COMPARATIVE ANALYSIS OF COMPACT METHODS REPRESENTATIONS OF GRAPHIC INFORMATION
DOI:
https://doi.org/10.32703/2617-9040-2021-37-13Keywords:
compression, method, image, transformation, characteristics.Abstract
The main characteristics of graphic information compression methods with losses and without losses (RLE, LZW, Huffman's method, DEFLATE, JBIG, JPEG, JPEG 2000, Lossless JPEG, fractal and Wawelet) are analyzed in the article. Effective transmission and storage of images in railway communication systems is an important task now. Because large images require large storage resources. This task has become very important in recent years, as the problems of information transmission by telecommunication channels of the transport infrastructure have become urgent. There is also a great need for video conferencing, where the task is to effectively compress video data - because the greater the amount of data, the greater the cost of transmitting information, respectively. Therefore, the use of image compression methods that reduce the file size is the solution to this task.
The study highlights the advantages and disadvantages of compression methods. The comparative analysis the basic possibilities of compression methods of graphic information is carried out. The relevance lies in the efficient transfer and storage of graphical information, as big data requires large resources for storage. The practical significance lies in solving the problem of effectively reducing the data size by applying known compression methods.
References
ЛІТЕРАТУРА
Bindu K. , Ganpati A. , Sharma A. K. A Comparative Study of Image Compression Algorithms // International Journal of Research in Computer Science. 2012. вип. 5 T. 2. С. 37-42. 2. Gunasheela, K.S., & Prasantha, H.S. Satellite image compression-detailed survey of the algorithms. // In Proceedings
of International Conference on Cognition and Recognition, Springer, Singapore. 2018. C. 187-198.
Mohammadpour T.I., Mollaei M. R. K. ECG Compression with Thresholding of 2-0 Wavelet Transform Coefficients and Run Length Coding. //European Journal of Scientific Research. 2009. вип. 27, C. 248-257.
Viola I., Řeřábek M., Bruylants T., Schelkens P., Pereira F, & Ebrahimi T. Objective and subjective evaluation of light field image compression algorithms // In 2016 Picture Coding Symposium (PCS), IEEE. 2016. C. 1-5.
Welstead S.T. Fractal and wavelet image compression techniques // Spie Press. 1999. вип. 40.
ZainEldin H., Elhosseini M.A., & Ali H. AImage compression algorithms in wireless multimedia sensor networks: A survey //Ain Shams Engineering Journal. 2015. вип. 6 T. 2. С. 481-490.
Афанасьєв Д. Систематизація методів стиснення цифрових зображень // Сучасне репродукування: інжиніринг, моделювання, мульти- та кросмедійні технології. 2018. С. 24-29.
Винокуров С.В. Эффективный алгоритм фрактального сжатия изображений с использованием пространственно-чувствительного хеширования [Текст] / С.В. Винокуров// Открытое образование. 2006. Т.4, № 57. С. 62-70.
Гармаш В.В., Кулик А.Я. Вейвлет-фільтр для стиснення зображень. // Підсекція 6.2, м. Вінниця, С. 371.
Глухов В.С., Хоміць В.М. Підхід до стиснення зображень без втрат методом JPEG-LS. // Вісник Національного університету «Львівська політехніка». Серія: Комп’ютерні системи та мережі. 2017. вип. 881. С. 32-40.
Гриньов Д.В., Закіров З.З. Методи стиснення зображень в системах цифрової обробки даних. //Системи обробки інформації. 2010. вип. 2. Т. 83. С. 66-70.
Зубко, Р.А. Алгоритми стиснення зображень. // Восточно-Европейский журнал передовых технологий. 2013 вип. 1. Т.2, С. 40-44.
Зубко Р.А. Стиснення зображень фрактальним методом. // Восточно-Европейский журнал передовых технологий. 2014. вип.6. Т.2. С 23-28.
Калюга Б.В., Задерей Н.М. Застосування вейвлет-перетворення в сучасній науці та техніці. // Наукові записки молодих учених. 2019. вип. 4.
Корпань Я.В. Методи та алгоритми компактного представлення графічної інформації в комп'ютерних системах. // Технологический аудит и резервы производства. 2015. вип.3. Т. 2. С. 32-36.
Ситников В.С., Биленко А.А. Классификация вейвлет-функций. // Труды Одесского политехнического университета. 2008. вип.1. С. 168-170.
REFERENCES
Bindu, K., Ganpati, A., & Sharma, A. K. (2012). A comparative study of image compression algorithms. International Journal of Research in Computer Science, 2(5), 37.
Gunasheela, K. S., & Prasantha, H. S. (2018). Satellite image compression-detailed survey of the algorithms. In Proceedings of International Conference on Cognition and Recognition (pp. 187-198). Springer, Singapore.
Mohammadpour, T. I., Mollaei, M. R. K., "ECG Compression with Thresholding of 2-0 Wavelet Transform Coefficients and Run Length Coding", Euro. J. Sci. Research, vol-27, pp 248-257,2009.
Viola, I., Řeřábek, M., Bruylants, T., Schelkens, P., Pereira, F., & Ebrahimi, T. (2016, December). Objective and subjective evaluation of light field image compression algorithms. In 2016 Picture Coding Symposium (PCS) (pp. 1-5). IEEE.
Welstead, S. T. (1999). Fractal and wavelet image compression techniques (Vol. 40). Spie Press.
ZainEldin, H., Elhosseini, M. A., & Ali, H. A. (2015). Image compression algorithms in wireless multimedia sensor networks: A survey. Ain Shams Engineering Journal, 6(2), 481-490.
Afanasyev, D. (2018). Systematyzatsiya metodiv stysnennya tsyfrovykh zobrazhenʹ [Systematization of digital image compression methods].
Vinokurov, S.V. (2006) Effektivnyy algoritm fraktal'nogo szhatiya izobrazheniy s ispol'zovaniyem prostranstvennochuvstvitel'nogo kheshirovaniya [An effective algorithm for fractal image compression using spatially sensitive hashing]. Open education. 4(57). P. 62–70.
Garmash, V.V., & amp; Kulik, A. Ya. VEYVLET-FILʹTR DLYA STYSNENNYA ZOBRAZHENʹ [WAVELET FILTER FOR COMPRESSION OF IMAGES]. Subsection 6.2, 371.
Glukhov, V.S., & Khomits, V.M. (2017). Pidkhid do stysnennya zobrazhenʹ bez vtrat metodom JPEG-LS [The approach to lossless image compression using the JPEG-LS method]. Bulletin of the National University "Lviv Polytechnic". Series: Computer Systems and Networks, (881), 32-40.
Grinyov, DV, & Zakirov, ZZ (2010). Metody stysnennya zobrazhenʹ v systemakh tsyfrovoyi obrobky danykh [Methods of image compression in digital data processing systems]. Information processing systems, (2), 66-70.
Zubko, R.A. (2013). Alhorytmy stysnennya zobrazhenʹ [Image compression algorithms]. Eastern European Journal of Advanced Technology, 1 (2), 40-44.
Zubko, R.A. (2014). Stysnennya zobrazhenʹ fraktalʹnym metodom. [Compression of images by fractal method]. Eastern European Journal of Advanced Technology, (6 (2)), 23-28.
Kaluga, B.V., & Zaderey, N.M. (2019). ZASTOSUVANNYA VEYVLET-PERETVORENNYA V SUCHASNIY NAUTSI TA TEKHNITSI [APPLICATION OF WAVELET TRANSFORMATION IN MODERN SCIENCE AND TECHNOLOGY]. Scientific notes of young scientists, (4).
Korpan, Ya.V. (2015). Metody ta alhorytmy kompaktnoho predstavlennya hrafichnoyi informatsiyi v komp'yuternykh systemakh. [Methods and algorithms for compact representation of graphic information in computer systems]. Technological audit and production reserves, (3 (2)), 32-36.
Sitnikov, V.S., & Bilenko, A.A. (2008). Klassifikatsiya veyvlet-funktsiy [Classification of wavelet functions]. Proceedings of Odessa Polytechnic University, (1), 168-170
Downloads
Published
How to Cite
Issue
Section
License
Copyright: This is an open-access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.
