Als Datenkompression bezeichnet man Verfahren zur Reduktion des Speicherbedarfs von Daten oder der benötigten Bandbreite zum Übertragen der Daten durch Umkodieren des Quellcodes. Dabei wird die Datenmenge bei gleichbleibendem Informationsgehalt reduziert, indem die Signifikanz einzelner Zeichen erhöht bzw. die Entropie der Nachricht verringert wird.
Zu einem solchen Verfahren gehört eine Methode zur Reduktion der benötigten Speicherkapazität (Kompression) und der Wiederherstellung der Daten in ursprünglicher Form (Dekompression). (Quelle: Wikipedia)

Ziel des Labors ist es, verschiedene 2-dimensionale Kompressionsalgorithmen zu verstehen und zu implementieren, d.h. Kompressionsalgorithmen für Bilddaten realisieren.
Die Entwicklung erfolgt in der Programmiersprache C++, wobei auf einem bestehenden Basisprogrammpaket aufgesetzt wird. Hierbei werden auch Grundkenntnisse der GUI-Programmierung vermittelt.

Wir wollen insbesondere Verfahren aus der parallel stattfindenden Vorlesung Graphische Datenverarbeitung II vertiefen. Durch den graphischen Anwendungsbezug werden die Methoden visuell wahrgenommen und können direkt beobachtet und verglichen werden.
Voraussetzung für eine erfolgreiche Teilnahme sind Grundkenntnisse der Programmiersprache C++. Es ist wichtig an der Vorlesung Graphische Datenverarbeitung II teilzunehmen, um ein tieferes Verständnis für die implementierten Algorithmen zu bekommen. Die Abgabe der Programme erfolgt in Kleingruppen von maximal zwei Personen.

Inhalte

Der Kurs beginnt mit einer kurzen Erläuterung des Basispakets. Hierzu gehört auch die Vorstellung des vorhandenen Bilddatenmaterials, auf das die Algorithmen angewendet werden sollen. Das Einlesen der Bilddaten ist schon im Basispaket integriert, der programminterne Zugriff wird erklärt. Durch die Implementierung eines Algorithmus der ein Negativ der Bildes erzeugt (invertiert) kann das Verständnis für das Basispaket überprüft werden.

Anschließend werden Kompressionsverfahren, die auf Fourier-Transformation, Wavelet-Transformation und Fraktalen beruhen, implementiert und getestet. Dabei wird ein tiefergehendes Verständnis der einzelnen Techniken erworben.

Die Inhalte sind im einzelnen:

1. Hell-Dunkel-Vertauschung der Beispielbilddaten
2. Fouriertransformation
3. Operationen im Frequenzbereich
4. Rücktransformation in den Bildbereich
5. Wavelet-Transformation
6. Operationen im Frequenzbereich
7. Rücktransformation in den Bildbereich
8. Berechnung der Fraktaldimension
9. Implementierung einer einfachen Fraktalkompression mittels iterierter Funktionensystem
10. Das Abtastheorem und Alias-Phänomene