25170
1
1
Вы наверняка не раз слышали понятие "сжатие изображений". В данном видео парень с помощью машинки для изготовления пасты и распечатанного снимка собаки показал, как сжатие выглядит наглядно.
Ссылки по теме:
- Хорошо пошёл! Каякер поймал волну от моторных лодок
- Собаки мешают хозяину выбросить старую рождественскую ёлку
- Бразильцы вытащили собаку из смертельных объятий анаконды
- Сообразительный хаски нашёл способ сбежать из своего вольера
- Храбрая женщина спасла провалившуюся под лед собаку
Новости партнёров
реклама
В 2 словах: сжатие информации с потерями предполагает уменьшение общего количества данных путём удаления из исходных данных части информации. То есть восстановить исходную информацию уже никогда не удастся. Методы удаления информации разные: от дискретно-косинусных и вейвлет преобразований до фрактального сжатия.
Потери без потерь
- без потери данных, когда часто повторяющиеся данные заменяются более коротким кодом - с потерей данных, когда из файла удаляются данные, которые человек не слышит/не видит вследствие несовершенства своего слуха/зрения
Сейчас чаще всего в алгоритмах используются их комбинация.
Как-то так. А оказывается - полученный итог должен быть вообще не похож на оригинал (crc в данных). Интересно, а если фото будет не буквальным для нашего зрения? А сложным цветовым решением?
В аудиовизуальном контенте (ориентированном на человека) применяют сжатие с потерями, когда из картинки/музыки удаляют детали, которые мозг может "дофантазировать" самостоятельно, а потом сжимают как данные. Это относится к деталям на однородных и пестрых цветных полях, прожилках в листиках, плохо слышимых частотах, так же загрубляются плавности цветовых поля и звуковые переливы. Глаза и уши хорошо воспринимают резкие изменения - вот их и не трогают (границы объектов, перепады громкости).
В ролике не алгоритм сжатия, а демонстрация нам же нашей возможности распознать объект, если значительно уменьшена его детализация.
Это скорее визуализация голографической парадигмы и то очень исковеркано.