Värikvantisointi ja sen nykyaikaiset sovellukset
Tuominen, Tuuli (2020)
Tuominen, Tuuli
2020
Tietojenkäsittelytieteiden kandidaattiohjelma - Bachelor's Programme in Computer Sciences
Informaatioteknologian ja viestinnän tiedekunta - Faculty of Information Technology and Communication Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2020-12-16
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202012078562
https://urn.fi/URN:NBN:fi:tuni-202012078562
Tiivistelmä
Värikvantisoinnin tavoitteena on esittää kuva käyttäen alkuperäistä pienempää värimäärää kuitenkin säilyttäen kuvan laatu ennallaan. Aiemmin värikvantisoinnin hyödyntäminen kuvia esitettäessä on ollut pakollista laitteiston asettamien rajoitusten vuoksi, mutta nykyään tällaiset rajoitukset eivät ole enää ajankohtaisia. Tutkielmani tavoitteena on pyrkiä vastaamaan, hyödynnetäänkö värikvantisointia nykyään, ja millaisilla sovellusalueilla sille on löydetty uusia käyttökohteita. Tarkastelen myös sovelluksissa käytettyjä värikvantisointimenetelmiä lyhyesti. Tutkielma on kirjallisuuskatsaus värikvantisoinnin sovelluksiin, ja aineisto koostuu pääosin tuoreista sovelluksia käsittelevistä artikkeleista. Aihetta taustoittaessani hyödynnän myös vanhempia artikkeleita sekä kuvanprosessointia käsitteleviä kirjoja.
Värikvantisointimenetelmät voidaan jakaa kahteen kategoriaan sen pohjalta, hyödynnetäänkö värikvantisoitavan kuvan sisältöä värikvantisoinnin yhteydessä. Yhdenmukaiset menetelmät eivät tarkastele kuvan sisältämiä värejä, kun taas mukautuville menetelmille on tyypillistä esimerkiksi kuvan värihistogrammin hyödyntäminen. Koska yhdenmukaisten menetelmien tuottamat kuvat ovat tyypillisesti laadultaan heikkoja, tutkimus on keskittynyt lähes yksinomaan mukautuviin menetelmiin. Mukautuvat menetelmät voidaan edelleen jakaa kahtia lohkomisalgoritmeihin sekä klusterointipohjaisiin algoritmeihin. Lohkomisalgoritmit suoriutuvat värikvantisoinnista usein nopeammin, mutta klusterointipohjaisilla algoritmeilla saavutetaan laadukkaampi lopputulos. Lohkomisalgoritmit sisältävät muun muassa värikvantisointimenetelmien klassikon, median cut -algoritmin, kun taas klusterointipohjaisista algoritmeista esimerkiksi k-means-algoritmi on herättänyt tutkijoiden kiinnostusta.
Värikvantisoinnin nykyisistä sovellusalueista nousevat esiin etenkin lääketieteellinen kuvantaminen sekä kuvahaun sovellusalue. Kaikki löydetyt sovellukset eivät kuitenkaan kuulu kumpaankaan näistä, joten muut sovellukset muodostavat myös oman joukkonsa. Värikvantisoinnin nykyinen rooli koostuu sovelluksen laskennallisten vaatimusten vähentämisestä, ja yleisesti värikvantisoinnilla saavutetaan siltä odotetut hyödyt. Värikvantisointia toteutetaan sovelluksissa hyvin erilaisilla menetelmillä jopa yksittäisen sovellusalueen sisällä, joten keskeisimmän menetelmän määrittely on haastavaa. Mukautuvat menetelmät osoittautuvat kuitenkin selkeästi yhdenmukaisia menetelmiä käytetymmäksi.
Värikvantisointimenetelmät voidaan jakaa kahteen kategoriaan sen pohjalta, hyödynnetäänkö värikvantisoitavan kuvan sisältöä värikvantisoinnin yhteydessä. Yhdenmukaiset menetelmät eivät tarkastele kuvan sisältämiä värejä, kun taas mukautuville menetelmille on tyypillistä esimerkiksi kuvan värihistogrammin hyödyntäminen. Koska yhdenmukaisten menetelmien tuottamat kuvat ovat tyypillisesti laadultaan heikkoja, tutkimus on keskittynyt lähes yksinomaan mukautuviin menetelmiin. Mukautuvat menetelmät voidaan edelleen jakaa kahtia lohkomisalgoritmeihin sekä klusterointipohjaisiin algoritmeihin. Lohkomisalgoritmit suoriutuvat värikvantisoinnista usein nopeammin, mutta klusterointipohjaisilla algoritmeilla saavutetaan laadukkaampi lopputulos. Lohkomisalgoritmit sisältävät muun muassa värikvantisointimenetelmien klassikon, median cut -algoritmin, kun taas klusterointipohjaisista algoritmeista esimerkiksi k-means-algoritmi on herättänyt tutkijoiden kiinnostusta.
Värikvantisoinnin nykyisistä sovellusalueista nousevat esiin etenkin lääketieteellinen kuvantaminen sekä kuvahaun sovellusalue. Kaikki löydetyt sovellukset eivät kuitenkaan kuulu kumpaankaan näistä, joten muut sovellukset muodostavat myös oman joukkonsa. Värikvantisoinnin nykyinen rooli koostuu sovelluksen laskennallisten vaatimusten vähentämisestä, ja yleisesti värikvantisoinnilla saavutetaan siltä odotetut hyödyt. Värikvantisointia toteutetaan sovelluksissa hyvin erilaisilla menetelmillä jopa yksittäisen sovellusalueen sisällä, joten keskeisimmän menetelmän määrittely on haastavaa. Mukautuvat menetelmät osoittautuvat kuitenkin selkeästi yhdenmukaisia menetelmiä käytetymmäksi.
Kokoelmat
- Kandidaatintutkielmat [8997]