Streszczenie: W artykule zaprezentowano dwustopniowy schemat kompresji konturów, który łączy w sobie metodę kodowania transformatowego z wybraną metodą przestrzennej aproksymacji konturów. Celem zastosowania kodowania transformatowego w pierwszym, kodującym stopniu prezentowanego schematu jest uzyskanie jak najwyższego stopnia kompresji. Wraz ze wzrostem stopnia kompresji narasta jednak tzw. błąd kwantyzacji, a wraz z nim rośnie również zniekształcenie wprowadzane do przetwarzanych danych. Zadaniem metody tangensów - metody przestrzennej aproksymacji konturów zastosowanej w drugim, dekodującym stopniu proponowanego schematu, jest znacząca redukcja ww. zniekształcenia przy zachowaniu wysokiej wartości stopnia kompresji. Własności zaimplementowanego algorytmu kodowania transformatowego zostały przebadane zarówno pod względem stopnia kompresji jak i jakości rekonstrukcji. Własności te silnie zależą od typu zastosowanej transformaty. W pracy prezentowane są rezultaty uzyskane przy zastosowaniu transformaty DCT oraz dwóch, wybranych transformat odcinkowo-liniowych: PHL [10] i PWL [9]. Zdolność metody tangensów do kompensacji błędu kwantyzacji została wykazana na podstawie badania stosunku powierzchni wyznaczanych przez oryginalny kontur wejściowy i kontur zrekonstruowany na wyjściu schematu. Na potrzeby ww. badania zdefiniowano osobny wskaźnik AE (Area Error). Efektywność kompletnego, proponowanego dwustopniowego schematu kompresji została zaprezentowana przy wykorzystaniu wybranych konturów testowych.
Abstract: A two-stage contour data compression scheme, based on transform coding technique (the first stage) combined with a selected spatial method (the second stage), is presented in the paper. The goal of the transform coding is to achieve the compression ratio as high as possible. The tangent method, a selected spatial domain contour approximation algorithm, is used to compensate the quantization error introduced at the first stage. Advantages of the proposed scheme were examined according to the compression ratio as well as to the Mean Square Error and the Signal to Noise Ratio. Compensation abilities of the tangent method were proved with respect to a new measure, referred to as the Area Error.
B I B L I O G R A F I A1. Baran R., Dziech A.: Tangent Method and the other Efficient Methods of Contour Compression, WSEAS Transactions on Computers, Issue 7, Vol. 4, pp. 805-813, 2005.
2. Dziech A., Ukasha A., Baran R.: Fast Method for Contour Approximation and Compression, WSEAS Transactions on Communications, Issue 1, Vol. 5, pp. 49-56, 2006.
3. Baran R., Dziech W.: Kompresja konturów z wykorzystaniem kwantyzacji skalarnej, Materiały Krajowej Konferencji Radiokomunikacji, Radiofonii i Telewizji, Gdańsk, s. 283-286, 2002.
4. Sayood K.: Introduction to Data Compression, Second Edition, Morgan Kaufmann Publishers, 2000.
5. Lloyd S. P.: Least Squares Quantization in PCM, IEEE Trans. on Information Theory, Vol. 28, pp. 127-135, 1982.
6. Jain A. K.: Fundamentals of Digital Image Processing, Prentice-Hall, Englewood Cliffs, New Jersey, 1989.
7. Montanari U.: A Note on Minimal Length Polygonal Approximation to a Digitized Contour, Comm. ACM, Vol. 13, pp. 41-47, 1970.
8. Ramer U.: An Iterative Procedure for the Polygonal Approximation of Plane Curves, Computer Graphics and Image Processing, Academic Press, 1, pp. 244-256, 1972.
9. Belgassem F., Dziech A., Aboudeana M, Dziech W.: Improved Fast Algorithm for PWL Transform, Proc. of the Int. Workshop on Systems, Signals and Image Processing IWSSIP, Zagreb, Croatia, 1998.
10. Dziech A., Belgassem F., Aboukrese S., Nabout A.: Periodic Haar Piecewise Linear Series and Transforms, Proc. of the CESA’96, IEEE Multiconference, Lille, France, 1996. 
Pełny tekst 
YADDA/CEON