Новый метод преобразования изображений, основанный на алгоритме Винограда и вейвлет-преобразованиях предлагают использовать ученые Северо-Кавказского федерального университета (СКФУ). Новый подход в обработке изображений позволит избавиться от избыточной вычислительной сложности при создании файлов и получить высокое качество изображений при небольшом весе. Метод уже был опробован в медицине.
Одно из самых распространенных расширений для изображений – .jpg и его вариации .jfif, .jpe или .jpeg. Этот растровый графический формат, предложенный в 1992 году, используется повсеместно, так как позволяет хранить файлы в приемлемом качестве и при сравнительно малом объеме занимаемой памяти. Но у .jpeg есть недостатки. Один из главных – это артефакты на изображениях в виде квадратов размером 8 на 8 пикселов при сильном приближении. К тому же, когда речь идет о «тяжелых» файлах, то соотношение качество-размер становится не столь оптимальным.
Более современный формат JPEG2000 позволяет добиться большей степени сжатия файлов без потери качества изображения. Но он не получил массового распространения, так как для кодирования требуются большие вычислительные мощности. Все дело в используемом алгоритме – вейвлет-преобразовании. Над этой проблемой и работали математики.
Ученые СКФУ предложили способ трехкратно увеличить скорость обработки цифровых изображений и снизить вычислительную нагрузку.
«Сфера применения данной методики обширна и позволяет внедрить ее в уже существующие технологии. Уверен, что метод, предложенный нашими математиками, принесет большую пользу российской экономике, позволит более рационально использовать вычислительные мощности и снизит затраты на хранение информации», – отметил ректор СКФУ Дмитрий Беспалов.
Такого результата удалось добиться за счет использования алгоритма Винограда в вейвлет-обработке. Исследователи факультета математики и компьютерных наук имени профессора Николая Червякова СКФУ предложили совместить алгоритмическую основу JPEG2000 и DjVu – вейвлет-обработку с методом Винограда.
Во вейвлет-преобразовании, как отмечает научный руководитель проекта, заведующий кафедрой математического моделирования факультета математики и компьютерных наук СКФУ Павел Ляхов, есть важное достоинство: преимущество производительности, поскольку для вычислительной техники умножения – более ресурсоемкие процессы, поэтому, если сократить их количество операций за счет увеличения числа операций сложения, то это ускорит расчеты.
«Интересной особенностью предложенного нами метода является тот факт, что в отличие от классического подхода, при обработке сигнала мы получаем сразу несколько выходных значений сигнала. Возникает информационная избыточность, что позволяет не проводить вычисления повторно», – рассказывает один из авторов исследования, доцент кафедры математического моделирования факультета математики и компьютерных наук СКФУ Николай Нагорнов.