230 likes | 354 Views
Módulo 4 – Quantização Sistemas Multimédia Ana Tomé José Vieira. Departamento de Electrónica, Telecomunicações e Informática Universidade de Aveiro. Sumário. Quantização Uniforme Ruído de quantização Relação sinal / ruído de quantização Quantização N ão-uniforme Lei mu
E N D
Módulo 4– QuantizaçãoSistemas MultimédiaAna ToméJosé Vieira Departamento de Electrónica, Telecomunicações e Informática Universidade de Aveiro
Sumário • QuantizaçãoUniforme • Ruídode quantização • Relaçãosinal/ruído de quantização • QuantizaçãoNão-uniforme • Lei mu • Algoritmo de Lloyd • Quantização de Imagens
Quantização A operação de limitar o número de níveis possíveis para a amplitude de um sinal
Quantização Sinusóide quantizada x(n) – Sinal original xq(n) – Sinal quantizado e(n) – Erro de quantização Sinusóidequantizada para 7 níveis. Os limiares de decisão estão indicados a tracejado verde.
Quantização • |x|<1 • q = nº de níveisde quantização • = 2/(q-1) , passo de quantização • b = nº de bits da quantização • q = 2b Relação entrada saída de um quantizador com 7 níveis de quantização.
Quantização • |x|<1 • q = nº de passos de quantização • 2/q , passo de quantização • b = nº de bits da quantização • q = 2b Quantizador idêntico ao do slide anterior mas com os níveis de quantização escritos em função de Δ.
Ruído de Quantização • O errode quantizaçãoé dado peladiferença entre o sinal original e o sinalquantizado. • A sua amplitude ésempremenorquemetade da amplitude do passo de quantização
Relação Sinal / Ruído de Quantização • Para caracterizar e comparar o efeito do ruído de quantização num sinal, utiliza-se o conceito de Relação Sinal Ruído – RSN (na língua Inglesa designa-se por “Signal to Noise Ratio” – SNR), que mede a relação entre a potência do sinal e a do ruído. • A potência de um sinal discreto x é dada pela expressão
Bits e Ruído de Quantização • Em baixo podemos ouvir o resultado da quantização de uma sinusóide e de uma música • 2 bits • 3 bits • 8 bits • 16 bits sinu. música
Relação Sinal / Ruído de Quantização • Assim a relaçãosinalruídoé dada por • Estarelaçãopossuiumagrandegamadinâmica, peloqueemgeralérepresentadaemdBs.
O deciBell • O deciBell não é uma unidade mas sim uma medida da razão entre duas grandezas. • No caso da relação entre potências terá a forma • Em que P0 é a potência de referência. • Exemplo – Se a potência máxima de um sinal x é o dobro da potência de um sinal de referência, então a relação é de 3dBs
Bits e Ruído de Quantização • Se aumentarmos em um bit a representação quantizada de um sinal, temos que: • O número de passos de quantização aumenta para o dobro • A amplitude máxima do erro de quantização diminui para metade • Se definirmos Pe(b) como a potência do ruído de quantização de um sinal com b bits, temos que:
Bits e Ruído de Quantização Conclusão: A relação sinal ruído de quantização aumenta de 6dBs sempre que se acrescenta um bit à representação
Quantização Não-Uniforme • Se a função densidade de probabilidade (pdf) do sinal não é uniforme a quantização uniforme não é a ideal • Os sinais de voz por exemplo possuem uma pdfLaplaciana • Uma possível estratégia consiste em utilizar passos de quantização adaptados à pdf do sinal
Lei-mu • Demos Matlab • vozhist.m • quantizer_test.m
Quantização ÓtimaAlgoritmo de Lloyd • O algoritmo de Lloyd determina de forma iterativa os níveis ótimos de quantização. • É necessário conhecer a pdf do sinal a quantizar. • Demo Matlab • lloyd.m
Quantização de Imagens • O número de bits utilizado em cada pixel de uma imagem, determina o número de níveis de cinza que é possível representar. Nº de níveis de cinza = 2nbits
Imagem lena para Diferentes Número de Bits por Pixel 8bits 4bits 2bits 1bit
Como “Gastar” os Bits • Quando se pretende digitalizar uma imagem pode-se colocar a seguinte questão: • Como utilizar os bits disponíveis de modo a maximizar a qualidade perceptual da imagem? • O número total de bits pode ser dispendido: • Na representação do número de níveis de cinza • Na resolução da imagem sacrificando o nº de níveis de cinza • A resposta a esta questão é “Depende da Imagem” • Para imagens com muitos níveis de cinza deve-se privilegiar o nº de bits por pixel • Para imagens do tipo texto deve-se privilegiar a resolução
Utilização Eficiente dos BitsImagem Original – 512×512 – 8bits 64kBytes– 181×181 – 2bits 64kBytes – 128×128 – 4bits 64kBytes– 91×91 – 8bits
Utilização Eficiente dos BitsTexto 64kBytes 181×181 2bits 64kBytes 256×256 1bit Original 512×512 8bits 64kBytes 91×91 8bits 64kBytes 128×128 4bits