discrète

Principes de compression d’images

Ondelettes et compression d’images

Marco Cagnazzo

Département Traitement du Signal et des Images

TELECOM ParisTech

30 Octobre 2012

M. Cagnazzo Ondelettes 1/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Plan

1 Introduction

2 Transformée en ondelettes discrète

Bancs de filtres
Analyse Multirésolution 1D et 2D

3 Principes de compression d’images

EZW
JPEG 2000

M. Cagnazzo Ondelettes 2/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Plan

1 Introduction

2 Transformée en ondelettes discrète

Bancs de filtres
Analyse Multirésolution 1D et 2D

3 Principes de compression d’images

EZW
JPEG 2000

M. Cagnazzo Ondelettes 3/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Représentation des images numériques

Signal discret, grille de

N × M “pixels”
Images en couleurs : trois
composantes, chacune
représentée comme une
matrice de N × M réels.
Chaque composante (R,
V, B) peut être visualisée
comme une image en
niveaux de gris

M. Cagnazzo Ondelettes 4/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Représentation des images numériques

Images couleurs : Format YCbCr

Changement de
coordonnées :
[R, V , B] → [Y , Cb , Cr ]
Luminance Y et
chrominance Cb , Cr

M. Cagnazzo Ondelettes 5/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Pourquoi comprimer ?

Photos : 5 Megapixel
Trois composantes couleur
Un octet par composant
Occupation mémoire : 15 Mo par photo
Vidéo, 25 images par second : 2 heures de film > 100 Go

M. Cagnazzo Ondelettes 6/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Comment comprimer ?

Redondance statistique des données

homogénéité des images
dépendance statistique entre les pixels
Redondance psychovisuel
sensibilité aux baisses fréquences
effets de masquage
importance des contours
autres limites du système visuel humain
Codage par transformée : on passe de NM valeurs de
luminance (tous importants) à n ≪ NM coefficients
significatifs de la transformée

M. Cagnazzo Ondelettes 7/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Algorithmes de compression
Types d’algorithme

Algorithmes sans perte (lossless)

Reconstruction parfaite
Basés sur la redondance statistique
Faible rapport de compression
Algorithmes avec perte (lossy)
Image reconstruite 6= image originale
Basés sur la quantification et transformée
Redondance psychovisuel : “visually lossless”
Rapport de compression élevé

M. Cagnazzo Ondelettes 8/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Ondelettes et images : Motivations

Modèle des images : trends + anomalies

M. Cagnazzo Ondelettes 9/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Ondelettes et images : Motivations

Modèle des images : trends + anomalies

M. Cagnazzo Ondelettes 9/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Ondelettes et images : Motivations

Modèle des images : trends + anomalies

M. Cagnazzo Ondelettes 9/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Ondelettes et images : Motivations

Anomalies :
Variations soudaines du signal, sur une courte durée
Contribution à haute fréquence
Contours des objets
Bonne résolution spatiale
Résolution en fréquence grossière
Trends :
Variations lentes du signal, sur une longue durée
Contribution à baisse fréquence
Intérieur des objets
Résolution spatiale grossière
Bonne résolution en fréquence

M. Cagnazzo Ondelettes 10/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Ondelettes et images : Motivations

Boîtes temps-fréquence des familles analysantes

Analyse dans le temps :

θγ (t) = δ(t − t0 )
Analyse en fréquence :
θγ (t) = e 2iπf0 t

F
Transformée de Fourier à fenêtre :

θγ (t) = g(t − t0 )e 2iπf0 t

T T
Analyse dans le temps Analyse en fréquence
σt , σξ indépendants de γ

Transformée en Ondelettes : F

F
 
1 t −b
θγ (t) = √ ψ
a a
T T
σt(a,b) = aσt,(1,0) σξ(a,b) = a−1 σξ,(1,0) Transformée de Fourier à Fenêtre Transformée en Ondelettes

M. Cagnazzo Ondelettes 11/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Ondelettes et images : Motivations

Modèle du signal : une ligne d’une image

M. Cagnazzo Ondelettes 12/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Ondelettes et images : Motivations

Modèle du signal : une ligne d’une image

M. Cagnazzo Ondelettes 12/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Ondelettes et images : Motivations

Modèle du signal : une ligne d’une image

M. Cagnazzo Ondelettes 12/96

 Introduction
Transformée en ondelettes discrète
Principes de compression d’images

Ondelettes et analyse à résolutions multiples

Approximation : version à baisse résolution

“Détails” : zéros en correspondance d’un signal
polynomiale
60

x[k] = c0 [k]
40

20

−20
0 50 100 150 200 250 300 350 400 450 500

80
c−1 [k] d−1 [k]
60

40

20

−20
0 50 100 150 200 250 300 350 400 450 500

M. Cagnazzo Ondelettes 13/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Plan

1 Introduction

2 Transformée en ondelettes discrète

Bancs de filtres
Analyse Multirésolution 1D et 2D

3 Principes de compression d’images

EZW
JPEG 2000

M. Cagnazzo Ondelettes 14/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Bancs de filtres 1D
Décomposition

č[k] c[k]
h ↓2

x[k]

ď[k] d [k]
g ↓2

Banc de filtres d’analyse

2 ↓ : opérateur de décimation : c[k] = č[2k]

M. Cagnazzo Ondelettes 15/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Reconstruction
ĉ[k]
c[k] ↑2 h̃
x̃ [k]

d̂[k]
d [k] ↑2 g̃

Banc de filtres de synthèse

2 ↑ : opérateur d’interpolation, multiplie le nombre

d’échantillons par 2
(
c[k/2] si k est pair
ĉ[k] =
0 si k est impair

M. Cagnazzo Ondelettes 16/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Propriétés des filtres

Reconstruction parfaite
RIF
Orthogonalité
Moments nuls
Symétrie

M. Cagnazzo Ondelettes 17/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Conditions de reconstruction parfaite

En cascadant bancs de filtres d’analyse et de synthèse, on veut

la reconstruction parfaite (RP), c’est-à-dire que, pour tout
k ∈ Z,
e (z) = z −ℓ X (z)
xek = xk +ℓ ⇐⇒ X

č[k] c[k] ĉ[k]

h ↓2 ↑2 h

x[k] x̃ [k]

ď[k] d [k] d̂[k]

g ↓2 ↑2 g

M. Cagnazzo Ondelettes 18/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Relations dans le domaine Z

X
∞
filtre Č (z) = čn z −n = H (z) X (z)
n=−∞
1 h  1/2   i
décimateur C (z) = Č z + Č −z 1/2
2 
interpolateur Ĉ (z) = C z 2
   
sortie e (z) = H
X e (z) D z 2
e (z) C z 2 + G

h i
e (z) = 1 H
X e (z) G (z) X (z)
e (z) H (z) + G
2
1 he i
e (z) G (−z) X (−z)
+ H (z) H (−z) + G
2
M. Cagnazzo Ondelettes 19/96
 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Conditions de PR en Z

En cascadant bancs de filtres d’analyse et de synthèse, on veut

la reconstruction parfaite (RP), c’est-à-dire que, pour tout
k ∈ Z,
e (z) = z −ℓ X (z)
xek = xk +ℓ ⇐⇒ X

H e (z) G (z) = 2z −ℓ
e (z) H (z) + G Non distorsion
e (z) H (−z) + G
H e (z) G (−z) = 0 Non aliasing

M. Cagnazzo Ondelettes 20/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Conditions de reconstruction parfaite

Forme matricielle

Pour simplicité on ignore le retard, ℓ = 0

Si les filtres d’analyse sont assignés, les filtres de synthèse
sont univoquement déterminés :
  "e #  
H (z) G (z) H (z) 2
· e =
H (−z) G (−z) G (z) 0

On assume que la matrice de modulation soit inversible.

M. Cagnazzo Ondelettes 21/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Conditions de reconstruction parfaite

Filtres de synthèse

Déterminant de la matrice de modulation :

∆ (z) = H (z) G (−z) − G (z) H (−z)

e (z) = 2
H G (−z)
∆ (z)
e (z) = − 2 H (−z)
G
∆ (z)

M. Cagnazzo Ondelettes 22/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Reconstruction parfaite avec filtres RIF

Filtres à réponse impulsionnelle finie:

On peut montrer que dans ce cas la RP est équivalente à
imposer la condition de signes alternes pour les filtres.
Exemple:

h(k) = a b c e
h(k) = p -q r -s t
g(k) = p q r s t e(k) = -a
g b -c

M. Cagnazzo Ondelettes 23/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Orthogonalité

L’orthogonalité assure la conservation d’énergie :

X
∞
2
X
∞
2
X
∞
(xk ) = (ck ) + (dk )2
k =−∞ k =−∞ k =−∞

⇒ erreur de reconstruction = erreur de quantification sur les

coefficients d’ondelettes

M. Cagnazzo Ondelettes 24/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Moments nuls

Le moments nuls (MN) représentent la capacité du filtre de

reconstruire des polynôme
Un filtre avec p MN peut représenter des polynômes de
degré strictement inférieur à p
Si l’entrée du banc est un polynôme de grade au plus p − 1
la sortie du filtre passe haut est strictement nulle
Alors toute l’information est représentée avec la moitié des
échantillon (signal d’approximation)
Un filtre avec p MN a un support non inférieur à 2p

M. Cagnazzo Ondelettes 25/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Symétrie

Les propriétés des bancs de filtres telles qu’on les a vues

sont valables pour signaux de durée infinie
La symétrie du filtre est nécessaire pour étendre ces
résultats au cas fini
Des filtres non-symétriques perturbent la régularité du
signal (transitions brutales)

M. Cagnazzo Ondelettes 26/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Filtre de Haar

h(k) = 1 1 e
h(k) = 1 1
g(k) = 1 -1 e(k) = -1
g 1

Symétrique
Orthogonal (normalisation)
Nombre de moments nul = 1
Capable de représenter uniquement les signaux constants
par morceaux

M. Cagnazzo Ondelettes 27/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Orthogonalité et biorthogonalité
Reconstruction parfaite pour signaux de durée limitée

Problème de l’expansion des coefficients (convolution)

Solution : convolution circulaire
La convolution circulaire permet de reconstruire un signal
de N échantillons avec N coefficients d’ondelettes
Mais elle engendre des discontinuité aux bordes : “fausses”
fréquences qui demandent beaucoup de ressources mais
ne contiennent pas d’information
Solution : Périodisation symétrique
Pas de discontinuités introduites
Mais ça double le nombre de coefficients !
Sauf si le filtre est symétrique
Le seul filtre orthogonal, RIF et symétrique est celui de Haar !

M. Cagnazzo Ondelettes 28/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Filtres biorthogonaux
Filtres Cohen-Daubechies-Fauveau

eap
Pour les filtres biorthogonaux, si h a p MN et h e MN, le
support est au moins p + p e − 1.
Ils existent des filtres biorthogonaux (CDF) qui :
Sont symétriques (phase linéaire)
Ont le maximum de MN pour une durée fixée
Sont “quasi” orthogonaux (conservation de l’énergie) :
e similaires
filtres h et h
Ces filtres sont les plus communément utilisés dans le codage
d’image

M. Cagnazzo Ondelettes 29/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Filtres biorthogonaux 9/7

Coefficients du filtre :

n 0 ±1 ±2 ±3 ±4
h[l] 0.852699 0.377403 −0.110624 −0.023849 0.037828
e
h[l] 0.788486 0.418092 −0.040689 −0.064539

Réponses impulsionnelles des filtres passe-bas d’analyse et de

synthèse biorthogonaux 9/7. On a pour les filtres passe-haut :
l+1
g[l] = (−1) h e [l] = (−1)l−1 h [l + 1] .
e [l − 1] et g

M. Cagnazzo Ondelettes 30/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Analyse multirésolution 1D
Décomposition

h 2↓ c−3 [k]

h 2↓ c−2 [k]

g 2↓ d−3 [k]
h 2↓ c−1 [k]

g 2↓ d−2 [k]
c0 [k]

g 2↓ d−1 [k]

Structure de décomposition en ondelettes sur 3 niveaux de

résolution

M. Cagnazzo Ondelettes 31/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Reconstruction

c c−3 [k] 2↑ e
h
c−2 [k] 2↑ e
h
d−3 [k] 2↑ e
g
c−1 [k] 2↑ e
h

d−2 [k] 2↑ e
g c0 [k]

d−1 [k] 2↑ e
g

Reconstruction à partir des coefficients d’ondelettes

M. Cagnazzo Ondelettes 32/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

AMR 2D
Bancs de filtres 2D séparables

Pour 1 niveau de décomposition

h[ℓ] (1, 2) ↓ aj−1 [n, m]

h[k] (2, 1) ↓
H [n, m]
g[ℓ] (1, 2) ↓ dj−1
aj [n, m]

V [n, m]
dj−1
h[ℓ] (1, 2) ↓

g[k] (2, 1) ↓
D [n, m]
g[ℓ] (1, 2) ↓ dj−1

M. Cagnazzo Ondelettes 33/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Interprétation fréquentielle

fhor
(A) (V)

(H) (D)

fver

Les zones (A), (H), (V) et (D) correspondent effectivement aux

coefficients d’approximation, de détails horizontaux, verticaux
et diagonaux.

M. Cagnazzo Ondelettes 34/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

AMR 2D

a3
a2 d3H
d3V
a1 d2H
d3D
d2V
a0 d1H
d2D
d1V
d1D

Mise en oeuvre d’une AMR 2D séparable sur 3 niveaux de

résolution.

M. Cagnazzo Ondelettes 35/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

AMR 2D - interprétation fréquentielle

(A) (V3)

(H3) (D3)
(V2)
fhor
(V1)

(H2) (D2)

(H1) (D1)

fver

M. Cagnazzo Ondelettes 36/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Exemple

M. Cagnazzo Ondelettes 37/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Exemple

M. Cagnazzo Ondelettes 38/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Exemple

M. Cagnazzo Ondelettes 39/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Exemple

M. Cagnazzo Ondelettes 40/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Exemple

M. Cagnazzo Ondelettes 41/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Exemple

M. Cagnazzo Ondelettes 42/96

 Introduction
Bancs de filtres
Transformée en ondelettes discrète
Analyse Multirésolution 1D et 2D
Principes de compression d’images

Exemple

M. Cagnazzo Ondelettes 43/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Plan

1 Introduction

2 Transformée en ondelettes discrète

Bancs de filtres
Analyse Multirésolution 1D et 2D

3 Principes de compression d’images

EZW
JPEG 2000

M. Cagnazzo Ondelettes 44/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Outils fondamentaux pour la compression

Transformée
Concentre l’information en peu de coefficients
Prédiction
Méthode alternative (et parfois complémentaire) à la transformée
pour concentrer l’information
Quantification
Réduction du débit : représentation grossière des coefficients
moins importants
Codage sans pertes (codes à longueur variable)
Réduction de la redondance résiduelle

Prédiction Transformée Quantification CLV

M. Cagnazzo Ondelettes 45/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Critères de performance
Débit

Rapport (taux) de compression

Bin Rin
T = Bout = Rout
Débit de codage
Bout
Image : R = NM [bpp]
Bout
Vidéo, son : R = T [bps]

M. Cagnazzo Ondelettes 46/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Critères de performance
Qualité et distorsion

Le seul débit n’est pas suffisant pour évaluer un algorithme avec

pertes
Il faut déterminer la qualité ou la distorsion de l’image reconstruite
Les Critères objectifs sont fonctions mathématiques de
fn,m : image d’origine ; et
efn,m : image reconstruite après compression
Critères objectifs non perceptuels
Erreur quadratique moyenne (MSE) :
PN PM
D = N1M n=1 m=1 (fn,m − efn,m )2  
2552
Rapport signal sur bruit crête : PSNR = 10 log10 D

Critères objectifs perceptuels

On utilise des modèles du SVH pour prendre en compte la
sensibilité aux fréquences, les masquages, ...
M. Cagnazzo Ondelettes 47/96
 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Critères de performance
Qualité et distorsion

Les Critères subjectifs sont basés sur l’évaluation de la

qualité des image faite par des humaines
Difficulté de créer un bon modèle du SVH
Analyse statistique des résultats
Évaluations longues, difficiles et coûteuses
En conclusion, souvent on se limite à utiliser les critères
objectifs non perceptuels :
Simplicité
Interprétation géométrique (norme euclidienne)
Optimisation analytique
Relation avec la qualité perçue ?

M. Cagnazzo Ondelettes 48/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Critères de performance
Complexité, retard et robustesse

La complexité d’un algorithme de codage peut être limitée

par :
contraintes liées à l’application (temps réel)
limités du matériel (hardware)
coût économique
Le retard est normalement mesuré au codeur
Lié à la complexité
Influencé par l’ordre de codage
Robustesse: sensibilité de l’algorithme de
compression/reconstruction à des petites altérations du
code comprimé (erreurs de transmission)

M. Cagnazzo Ondelettes 49/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Critères de performance
Bilan

Besoins contradictoire :

⇓ Débit
⇑ Qualité
⇓ Complexité
⇑ Robustesse
⇓ Retard

M. Cagnazzo Ondelettes 50/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Techniques de codage TO

Méthodes exploitant les dépendances inter-échelle:

EZW (Embedded Zerotrees of Wavelet coefficients),
SPIHT (Set Partitioning in Hierarchical Trees)
Basées sur une représentation par arbres des
dépendances entre les sous-bandes
Avantages : corrélations inter-bande bien exploitées, faible
complexité
Inconvénient : pas de scalabilité en résolution
Méthodes ne prenant pas en compte les spécificités de l’AMR
Allocation de bits entre les sous-bandes
Codage entropique (ex. : Huffmann), éventuellement
contextuel
Avantage : corrélations intra-bande bien exploitées
Inconvénient : on n’exploite pas les corrélations résiduelles
inter-bandes !
M. Cagnazzo Ondelettes 51/96
 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Embedded Zerotrees of Wavelet coefficients

Caractéristiques principales
Scalabilité en qualité, c’est-à-dire représentation progressive
Codage lossy-to-lossless
Faible complexité
Performance de compression bien meilleure que JPEG :
Très évident aux faibles débits

M. Cagnazzo Ondelettes 52/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Représentation progressive des coefficients

d’ondelette

Chaque nouveau bit de codage donne le maximum

d’information
m
Chaque nouveau bit de codage réduit la distorsion de
l’image reconstruite le plus possible
On transmet d’abord les coefficients significatifs
Problème: overhead de localisation

M. Cagnazzo Ondelettes 53/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Exemple: un image et ses coefficients d’ondelette

LL HL Approximation Détails verticaux

Approximation Détails verticaux

T.O. 2 Niveaux

LH HH
Détails horizontaux Détails diagonaux Détails horizontaux Détails diagonaux

M. Cagnazzo Ondelettes 54/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Représentation progressive: ordre des sous-bandes

M. Cagnazzo Ondelettes 55/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Algorithme EZW

Le seule ordre de balayage des sous bandes n’est pas

suffisant pour garantir que les coefficients plus grands
soient envoyés en premiers
Il faut localiser les coefficients significatifs
Problème : Réduction de l’information de localisation
Idée : Exploiter la corrélation inter-bande pour prévoir les
coefficients non-significatifs
Si la prédiction est correcte, on économise la description
de beaucoup de coefficients

M. Cagnazzo Ondelettes 56/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Arbre de coefficients d’ondelette

M. Cagnazzo Ondelettes 57/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Idée de EZW

Auto-similarité : Quand un coefficients est petit (c.-à-d. sous

seuil), il est probable que ses descendants soient petits aussi
Alors on utilise un seul symbole de codage pour représenter un
coefficient c tel que :
c est “non significatif”
tous ses descendant sont “non significatifs”
En ce cas c est une racine d’arbre de zéros (zero-tree root)
Avec un seul symbole (ZT) on code (1 + 4 + 42 + . . . + 4N−n )
coefficients
Information de localisation implicite dans l’information de
significativité

M. Cagnazzo Ondelettes 58/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Schéma de l’algorithme EZW

1 k =0
2 n = ⌊log2 (|c|max )⌋
3 Tk = 2n
4 while (débit < débit disponible)
Pas dominant
Pas de raffinement
5 Tk +1 ← Tk /2
6 k ← k + 1 end

M. Cagnazzo Ondelettes 59/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Pas dominant

Pour tout coefficient c dans l’ordre de balayage

Si |c| > Tn : Coefficient significatif
Si c > 0 on encode SP (signifiant positive)
Si c < 0 on encode SN (signifiant négative)
sinon, on compare tous les descendants de c avec le seuil
si tous les descendants sont non-significatifs, c est codé
comme zero-tree root (ZT) et ses descendants ne seront
plut considérés à ce pas
sinon le coefficient est codé comme isolated zero (IZ)

M. Cagnazzo Ondelettes 60/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Pas de raffinement

On code un ultérieur bit pour tous les coefficients

significatifs
C’est équivalent à dire que on réduit de moitié la cellule de
quantification des coefficients significatifs

M. Cagnazzo Ondelettes 61/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Itération et terminaison

Le pas dominant k permet de coder le k-ème plan de bit

de la matrice des coefficients d’ondelette
un coefficient significatif est tel que 2n < |c| < 2n+1
On réduit le seuil de moitié : on passe au prochaine plan
de bit
L’algorithme termine quand :
on a épuisé le nombre de bit disponible ou
quand on a codé tous les plans de bit (transformée en
entière, codage sans perte)

M. Cagnazzo Ondelettes 62/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Algorithme EZW : bilan

Codage par plan de bits : Au pas k on code le bit plane

log2 Tk
Description progressive : Chaque nouveau plan de bit
permet de raffiner la quantification des coefficients
Codage entropique (Huffman ou arithmétique) des
symboles de significativité
Codage lossless-to-lossy : On utilise une transformée en
entiers (tous coefficients entiers). Quand on code tous les
plans de bit, on peut reconstruire parfaitement tous les
coefficients

M. Cagnazzo Ondelettes 63/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

JPEG2000

JPEG2000 vise des domaines où les standards courants ne donnent

pas les meilleures performances :
Compression bas débit : qualité faible pour JPEG en dessous de 0.25
bpp
Compression d’images synthétiques
Accès aléatoire
Transmission progressive en qualité et en résolution

M. Cagnazzo Ondelettes 64/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Nouvelles fonctionnalités

Codage des régions d’intérêt

Scalabilité en qualité et en résolution
Tiling
Capacité d’atteindre un débit donné
Du codage sans perte au codage avec perte dans un seul
système

M. Cagnazzo Ondelettes 65/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Algorithme

Algorithme divisé en deux parties appelées tiers

First tier
Transformation en ondelettes, quantification,
Codage sans pertes de chaque bloc
Second tier
Coupure des flux binaires/Allocation de débit (optimisation
RD) : EBCOT
Gestion de la scalabilité (qualité, résolution) et des régions
d’intérêt

M. Cagnazzo Ondelettes 66/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Quantification en JPEG2000

Les coefficients d’ondelettes sont quantifiés avec un pas

très fin
Dans le cas de codage sans perte, les coefficients
d’ondelettes sont des entiers, et ils ne sont pas quantifiés
(ou quantifiés avec un pas égal à 1)
Dans JPEG2000, ce n’est pas dans l’étape de
quantification qu’on écarte vraiment de l’information
La quantité d’information représentée est réduite dans
l’étape suivante d’allocation de débit

M. Cagnazzo Ondelettes 67/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

EBCOT

Embedded Block Coding with Optimized Truncation

Chaque sous-bande est repartie en plusieurs blocs de
même taille, appelés codeblock
Les codeblocks sont codés indépendamment, sans perte,
avec un codeur arithmétique : on génère n trains binaires
Codage par plan de bit, 3 passes par chaque plan

M. Cagnazzo Ondelettes 68/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Codage par plans de bit

Bitplane plus significatif

LL2 HL2

HL1

LH2 HH2

LH1 HH1

M. Cagnazzo Ondelettes 69/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Codage par plans de bit

Deuxième bitplane plus significatif

LL2 HL2

HL1

LH2 HH2

LH1 HH1

M. Cagnazzo Ondelettes 70/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Codage par plans de bit

Troisième bitplane plus significatif

LL2 HL2

HL1

LH2 HH2

LH1 HH1

M. Cagnazzo Ondelettes 71/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Codage par plans de bit

Quatrième bitplane plus significatif

LL2 HL2

HL1

LH2 HH2

LH1 HH1

M. Cagnazzo Ondelettes 72/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Codage par plans de bit

Cinquième bitplane plus significatif

LL2 HL2

HL1

LH2 HH2

LH1 HH1

M. Cagnazzo Ondelettes 73/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Exemple de flux binaires associes aux codeblocks

BP1

BP2

BP3

BP4

BP5

BP6

BP7

BP8

LL2 LH2 HL2 HH2 LH1 HL1 HH1

M. Cagnazzo Ondelettes 74/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

EBCOT
Optimisation

Si on garde tous les flux pour chaque bloc, on a un débit

énorme
On peut alors couper les flux pour atteindre le débit cible
Problème : tronquer les trains de bit en minimisant la
distorsion
X
min Di
i
X
Ri ≤ Rtot
i
Solution : Lagrange
!
X X
J= Di + λ Ri − R
i i

M. Cagnazzo Ondelettes 75/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

EBCOT
Courbe débit-distorsion pour chaque bloc

M. Cagnazzo Ondelettes 76/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

EBCOT
Courbe débit-distorsion pour chaque bloc

M. Cagnazzo Ondelettes 76/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

—————————————————

M. Cagnazzo Ondelettes 77/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

EBCOT
Embedded block coding with optimized truncation

Optimalité du point de coupure :

∂Di
= −λ
∂Ri

La valeur de lambda dépend du débit cible et peut être

trouvé avec un algorithme itératif.
On peut couper plusieurs fois pour des débits cibles
différents (scalalbilité en qualité)

M. Cagnazzo Ondelettes 77/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Exemple de allocation de débit avec EBCOT

Allocation pour qualité maximale et résolution minimale

BP1

BP2

BP3

BP4

BP5

BP6

BP7

BP8

LL2 LH2 HL2 HH2 LH1 HL1 HH1

M. Cagnazzo Ondelettes 78/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Exemple de allocation de débit avec EBCOT

Allocation pour qualité maximale et résolution moyenne

BP1

BP2

BP3

BP4

BP5

BP6

BP7

BP8

LL2 LH2 HL2 HH2 LH1 HL1 HH1

M. Cagnazzo Ondelettes 79/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Exemple de allocation de débit avec EBCOT

Allocation pour qualité maximale et résolution maximale

BP1

BP2

BP3

BP4

BP5

BP6

BP7

BP8

LL2 LH2 HL2 HH2 LH1 HL1 HH1

M. Cagnazzo Ondelettes 80/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Exemple de allocation de débit avec EBCOT

Allocation pour qualité perceptuelle et résolution maximale

BP1

BP2

BP3

BP4

BP5

BP6

BP7

BP8

LL2 LH2 HL2 HH2 LH1 HL1 HH1

M. Cagnazzo Ondelettes 81/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Exemple de allocation de débit avec EBCOT

Allocation pour un débit cible, qualité optimale et résolution maximale

BP1

BP2

BP3

BP4

BP5

BP6

BP7

BP8

LL2 LH2 HL2 HH2 LH1 HL1 HH1

M. Cagnazzo Ondelettes 82/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Exemple de allocation de débit avec EBCOT

Allocation pour plusieurs couches et résolution maximale

BP1

BP2

BP3

BP4

BP5

BP6

BP7

BP8

LL2 LH2 HL2 HH2 LH1 HL1 HH1

M. Cagnazzo Ondelettes 83/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Pourquoi un codage par bloc ?

Exploite les variations locales, d’un bloc à l’autre, des

caractéristiques statistiques de l’image
Facilite les applications nécessitant un accès aléatoire
dans l’image
Réduit l’utilisation mémoire dans l’implantation matérielle
du codeur ou décodeur
Permet une implantation parallèle
Permet le codage par région d’intérêt

M. Cagnazzo Ondelettes 84/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

JPEG
Comparaison JPEG / JPEG2000

Image Originale, 24 bpp

M. Cagnazzo Ondelettes 85/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Comparaison JPEG / JPEG2000

Débit: 1bpp

M. Cagnazzo Ondelettes 86/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Comparaison JPEG / JPEG2000

Débit: 0.75bpp

M. Cagnazzo Ondelettes 87/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Comparaison JPEG / JPEG2000

Débit: 0.5bpp

M. Cagnazzo Ondelettes 88/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Comparaison JPEG / JPEG2000

Débit: 0.3bpp

M. Cagnazzo Ondelettes 89/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Comparaison JPEG / JPEG2000

Débit: 0.2bpp

M. Cagnazzo Ondelettes 90/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Comparaison JPEG / JPEG2000

Débit: 0.2bpp pour JPEG, 0.1 pour JPEG2000

M. Cagnazzo Ondelettes 91/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Effet des erreurs : JPEG

JPEG, pE = 10−4 JPEG, pE = 10−4

M. Cagnazzo Ondelettes 92/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Effet des erreurs : JPEG et JPEG 2000

JPEG, pE = 10−4 JPEG 2000, pE = 10−4

M. Cagnazzo Ondelettes 93/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Effet des erreurs : JPEG et JPEG 2000

JPEG, pE = 10−3 JPEG 2000, pE = 10−3

M. Cagnazzo Ondelettes 94/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Robustesse dans le codage d’image

Insertion de markers
Périodicité des markers
Marker emulation prevention
Compromis entre robustesse et débit

M. Cagnazzo Ondelettes 95/96

 Introduction
EZW
Transformée en ondelettes discrète
JPEG 2000
Principes de compression d’images

Robustesse de JPEG2000

Donnés avec importance différente

Pas d’interdépendance entre les blocs
Pas de propagation d’erreurs
Pas de transformée par blocs
Pas d’effet de blocking

M. Cagnazzo Ondelettes 96/96