Nén Ảnh Mất Mát và Không Mất Mát: Khóa Luận Tốt Nghiệp Về Dynamic Huffman Coding

• Tác giả: Nguyễn Thị Cẩm Hướng
• Người hướng dẫn: TS. Lâm Đức Khải
• Trường học: Đại học Quốc Gia TP. Hồ Chí Minh
• Chuyên ngành: Kỹ Sư Kỹ Thuật Máy Tính
• Đề tài: Nén Ảnh Mất Mát và Không Mất Mát: Thuật Toán Dynamic Huffman Coding
• Loại tài liệu: Khóa Luận Tốt Nghiệp
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

• LỜI CÁM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN ĐỀ TÀI
• 1.1. Phân loại nén ảnh
• 1.2. Phương pháp nén ảnh không mất mát — lossless compression
• 1.3. Phương pháp nén ảnh mất mát — lossy compression
• 1.4. Giới thiệu một số phương pháp nén
• 1.4.1. Lempel-Ziv-Welch (LZW)
• 1.4.2. Shanno-Fano Coding
• 1.4.3. Huffman Coding
• 1.5. Các khái niệm cơ bản
• 1.5.1. Phần tử ảnh — pixel
• 1.5.2. Mức xám — Gray level
• 1.5.3. Histogram
• 1.5.4. Tỷ lệ nén — Compression ratio (CR)
• 1.5.5. Bits per pixel (BPP)
• 1.5.6. Cấu trúc tương đồng - Structure Similarity Index Measure (SSIM)
• 1.6. Mục tiêu đề tài
• 1.7. Cơ sở lý thuyết
• 2. CHƯƠNG 2: THUẬT TOÁN DYNAMIC HUFFMAN CODING
• 2.1. Dự đoán tuyến tính — Linear Prediction
• 2.2. Thuật toán cây nhị phân động
• 2.3. Xử lý đầu vào
• 3. CHƯƠNG 3: KIẾN TRÚC THIẾT KẾ PHẦN CỨNG
• 3.1. Kiến trúc hệ thống
• 3.2. Tổng quan hệ thống
• 3.3. Quy trình thực hiện hệ thống
• 3.4. Mô tả kiến trúc Image Compression Core
• 3.5. Sơ đồ khối thiết kế
• 3.6. Thiết kế khối Linear Prediction
• 3.7. Mô tả thiết kế
• 3.7.1. Mô tả khối Tree Register File
• 3.7.2. Mô tả khối Check Tree
• 3.7.3. Mô tả thiết kế
• 3.7.4. Mô tả khối Output Block
• 3.7.5. Mô tả Interface
• 3.7.6. Mô tả thiết kế
• 3.7.7. Mô tả khối Run Modify
• 3.7.8. Mô tả thiết kế
• 3.7.9. Mô tả khối Check Parent
• 3.7.10. Mô tả Interface
• 3.7.11. Mô tả khối Swap Node
• 3.7.12. Mô tả Interface
• 3.7.13. Mô tả thiết kế
• 4. CHƯƠNG 4: KẾT QUẢ MÔ PHỎNG CHỨC NĂNG
• 4.1. Phương pháp đánh giá
• 4.2. Mô phỏng khối Linear Prediction
• 4.3. Mô phỏng khối Tree Register File
• 4.4. Mô phỏng khối Check Tree
• 4.5. Mô phỏng khối Output Block
• 4.6. Mô phỏng khối Run Modify
• 4.7. Mô phỏng khối Check Parent
• 4.8. Mô phỏng khối Swap Node
• 4.9. Mô phỏng khối Top module
• 5. CHƯƠNG 5: PHÂN TÍCH VÀ SO SÁNH KẾT QUẢ ĐẠT ĐƯỢC
• 5.1. Kết quả kiến trúc đề xuất đạt được
• 5.2. Phương pháp đánh giá kết quả
• 5.3. Kết quả mô phỏng trên phần mềm — Visual Studio Code
• 5.4. Kết quả mô phỏng trên phần cứng — Vivado
• 5.5. So sánh kết quả mô phỏng với kiến trúc Dynamic Huffman
• 5.6. So sánh kiến trúc đề xuất với các bài báo liên quan
• 5.7. So sánh với hệ thống nén Adaptive + LZW
• 5.8. So sánh với bài báo số [1]
• 5.9. So sánh thông số hoạt động với các bài báo liên quan
• 5.10. So sánh kiến trúc phần cứng với thuật toán chạy trên tool Vivado
• 5.11. Kết luận và hướng phát triển đề tài
• 5.11.1. Khó khăn gặp phải
• 5.11.2. Nhược điểm của thuật toán đề xuất
• 5.11.3. Hướng phát triển
• TÀI LIỆU THAM KHẢO

I. Tổng quan về nén ảnh mất mát và không mất mát

Nén ảnh là một lĩnh vực quan trọng trong công nghệ thông tin, giúp giảm kích thước tệp mà không làm mất đi chất lượng hình ảnh. Có hai loại nén ảnh chính: nén ảnh mất mát và nén ảnh không mất mát. Nén ảnh mất mát thường được sử dụng trong các ứng dụng như JPEG, trong khi nén ảnh không mất mát như Dynamic Huffman Coding đảm bảo dữ liệu gốc có thể được phục hồi hoàn toàn. Việc lựa chọn phương pháp nén phù hợp phụ thuộc vào yêu cầu về chất lượng và kích thước tệp.

1.1. Khái niệm nén ảnh và tầm quan trọng

Nén ảnh là quá trình giảm kích thước tệp hình ảnh mà không làm giảm chất lượng hình ảnh. Điều này rất quan trọng trong các lĩnh vực như y tế, nơi mà độ chính xác của hình ảnh là rất cần thiết.

1.2. Phân loại nén ảnh Mất mát và không mất mát

Nén ảnh được chia thành hai loại: nén mất mát, nơi một số dữ liệu bị loại bỏ, và nén không mất mát, nơi dữ liệu gốc có thể được phục hồi hoàn toàn. Mỗi loại có ứng dụng và ưu nhược điểm riêng.

II. Thách thức trong nén ảnh Độ chính xác và hiệu suất

Một trong những thách thức lớn trong nén ảnh là làm sao để duy trì độ chính xác của hình ảnh trong khi vẫn giảm kích thước tệp. Nén ảnh mất mát có thể dẫn đến mất mát dữ liệu, trong khi nén không mất mát có thể không đạt được tỷ lệ nén cao. Việc tìm ra sự cân bằng giữa chất lượng và kích thước tệp là rất quan trọng.

2.1. Vấn đề về chất lượng hình ảnh

Chất lượng hình ảnh là yếu tố quyết định trong nhiều ứng dụng. Nén mất mát có thể làm giảm chất lượng, trong khi nén không mất mát giữ nguyên chất lượng nhưng có thể không đạt được tỷ lệ nén cao.

2.2. Tối ưu hóa hiệu suất nén

Tối ưu hóa hiệu suất nén là một thách thức lớn. Các thuật toán như Dynamic Huffman Coding cần phải được thiết kế để đạt được tỷ lệ nén cao mà không làm giảm hiệu suất.

III. Phương pháp nén ảnh không mất mát Dynamic Huffman Coding

Dynamic Huffman Coding là một trong những thuật toán nén ảnh không mất mát hiệu quả. Thuật toán này sử dụng cây nhị phân để mã hóa dữ liệu, cho phép nén dữ liệu mà không làm mất mát thông tin. Điều này rất quan trọng trong các ứng dụng yêu cầu độ chính xác cao.

3.1. Nguyên lý hoạt động của Dynamic Huffman Coding

Dynamic Huffman Coding hoạt động bằng cách xây dựng một cây nhị phân động, cho phép mã hóa các ký tự dựa trên tần suất xuất hiện của chúng. Điều này giúp tối ưu hóa tỷ lệ nén.

3.2. Ưu điểm của Dynamic Huffman Coding

Ưu điểm lớn nhất của Dynamic Huffman Coding là khả năng nén dữ liệu mà không làm mất mát thông tin. Điều này rất quan trọng trong các lĩnh vực như y tế và truyền thông.

IV. Ứng dụng thực tiễn của Dynamic Huffman Coding trong nén ảnh

Dynamic Huffman Coding đã được áp dụng rộng rãi trong nhiều lĩnh vực, từ y tế đến truyền thông. Việc nén ảnh không mất mát giúp đảm bảo rằng dữ liệu quan trọng không bị mất mát trong quá trình truyền tải. Các ứng dụng thực tiễn cho thấy hiệu quả của thuật toán này trong việc giảm kích thước tệp mà vẫn giữ nguyên chất lượng.

4.1. Ứng dụng trong y tế

Trong y tế, việc nén ảnh không mất mát là rất quan trọng để đảm bảo rằng các hình ảnh chẩn đoán không bị mất mát thông tin. Dynamic Huffman Coding giúp giảm kích thước tệp mà vẫn giữ nguyên chất lượng hình ảnh.

4.2. Ứng dụng trong truyền thông

Dynamic Huffman Coding cũng được sử dụng trong truyền thông để nén video và hình ảnh. Việc nén không mất mát giúp đảm bảo rằng dữ liệu được truyền tải một cách chính xác và hiệu quả.

V. Kết luận và tương lai của nén ảnh không mất mát

Nén ảnh không mất mát, đặc biệt là thông qua Dynamic Huffman Coding, đã chứng minh được giá trị của nó trong nhiều lĩnh vực. Tương lai của nén ảnh không mất mát hứa hẹn sẽ tiếp tục phát triển với sự cải tiến trong công nghệ và thuật toán. Việc nghiên cứu và phát triển các phương pháp nén mới sẽ giúp tối ưu hóa hiệu suất và chất lượng hình ảnh.

5.1. Tương lai của Dynamic Huffman Coding

Dynamic Huffman Coding có tiềm năng lớn trong việc phát triển các ứng dụng nén ảnh không mất mát. Nghiên cứu tiếp theo có thể tập trung vào việc cải thiện hiệu suất và tỷ lệ nén.

5.2. Xu hướng phát triển trong nén ảnh

Xu hướng phát triển trong nén ảnh sẽ tiếp tục hướng tới việc tối ưu hóa chất lượng hình ảnh và giảm kích thước tệp. Các công nghệ mới sẽ giúp cải thiện hiệu suất nén và khả năng phục hồi dữ liệu.