Carding
Professional
- Messages
- 2,871
- Reaction score
- 2,342
- Points
- 113
Сжатие данных - это изменить способ записи информации, с тем чтобы уменьшить избыточность и тот же набор томов. Другими словами, речь идет о выражении того же набора информации, но с меньшим количеством битов .
Противоположностью компрессии является декомпрессия.
Сжатие с потерями и без потерь
Сжатие подразделяется на сжатие без потерь - при котором идентичная исходная форма может быть восстановлена из сжатой формы, и на сжатие с потерями - при котором такое восстановление невозможно, но основные свойства сохраняются. Например, если вы сжимаете изображение, вы не видите существенных отличий от оригинала. Тем не менее, он может больше не подходить для дальнейшей обработки или печати, поскольку в этих приложениях требуются другие свойства.
Алгоритмы сжатия делятся на общие прикладные алгоритмы и алгоритмы для данного типа данных. По определению не существует универсальных алгоритмов сжатия с потерями, поскольку необходимо сохранять разные типы данных . Например, сжатие звука использует особую психоакустическую модель, которая не имеет смысла в применении к изображению, за исключением очень общих предпосылок о том, как человек воспринимает реальность.
Большинство алгоритмов без потерь являются алгоритмами общего назначения и некоторыми незначительными изменениями, которые улучшают их работу с определенными типами данных. Даже небольшие изменения могут значительно улучшить результаты для определенных типов данных.
Алгоритмы сжатия с потерями часто используют сжатие без потерь в качестве последнего шага. В этом случае предыдущие этапы предназначены не для сжатия, а для подготовки данных для облегчения сжатия.
Вероятностные модели
Алгоритмы сжатия используют определенные вероятностные модели. В основном есть 2 системы: статические модели и адаптивные модели.
Статические модели, если они не известны заранее, передаются до фактических данных. Стоимость отправки такой модели очень высока и требует использования только очень простых моделей. Это означает, что статические модели используются редко. Компрессоры здесь обычно намного сложнее декомпрессоров.
Адаптивные модели строятся по мере обработки данных. Компрессор и декомпрессор используют один и тот же алгоритм для внесения изменений в модель по мере поступления данных. Здесь сложность компрессоров и декомпрессоров обычно, но не всегда, одинакова. Недостатком адаптивных моделей является то, что вначале модель далека от оптимальной. Однако возможность использовать модели любой сложности, возможность использовать разные модели для разных областей сжатых данных и отсутствие необходимости передавать модели делают их практически полностью вытесняющими статические модели.
Иногда, например, в алгоритме PNG, используются промежуточные модели.
Противоположностью компрессии является декомпрессия.
Сжатие с потерями и без потерь
Сжатие подразделяется на сжатие без потерь - при котором идентичная исходная форма может быть восстановлена из сжатой формы, и на сжатие с потерями - при котором такое восстановление невозможно, но основные свойства сохраняются. Например, если вы сжимаете изображение, вы не видите существенных отличий от оригинала. Тем не менее, он может больше не подходить для дальнейшей обработки или печати, поскольку в этих приложениях требуются другие свойства.
Алгоритмы сжатия делятся на общие прикладные алгоритмы и алгоритмы для данного типа данных. По определению не существует универсальных алгоритмов сжатия с потерями, поскольку необходимо сохранять разные типы данных . Например, сжатие звука использует особую психоакустическую модель, которая не имеет смысла в применении к изображению, за исключением очень общих предпосылок о том, как человек воспринимает реальность.
Большинство алгоритмов без потерь являются алгоритмами общего назначения и некоторыми незначительными изменениями, которые улучшают их работу с определенными типами данных. Даже небольшие изменения могут значительно улучшить результаты для определенных типов данных.
Алгоритмы сжатия с потерями часто используют сжатие без потерь в качестве последнего шага. В этом случае предыдущие этапы предназначены не для сжатия, а для подготовки данных для облегчения сжатия.
Вероятностные модели
Алгоритмы сжатия используют определенные вероятностные модели. В основном есть 2 системы: статические модели и адаптивные модели.
Статические модели, если они не известны заранее, передаются до фактических данных. Стоимость отправки такой модели очень высока и требует использования только очень простых моделей. Это означает, что статические модели используются редко. Компрессоры здесь обычно намного сложнее декомпрессоров.
Адаптивные модели строятся по мере обработки данных. Компрессор и декомпрессор используют один и тот же алгоритм для внесения изменений в модель по мере поступления данных. Здесь сложность компрессоров и декомпрессоров обычно, но не всегда, одинакова. Недостатком адаптивных моделей является то, что вначале модель далека от оптимальной. Однако возможность использовать модели любой сложности, возможность использовать разные модели для разных областей сжатых данных и отсутствие необходимости передавать модели делают их практически полностью вытесняющими статические модели.
Иногда, например, в алгоритме PNG, используются промежуточные модели.
