‫بسمٍ تعالی‬
‫های‏چندرسانهای‏(‪ )44-243‬‏‬
‫‏‬
‫‏‬
‫سیستم‬
‫تمرین‏‪:4‬‏پردازش‏ویدئو ‏‬
‫دانشکده‏مهندسی‏کامپیوتر‬
‫دانشگاه‏صنعتی‏شریف‬
‫دکتر مُدی امیری‬
‫اردیبُشت ‪9۳‬‬
‫مقدمه ‏‬
‫در ایه تمریه ابتدا مباوی يیدئً را فرا میگیرید سپس وحًٌی فشردٌسازی يیدئً را در ادامٍ بررسی خًاَید‬
‫کرد‪.‬‬
‫آوچٍ کٍ بایستی تحًیل دادٌ شًد شامل پاسخ سًاالت مطرح شدٌ در صًرت تمریهَا (در قالب یك‬
‫گسارش با فرمت‪ ،PDF‬ومًدارَا ي شكلَای خريجی ‪ m‬فایلَا ي خًد ‪ m‬فایلَا میباشد‪ .‬لطفا تمامی‬
‫فایلَا را بٍ صًرت یك فایل فشردٌ‪ ،‬کٍ وام آن در قالب ‪MM_HW4_LastName_StudentID‬‬
‫باشد کٍ در آن بٍ جای ‪ LastName‬وام خاوًادگی شما ي بٍ جای ‪ StudentID‬شمارٌ داوشجًیی شما‬
‫قرار میگیرد‪ ،‬بٍ آدرس درس ‪ multimedia922@gmail.com‬بفرستید‪ .‬لطفا عىًان ایمیل ارسالی‬
‫خًد را ویس َماوىد قالب فًق قرار دَید‪.‬‬
‫مُلت تحًیل خريجیَا ساعت ‪ 9۳:39‬تاریخ ‪8232/3/81‬میباشد ي بٍ ازای َر ريز تأخیر در ارسال تمریه‬
‫مشمًل ‪ 93‬درصد جریمٍ خًاَید شد‪.‬‬
‫َمچىیه تًجٍ داشتٍ باشید کٍ ارزش ومرات َمٍ تمریهَا یكسان نیست! پس ایه تمریه را جدی بگیرید‪.‬‬
‫‪1‬‬
‫‪ .۱‬آشنایی با امکانات متلب‬
‫اِف) چ‪ٙ‬س زست‪ٛ‬ض ضایدی و‪ ٝ‬تطای واض تا ‪ٚ‬یسئ‪ ٛ‬زض ٘طْافعاض ٔتّة استفاز‪ٔ ٜ‬یض‪ٛ‬ز‪ ،‬زض خس‪ َٚ‬ظیط آٔس‪ ٜ‬است‪ .‬تا‬
‫خست‪ٚ‬خ‪ ٚ ٛ‬واض تا ایٗ زست‪ٛ‬ضات ضٕٗ آض‪ٙ‬ایی تا آٖ‪ٞ‬ا تطای ترص‪ٞ‬ای آتی ایٗ تٕطیٗ‪ ،‬ت‪ ٝ‬تىٕیُ خس‪ َٚ‬ظیط‬
‫تپطزاظیس‪:‬‬
‫٘اْ زست‪ٛ‬ض‬
‫شوط ٔثاَ اظ واضتطز‬
‫ت‪ٛ‬ضیح ػّٕىطز تاتغ‬
‫‪aviread‬‬
‫‪mmreader‬‬
‫‪avifile‬‬
‫‪frame2im‬‬
‫‪im2frame‬‬
‫‪addframe‬‬
‫‪movie2avi‬‬
‫ب) فایُ ‪ٚ‬یسئ‪ ٛ‬ضٕاض‪ٜ‬ی ‪ 1‬ضٕیٕ‪ٝ‬ی تٕطیٗ ضا زض ٔتّة تر‪ٛ‬ا٘یس ‪ ٚ‬اطالػات خس‪ َٚ‬ظیط ضا اظ آٖ استرطاج‬
‫ٕ٘اییس‪ ،‬تطای ‪ٞ‬ط ٔ‪ٛ‬ضز‪ ،‬زست‪ٛ‬ض ٔتّثی و‪ ٝ‬اطالػات ضا اظ آٖ استرطاج ٕ٘‪ٛ‬ز‪ٜ‬ایس ‪ ٚ‬ذط‪ٚ‬خی ضا لطاض ز‪ٞ‬یس‪.‬‬
‫زست‪ٛ‬ضات ٔتّة ٘‪ٛ‬ضت‪ ٝ‬ضس‪ ٚ ٜ‬تىٕیُضس‪ٜ‬ی خس‪ َٚ‬ظیط‪ ،‬ذط‪ٚ‬خی ایٗ ترص ‪ٞ‬ست‪ٙ‬س‪.‬‬
‫ٔمساض ت‪ٕٞ ٝ‬طا‪ٚ ٜ‬احس ‪٘ ٚ‬ح‪ٜٛ‬ی استرطاج آٖ‬
‫‪ٚ‬یژٌی‬
‫تؼساز فطیٓ‪ٞ‬ای ‪ٚ‬یسئ‪ٛ‬‬
‫٘طخ فطیٓ‪ٞ‬ا‬
‫٘‪ٛ‬ع فططز‪ٜ‬ساظی‬
‫تؼساز تیت زض ‪ٞ‬ط پیىسُ‬
‫فطٔت ‪ٚ‬یسئ‪( ٛ‬زض ٔ‪ٛ‬ضز ایٗ فطٔت تحمیك و‪ٙ‬یس ‪ ٚ‬زض حس یه‬
‫پاضاٌطاف ت‪ٛ‬ضیح ز‪ٞ‬یس)‬
‫ط‪ ٚ َٛ‬ػطض‬
‫‪2‬‬
‫‪ .۲‬فشرده سازی ویدئو‬
‫‪ .1.1‬فایُ ‪ٚ‬یسئ‪ٛ‬ی ضٕاض‪ٜ‬ی ‪ 1‬ضا زض ٔتّة تر‪ٛ‬ا٘یس ‪ ٚ‬تطای س‪ٛ‬االت ظیط تط٘أ‪ٝ‬ی ٔطت‪ٛ‬ط ضا ٘‪ٛ‬ضت‪ ٚ ٝ‬ت‪ ٝ‬آٖ‪ٞ‬ا‬
‫پاسد ز‪ٞ‬یس‪:‬‬
‫اِف) تا استفاز‪ ٜ‬اظ زست‪ٛ‬ض ”‪ “movie‬فیّٓ ضا زض ٔتّة ٔطا‪ٞ‬س‪ٕ٘ ٜ‬اییس‪ .‬چ‪ ٝ‬فطلی تیٗ ایٗ ٕ٘ایص ‪ٕ٘ ٚ‬ایص‬
‫آٖ زض ‪ٔ media player‬طا‪ٞ‬س‪ٔ ٜ‬یو‪ٙ‬یس؟ اٌط ٔطىّی ٔطا‪ٞ‬س‪ٔ ٜ‬یٕ٘اییس‪ ،‬آٖ ضا تطططف ساذت‪٘ ٚ ٝ‬ح‪ٜٛ‬ی‬
‫حُ آٖ ضا ٘یع ضطح ز‪ٞ‬یس‪.‬‬
‫ب) فطیٓ ا‪ َٚ‬آٖ ضا تا زست‪ٛ‬ض ‪ٕ٘ imshow‬ایص ز‪ٞ‬یس‪ٞ .‬ط فطیٓ زاضای یه زاز‪ٜ‬ساذتاضی است و‪ ٝ‬ز‪ ٚ‬فیّس ضا‬
‫ٍ٘‪ٟ‬ساضی ٔیو‪ٙ‬س‪ .‬زض ٔ‪ٛ‬ضز آٖ تحمیك وطز‪ ٚ ٜ‬شوط و‪ٙ‬یس ‪ٞ‬ط فیّس چیست ‪ ٚ‬چ‪ ٝ‬اطالػاتی زضتط زاضز‪ .‬زست‪ٛ‬ض‬
‫‪ imshow‬ضا تطای ‪ٞ‬ط یه اظ فیّس‪ٞ‬ا اخطا ‪٘ ٚ‬تید‪ ٝ‬ضا تطضسی ٕ٘اییس‪ .‬تصا‪ٚ‬یط ضا زض ٔست‪ٙ‬س ذ‪ٛ‬ز لطاض ز‪ٞ‬یس‪.‬‬
‫ج) تطای وا‪ٞ‬ص ٘‪ٛ‬یع ‪ ٚ‬خعییات ‪ٚ‬یسئ‪ٔ ٛ‬یت‪ٛ‬اٖ ‪ Gaussian filter‬ضا تط ض‪ٚ‬ی ‪ٚ‬یسئ‪ ٛ‬اخطا ٕ٘‪ٛ‬ز‪ .‬زض ٔ‪ٛ‬ضز ایٗ‬
‫فیّتط زض حس ز‪ ٚ‬پاضاٌطاف ت‪ٛ‬ضیح ز‪ٞ‬یس‪ .‬سپس تط٘أ‪ٝ‬ای ت‪ٛٙ‬یسیس و‪ ٝ‬ض‪ٚ‬ی فطیٓ‪ٞ‬ای ضطیة ‪ 5‬ایٗ ‪ٚ‬یسئ‪ٛ‬‬
‫(ٔ‪ٙ‬ظ‪ٛ‬ض فطیٓ ‪ 5‬اْ‪ 11 ،‬اْ‪ 15 ،‬اْ ‪ )...ٚ‬فیّتط ٔصو‪ٛ‬ض ضا تا ت‪ٛ‬اتغ ٔتّة اػٕاَ ٕ٘اییس ‪ ٚ‬سپس آٖ ضا زض ‪ٚ‬یسئ‪ٛ‬ی‬
‫خسیسی شذیط‪ ٜ‬و‪ٙ‬یس‪.‬‬
‫ز) یىی اظ ض‪ٚ‬ش‪ٞ‬ای فططز‪ٜ‬ساظی ‪ٚ‬یسئ‪ ٛ‬حصف فطیٓ‪ٞ‬ایی اظ آٖ است‪ ،‬ت‪ٝ‬ط‪ٛ‬ضی و‪ ٝ‬ذسض‪ٝ‬ای ت‪ ٝ‬ض‪٘ٚ‬س پیطط‪ٚ‬ی‬
‫فیّٓ ‪ٚ‬اضز ٘ط‪ٛ‬ز ‪ ٚ‬تٕاضاٌط ٔت‪ٛ‬خ‪ ٝ‬ایٗ اتفاق ٘ط‪ٛ‬ز‪ٚ .‬یسئ‪ٛ‬ی ٔ‪ٛ‬ضز٘ظط ضا تا ایٗ ض‪ٚ‬ش فططز‪ٕ٘ ٜ‬اییس‪ .‬ض‪ٚ‬ش ذ‪ٛ‬ز‬
‫ضا ضطح ز‪ٞ‬یس ‪ ٚ‬تط٘أ‪ٚ ٚ ٝ‬یسئ‪ٛ‬ی ذط‪ٚ‬خی ضا ٘یع ضٕیٕ‪ٕ٘ ٝ‬اییس‪.‬‬
‫* ضا‪ٕٙٞ‬ایی‪ :‬فطیٓ‪ٞ‬ایی تایس اظ ‪ٚ‬یسئ‪ ٛ‬حصف ض‪٘ٛ‬س و‪ ٝ‬اذتالف آٖ تا فطیٓ لثُ ‪ ٚ‬تؼس ذ‪ٛ‬ز وٓ تاضس‪ .‬زض ایٗ تیٗ‬
‫ت‪ ٝ‬ا٘‪ٛ‬اع فطیٓ‪ٞ‬ا (‪ ).. ٚ I , P‬ت‪ٛ‬خ‪ ٝ‬زاضت‪ ٝ‬تاضیس‪ .‬وساْ یه اظ ایٗ فطیٓ‪ٞ‬ا ضا ٔیت‪ٛ‬اٖ حصف وطز؟ ٔؼیاض ضٕا‬
‫تطای ایٗ تطریص چیست؟ وّی‪ٝ‬ی ٔ‪ٛ‬اضزی ضا و‪ ٝ‬زض٘ظط ٔیٌیطیس زض ٔست‪ٙ‬سات شوط ٕ٘اییس‪.‬‬
‫‪ )ٜ‬ضا‪ ٜ‬زیٍط تطای فططز‪ٜ‬ساظی ‪ٚ‬یسئ‪ ،ٛ‬وا‪ٞ‬ص ا٘ساظ‪ٜ‬ی فطیٓ‪ٞ‬است‪ .‬تط٘أ‪ٝ‬ای ت‪ٛٙ‬یسیس و‪ ٝ‬ا٘ساظ‪ٜ‬ی فطیٓ‪ٞ‬ای‬
‫‪ٚ‬یسئ‪ ٛ‬ضا ٘صف ٕ٘ایس‪ .‬ضطح ض‪ٚ‬ش ذ‪ٛ‬ز ضا ت‪ٕٞ ٝ‬طا‪ ٜ‬خعئیات زض ٔست‪ٙ‬سات شوط ٕ٘اییس‪.‬‬
‫‪ )ٚ‬وا‪ٞ‬ص ویفیت ‪ٚ‬یسئ‪ ،ٛ‬ضا‪ٞ‬ىاض زیٍطی تطای فططز‪ٜ‬ساظی آٖ است‪ .‬تطای ایٗ ٔ‪ٙ‬ظ‪ٛ‬ض تط٘أ‪ٝ‬ای ت‪ٛٙ‬یسیس و‪ٝ‬‬
‫پس اظ ذ‪ٛ‬ا٘سٖ فطیٓ‪ٞ‬ای ‪ٚ‬یسئ‪ ٛ‬اتتسا تا ٘طخ ‪ٕ٘ down sample ،1‬ایس ‪ ٚ‬سپس تا ‪ٕٞ‬اٖ ٘طخ ‪up sample‬‬
‫و‪ٙ‬س‪ٚ .‬یسئ‪ٛ‬ی ت‪ِٛ‬یسی اظ فطیٓ‪ٞ‬ای خسیس ضا تا ‪ٚ‬یسئ‪ٛ‬ی ا‪ِٚ‬ی‪ٔ ٝ‬مایس‪ ٝ‬و‪ٙ‬یس‪ .‬تفا‪ٚ‬ت ویفیت ذط‪ٚ‬خی تا فیّٓ اصّی‬
‫ضا ضطح ز‪ٞ‬یس‪ .‬حدٓ ‪ٚ ٚ‬یژٌی‪ٞ‬ای ‪ٚ‬یسئ‪ ٛ‬چ‪ ٝ‬تغییطی زاضت‪ ٝ‬است؟‬
‫‪3‬‬
‫‪ .1.1‬فایُ ‪ٚ‬یسئ‪ٛ‬ی ضٕاض‪ٜ‬ی ‪ 3‬فططز‪ ٜ‬ضس‪ٜ‬ی فایُ ‪ٚ‬یسئ‪ٛ‬ی ضٕاض‪ٜ‬ی ‪ 1‬است‪ .‬تط٘أ‪ٝ‬ای ت‪ٛٙ‬یسیس و‪ PSNR ٝ‬ضا‬
‫تطای ایٗ ‪ٚ‬یسئ‪ٛ‬ی فططز‪ٜ‬ضس‪ ٜ‬ت‪ ٝ‬زست آ‪ٚ‬ضز ‪ٔ ٚ‬مساض ت‪ ٝ‬زست آٔس‪ ٚ ٜ‬ض‪ٚ‬اَ واض ذ‪ٛ‬ز ضا زض ٔست‪ٙ‬سات ضطح‬
‫ز‪ٞ‬یس‪.‬‬
‫* ضا‪ٕٙٞ‬ایی‪ :‬فضای ضً٘ زض ایٗ ز‪ٚ ٚ‬یسئ‪ RGB ٛ‬است ‪ PSNR ٚ‬تط اساس ‪ٔ luminance‬حاسث‪ٔ ٝ‬یض‪ٛ‬ز‪،‬‬
‫ت‪ٙ‬اتطایٗ ٘یاظ ت‪ ٝ‬یه تغییط فضای ضً٘ ٘یع زض اتتسا ‪ٚ‬خ‪ٛ‬ز زاضز‪.‬‬
‫‪ .3.1‬ز‪ ٚ‬تص‪ٛ‬یط ‪ 5 ٚ 4‬ز‪ ٚ‬فطیٓ اظ یه ‪ٚ‬یسئ‪ٞ ٛ‬ست‪ٙ‬س‪ٞ .‬سف ٔا زض ایٗ ترص ت‪ ٝ‬زست آٔسٖ تطزاض حطوت تطای‬
‫ایٗ ز‪ ٚ‬فطیٓ ‪ ٚ‬ترٕیٗ فطیٓ‪ٞ‬ا تا استفاز‪ ٜ‬اظ آٖ‪ٞ‬است‪ٔ .‬طاحُ ٌاْ ت‪ٌ ٝ‬اْ ظیط ضا تطای ضسیسٖ ت‪ ٝ‬ایٗ ‪ٞ‬سف‬
‫ا٘داْ ز‪ٞ‬یس ‪ ٚ‬زض ٔست‪ٙ‬س ذ‪ٛ‬ز ذط‪ٚ‬خی ‪ٞ‬ط ٔطحّ‪ ٝ‬ضا شوط ٕ٘اییس ‪ ٚ‬تط٘أ‪ٞٝ‬ای ٔتّة ضا ضٕیٕ‪ٝ‬ی تٕطیٗ لطاض‬
‫ز‪ٞ‬یس‪.‬‬
‫اِف) ز‪ ٚ‬فطیٓ ضا زض ٔتّة تر‪ٛ‬ا٘یس ‪ ٚ‬ت‪ ٝ‬فضای ضً٘ ‪ grayscale‬تثسیُ و‪ٙ‬یس‪ .‬ػّت ٘یاظ ت‪ ٝ‬ایٗ تغییط فضا‬
‫تطای ٌاْ‪ٞ‬ای آتی چیست؟‬
‫ب) اذتالف ز‪ ٚ‬تص‪ٛ‬یط ضا حساب وطز‪ ٚ ٜ‬تا زست‪ٛ‬ض ‪ٕ٘ imshow‬ایص ز‪ٞ‬یس‪.‬‬
‫ج) زض تٕأی سطح ز‪ ٚ‬تص‪ٛ‬یط خستد‪ٛ‬ی وأُ ا٘داْ ز‪ٞ‬یس‪ .‬تطای ایٗ ٔ‪ٙ‬ظ‪ٛ‬ض اظ ٔاوط‪ٚ‬تالن ‪ 16  16‬استفاز‪ٜ‬‬
‫ٕ٘اییس ‪ ٚ‬تفا‪ٚ‬ت ز‪ ٚ‬تص‪ٛ‬یط ضا تا استفاز‪ ٜ‬اظ ‪ motion compensation‬حساب وطز‪ ٚ ٜ‬آٖ ضا ٕ٘ایص ز‪ٞ‬یس‪.‬‬
‫ز) تحمیك ٕ٘اییس و‪ ٝ‬یه خستد‪ٛ‬ی س‪ٔ ٝ‬طحّ‪ٝ‬ای ‪ motion estimation‬چٍ‪ ٝ٘ٛ‬است ‪ ٚ‬آٖ ضا حساوثط زض‬
‫ز‪ ٚ‬پاضاٌطاف ت‪ٛ‬ضیح ز‪ٞ‬یس‪ .‬سپس وس آٖ ضا پیاز‪ٜ‬ساظی و‪ٙ‬یس ‪ٔ motion vector ٚ‬اوط‪ٚ‬تالن ‪ٚ‬الغ ضس‪ ٜ‬زض‬
‫سطط ‪ ٚ 11‬ست‪ 11 ٖٛ‬ضا پیسا و‪ٙ‬یس‪.‬‬
‫‪ )ٜ‬تا اخطای تاتغ لسٕت "ز" تطای تٕأی ٔاوط‪ٚ‬تالن‪ٞ‬ا‪ ،‬اظ ض‪ٚ‬ی فطیٓ ا‪( َٚ‬تص‪ٛ‬یط ضٕاض‪ٜ‬ی ‪ )4‬فطیٓ ترٕی‪ٙ‬ی‬
‫تؼسی ضا ت‪ ٝ‬زست آ‪ٚ‬ضیس ‪ ٚ‬آٖ ضا شذیط‪ٕ٘ ٜ‬اییس ‪ ٚ‬تا فطیٓ ز‪( ْٚ‬تص‪ٛ‬یط ضٕاض‪ٜ‬ی ‪ٔ )5‬مایس‪ ٝ‬و‪ٙ‬یس‪ .‬تطای ایٗ‬
‫ٔ‪ٙ‬ظ‪ٛ‬ض اذتالف آٖ ز‪ ٚ‬ضا ٕ٘ایص ز‪ٞ‬یس ‪ٔ ٚ‬یساٖ حطوت ضا تا وٕه زست‪ٛ‬ض ‪ quiver‬زض ٔتّة ضسٓ و‪ٙ‬یس‪.‬‬
‫‪ )ٚ‬ذط‪ٚ‬خی اذتالف ز‪ ٚ‬فطیٓ ضا زض ٌاْ‪ٞ‬ای ٌصضت‪" ٝ‬ب‪ ،‬ج‪ "ٜ ،‬ت‪ ٝ‬زست آ‪ٚ‬ضزیٓ‪ .‬حاَ آٖ‪ٞ‬ا ضا تا ‪ٔ ٓٞ‬مایس‪ٝ‬‬
‫و‪ٙ‬یس‪ .‬وساْ یه تیطتط فططز‪ ٜ‬است؟‬
‫* ضا‪ٕٙٞ‬ایی‪ :‬آ٘تط‪ٚ‬پی ذط‪ٚ‬خی‪ٞ‬ا ضا تا‪ٔ ٓٞ‬مایس‪ ٝ‬و‪ٙ‬یس‪ .‬تطای ایٗ ٔ‪ٙ‬ظ‪ٛ‬ض ٔیت‪ٛ‬اٖ اظ زست‪ٛ‬ض )(‪ entropy‬زض‬
‫ٔتّة استفاز‪ ٜ‬وطز‪.‬‬
‫‪4‬‬
‫‪ .4.1‬خستد‪ٛ‬ی ‪ 2D Logarithmic‬ضا تطای ‪ٞ motion vector‬ای ضىُ ظیط ت‪ ٝ‬واض تٍیطیس‪ .‬فطیٓ و‪٘ٛٙ‬ی‬
‫‪ٞ ٚ‬سف زض ای‪ٙ‬دا اظ ٘‪ٛ‬ع ‪ٞ p-farme‬ست‪ٙ‬س‪ .‬سایع ٔاوط‪ٚ‬تالن ‪ 4  4‬است‪MV ( x,y ) Motion vector .‬‬
‫و‪ ٝ‬زض آٖ ]‪ y [ p, p] ٚ x [ p, p‬و‪ p  5 ٝ‬است‪ٔ .‬اوط‪ٚ‬تالن زض فطیٓ ‪ٞ‬سف ٔرتصات ٘مط‪ٝ‬ی سٕت‬
‫چپ تاالی ٔاوط‪ٚ‬تالن ) ‪ (x t , yt‬است و‪ 9 ٝ‬پیىسُ پطضً٘ ٔاوط‪ٚ‬تالن زاضای ٔمساض ضست ‪ 11‬است ‪7 ٚ‬‬
‫پیىسُ زیٍط آٖ زاضای ٔمساض ضست ‪ٞ 111‬ست‪ٙ‬س‪ .‬زض فطیٓ ٔطخغ‪ 8 ،‬پیىسُ پطضً٘ تا ضست ‪ٛٔ 111‬خ‪ٛ‬ز‬
‫است‪.‬‬
‫اِف) ت‪ٟ‬تطیٗ ٔمساض ‪ )Mean Absolute Error( MAE ٚ y ٚ x‬تطای ایٗ ٔاوط‪ٚ‬تالن ضا ٔحاسث‪ٝ‬‬
‫و‪ٙ‬یس‪.‬‬
‫ب) ٔطحّ‪ ٝ‬ت‪ٔ ٝ‬طحّ‪ٝ‬ی ض‪ٚ‬ش خستد‪ٛ‬ی ‪ 2D Logarithmic‬ضا تط ض‪ٚ‬ی ضىُ ٘طاٖ ز‪ٞ‬یس‪ .‬زض ‪ٞ‬ط ٔطحّ‪ٝ‬‬
‫ٔىاٖ ‪ٔ ٚ‬سیط خستد‪ٔ ٚ ٛ‬مازیط ترص اِف ضا ٘طاٖ ز‪ٞ‬یس‪.‬‬
‫‪ .5.1‬ضىُ ‪ ٚ‬ت‪ٛ‬ضیحات ظیط تطٌطفت‪ ٝ‬اظ صفح‪ٝ‬ی ‪ 197‬وتاب زضسی است و‪ ٝ‬زض آٖ زض ٔ‪ٛ‬ضز ٘ح‪ٜٛ‬ی وسی‪ًٙ‬‬
‫فطیٓ ‪ I‬یه ‪ٚ‬یسئ‪ٛ‬‬
‫ت‪ٛ‬ضیح زاز‪ ٜ‬ضس‪ ٜ‬است‪.‬‬
‫پس اظ ٔطاِؼ‪ٝ‬ی آٖ‪،‬‬
‫آظٔایص ظیط ضا تط ض‪ٚ‬ی‬
‫‪ٚ‬یسئ‪ٛ‬ی ضٕاض‪ٜ‬ی ‪،1‬‬
‫ا٘داْ ز‪ٞ‬یس‪.‬‬
‫‪5‬‬
‫اِف) یه فطیٓ ‪ I‬اظ ایٗ ‪ٚ‬یسئ‪ ٛ‬ا٘تراب و‪ٙ‬یس‪ .‬چٍ‪ ٝ٘ٛ‬ایٗ واض ضا ا٘داْ ٔیز‪ٞ‬یس؟ ض‪ٚ‬ش ضٕا تطای تطریص فطیٓ‬
‫‪ I‬چیست؟‬
‫ب) زض ا‪ِٚ‬یٗ ٌاْ ایٗ وسی‪ ،ًٙ‬تط ض‪ٚ‬ی فطیٓ ا٘تراتی س‪ِٛٔ ٝ‬ف‪ٝ‬ی (‪ )Y, Cr, Cb‬ضا خسا و‪ٙ‬یس‪.‬‬
‫* تطای اخطای سایط ترص‪ٞ‬ا‪ ،‬خ‪ٟ‬ت ضا‪ٕٙٞ‬ایی‪ٕٝ٘ٛ٘ ،‬ی وس‪ٞ‬ا ٘‪ٛ‬ضت‪ ٝ‬ضس‪ ٜ‬است‪ .‬آٖ‪ٞ‬ا ضا تط ض‪ٚ‬ی ذط‪ٚ‬خی ٌاْ‬
‫ز‪ ْٚ‬ذ‪ٛ‬ز اػٕاَ و‪ٙ‬یس ‪٘ ٚ‬تایح ضا تطضسی ٕ٘اییس‪.‬‬
‫ج) تط ض‪ٚ‬ی تالن‪ٞ‬ای ‪ٞ 8  8‬ط یه اظ ٔ‪ِٛ‬ف‪ٞٝ‬ا‪ ،‬تثسیُ ‪ DCT‬اػٕاَ و‪ٙ‬یس‪.‬‬
‫;)'‪A_DCT = blkproc (A,[8 8],'dct2‬‬
‫ز) تط ض‪ٚ‬ی ذط‪ٚ‬خی ‪ٞ‬ط یه اظ ٔ‪ِٛ‬ف‪ٞٝ‬ای لسٕت لثُ‪ ،‬و‪ٛ‬ا٘تایع ا٘داْ ز‪ٞ‬یس‪.‬‬
‫;)'‪A_Q = blkproc(A_DCT,[8 8],'mask2‬‬
‫‪ )ٜ‬تط٘أ‪ٝ‬ای ت‪ٛٙ‬یسیس و‪ ٝ‬تا اسىٗ ظیٍعاي تط ض‪ٚ‬ی ٔاتطیس‪ٞ‬ای ٌاْ لثُ‪ ،‬ضضت‪ٝ‬ی ‪ Entropy coding‬آٖ ضا‬
‫ت‪ ٝ‬زست آ‪ٚ‬ضز ‪ ٚ‬زض س‪ ٝ‬فایُ ‪ notepad‬تا ٘اْ‪ٞ‬ای ‪ٚ Cb_Entropy.txt ،Y_Entropy.txt‬‬
‫‪ Cr_Entropy.txt‬ضٕیٕ‪ٝ‬ی تٕطیٗ ذ‪ٛ‬ز لطاض ز‪ٞ‬یس‪.‬‬
‫* تاتغ‪ mask2‬استفاز‪ ٜ‬ضس‪ ٜ‬زض وس‪ٞ‬ای ف‪ٛ‬ق ت‪ ٝ‬ضطح ظیط است (‪ٕٞ‬چ‪ٙ‬یٗ ایٗ تى‪ ٝ‬وس زض ضٕیٕ‪ ٝ‬تٕطیٗ‬
‫آٔس‪ ٜ‬است)‪:‬‬
‫;)‪function [y]=mask2(x‬‬
‫‪% Normally c=1‬‬
‫;‪c=1‬‬
‫;‪mask=[16 11 10 16 24 40 51 61‬‬
‫;‪12 12 14 19 26 58 60 55‬‬
‫;‪14 13 16 24 40 57 69 56‬‬
‫;‪14 17 22 29 51 87 80 62‬‬
‫;‪18 22 37 56 68 109 103 77‬‬
‫;‪24 35 55 64 81 104 113 92‬‬
‫;‪49 64 78 87 103 121 120 101‬‬
‫;]‪72 92 95 56 112 100 103 99‬‬
‫;‪mask=c*mask‬‬
‫;)‪y=round(x./mask‬‬
‫«ٔ‪ٛ‬فك تاضیس»‬
‫ٔ‪ٛ‬ض‪ٛ‬ع تٕطیٗ تؼسی‪ :‬ضثى‪ٞٝ‬ای چ‪ٙ‬سضسا٘‪ٝ‬ای‬
‫‪6‬‬