Métodos de compresión

se suele distinguir dos métodos principales de compresión

predicción:

se intenta predecir el próximo símbolo en el flujo de datos, y se transmita solamente la diferencia de la predicción respeto al símbolo encontrado de verdad

transformación:

se intenta transformar la imagen (calcular coeficientes en otro espacio vectorial) con el fin de concentrar la información/energía en pocos coeficientes

para los bloques en el diagrama se suele usar

transformador:

convierte los valores de píxeles en coeficientes de una transformada (correspondientes a un sistema de funciones)

• Karhunen-Loeve-transformación sería la óptima, pero es muy costoso de calcular
• transformación de coseno discreta (DCT)
• transformación de ondículas discreta (DWT)

cuantificador:

convierte los coeficientes (que suelen ser reales) en enteros (que suelen ser indices a una tabla)

• cuantificador escalar (SQ)
• cuantificador vectorial (VQ)

codificador sin redundancia (``entropy coder''):

genera el código final que se transmite o almacena

• codificación de repeticiones (``run length encoding'', RLE)
• codificación de Lemple-Ziv-Walsh (LZW, GIF, compress)
• codificación de Shannon-Fano
• codificación de Huffman
• codificación arithmética

RLE y LZW trabajan también símbolos en el proceso de codificación, mientras los otros con secuencias de bits

para un compresor con predicción (que sustituía en el diagrama el transformador y el cuantificador) también vale la pena de codificar las diferencias generadas con reducción de redundancia

obviamente, tenemos dos posibilidades para llevar a cabo una compresión, la decisión depende de la aplicación

• sin pérdidas, reversible, es decir, se reduce solamente las redundancias
• con pérdidas, parcialmente reversible, es decir, se reduce también la información irrelevante