Quantização vetorial de imagens coloridas através do algoritmo LBG

Abstract

Neste trabalho, a técnica de quantização vetorial para compressão de imagens foi implementada em linguagem C/C++, utilizando-se o algoritmo LBG (Linde-Buzo-Gray) para a obtenção de codebook. O algoritmo implementado foi aplicado a uma mesma imagem e em diferentes configurações, com o intuito de avaliar a influência do espaço de cor, método de inicialização de codebook e taxa de compressão de cada componente de cor na qualidade e nível de compressão da imagem final. A diferença mínima e máxima entre os valores de PSNR (Peak Signal-to-Noise Ratio) obtidos nos métodos de inicialização por amostragem e splitting foram, respectivamente, de 0,01 dB e 0,84 dB. Os valores de PSNR obtidos a uma taxa de compressão de 7,95, que foi a que apresentou melhor compromisso entre distorção agregada e nível de compressão, para os espaços de cor RGB, HSV e CIE Lab foram de 28,9 dB, 32,4 dB e 32,1 dB, respectivamente. Os três canais do sistema de cor RGB apresentaram pouca diferença quanto a sensibilidade às variações das taxas de compressão. Contudo os canais V e L, correspondentes aos espaços de cor HSV e CIE Lab, respectivamente, apresentaram maior sensibilidade à quantização vetorial. Uma comparação de performance do algoritmo de quantização vetorial desenvolvido foi realizada utilizando-se o algoritmo JPG como referência. Para um mesmo nível de distorção, obteve-se, para o algoritmo JPG, razões de compressão até 4 vezes maiores que aquelas obtidas através do algoritmo LBG. E, para um mesmo nível de compressão, obteve-se valores de PSNR até 4,6 dB acima daqueles obtidos empregando-se o método implementado. Contudo, apesar da superioridade do algoritmo JPG frente ao método de quantização vetorial utilizado, o desenvolvimento desse trabalho permitiu verificar o funcionamento, vantagens e limitações do algoritmo LBG para quatização vetorial, que, invariavelmente, será a técnica utilizada em qualquer aplicação do padrão CADRG (Compressed ARC Digitized Raster Graphics).

In this work, the vector quantization technique for image compression was implemented in C/C++ programming language, using the LBG algorithm for the codebook design. The implemented algorithm was applied to the same image, in different configurations, with the objective of evaluating the effect of color space, codebook initialization method and compression ratio of each color channel on the overall quality and compression ratio of the final image. The minimum and maximum difference between the PSNR (Peak Signal-to-Noise Ratio) values obtained through the codebook initialization methods, by sampling and splitting, were, respectively, 0.01 dB and 0.84 dB. The PSNR values obtained at an overall compression ratio of 7.95, which was the one presenting the best tradeoff between compression ratio and final distortion, for the color spaces RGB, HSV and CIE Lab were 28.9 dB, 32.4 dB and 32.1 dB, respectively. The three-color channels of the RGB color system presented the same sensibility to the vector quantization. However, the channels V and L, corresponding to the HSV and CIE Lab color spaces, presented greater sensibility to the vector quantization. A performance comparison of the implemented vector quantization algorithm was executed, using the JPG algorithm as reference. For an approximately equal distortion level, the JPG algorithm reached compression ratios up to 4 times greater than the ones obtained through the implemented LBG algorithm. In addition, for an approximately equal compression ratio, the JPG algorithm obtained PSNR values up to 4 dB greater than the ones obtained through the implemented LBG algorithm. Moreover, though the obvious superiority of the JPG algorithm over the implemented one, the development of this work enabled the verification of the behavior, advantages and limitations of the LGB algorithm for vector quantization, which, invariably, will be the used technique on every CADRG (Compressed ARC Digitized Raster Graphics) standard application.