Ход работы

1. Включите ПК, запустите программу Sandra. Дважды щелкните по иконке "Дисплеи и видеоадаптеры" в разделе "Устройства". В меню "Класс" выберите вариант "Видеоадаптер". Определите и запишите в конспект наименование видеокарты и чипсета, информацию о производительности оперативной и текстурной памяти видеокарты, а также о частоте работы памяти.

2. Определите и запишите в конспект поддерживаемые режимы передачи данных по шине AGP или PCI-Express (PCIe).

3. Определите и запишите в конспект поддерживаемые режимы параметры текущего видеорежима: размер рабочего стола, частоту обновления кадров и битовую глубину.

4. Определите и запишите в конспект диапазон возможных видеорежимов, обращая внимание на параметры, которыми они отличаются.

5. Определите характеристики видеорежимов исследуемого ПК, включая разрешение и размеры пикселя изображения.

6. В меню "Класс" выберите вариант "Монитор", определите характеристики монитора (максимальное разрешение, тип цветовой гаммы и т.д.) и сравните их с параметрами текущего режима видеокарты.

7. Запустите тест видеопамяти, щелкнув дважды по соответствующей иконке в разделе "Эталонные тесты". Сравните параметры исследуемого видеоадаптера с эталонными, результат запишите в отчет.

8. Определите и запишите в конспект информацию об объеме оперативной памяти видеокарты (данную информацию можно получить в подразделе "Информация о системе" раздела "Устройства")

Контрольные вопросы.

1. Какой объем памяти видеокарты достаточен для работы с двумерными и трехмерными изображениями?

2. Для чего нужен видеокарте большой объем памяти?

3. Шина AGP – назначение, основные особенности и характеристики.

4. Понятие о битовой глубине графического изображения в компьютерной графике.

5. Понятие частоты обновления кадров и ее приемлемые значения для ЖК и ЭЛТ мониторов.

6. Особенности, достоинства и недостатки ЖК и ЭЛТ мониторов.

7. Взаимосвязь между частотой обновления кадров, разрешением и битовой глубиной изображения.

Лабораторная работа № 5 Форматы графических файлов

Цель: С помощью программы Paint создать различные форматы графических файлов одного и того же изображения, определить и сравнить их характеристики.

Оборудование: Персональный компьютер, программа Paint

Теория

Требования, предъявляемые к графической информации в процессе ее обработки на персональном компьютере, зависят от формы ее представления. При преобразовании визуальной формы графической информации в электронную (кодировании) для хранения или передачи по каналам связи основным требованием является минимальный размер результирующего файла. При обратном преобразовании (раскодирование) важнейшими требованиями являются качество и адекватность воспроизведения цифрового изображения. Такие преобразования могут быть выполнены различными способами, для оценки алгоритмов которых должно быть как минимум два различных критерия. Одним из них является коэффициент сжатия, который равен отношению размера файла исходного изображения к размеру результирующего файла. Качество преобразования оцениваются путем сравнения исходного изображения с изображением, прошедшим цикл кодирования-раскодирования. Если их невозможно отличить на глаз или различия становятся заметными только в том случае, когда изображения находятся рядом друг с другом, то говорят об отличном или хорошем качестве преобразования данного алгоритма.

Очевидно, что результаты преобразования какого-либо изображения разными алгоритмами будут различными, зависящими от свойств самого этого изображения. Считается, что группа изображений принадлежит к одному классу, если при применении какого-нибудь конкретного алгоритма сжатия к каждому из этих изображений, получаются примерно одинаковые результаты. Например, для одного класса конкретный алгоритм может давать очень хорошие результаты, для другого – небольшую степень сжатия, а для третьего может вообще увеличить размер файла. Часто используется следующий вариант:

первый класс – рисованные изображения с большими однотонными участками, причем количество цветов невелико (4-16): деловая графика, диаграммы, кадры мультфильмов и т.п.;

второй класс – рисованные изображения с плавными переходами и полутонами: презентационная и 3D графика;

третий класс – реальные изображения, полученные с помощью сканера или цифровой камеры.

Более подробная классификация может включать и другие классы изображений, обладающих характерными особенностями – рентгенограммы, географические карты и др., – к каждому из которых можно подобрать оптимальные алгоритмы сжатия при помощи указанных выше критериев.

Все алгоритмы сжатия также можно разделить на две группы – без потерь качества и c потерями качества. Алгоритмы сжатия без потерь качества позволяют получать после цикла кодирования-раскодирования изображения, которые в точности соответствуют оригиналу. Сжатие размера файла происходит за счет более компактной записи информации. К наиболее распространенным алгоритмам сжатия без потерь качества относятся метод группового кодирования и метод LZW.

Метод группового кодирования (Run Length Encoding - RLE) является одним из самых старых и простых методов сжатия данных. Используется в таких графических форматах, как PCX, TIFF и BMP.

Суть его заключается в том, что вместо последовательности повторяющихся данных (одинаковых цветов) можно записать само данное и количество повторений. Обычно в первом байте записывается число повторений, а во втором – значение самого пикселя. Метод группового кодирования наиболее эффективен для изображений, строки которых содержат достаточно длинные цепочки одинаковых пикселей. Исходя из предложенной выше классификации это изображения первого и частично второго класса, в которых отсутствуют горизонтальные градиенты. При использовании этого алгоритма для сжатия изображений третьего класса можно получить "сжатый" файл, размер которого почти вдвое превышает размер исходного, что соответствует коэффициенту сжатия порядка 0,5.

Метод LZW (Lempel, Ziv and Welch) получил свое название по первым буквам фамилий его разработчиков. Сжатие в этом алгоритме происходит не за счет повторяющихся значений, а за счет повторяющихся цепочек байт. Принцип работы алгоритм заключается в следующем. Изображение анализируется построчно. Встречающиеся последовательности пикселей заносятся в специальный словарь. Если такая же последовательность встречается дальше, то в файл пишется уже не сама последовательность, а ее индекс из словаря. Различные классы LZW-алгоритмов различаются размерами и устройством словаря, методом поиска повторяющихся цепочек и т.п. Используется в графическом формате GIFи дает неплохие результаты при сжатии изображений первого и второго классов. Может использоваться и для изображений третьего класса, с ограниченным количеством оттенков.

Теоретически коэффициенты сжатия при использовании указанных выше методов могут достигать несколько сотен и даже тысяч. На практике, в зависимости от класса изображения – всего несколько единиц. Результаты применения этих алгоритмов для полноцветных изображений, в частности, для высококачественных цветных фотографий, еще хуже.

Поэтому для них используются алгоритмы сжатия с потерей качества. Их принцип действия основан на том факте, что цифровые изображения содержат очень много избыточной информации, которая не воспринимается или почти не воспринимается человеческим глазом. Этой избыточной информации в реальных изображениях так много, что за счет ее удаления можно уменьшить размеры файлов в десятки и даже сотни раз.

Наиболее известный в настоящее время алгоритм сжатия графической информации с потерями качества называется "JPEG" по названию экспертной группы, разработавшей этот алгоритм (Joint Photographic Exerts Group – JPEG). Суть алгоритма основана на том факте, что и пространственное и цветовое разрешение цветного человеческого зрения гораздо хуже, чем монохромного (сумеречного). Поэтому, правильно преобразовав цветовую модель (из RGB в аналог телевизионной), уменьшив пространственное разрешение цветовых каналов по сравнению с яркостным каналом, и применив более грубое квантование компонент цветности, можно очень сильно сжать изображение, достигнув коэффициента сжатия порядка 200. При этом следует визуально оценивать качество прошедшего цикл кодирования-раскодирования изображения, экспериментально подбирая необходимую степень сжатия. В противном при сильном сжатии могут возникнуть характерные для этого метода дефекты изображения, а именно эффект Гиббса ("дрожащий" ореол у резких границ) и блочная (8х8 пикселей) структура больших практически однородных участков изображения (небо, стена и т.п.).