¿Cuál es el patrón menos compresible JPG? (tela de disparo de cámara, escala / ángulo / iluminación puede variar)

Estoy tratando de diseñar una tela que, desde el punto de vista de una cámara, sea muy difícil de comprimir con JPG, lo que da como resultado archivos de gran tamaño (o una baja calidad de imagen si el tamaño del archivo es fijo).

Debe funcionar incluso si el paño está lejos de la cámara o si está girado (digamos que la escala puede variar de 1x a 10x).

El ruido es bastante bueno (difícil de comprimir), pero se vuelve gris cuando se mira desde lejos, y se vuelve fácil de comprimir. Un buen patrón sería una especie de fractal , similar en todas las escalas.
El follaje es mejor (hojas, ramas pequeñas, ramas pequeñas, ramas grandes), pero usa muy pocos colores.

Aquí hay un primer intento:

Estoy seguro de que hay patrones más óptimos.
Tal vez las teselaciones hexagonales o triangulares funcionarían mejor.

JPG usa el espacio de color Y ′ Cb Cr , creo que Cb Cr se puede generar de manera similar, pero supongo que es mejor no usar uniformemente el alcance completo de Y '(brillo) ya que la cámara saturará las áreas brillantes u oscuras ( la iluminación nunca es perfecta).

PREGUNTA: ¿Cuál es el patrón de tela óptimo para este problema?

El ruido es bastante bueno (difícil de comprimir), pero se vuelve gris cuando se mira desde lejos, y se vuelve fácil de comprimir. Un buen patrón sería una especie de fractal, similar en todas las escalas.

Bueno, hay ruido fractal . Creo que el ruido browniano es fractal, con el mismo aspecto al acercarlo. Wikipedia habla sobre agregar el ruido Perlin a sí mismo a diferentes escalas para producir ruido fractal, que tal vez sea idéntico, no estoy seguro:

Sin embargo, no creo que esto sea difícil de comprimir. El ruido es difícil para una compresión sin pérdidas, pero JPEG es con pérdidas, por lo que solo va a tirar los detalles en lugar de luchar con ellos. No estoy seguro de si es posible hacer algo "difícil de comprimir JPEG", ya que simplemente ignorará cualquier cosa que sea demasiado difícil de comprimir a ese nivel de calidad.

Algo con bordes duros en cualquier escala probablemente sería mejor, como el plano infinito de tablero de ajedrez:

También algo con muchos colores. Quizás mire los fractales reales en lugar del ruido fractal. Tal vez un fractal Mondrian ? :)

Si estuviéramos hablando de imágenes generadas por computadora, el ruido sería el enfoque correcto. Pero aquí está el paso de captura de la cámara.

El bit fractal es muy importante debido al problema de la invariancia de escala. Sin embargo, no tiene que ser verdaderamente fractal, si considera que hay un rango de distancia limitado en el que la persona va a ser fotografiada. Quiero decir, si la persona que usa la tela está en el fondo de una imagen, de todos modos no tendrá mucho impacto ...

Creo que la mejor manera de engañar al codificador JPEG sería tener bloques con coeficientes de alta frecuencia muy altos que sobrevivan a la cuantización = muchos detalles y bordes afilados; entonces la secuencia completa del coeficiente tiene que escribirse explícitamente (en lugar de una EOB en el coeficiente 15 más o menos). El patrón de tablero de ajedrez es una buena manera de lograrlo. ¡El único inconveniente que veo es que la baja resolución de la lente + los filtros antialiasing de la cámara tienen una buena probabilidad de difuminar eso! Todo debería suceder dentro de 8x8 bloques (o 16x16 bloques cromados) porque JPEG no hace mucho en la escala macro. Tienes que hacer que tus bloques de 8x8 sean lo más desordenados posible, sin importar cuán borrosa sea la lente.

Aquí hay una sugerencia:

Quizás se pregunte qué están haciendo los bloques menos contrastados aquí, pero ayudan a mantener la zona contrastada cuando la cosa se aleja. El desafío aquí es tener algo con un patrón contrastado sin importar la escala de visualización.

No lo he evaluado formalmente. La mejor manera sería tener una secuencia de comandos que tome la imagen, aplique una docena de recorte / cambio de tamaño / desenfoque con varios parámetros y escupe el tamaño total de los archivos JPEG.

Hay una diferencia entre JPEG explotable y Transformable compresible.

Tome el ruido blanco granulado del televisor por ejemplo.

Un ruido blanco general se propaga al máximo en la frecuencia y, por lo tanto, no hay mejor ejemplo que el ruido blanco que ninguna técnica de codificación de dominio de transformación pueda comprimir. Si toma ese ruido y toma DCT (o DFT si es necesario), descubriremos que el dominio de frecuencia también está muy extendido y que todos los coeficientes tendrán importancia.

Sin embargo, nadie te impide ser agresivo con la cuantización. De esta manera, aún puede descartar grandes cantidades de las regiones de alta frecuencia. El resultado tendrá un gran error cuadrático medio. Sin embargo, perceptualmente aún sería ruido. Sin embargo, podría estar muy borroso.

Por otro lado, ahora tome imágenes donde haya bordes afilados.

Los bordes afilados también se han extendido en la frecuencia más alta (pero puede ser que sea un poco menos que en el caso anterior). Sin embargo, al tratar de comprimirlo y dejarlo caer de alta frecuencia, ahora habrá impedimentos visuales severos. Introducirá el desenfoque de los bordes, el efecto de timbre, etc. Si bien el ancho de banda extendido para tales imágenes no es el más alto posible, para JPEG o cualquier compresión equivalente, mantener esas imágenes perceptivamente de igual calidad será difícil.

Para cualquier compresión con pérdida, la resistencia dura y simple depende de cuánto y qué tipo de distorsión se tolera.

La siguiente composición muestra una estructura de tipo fractal del patrón. La siguiente imagen es el resultado de promediar cada bloque de 2x2 píxeles de la anterior. El carácter total del patrón sigue siendo el mismo, pero el contraste de la imagen está disminuyendo gradualmente. Como se dijo anteriormente, la imagen se vuelve gris cuando alejamos.

Pero usando la propiedad fractal, podríamos superponer varios patrones de diferente resolución para mantener el contraste de la imagen estable dentro del rango deseado. A continuación se muestra el ejemplo del patrón de 4 capas (512x512 GIF). Este resultado está más cerca del ruido browniano y apenas es comprimible JPEG.

Mi conjetura es que el peor patrón compresible sería el ruido blanco (con distribución uniforme). Debe parecer ruidoso en diferentes resoluciones, por lo que puede crear las imágenes ruidosas en el espacio de escala y luego juntarlas:

Aquí la imagen final de la tela, es la imagen llena de ruido blanco (diferente para cada ) y es un núcleo gaussiano de tamaño . El denota convolución.N i i G i i σ $I$$N_{i}$$i$$G_{i}$$i\sigma$$*$

Quizás una mejor manera de construir dicha imagen sería trabajar directamente en el dominio de la frecuencia, por lo tanto:

1. Crea una imagen llena de ruido blanco.
2. Realice un IDCT de bloque de 8x8 (Transformada discreta inversa del coseno) en la imagen.

El resultado sería el peor patrón compresible para JPEG, ya que tiene la mayor entropía en el dominio DCT. Pero no estoy seguro de cómo se comportará esto en diferentes resoluciones.

IIRC, se especifica el algoritmo de descompresión JPEG, sin embargo, el algoritmo de compresión exacto no. Diferentes algoritmos pueden producir un archivo JPEG legal. Por lo tanto, deberá probar esto en los compresores de imagen elegidos.

Cualquier cosa puede ser comprimida en la misma cantidad por un compresor con pérdida, como JPEG. Es solo que, en cualquier nivel de compresión fijo, la calidad de la compresión puede variar (el ruido o error en el resultado descomprimido aumentará) dependiendo de la imagen. Entonces, desea algo que agregue una cantidad máxima de ruido al resultado descomprimido. Para esto, desea el error máximo para eliminar los coeficientes de macrobloque de alta frecuencia y para cuantificar cualquier coeficiente.

Lo que probablemente significa piquetes variables y de alta frecuencia, así como escalas variables de grises y colores que se encuentran entre los posibles niveles de cuantificación del compresor dado en algún entorno dado.

Dado que desea que esto funcione a cualquier distancia en cualquier iluminación, necesitará variar la frecuencia de los piquetes (tal vez fractal, o tal vez simplemente ramificado con modulación de frecuencia aleatoria) y los niveles de color y gris (de manera no coherente, por ejemplo, variar el colores y niveles independientemente). La variación de matices dependerá menos de la distancia, por lo que solo hay que elegirlos para que sean los peores casos para los cuantificadores seleccionados. El tamaño promedio de los patrones de color puede ser el doble del tamaño de los patrones de luminancia para que coincida con la composición de macrobloque YUV 4: 1: 1 (área).

Comenzaría con un montón de patrones de muaré altamente coloreados en escalas muy variadas superpuestas y / o remendadas fractales.

Permítanme compartir el patrón que tiene un espectro muy plano (como el ruido blanco). Entonces este patrón es muy difícil de comprimir con JPG. La imagen de muestra a continuación se amplía 4 veces.

El patrón en sí es regular, pero no periódico, y podría ser generado fácilmente por el algoritmo determinista. También tiene una propiedad fractal.

Visto desde lejos:

El ruido aleatorio de hecho se comprime muy mal. Puede producirlo en color generando valores R, G, B independientes.

Mirar desde la distancia eliminará el ruido (mediante filtrado de paso bajo), y puede evitarlo generando imágenes de ruido a diferentes resoluciones, es decir, utilizando píxeles cada vez más grandes y superponiéndolos.

Al agregar las imágenes, enfrenta el problema del rango de valores, que crece a medida que aumenta el número de imágenes, deje N. Si solo las promedia, la amplitud del ruido disminuirá como 1 / N.

Si elige ruido uniforme no correlacionado, la superposición dará como resultado una distribución cuasi-Gaussiana con desviación estándar √N, por lo que en lugar de dividir por N, puede dividir por √N (con un centrado adecuado) para limitar la reducción de amplitud.

Por último, supongo que es mejor dejar que los valores se envuelvan en lugar de saturarlos, ya que los valores saturados formarán grandes áreas uniformes.

Aquí hay otro enfoque que gana ruido browniano RGB (4096x4096 GIF).

Pregunta asombrosa! En concepto, el ruido blanco es una señal que no cambia cuando se ajusta el tiempo. Del mismo modo, un fractal no cambia cuando se ajusta su tamaño. Un proceso de compresión con pérdida solo toma lo más importante del espectro (tiempo o tamaño), no todos, por lo que el fractal y el ruido huelen a galletas. Por lo tanto, debes jugar con los colores y patrones de tu tela. Deben ser fractales y el comportamiento fractal debe ser blanco generado aleatoriamente. Debe obtener una tela que en la foto se vea negra (en el espacio de color CMY) pero en el mundo real, tiene un patrón colorido.

¡Buena suerte! , y si obtienes la respuesta por favor publícalo !!!.