RCTVM Novembro | 2010

75 | P g i n a

TABELA DE QUANTIZAO PARA IMAGENS COLORIDAS
(RGB) USANDO ALGORITMOS GENTICOS


Daniel M. Santos, Antonio C. P. Veiga
Departamento de Engenharia Eltrica Universidade Federal de Uberlndia (UFU)
Campus Santa Mnica Bloco 3N. PO BOX 38400-902
Brasil
e-mail: daniel_eng_telecom@yahoo.com.br, e-mail: acpveiga@ufu.br


Abstract. The JPEG standard is used for a long time as a reference algorithm for image
compression, grayscale and / or color. The same quantization uses a table which was used without
deep knowledge of where and how the weightings of the same were generated. The loss of quality
of reconstructed image by the code directly into the JPEG quantization occurs [1], and this loss of
quality becomes very detrimental to the performance of the JPEG code. The purpose of this paper
is to generate a more appropriate quantization table, which makes the code more robust to noise
JPEG for color images (RGB) using the Genetic Algorithm. The quality parameters that will be
considered in this paper for image reconstruction will be the signal to noise ratio and mean
square error for each image.

Resumo. O padro JPEG utilizado h muito tempo como algoritmo referncia para compresso
de imagens, escalas de cinza e/ou coloridas. O mesmo utiliza uma tabela de quantizao a qual
era utilizada sem conhecimento aprofundado de onde e como os coeficientes da mesma eram
gerados. A perda de qualidade da imagem reconstruda pelo cdigo JPEG ocorre diretamente na
quantizao [1], e esta perda de qualidade se torna muito prejudicial para a performance do
cdigo JPEG. O propsito deste artigo gerar uma tabela de quantizao mais apropriada, que
torne o cdigo JPEG mais robusto a rudos, para imagens coloridas (RGB) usando o mtodo de
Algoritmos Genticos. Os parmetros de qualidade que sero levados em considerao neste
artigo para a reconstruo da imagem ser a relao sinal rudo e o erro mdio quadrtico para
cada imagem.


1. INTRODUO

Nos ltimos anos houve uma evoluo muito grande da tecnologia digital, especialmente no que
se refere aquisio, armazenamento e visualizao de imagens digitais. Cada vez se tem uma maior
demanda pela qualidade e fidelidade das imagens digitais que retratam cenas e objetos reais.
Com o crescente desenvolvimento da Internet e junto com ela a necessidade de se enviar
imagens digitais pela mesma, surgiu a quase obrigao de se ter tcnicas de compresso de imagens, pois
as mesmas em seu estado natural necessitam de uma banda de transmisso muito grande para ser possvel
transmiti-las via Internet. O mesmo ocorre para o armazenamento dessas imagens, para o caso especifico
desse artigo, as imagens coloridas, que necessitam de serem comprimidas para armazenamento ou
transmisso, mas ao mesmo tempo necessitam de uma descompresso fiel da imagem original para que
no haja possibilidade de se perder algum dado importante para algum possvel diagnstico.
Analisando todas as etapas para se realizar a compresso de uma imagem, a quantizao a etapa que
apresenta um menor custo, por esse motivo os estudos deste artigo sero centralizados nesta etapa.
O JPEG props um padro genrico para suportar a variedade de aplicaes para imagens de tons
contnuos.

1.1. METODOLOGIA DO TRABALHO

O processo de compresso JPEG composto basicamente por trs etapas: transformada discreta
cosseno (FDCT), quantizao e codificao da entropia, mostrada na Fig. 1. A descompresso o
processo inverso: decodificao da entropia, desquantizao e a transformada discreta cosseno inversa
(IDCT) [3], mostrada na Fig. 2.
Lembrando que neste artigo a etapa 3 na compresso e a etapa 1 na descompresso no so
efetuadas, pois no realizada a codificao. O modo de operao dos codificadores que utilizam DCT
primeiramente extrair blocos 8 x 8 de amostras da imagem original, a FDCT trata esses blocos como seus
RCTVM Novembro | 2010

76 | P g i n a

dados de entrada e os decompem em 64 sinais, depois da sada da FDCT, cada um desses 64 coeficientes
da FDCT so uniformemente quantizados em conjunto com uma T-Quantizao de 64 coeficientes. O
propsito da quantizao poder representar essa imagem pelos coeficientes da FDCT em um tamanho
menor sem que haja algum comprometimento na reconstruo no decodificador [2].


Fig 1 - Codificador DCT

Fig 2 - Decodificador DCT
As imagens so representadas por valores que indicam a quantidade de brilho para as imagens
em escalas de cinza, e para as imagens coloridas (RGB) um valor que servir a posteriori para transform-
lo no padro de escalas de cinza (YCbCr). Esses valores variam entre 0 e 255 valores, ou seja, 256
valores possveis para representar uma imagem, sendo necessrio 8 bits para represent-la, veja Tabela 1.


Tabela 1 - Bloco 8x8 da imagem fonte de 8 bits.
68 61 58 60 59 54 55 52
59 57 58 56 51 51 49 48
58 56 57 57 54 54 52 58
54 58 60 54 51 55 60 79
48 52 56 63 57 67 77 87
50 53 55 61 68 82 93 92
49 51 57 67 80 93 101 100
48 55 68 80 91 100 102 107

1.2. ARQUITETURA DO PADRO PROPOSTO

Foi usado imagens RGB, para tal aplicao deve-se haver uma decomposio do formato RGB
para o YCbCr, pois o padro JPEG trabalha com o mesmo.
A imagem original (RGB) lida em formato de uma matriz 256 x 256 x 3, depois a mesma decomposta
por uma rotina desenvolvida para 3 (trs) imagens, ou trs matrizes 256 x 256, sendo a primeira a imagem
Y (luminncia) que representar o brilho, depois a imagem Cb (crominncia azul) que contm dados
relativos aos valores de tom azul da imagem original e por ultimo a imagem Cr (crominncia vermelha)
que representa os coeficientes de tom vermelho da imagem fonte.
Aplica-se a FDCT nas trs matrizes (YCbCr) geradas, depois utilizando a T-Quantizao gerada pelo
Algoritmo Gentico se realiza a quantizao das imagens e assim se obtm a imagem comprimida.
RCTVM Novembro | 2010

77 | P g i n a

Lembrando que para se realizar uma compresso de fundamental importncia de mais uma
etapa como j foi citada no item acima, que a codificao de entropia, mas para efeito didtico neste
trabalho no foi realizada esta etapa [2].
Na Fig. 3 pode-se verificar melhor o processo de compresso para arquitetura proposta, sendo o processo
de descompresso o inverso deste.

Fig 3 - Arquitetura do sistema proposto.

1.3. A TABELA DE QUANTIZAO

A T-Quantizao muito importante para se manter o mximo possvel da fidelidade entre
imagem original e a reconstruda. Uma outra maneira de tentar aumentar essa fidelidade atribuir cdigos
de codificao de tamanho varivel para cada representao; mas a quantizao ainda continua sendo o
passo de maior importncia para a compresso de uma imagem.
O clculo feito analisando a matriz em duas partes, a primeira tratando o primeiro coeficiente
de todas as matrizes, pois nele est contido um valor significante da energia da imagem, este coeficiente
determinado de DC e ento trabalha com os outros 63 coeficientes, que so determinados de AC.
Foram utilizadas dois tipos de tabelas de quantizao, T-Quantizao para Luminncia (Tabela 2) e outra
para crominncia (Tabela 3) ambas para o padro JPEG [6].
Tabela 2 - T-Quantizao para luminncia padro.
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 98 112 100 103 99
Tabela 3 - T-Quantizao para crominncia padro.
17 18 24 47 99 99 99 99
18 21 26 66 99 99 99 99
24 26 56 99 99 99 99 99
47 66 99 99 99 99 99 99
RCTVM Novembro | 2010

78 | P g i n a

99 99 99 99 99 99 99 99
99 99 99 99 99 99 99 99
99 99 99 99 99 99 99 99
99 99 99 99 99 99 99 99
Nos processos de compresso depois deste processo que foi citado acima necessrio utilizar a seqncia
zig-zag que ordena os coeficientes quantizados na ordem de baixa freqncia para alta freqncia, na Fig.
4.

Fig 4 - Seqncia zig zag.
Com isso se torna necessrio encontrar uma T-Quantizao mais eficiente que a utilizada pelo
padro JPEG. Este artigo trata especialmente deste aspecto; baseando-se num fator de qualidade muito
importante (FQ) [3], analisando a otimizao da SNR (relao sinal rudo), o algoritmo encontrar uma
T-Quantizao com a SNR maior que a utilizada pelo padro JPEG.


1.4. OPERADORES GENTICOS

Operadores genticos so os coeficientes responsveis pela alterao gentica, ou melhor, eles
so responsveis por realizar uma maior diversidade entre os genes (dados).
Os dois operadores que sero utilizados neste artigo so o crossover e a mutao. O primeiro
responsvel pela alterao gentica de uma boa parte do cromossomo com o seu par correspondente, ou
seja, eles trocam informao gentica entre si. O segundo responsvel para que haja uma convergncia
dos resultados, ao contrario do crossover, a mutao no troca informao gentica com outros
cromossomos, ela apenas inverte alguns bits de um cromossomo.

1.5. A TABELA DE QUANTIZAO GERADA PELO AG

Algoritmos genticos (AG) so algoritmos que se baseiam no mecanismo humano, basicamente
na gentica natural e na seleo natural. Este tipo
de algoritmo busca a otimizao de um ou vrios pontos. O algoritmo gentico diferente dos outros
tipos de algoritmos porque ele trabalha com um cdigo de parmetros fixos, no com os prprios
parmetros. Os dados do AG so obtidos de uma populao de pontos, no de apenas um nico ponto, ele
tambm utiliza varias regras de transio probabilsticas [4].
O Software desenvolvido baseado na tecnologia AG composto por 6 parmetros iniciais:

- O nmero de strings (pop),
- O nmero de geraes,
- A imagem original,
- A taxa de crossover (px),
- A taxa de mutao (pm),
- O nmero de bits / pixel.

RCTVM Novembro | 2010

79 | P g i n a

Trs desses parmetros iniciais so fixos, a taxa de crossover e a taxa de mutao, que tem como
valores mais comuns respectivamente, 0.6 e 0.1, e o nmero de bits / pixel que 8, o usurio tem o poder
de remanejar os outros parmetros.
O software ao ser iniciado utiliza a imagem original, sem nenhum tipo de alterao por compresso,
selecionada, o usurio entra com o nmero de strings e com o nmero de geraes que sero
processadas como um loop, ento, dividindo a imagem original em blocos 8x8 pixels, passando depois
pela FDCT (transformada Discreta de Fourier) que gera os coeficientes DCT.
Se o nmero de strings citado pelo usurio for 16, o algoritmo gera aleatoriamente 16 T-
Quantizao que servir como populao inicial. Essas mesmas 16 T-Quantizao formam um grupo que
competiro entre si para representar a melhor tabela de quantizao, a qual ser imposta os operadores
genticos (mutao e crossover) no decorrer do algoritmo.
Apesar dos coeficientes serem aleatrios, os mesmos tem que ser semelhantes aos coeficientes do padro
JPEG. Abaixo sero mostradas as T-Quantizao geradas pelo algoritmo gentico tanto para luminncia
como para crominncia (Cr e Cb), pelas Tabelas 4, 5 e 6 respectivamente.

Tabela 4 - T-Quantizao para luminncia do AG.
1 2 4 25 35 55 58 97
1 7 16 25 46 56 79 106
2 13 32 45 55 81 94 107
7 29 45 48 57 81 96 117
7 36 49 53 63 83 96 117
23 37 54 63 84 90 97 120
23 42 56 79 85 99 110 120
25 51 79 79 96 105 121 126


Tabela 5 - T-Quantizao para crominncia r do AG.
1 4 19 22 36 41 75 103
2 6 19 33 40 57 81 116
2 13 28 37 52 71 81 118
2 14 32 42 55 74 98 118
3 19 34 47 57 76 99 119
7 32 38 49 70 78 108 122
13 40 46 52 71 84 110 123
26 78 79 90 92 107 114 125

Tabela 6 - T-Quantizao para crominncia b do AG.
1 5 11 21 35 67 74 89
2 6 20 27 41 71 87 95
2 9 25 37 46 77 93 96
2 16 39 44 46 83 94 104
6 23 41 55 55 85 100 112
10 34 43 58 66 86 110 121
13 40 49 67 71 89 120 126
14 64 68 71 80 112 122 126

Como o processo de gerao das tabelas aleatrio, so geradas duas tabelas de crominncia (Cr
e Cb), para verificar qual representar uma SNR maior.
Ento um grupo de 16 tabelas de coeficientes normalizados criado por uma diviso entre os coeficientes
DCT e os coeficientes correspondentes das 16 T-Quantizao.
RCTVM Novembro | 2010

80 | P g i n a

Um passo a frente criado um vetor de 16 posies com coeficientes erro, usando o MSE (erro
quadrtico mdio) entre amostras da imagem reconstruda e amostras da imagem original, usando a
equao 1[6].

=
|
|
.
|

\
|
=
1
0
1
0
2
,
^
,
1
M
i
N
j
j i
j i
x x
MN
MSE
(1)

Sendo M o nmero de linhas e N o nmero de colunas de cada imagem. Quanto mais o valor de
MSE se aproximar de zero, mais a imagem tender a ser igual a imagem original.
Com os valores de MSE pode-se calcular a SNR (relao sinal-ruido) pela equao 2, o qual o
parmetro de qualidade deste artigo [6].

( )
dB
MSE
SNR
n
2
1 2
log * 10

=
(2)

Onde n o nmero de bits / pixel da imagem, como esse artigo trabalha com imagem de 256
nveis de cores, o nmero de bits / pixel deve ser 8. No final desta etapa os valores de MSE e SNR foram
calculados para os 16 vetores.
A evoluo da populao baseada em uma funo de aptido, a qual criada pela multiplicao
dos coeficientes da SNR (aptSNR) com os coeficientes DC (aptDC). necessrio encontrar a aptido
total da populao, para isso basta somar as aptides individuais.
Com isso pode-se caracterizar uma funo probabilidade para que se possa definir qual string ser
escolhida, tal funo pode ser verificada pela equao 3 [6].

=
apt
apt
prob
(3)

Assim sendo o vetor probabilidade (prob) constitudo por 16 valores. Assim, calcula-se a
probabilidade acumulada (CSI) que obtida para cada individuo, somando a aptido dos membros da
populao precedentes, como foi formulado pela equao 4[6].

=
=
pop
K
prob CSI
1
(4)

Um nmero aleatrio T uniformemente distribudo entre [0,1] gerado pop vezes. Assim,
estabelecendo uma regra de deciso, se CSI > T esta string selecionada. A sequncia descrita acima
chamada de mtodo da roleta, onde se estabelece uma roleta cuja rea da mesma dividida em pop
possibilidades, o tamanho de cada possibilidade destas geradas proporcional funo de aptido de
cada individuo.
O algoritmo desenvolvido gera um arranjo de clulas SP (seleo dos pais) de dimenses pop x 1, dentro
de cada clula criada h uma tabela 8x8, algumas destas clulas iro ser submetidas ao processo citado
acima mtodo da roleta.


1.6. SELEO NATURAL

Como o nome menciona, nesta etapa ser realizada a seleo natural baseada na funo aptido,
a qual consiste basicamente em selecionar as melhores tabelas para fazer parte das prximas etapas do
algoritmo.
O primeiro passo gerar um valor aleatrio para selecionar qual string ser selecionada para a
seleo natural, este passo executado novamente para se escolher uma nova string para fazer par com
a primeira, onde cada uma possuem 16 bits.
Com isso, uma nova populao gerada, cria-se um valor aleatrio (Pcruz) entre [0,1], se px >
Pcruz o operador gentico crossover efetuado entre os pares gerados acima. A posio dos bits que
sero trocados escolhida aleatoriamente.
RCTVM Novembro | 2010

81 | P g i n a

O valor adotado para a taxa de mutao (pm) de 0.1, ento para cada string da populao e
tambm para cada bit dentro destas strings gerado um nmero aleatrio (Pmut) entre [0,1], se pm >
Pmut o bit em questo trocado. No final da operao gentica (mutao) um vetor SF (seleo dos
filhos) com 16 tabelas, onde cada tabela possue 8x8 posies com isso se inicia o processo de compresso
JPEG com as novas tabelas geradas.
Com esse processo obteve-se novas tabelas, iniciando-se o processo do novo calculo da MSE
(SMSE) e da SNR (SSNR), com essas variveis calculadas, estabelece uma nova funo de aptido
(aptSSNR) a qual composto de um vetor de 16 posies. O mesmo acontece com os coeficientes DC de
cada tabela, gerando um novo vetor de 16 posies (aptSDC). A equao 5 indica a probabilidade de se
selecionar uma string:


aptSDC aptSSNR S
apt
* = (5)
Aps a comparao entre os coeficientes
apt
S da tabela SP (seleo dos pais) e da tabela SF
(seleo dos filhos), a tabela que tiver o maior valor da
apt
S selecionada como a melhor tabela para
realizar a quantizao (T-Quantizao).
Para que se possa realizar uma comparao mais eficiente dos coeficientes da SNR e MSE da T-
Quantizao (para luminncia (y), crominncia b (Cb) e para crominncia r (Cr)) e da tabela padro, os
resultados sero mostrados por meio de imagens, grficos e nmeros.
Os resultados sero mostrados em duas tabelas, uma conter a relao sinal rudo (SNR) da luminncia
(Y), a outra representar a crominncia b (Cb) e a crominncia r (Cr) tanto da imagem comprimida pela
tabela do algoritmo como pela tabela padro. A outra mostrar o erro mdio quadrtico (MSE) para os
mesmos dados acima, esta parte so para os resultados em nmeros. Na parte de imagens e grficos, ser
mostrada uma imagem original, duas imagens reconstrudas, sendo uma pelo AG e outra pelo algoritmo
padro, duas imagens erro, uma pelo AG e outra pelo algoritmo padro, e para finalizar um grfico que
mostrar a SNR do AG em comparao com a SNR do algoritmo padro. Lembrando que essa seqncia
de resultados citada acima se repetir para cada tipo de decomposio da imagem original RGB, sendo
para luminncia (Y), para crominncia b (Cb) e para crominncia r (Cr).

2. RESULTADOS

O algoritmo gentico foi aplicado em uma imagem RGB de tamanho 256x256 pixels,
denominada Lenna, imagem muito conhecida para testes em processamento de imagens, na Fig. 5.
Os testes foram efetuados em dois mdulos, um com 16 cromossomos e outro com 32 cromossomos,
dentro de cada um desses mdulos, foi variado o nmero de geraes entre 10, 20 e 30.

Fig 5 - Imagem original da "Lenna".
Os testes tm como parmetros iniciais:

- Taxa de crossover = 0.6,
- Taxa de mutao = 0.1,
- Nmero de cromossomos = 16 e 32,
RCTVM Novembro | 2010

82 | P g i n a

- Nmero de geraes = 10, 20 e 30,
- Quantidade de bits / pixel,
- Nome da imagem original.

O programa realiza a decomposio da imagem original RGB em trs imagens YCbCr (luminncia,
crominncia b e crominncia r), que o tipo de imagem que o padro JPEG utiliza para realizar a
compresso, pode-se verificar pelas imagens abaixo a realizao dessa decomposio.


Fig 6 - Imagem decomposta (luminncia) da original.


Fig 7 - Imagem decomposta (crominncia b) da original.


Fig 8 - Imagem decomposta (crominncia r) da original.

RCTVM Novembro | 2010

83 | P g i n a

Com isso o padro JPEG pode trabalhar a compresso de uma imagem RGB que contem todas as
cores, com uma mistura das trs cores bsicas (vermelho, verde e azul). Fazendo a decomposio dessas
trs cores nos seguintes componentes: brilho, azul e vermelho. Esses componentes so transformados
em nveis de tons de cinza, uma vez que o padro JPEG somente realiza compresso com imagens em
nveis de cinza.
O programa foi elaborado com o intuito de comparar a relao sinal rudo (SNR) e o erro
mdio quadrtico (SME) das tabelas do AG com as do algoritmo padro, a maior SNR e a menor MSE.
Os valores foram divididos em duas partes, uma contendo o cromossomo com 16 posies e outra com o
cromossomo com 32 posies, onde cada uma dessas partes foram subdivididas em outras 3, 10, 20 e 30
geraes, pode-se verificar pelas tabelas abaixo.

Tabela 7 - Relao sinal - rudo: cromossomo 16 e gerao 10.
Imagem

SNR - Padro SNR - Algoritmo
Y Cb Cr Y Cb Cr
001 32.63 39.30 39.31 32.23 46.36 45.34
010 32.63 39.30 39.31 32.52 44.23 45.12
071 32.63 39.30 39.31 32.22 44.56 45.40
090 32.63 39.30 39.31 32.22 44.56 45.40
170 32.63 39.30 39.31 32.22 44.56 45.40
194 32.63 39.30 39.31 32.66 44.78 46,74
270 32.63 39.30 39.31 33.39 45.71 46.07
310 32.63 39.30 39.31 32.22 44.56 45.40

Tabela 8 - Erro quadrtico mdio: cromossomo 16 e gerao 10.
Imagem

MSE - Padro MSE - Algoritmo
Y Cb Cr Y Cb Cr
001 35.43 7.62 7.60 38.83 1.50 1.89
010 35.43 7.62 7.60 36.32 2.45 1.99
071 35.43 7.62 7.60 38.91 2.27 1.87
090 35.43 7.62 7.60 38.91 2.27 1.87
170 35.43 7.62 7.60 38.91 2.27 1.87
194 35.43 7.62 7.60 35.39 2.16 1.37
270 35.43 7.62 7.60 29.76 1.74 1.60
310 35.43 7.62 7.60 38.91 2.27 1.87

Os resultados para a componente Y (luminncia) para esses parmetros de entrada (cromossomo
16 e gerao 10) resultou em um valor menor para as tabelas do AG, sendo porque o mesmo trabalha com
probabilidades e interaes, que depende muito da quantidade de posies do vetor cromossomo e das
geraes. Mas para os valores de Cb e Cr houve um grande aumento da SNR e conseqentemente uma
diminuio da SME.

Tabela 9 - Relao sinal - rudo: cromossomo 16 e gerao 20.
Imagem

SNR - Padro SNR - Algoritmo
Y Cb Cr Y Cb Cr
001 32.63 39.30 39.31 33.09 46.67 45.36
010 32.63 39.30 39.31 32.87 49.44 49.13
071 32.63 39.30 39.31 33.09 46.67 45.36
090 32.63 39.30 39.31 32.87 49.44 49.13
170 32.63 39.30 39.31 32.34 46.55 46.74
194 32.63 39.30 39.31 33.09 46.67 45.36
270 32.63 39.30 39.31 32.87 49.44 49.13
310 32.63 39.30 39.31 33.09 46.67 45.36

Tabela 10 - Erro quadrtico mdio: cromossomo 16 e gerao 20.
Imagem

MSE - Padro MSE - Algoritmo
Y Cb Cr Y Cb Cr
001 35.43 7.62 7.60 31.91 1.39 1.88
010 35.43 7.62 7.60 33.53 0.73 0.79
071 35.43 7.62 7.60 31.91 1.39 1.88
090 35.43 7.62 7.60 33.53 0.73 0.79
170 35.43 7.62 7.60 37.90 1.43 1.37
RCTVM Novembro | 2010

84 | P g i n a

194 35.43 7.62 7.60 31.91 1.39 1.88
270 35.43 7.62 7.60 33.53 0.73 0.79
310 35.43 7.62 7.60 31.91 1.39 1.88

Houve um aumento significativo no valor da SNR para os trs componentes, mas melhor para a
luminncia (Y) que quando utilizado 10 geraes seu valor ficou abaixo das tabelas padro.

Tabela 11 - Relao sinal - rudo: cromossomo 16 e gerao 30.
Imagem

SNR - Padro SNR - Algoritmo
Y Cb Cr Y Cb Cr
001 32.63 39.30 39.31 33.25 47.52 47.55
010 32.63 39.30 39.31 32.44 49.23 45.81
071 32.63 39.30 39.31 32.45 49.23 45.81
090 32.63 39.30 39.31 32.44 49.23 45.81
170 32.63 39.30 39.31 32.44 49.23 45.81
194 32.63 39.30 39.31 32.45 49.23 45.81
270 32.63 39.30 39.31 33.25 47.52 47.55
310 32.63 39.30 39.31 32.44 49.23 45.81

Tabela 12 - Erro quadrtico mdio: cromossomo 16 e gerao 30.
Imagem

MSE - Padro MSE - Algoritmo
Y Cb Cr Y Cb Cr
001 35.43 7.62 7.60 30.71 1.14 1.14
010 35.43 7.62 7.60 37.03 0.77 1.70
071 35.43 7.62 7.60 37.03 0.77 1.70
090 35.43 7.62 7.60 37.03 0.77 1.70
170 35.43 7.62 7.60 37.03 0.77 1.70
194 35.43 7.62 7.60 37.03 0.77 1.70
270 35.43 7.62 7.60 37.03 0.77 1.70
310 35.43 7.62 7.60 30.71 1.14 1.14

Apesar de ter aumentado o nmero de geraes de 20 para 30, o resultado da SNR no foi o
esperado. Assim pode-se verificar que o melhor valor de geraes para se utilizar no algoritmo
(cromossomo 16) so 20. As tabelas abaixo mostram os resultados para o cromossomo de 32 posies.
Tabela 13 - Relao sinal - rudo: cromossomo 32 e gerao 10.
Imagem

SNR - Padro SNR - Algoritmo
Y Cb Cr Y Cb Cr
001 32.63 39.30 39.31 33.01 46.37 47.76
010 32.63 39.30 39.31 32.86 46.84 46.17
071 32.63 39.30 39.31 32.44 47.96 47.36
090 32.63 39.30 39.31 32.46 47.61 46.19
170 32.63 39.30 39.32 32.35 45.74 47.38
194 32.63 39.30 39.32 32.86 46.84 46.17
270 32.63 39.30 39.32 32.44 47.96 47.36
310 32.63 39.30 39.32 32.35 45.74 47.38

Tabela 14 - Erro quadrtico mdio: cromossomo 32 e gerao 10.
Imagem

MSE - Padro MSE - Algoritmo
Y Cb Cr Y Cb Cr
001 35.43 7.62 7.60 32.50 1.49 1.08
010 35.43 7.62 7.60 33.59 1.34 1.56
071 35.43 7.62 7.60 37.00 1.03 1.19
090 35.43 7.62 7.60 36.89 1.12 1.56
170 35.43 7.62 7.60 37.80 1.73 1.18
194 35.43 7.62 7.60 33.59 1.34 1.56
270 35.43 7.62 7.60 37.00 1.03 1.19
310 35.43 7.62 7.60 37.80 1.73 1.18

RCTVM Novembro | 2010

85 | P g i n a

Como j foi dito anteriormente, quando se utiliza o nmero de geraes igual a 10, os valores da
SNR das tabelas padro so melhores do que as do algoritmo, mesmo para cromossomos de 32 posies.

Tabela 15 - Relao sinal - rudo: cromossomo 32 e gerao 20.
Imagem

SNR - Padro SNR - Algoritmo
Y Cb Cr Y Cb Cr
001 32.63 39.30 39.31 33.13 47.23 48.39
010 32.63 39.30 39.31 33.17 49.23 47.67
071 32.63 39.27 39.87 33.12 47.25 48.39
090 32.63 39.28 39.40 33.14 47.23 47.41
170 32.63 39.30 39.31 33.30 46.78 47.45
194 32.63 39.30 39.32 33.13 47.23 48.40
270 32.63 39.30 39.31 33.17 49.23 47.67
310 32.63 39.30 39.31 33.11 48.41 47.60

Tabela 16 - Erro quadrtico mdio: cromossomo 32 e gerao 20.
Imagem

MSE - Padro MSE - Algoritmo
Y Cb Cr Y Cb Cr
001 35.43 7.63 7.60 31.60 1.22 0.94
010 35.43 7.62 7.60 31.33 0.77 1.11
071 35.42 7.64 7.60 31.61 1.24 0.94
090 35.42 7.63 7.60 31.30 1.22 1.10
170 35.43 7.62 7.60 30.39 1.36 1.16
194 35.43 7.63 7.60 31.60 1.22 0.94
270 35.43 7.62 7.60 31.33 0.77 1.11
310 35.43 7.62 7.60 31.75 0.93 1.12

Com um maior nmero de cromossomos existe uma maior probabilidade de se encontrar um
ponto cada vez mais perto do ponto timo mais fcil, ou seja, com um cromossomo de 32 posies junto
com o nmero de 20 geraes, todos os valores da SNR do algoritmo foram melhores que os do algoritmo
padro.
Tabela 17 - Relao sinal - rudo: cromossomo 32 e gerao 30.
Imagem

SNR - Padro SNR - Algoritmo
Y Cb Cr Y Cb Cr
001 32.63 39.30 39.31 33.22 46.58 47.16
010 32.63 39.30 39.31 33.35 45.97 47.41
071 32.63 39.30 39.31 33.22 46.48 47.16
090 32.63 39.30 39.31 33.35 45.97 47.41
170 32.63 39.30 39.31 33.35 45.97 47.41
194 32.63 39.30 39.31 33.22 46.48 47.16
270 32.63 39.30 39.31 33.22 46.48 47.16
310 32.63 39.30 39.31 33.35 45.97 47.41

Tabela 18 - Erro quadrtico mdio: cromossomo 32 e gerao 30.
Imagem

MSE - Padro MSE - Algoritmo
Y Cb Cr Y Cb Cr
001 35.43 7.62 7.60 30.92 1.42 1.24
010 35.43 7.62 7.60 30.06 1.64 1.17
071 35.43 7.62 7.60 30.92 1.42 1.24
090 35.43 7.62 7.60 30.06 1.64 1.17
170 35.43 7.62 7.60 30.06 1.64 1.17
194 35.43 7.62 7.60 30.92 1.42 1.24
270 35.43 7.62 7.60 30.92 1.42 1.24
310 35.43 7.62 7.60 30.06 1.64 1.17

Como foi dito anteriormente, os melhores resultados, ou seja, os maiores valores da SNR e os
menores da MSE, foram do algoritmo que teve os parmetros de entrada, geraes igual a 30 e o
cromossomo de 32 posies.

2.1. A MELHOR TABELA DE QUANTIZAO


RCTVM Novembro | 2010

86 | P g i n a

Realizando uma analise mais detalhada das tabelas de SNR mostradas acima, pode-se concluir
atravs de uma tabela que expressa a diferena entre esses valores em questo, tanto para o AG quanto
para o algoritmo padro, atravs da tabela 19 abaixo.
Tabela 19 - Tabela diferena entre a SNR do algoritmo e a padro.
Cromossomo de 16 posies
10 geraes
Imagem Diferena entre as SNRs
Y Cb Cr
001
-0.4 7.06 6.03
010
-0.11 4.93 5.81
071
-0.41 5.26 6.09
090
-0.41 5.26 6.09
170
-0.41 5.26 6.09
194
0.03 5.48 7.43
270
0.76 6.41 6.76
310
-0.41 5.26 6.09
Cromossomo de 16 posies
20 geraes
Imagem Diferena entre as SNRs
Y Cb Cr
001
0.46 7.37 6.05
010
0.24 10.14 9.82
071
0.46 7.37 6.05
090
0.24 10.14 9.82
170
-0.29 7.25 7.43
194
0.46 7.37 6.05
270
0.24 10.14 9.82
310
0.46 7.37 6.05
Cromossomo de 16 posies
30 geraes
Imagem Diferena entre as SNRs
Y Cb Cr
001
0.62 8.22 8.24
010
-0.19 9.93 6.5
071
-0.18 9.93 6.5
090
-0.19 9.93 6.5
170
-0.19 9.93 6.5
194
-0.18 9.93 6.5
270
0.62 8.22 8.24
310
-0.19 9.93 6.5
Cromossomo de 32 posies
10 geraes
Imagem Diferena entre as SNRs
Y Cb Cr
001
0.38 7.07 8.45
010
0.23 7.54 6.86
071
-0.19 8.66 8.05
090
-0.17 8.31 6.88
170
-0.28 6.44 8.06
194
0.23 7.54 6.85
270
-0.19 8.66 8.04
310
-0.28 6.44 8.06
Cromossomo de 32 posies
20 geraes
Imagem Diferena entre as SNRs
Y Cb Cr
001
0.5 7.93 9.08
RCTVM Novembro | 2010

87 | P g i n a

010
0.54 9.93 8.36
071
0.49 7.98 8.52
090
0.51 7.95 8.01
170
0.67 7.48 8.14
194
0.5 7.93 9.08
270
0.54 9.93 8.36
310
0.48 9.11 8.29
Cromossomo de 32 posies
30 geraes
Imagem Diferena entre as SNRs
Y Cb Cr
001
0.59 7.28 7.85
010
0.72 6.67 8.1
071
0.59 7.18 7.85
090
0.72 6.67 8.1
170
0.72 6.67 8.1
194
0.59 7.18 7.85
270
0.59 7.18 7.85
310
0.72 6.67 8.1

Calculou-se a diferena entre as SNR do AG e do algoritmo padro, para se obter o melhor
nmero de geraes junto com o melhor nmero de cromossomos necessrio calcular a mdia entre as
tabelas, pois somente assim possvel medir essas variveis. No entanto, este no o interesse desse
artigo, mas sim encontrar a melhor tabela de compresso (T-Quantizao) para o algoritmo padro JPEG
baseado em algoritmo gentico, para os trs componentes (YCbCr).
Os valores obtidos que se encontram negativos se do porque a SNR padro foi maior que SNR
do AG.
possvel observar pela Tabela 19 o maior valor para cada componente. O maior valor para a luminncia
(Y) foi de 0.72, obtido com um cromossomo de 32 posies e 30 geraes, onde esta mesma medida foi
encontrada mais de uma vez, pelas imagens 010, 090, 170 e 310, os componentes desta T-Quantizao
pode ser vista na Tabela 20.

Tabela 20 - T-Quantizao para luminncia.
1 3 8 11 24 25 31 95
1 4 10 27 29 59 82 101
5 8 19 32 56 60 87 111
5 9 19 52 67 74 89 111
8 11 24 56 68 86 89 115
9 16 28 56 71 87 101 120
10 16 30 56 74 87 101 121
13 23 48 66 76 95 107 122

O valor da crominncia b (Cb) foi de 10.14, e da crominncia r (Cr) foi de 9.82, ambas com um
cromossomo de 16 posies e 20 geraes, foram obtidas pelas imagens 010, 090 e 270, podem ser
verificadas pelas tabelas 21 e 22, respectivamente.

Tabela 21 - T-Quantizao para crominncia b (Cb).
1 4 4 6 22 36 58 81
3 6 9 18 47 52 84 94
4 7 18 20 47 58 97 102
5 18 28 31 66 68 99 104
9 21 28 34 71 86 103 113
21 25 29 34 80 87 105 116
25 50 55 57 86 92 113 121
RCTVM Novembro | 2010

88 | P g i n a

60 66 86 91 107 112 114 126

Tabela 22 - T-Quantizao para crominncia r (Cr).
1 3 7 15 28 53 57 83
1 4 9 21 50 54 81 103
2 7 20 28 58 69 91 108
5 7 22 33 61 79 93 119
7 15 26 46 65 82 95 121
22 25 31 53 70 90 100 125
26 39 40 62 77 92 115 125
36 57 60 64 85 92 119 126

3. CONCLUSO

O algoritmo gentico mostrou ser uma ferramenta muito potente e eficiente para a produo de
tabelas robustas de quantizao em imagens coloridas (RGB).
Conseguiu-se um aumento considervel para o componente luminncia (Y) em relao ao algoritmo
padro do JPEG, houve um aumento muito significativo dos componentes Cb e Cr. Assim sendo, h um
aumento da qualidade da imagem descomprimida.
Com o resultado desse artigo pode-se certificar da importncia do algoritmo gentico para vrias
reas do conhecimento, em especial para o processamento digital de imagens coloridas que vem
aumentando cada vez mais.


4. REFERNCIAS

[1] B. G. Sherlock, A. Nagpal and D. M. Monro, A model for JPEG Quantization, International Symposium on
Speech, Image Processing and Neural Networks, 13-16 April, 1994. Hong Kong.
[2] G. K. Wallace, The JPEG Still Picture Compression Standard. Maynard, Massachussets, pp. 1-16, April . 1991.
[3] Z. Fan and R. L. Queiroz, Maximum Likelihood Estimation of JPEG Quantization Table in the Identification of
Bitmap Compression History, Xerox Corporation, 800 Phillips Road Webster, NY 14580.
[4] L. W. Chang, C. Y. Wang and S. M. Lee, Designing JPEG Quantization Tables Based on Human Visual System.
Department of Computer Science, National Tsing Hua University Hsinchu 300, Taiwan.
[5] Z. Fan and R. L. Queiroz, Identification of Bitmap Compression History: JPEG Detection and Quantizer
Estimation, IEEE Transactions on Imaging Processing. Vol. 12, n 2, February, 2003.
[6]Costa F. Leonardo, Veiga C. P. Antonio, A Model of Quantization Table for Medic Images using
Genetic Algorithms.