1.1.1 Кодирование без потерь

Кодирование без потерь, как это и отражено в названии, подразумевает передачу информации без каких-либо потерь при процессах обработки данных (при процессах компрессии и декомпрессии), т.е. если данные были обработаны алгоритмом кодирования без потерь, то они могут быть восстановлены из обработанных данных в первоначальной форме. В общем случае, кодирование без потерь используется для “дискретных” данных, таких как текст, данные вычислений, некоторые изображения и т.д.

Обработка текстовых данных, является очень важной частью кодирования без потерь. Важно, что бы результат после восстановления точно совпадал с исходными данными, т.к. даже малые различия в тексте могут повлечь за собой очень большие трудности в интерпретации и разницу в смысловом значении. Например, “Do not send money” и “Do now send money”. Как видно из примера, даже небольшое отличие коренным образом меняет смысл фразы. Аналогичные примеры можно привести из области компьютерных файлов или банковских записей.

Если данные любого типа предназначены для последующего анализа или для обработки с изменением (увеличением) размерности, то важно сохранить их целостность. Предположим, что мы обрабатываем данные ЭЭГ или ЭКГ алгоритмом с потерями и разница между исходным и восстановленным изображением зрительно не видна. Если в дальнейшем, это изображение для последующей обработки будет увеличено, то прежде не видные глазу отличия могут создать большое количество артефактов (искусственных участков), что сильно скажется трактовке всего изображения в целом и может ввести врача в заблуждение. Так как ценой за такую ошибку может быть человеческая жизнь, то нужно быть очень внимательным к выбору алгоритма, который можно получить результаты, сильно отличающиеся от исходных.

Данные, получаемые от спутников, часто обрабатываются гораздо позднее (числовые индикаторы растительности, площади лесов и т.д.). Если восстановленные данные сильно отличаются от исходных, то последующая обработка может сильно усилить различия между ними. В данном случае, нет возможности вернуться назад и получить те же данные еще раз.

Существует множество ситуаций, когда мы требуем идентичности исходных и восстановленных данных. Однако, существует большое число ситуаций, когда возможно ослабить это требование. Здесь уместно говорить о методах сжатия с потерями.

1.1.2 Кодирование с потерями

Понятие сжатия с потерями включает в себя потери информации, так что данные которые были обработаны такого рода алгоритмами, не могут быть восстановлены или реконструированы абсолютно точно (в полном соответствии оригиналу). В случае, если мы допускаем такие потери при восстановлении, то мы можем получить гораздо больший коэффициент сжатия, чем при использовании алгоритмов сжатия без потерь.

Во многих сферах применения такое неточное восстановление – не проблема. Например, при хранении или передаче речи, нет необходимости использовать точный образ каждого фрагмента. В зависимости от требуемого качества восстановления, допускается варьирование потерь информации для каждого фрагмента. К примеру, если требуется качество речи, сопоставимое по качеству с телефонным, то допускается большее число ошибок, чем при качестве речи, воспроизводимой с компакт-диска.

Подобные рассуждения допустимы при просмотре восстановленной последовательности видеоизображений. В этом случае, не требуется точного совпадения восстановленного изображения с оригиналом. Основное требование – отсутствие явных артефактов, раздражающих глаз, так что, для обработки видео допускается использование алгоритмов с потерями информации.

Следующим после восстановления данных шагом, будет измерение качества восстановленного изображения. Так как велика область применения алгоритмов, то и разные схемы могут применяться для оценки качества восстановления.