5.-Compresion Datos

COMPRESION DE DATOS
TELECOMUNICACIONES FIEE
Ing. Luis Degregori C.
Problema: LA CANTIDAD DE INFORMACION
La información en las redes sigue aumentando con el tiempo, causando
saturación de los recursos de transmisión y conmutación, generando
congestión y esto causa retardos inadmisibles.
Ancho de banda requerido (Mbps)
Video
Sonido
Color
Imágenes Fijas
Gráficos
Texto y Números
Tiempo (Años)
Introducción
 La compresión es una representación mas
compacta de la señal digital, eliminando la
redundancia existente.
 El objetivo es minimizar el caudal de bits a
transmitir o almacenar, manteniendo una
señal de calidad.
 Las señales de audio y vídeo se comprimen,
debido a que contienen gran cantidad de
información redundante que en gran parte
puede eliminarse antes de su transmisión o
almacenamiento.
Necesidad de la compresión
 Aplicaciones multimedia sin comprimir
requieren volúmenes importantes de
almacenamiento y transmisión.
• CD-ROM 640 Mb
• Una película de 90 min. 120 Gb
• Un canal HDTV requiere 2 Gb/seg
 La compresión de las señales audiovisuales
permitirá reducir considerablemente el
volumen de información necesario para
representarlas.
Redundancia de la señal
 Redundancia espacial:
• Dentro de una imagen o de un cuadro de vídeo, existe
una correlación significativa entre muestras vecinas.
 Redundancia temporal
• En secuencias de vídeo, hay también una correlación
significativa entre muestras vecinas temporalmente.
 Hay una considerable información en la señal
que es irrelevante desde un punto de vista
perceptivo.
CONCEPTOS GENERALES
La información transmitida se puede clasificar
de tres formas diferentes de comportamiento.
Relevante: Necesaria para la reconstrucción
precisa.
Irrelevante: Susceptible de descarte.
Redundante: Datos cíclicos clasificables con

precisión dentro de un conjunto de patrones
redundantes.
CONCEPTOS GENERALES
Entropía: información nueva o esencial, diferencia entre
la cantidad total de datos de un mensaje y su redundancia.
 Sin pérdidas reales: Transmite toda la entropía

del mensaje (la información básica e irrelevante)
pero eliminando la redundante.
 Subjetivamente sin pérdidas: Elimina la
información redundante y la irrelevante.
 Subjetivamente con pérdidas: Elimina cierta
cantidad de información básica. Reconstrucción
con errores perceptibles pero tolerables
(videoconferencia).
CONCEPTOS GENERALES
Con otro enfoque, la compresión de datos se puede
clasificar también en dos modelos diferentes.
 Reversible: Sin pérdida de datos (lossless), permite la

reconstrucción de datos originales . Se emplea en
cadenas de texto.
 Irreversible: Descarta parte de la información (less)
que resulta inapreciable a los sentidos de la vista y oído
humano. Irrecuperable el objeto original. Audio y
video.
Aspectos básicos
 Un sistema de compresión consta de:
• Codificador
• Decodificador
 Donde estos pueden ser:
• Asimétricos
 El codificador es mucho mas complejo y lento que el
descodificador (p.e. vídeo sobre demanda)
• Simétricos
 Coste computacional similar (p.e. videoconferencia)
• Con pérdidas o irreversible
 Adecuada para medios continuos (audio y vídeo)
 Mayores tasas de compresión
• Sin pérdidas o reversible
 Adecuada para ficheros de datos, imágenes, etc.
 Tasas de compresión muy moderadas.
Clasificación de la técnicas
 Codificación de muestras:
• Se utiliza únicamente información de los píxeles o
muestras individuales para comprimir la señal digital.
 Codificación perceptiva:
• Tienen como base el conocimiento de la percepción
psico-visual del ojo humano y de la percepción psico-
acústica del oído humano.
 Codificación por transformada:
• Transforman la información a otro dominio donde la
data está mas compactada que en el dominio espacial,
y la información se acumula en un pequeño número
de muestras.
Clasificación de la técnicas
 Codificación predictiva:
• explotan la correlación temporal y espacial de las
señales de audio, imágenes y vídeo para codificar
eficientemente la información.
 Codificación sub-banda:
• Se divide la señal en subbandas de frecuencia y
efectuar una compresión en cada una de las bandas de
acuerdo a su importancia.
 Cuantificación vectorial:
• Se utiliza en PCs y se basa en codificar un conjunto de
muestras (vector) en base a una lista de vectores pre-
establecidos. La asignación se realiza de forma que se
minimice el error introducido.
ALGORITMOS DE
COMPRESION - DATOS
Mayormente se basan (1ro) en un análisis inicial del
texto identificando cadenas repetidas y armando un
diccionario de equivalencias, asignando códigos breves a
estas cadenas.
Luego (2do), se convierte el texto utilizando los códigos
equivalentes para las cadenas repetidas.
También requiere que el diccionario se encuentre junto
con el texto codificado, incrementando el tamaño del
archivo de salida.
Por ejemplo, si en un archivo aparece la secuencia

“DDDDD", ocupando 5 bytes se podría almacenar
simplemente “5D" que ocupa solo 2 bytes, en un
algoritmo denominado RLE.
REDUNDANCIA
La compresión de datos es una aplicación donde
mejor se aprecian los conceptos desarrollados
por la Teoría de la Información, en especial el
de redundancia.
La información redundante presente en un

mensaje, significa que hay un número de
símbolos o caracteres mayor del mínimo
necesario y si se logra eliminar la redundancia,
entonces se habrá reducido el tamaño del
archivo.
AUTOINFORMACION
Mensajes de la misma longitud no llevan
siempre la misma cantidad de información, ya
que ésta depende de la probabilidad de que un
determinado símbolo aparezca en el mensaje.
Si una fuente de información discreta emite una

secuencia de símbolos pertenecientes a un
alfabeto de N posibles símbolos s1, s2,......sN.
FUENTE S =(S1,S2,S3,S4,…..Sn)
AUTOINFORMACION
La probabilidad pi que se emita el símbolo

si permite cuantificar la información I que
lleva ese símbolo
(También llamada “Auto información”):
I = - log2 pi bits
Es la información del Símbolo
ENTROPIA DE LA INFORMACION
La Entropía H de una fuente es la información

promedio que lleva cada símbolo emitido por esa
fuente, y no cada símbolo individual.
Concebido por Claude Shannon (1948) .- Dedujo

que:
“A mayor Entropía , mayor Información”.
Si la probabilidad de ocurrencia de un símbolo particular
no depende de que otro haya ocurrido antes (es decir
que la secuencia es estadísticamente independiente),
la entropía, viene dada por:
La Entropía, es la información promedio que lleva cada símbolo

Nótese que la información log2 pi de cada símbolo es
ponderada por la probabilidad pi de ocurrencia de dicho
símbolo.
Expresado en palabras, esto quiere decir que:
En promedio, podemos esperar de obtener H bits de

información por símbolo.
Pero no podemos saber por anticipado cuál será el

próximo símbolo y en consecuencia su información.
El valor máximo de H se alcanza cuando todos

los símbolos tienen la misma probabilidad de
ocurrencia y viene dado por:
H max = log2N
N: Numero de símbolos
Cuando la entropía es máxima cada símbolo lleva la

máxima cantidad de información posible.
Esto significa un símbolo binario (0,1) puede llevar al

máximo log22 = 1 bit de información.
Un símbolo ternario (0,1,2) puede llevar al máximo

log23 = 1.6 bits de información
Un símbolo cuaternario (0,1,2,3) puede llevar al

máximo log24 = 2 bits de información.
Por ejemplo, si en un mensaje todos los 256 caracteres

ASCII fuesen igualmente probables de aparecer (p =
1/256) la entropía H de ese mensaje sería:
H = -log2 1/256 = 8 bits/carácter.

Pero usualmente eso no ocurre, por lo que la entropía
de ese mensaje podría ser, por ejemplo, de 6
bits/carácter.
MODELADO Y CODIFICACION
La compresión de datos básicamente consiste en

procesar un conjunto de símbolos de entrada y
transformarlos en un conjunto de códigos.
Si la compresión es efectiva, el conjunto de salida

tendrá un tamaño menor que el de entrada.
La transformación de un símbolo en código se hace

mediante una regla o algoritmo basado en un
modelo de los datos de entrada.
MODELADO Y CODIFICACION
El modelado permite caracterizar apropiadamente los

datos a comprimir, definir con precisión las
probabilidades para los símbolos y generar los códigos
apropiados basado en esas probabilidades.
En la figura se representa el esquemáticamente el
proceso de modelado y codificación.
Símbolos Probabilidades Códigos

Flujo de Flujo de
Modelo Codificador
entrada salida
MODELOS ESTADISTICOS
Estos modelos pueden ser divididos en 3

categoría principales, dependiendo de la forma
en que se vayan a determinar las
probabilidades relativas:
(1) fijos
(2) adaptables (2 pasadas)
(3) adaptables dinámicamente (1 sola pasada)
MODELO ESTADISTICO FIJO
El modelo fijo usa la misma estadística en cada

caso.
Esta estadística representa un promedio obtenido a

través del análisis de un gran número de fuentes
"típicas“.
No comprimen los datos tan bien como los otros, sin

embargo son más simples y rápidos.
MODELO ESTADISTICO FIJO
Por ejemplo, en un texto “típico” en español, la frecuencia
relativa de las letras puede ser la siguiente:
Letra Frecuencia relativa

E 0.1031
T 0.0796
A 0.0642
O 0.0632
I 0.0575
··············· ················ ·················
Q 0.0008
Z 0.0005
Cada valor en la tabla representa con buena aproximación la

probabilidad de que aparezca la letra correspondiente cuando se
está leyendo un texto en español típico.
MODELO ESTADISTICO
ADAPTABLE
Los modelos adaptables dinámicamente de 1 pasada,

en cambio, ajustan la estadística a medida que la
compresión avanza.
Tanto el codificador que el decodificador comienzan con la

misma estadística inicial usada para codificar (y
descodificar) los primeros símbolos.
Luego la estadística se actualiza a medida que los datos

van siendo procesados.
MODELO ESTADISTICO
ADAPTABLE
Los modelos adaptables de 2 pasadas efectúan una

primera pasada sobre los datos para acumular estadística.
La segunda pasada comprime los datos usando códigos

basado en esa estadística.
Estos modelos de 2 pasadas comprimen muy bien, pero

tienen ciertas desventajas, ya que requieren mayor tiempo
de codificación.
CODIGOS DE LONGITUD VARIABLE
Técnica donde se asignan códigos cortos a

eventos que ocurren a frecuentemente y
códigos largos a eventos menos frecuentes.
Los sistemas que usan este principio son

conocidos también como codificadores de
entropía o estadísticos.
CODIGOS DE LONGITUD VARIABLE
Un ejemplo de códigos de longitud variable para las letras del alfabeto
se muestra en la tabla (donde se indican sólo algunos elementos).
En este ejemplo los símbolos de entrada pertenecen a un alfabeto de

28 símbolos y que los códigos de salida pertenecen a un alfabeto de 2
símbolos (dígitos binarios).
Letra Frecuencia relativa Código

E 0.1031 10
T 0.0796 001
A 0.0642 010
O 0.0632 0110
I 0.0575 11001
··············· ················ ·················
Q 0.0008 11110110
Z 0.0005 1111111111
Código de Shannon - Fano
Es el primer método bien conocido de códigos de longitud

variable.
Claude Shannon y Robert Fano, lo descubrieron casi

simultáneamente a principios de los años 50.
El método se basa en determinar la probabilidad de

ocurrencia de cada símbolo en un dado mensaje.
Con estas probabilidades se puede construir una tabla de

codificación que tiene varias propiedades interesantes:
Código de Shannon - Fano
En la tabla se muestra un ejemplo sencillo, utilizando

un alfabeto de 5 caracteres.
Símbolo Frecuencia Relativa Código

1 0.4 00
2 0.2 01
··························································
3 0.2 10
4 0.1 110
5 0.1 111
Código de Hufman
La codificación Shannon-Fano fue desplazada por

otro método estadístico aún mejor: la codificación
Huffman – 1952
En la codificación Huffman los símbolos a codificar se

colocan primero en una tabla en orden decreciente de
frecuencia relativa de ocurrencia.
Los dos símbolos menos probables (s4 y s5) se funden
provisionalmente en un solo símbolo cuya probabilidad es
la suma de las dos (0.2).
Código de Hufman
De esta forma hay que codificar un alfabeto que contiene un

símbolo menos que el original.
Si pi pi pi pi
S1 0.4 0.4 0.4 0.6
S2 0.2 0.2 0.4 0.4
S3 0.2 0.2 0.2
S4 0.1 0.2
S5 0.1
REDUCCION
Código de Hufman
Repitiendo el proceso de reducción, se llega al punto en

que queda un alfabeto con sólo dos símbolos, a los cuales
se les empieza por codificar con 0 y 1 respectivamente.
Código de Hufman
Efectuando ahora el proceso en sentido inverso, se va
añadiendo un 0 y un 1 cada vez que un símbolo codificado
se expande en dos, hasta completar la codificación.
Código de Hufman
Huffman demostró que su codificación es óptima, en el
sentido que la longitud promedio L es mínima para un
modelo dado con cierta distribución de probabilidades.
En el ejem. que hemos ilustrado, se tienen
Si Pi
L = 2.2 dígitos/símbolo. S1 0.4

S2 0.2
S3 0.2
S4 0.1
S5 0.1
Código de Hufman
La codificación Huffman utilizando una estructura de
datos basada en árbol binario. Se muestra 2 posibles
árboles de Huffman para los 5 símbolos del ejemplo
visto anteriormente.
En la figura se muestran 2 posibles árboles de Huffman para los 5 símbolos
del ejemplo visto anteriormente.
0 10 110 1110 1111 00 01 10 110 111

Comparacion de Códigos
En la tabla comparativa entre el código Shannon-Fano , Huffman y Morse.
Se utilizan como ejemplo las letras del alfabeto, con la frecuencia relativa típica
que aparece en un texto en inglés (incluyendo el espacio).
Codificación Aritmética
Es otra codificación estadística muy

eficiente, se definen unos intervalos de
números entre 0 y 1 para los símbolos.
A mayor cantidad de símbolos, su
correspondiente intervalo será cada vez
menor.
Para mensajes largos su eficiencia es
cercana al 100%.
Codificación Aritmética
Los intervalos en esta técnica se definen

como:
Sn(inf) = Sn-1 (inf)+(Sn-1(sup) – Sn-1(inf))*Sn (inf)
Sn(sup) = Sn-1 (inf)+(Sn-1(sup) – Sn-1(inf))*Sn (sup)

Codigo Lempel Ziv (LZ77)
A fines de la década de los 70, sistemas de compresión

mayormente utilizaban modelos estadísticos, es decir:
Se lee un símbolo (o varios símbolos) y se codifica de

acuerdo a su probabilidad obtenida a partir de un modelo
estadístico.
Pero los matemáticos israelíes, Abraham Lempel y Jacob

Ziv, en 1977 presentaron método de compresión basado
en diccionario, consiguiendo tasas de compresión mas
altas.
Este método fue descrito en el artículo "A universal
algorithm for sequential data compression" de la revista
IEEE Transactions on Information Theory de mayo
1977.
Al diferencia de la codificación Huffman, la compresión
basada en diccionario no codifica símbolos individuales de
longitud fija en forma de códigos de longitud variable, sino
que codifica cadenas de símbolos, esto es secuencias de
longitud variable, por medio de códigos de longitud
prefijada.
Básicamente los que se hace es leer una cadena de
símbolos de entrada y se busca en un diccionario
guardado en memoria.
Código Lempel Ziv (LZ77)
Un diccionario de verdad contiene palabras, pero en LZ77

se manejan cadenas (Strings) de símbolos (por ejemplo
ASCII). por lo que son más bien frases y no palabras.
Los seres humanos estamos acostumbrados a una forma

de diccionario adaptable cuando realizamos la sustitución
de acrónimos en libros y revistas.
Así, la primera vez que mencionemos en un texto a la

Universidad Nacional de ingeniería (UNI), se define tanto la
frase completa en el diccionario y su sustitución (UNI).
Con la compresión adaptable, en vez de tener un
diccionario predefinido desde el mismo inicio de la
compresión, se empieza sin diccionario o con
un diccionario muy pequeño.
A medida que la compresión avanza, el algoritmo

añade nuevas cadenas para ser utilizadas
posteriormente como códigos.
La compresión basada en LZ77 es del tipo

adaptable y se caracteriza además por las
siguientes propiedades:
 ES UNIVERSAL:
 En el sentido de que no se requiere conocer nada en
particular acerca de las características de los datos que se
quieren comprimir.
 OPERA SOBRE LA MARCHA:

 Con este algoritmo no se necesita determinar
previamente la estadística de esos datos, es decir que la
compresión se efectúa con una sola pasada sobre los
datos a comprimir.
 NO PRODUCE PÉRDIDA DE INFORMACIÓN:

 Por que los datos originales se recuperan completamente
en la descompresión, sin ningún tipo de error (siempre y
cuando, por supuesto, no haya habido errores durante el
almacenamiento en disco o durante la transmisión de los
datos comprimidos).
En LZ77 el diccionario consiste de todas las

cadenas o frases existentes en una porción previa
del mensaje.
El método se basa en el reconocimiento de

cadenas de símbolos ya existentes en esa porción
previa del mensaje.
A este proceso se le conoce en inglés como

parsing y es análogo al análisis gramatical de una
palabra o frase.
A medida que se va construyendo la cadena de
entrada, se comprueba si esa cadena ya existía
en la porción previa del mensaje.
Si se encuentra una concordancia (match), se

codifica como un puntero y se envía al flujo de
salida.
Si no es así, se envía a la salida otro tipo de

código.
El proceso se repite hasta codificar todos los

datos de entrada.
Para entender mejor el proceso de codificación,

imaginemos que estamos viendo los datos de entrada
(alineados de izquierda a derecha) a través de una
ventana deslizante en la cual caben N símbolos.
Esta ventana es el diccionario dinámico.
Ventana Buffer
(N símbolos) (B símbolos)
Ventana Buffer
(N símbolos) (B símbolos)
Los datos visibles en la ventana son los más recientes N

símbolos, que ya fueron codificados.
Los próximos símbolos a codificar se encuentran fuera de

la ventana, en un look-ahead buffer, de tamaño B, que
contiene los símbolos que han sido leídos del flujo de
entrada pero que todavía no han sido codificados.
Cuando se consigue una coincidencia en la ventana, el
evento se puede representar mediante un código de 3
partes F,L,P
Donde:
F es una bandera (flag) de 1 bit que se pone en 1 para

indicar que se encontró una coincidencia.
El siguiente término L indica la longitud de la cadena

encontrada.
El último P indica su posición con respecto al extremo

derecho de la ventana.
Cuando no se consigue una coincidencia, se usa el

código de 2 partes F,C
Donde:
F es la bandera de 1 bit que se pone en 0 para indicar

que no se encontró una coincidencia.
El siguiente término C es el primer carácter o símbolo

en el buffer (para el cual no se encontró coincidencia).
La descompresión (o decodificación) es el proceso inverso

al anterior:
Si la bandera F es 1, indica que el código corresponde a una

cadena conocida, así que se determina con ese mismo
código su longitud L y su posición P en la ventana.
A continuación se copian a la salida L caracteres, contados

a partir de P. Luego se desliza la ventana de P posiciones,
para así pasar a decodificar el siguiente código.
Si la bandera F es 0, se extrae a la salida el carácter ASCII

que sigue a la bandera.
La descompresión requiere mucho menos trabajo y es
mucho más rápida que la compresión, ya que no hay que
buscar coincidencias.
LZ77 es un sistema asimétrico: La rutina de compresión

es complicada y debe realizar bastante trabajo para cada
cadena que comprime.
En cambio, la rutina de descompresión es más simple.
Esta característica hace que LZ77 sea más apropiado para

datos que son comprimidos una sola vez, pero que son
descomprimidos muchas veces (por ejemplo los programas
que se distribuyen a través de discos o a través de
Internet).
LZ77 se usa en programas como PKZIP, WinZIP
y LHARC, que se han vuelto muy populares para
comprimir archivos en general.
LZ77 es muy efectivo para explotar la

Tamaño:
redundancia que existe en patrones que se
153600 bytes (sin compresión)
repiten varias veces (archivos de texto,
52577 bytes (JPEG)
programas fuentes e ejecutables, bases de datos,
37044 bytes (PCX)
gráficas de computadoras), pero no27592
es bytes (BMP)
particularmente bueno para comprimir audio e
17770 bytes (LZ77)
imágenes digitalizadas. 10221 bytes (GIF)
8723 bytes (PNG)
Codigo Compresion LZ78 y LZW
En 1978 Ziv y Lempel describieron un segundo método de

compresión en el artículo "Compression of individual
sequences via variable-rate coding" de la revista IEEE
Transactions on Information Theory de septiembre 1978
y por tal razón posteriormente se le denominó compresión
LZ78.
Históricamente, LZ78 fue el primero de los algoritmos LZ

en hacerse popular, debido a su adaptación por parte de
Terry Welch en el algoritmo LZW y su posterior inclusión
en el programa COMPRESS utilizado bajo el sistema
operativo Unix.
Código Compresión LZ78 y LZW
Si bien LZ77 y LZ78 parecen muy semejantes, en

realidad se diferencian apreciablemente y cada uno
tiene ventajas y desventajas.
LZ78 utiliza un enfoque distinto a LZ77 para construir y

mantener el diccionario, abandonando el concepto de una
ventana abierta sobre los símbolos previos, tal como se
hace en LZ77.
En vez de utilizar una ventana de tamaño limitado que se

desliza sobre los símbolos de entrada ya procesados,
LZ78 construye su diccionario a partir de todos los
símbolos de entrada ya procesados.
El diccionario de cadenas o frases se construye

añadiendo un solo símbolo a la vez a las
cadenas ya existentes.
Cada código contiene 2 componentes: la

posición de la cadena en el diccionario y el
carácter que le sigue.
Pero a diferencia de LZ77, la longitud no se

codifica, ya que el descompresor la puede
determinar por su cuenta.
Veamos un ejem. de cómo funciona el compresor, usando
como entrada la siguiente secuencia de caracteres:
BCBCACBCBCABCABCABACABCBC···
El compresor empieza sin tener frases o cadenas en el

diccionario y el índice 0 se usa para definir la cadena
vacía.
El primer carácter que se lee (esto es B) corresponde a una

cadena que todavía no existe en el diccionario.
Así que la cadena B se añade en el diccionario en la

posición 1 y se emite a la salida el código formado por
prefijo + extensión, en esto caso 0B.
BCBCACBCBCABCABCABACABCBC···
El siguiente carácter C tampoco existe en el diccionario y

se añade en la posición 2, emitiendo el código 0C.
Cuando se llega al tercer carácter, es decir B, éste ya

existe en el diccionario y en consecuencia se avanza al
cuarto (es decir C), y se forma la cadena BC, que todavía
no existe en el diccionario, por lo que se le añade y se
emite el código 1C, ya que 1 corresponde al índice en el
diccionario donde está guardado el carácter B.
A medida que avanza el proceso, se añaden al diccionario

cadenas cada vez más largas.
Secuencia de entrada: BCBCACBCBCABCABCABACABCBC···
Posición Contenido Código de

salida
0 nulo
Por ejemplo, si en la
posición 9 se guarda 3A, se
1 B 0B
puede saber que
2 C 0C corresponde a BCA ya que
3 BC 1C el prefijo 3 nos envía a la
4 A 0A posición 3 donde está la
5 CB 2B
extensión BC y el prefijo 1,
el cual nos envía a la
6 CBC 5C
posición 1 donde está la
7 AB 4B extensión A.
8 CA 2A
9 BCA 3A
Por su lado el descompresor puede recrear un

diccionario idéntico a partir de los códigos
recibidos, por lo que el método es muy
conveniente ya que no se necesita enviar el
diccionario al descompresor.
Recién en junio de 1984 debido a un artículo de

IEEE titulado "A technique for high-performance
data compression", escrito por Terry Welch, se
popularizo esta técnica.
FORMATOS DE COMPRESION
DE DATOS
Entre algunos de los conocidos tenemos:
SIN PERDIDAS:
 ZIP
 RAR (Roshal ARchive)
 CAB (Cabinet- nativo de Microsoft Windows).
CON PERDIDAS:
 JPEG (Compresión de Imagen)
 MPEG (Compresión de Video)
 WMA (Compresión de Audio)

Otros códigos: El código QR
 QR por sus iniciales : Quick Response
 Es una matriz o un código de barras en 02
dimensiones.
 Es un sistema de código de barras mas
avanzado.
 Muy facil de leer y acceder
 Elimina la memorizacion de URLs
Que es un QR Code
“Quick Response”
Capacidad de datos del codigo QR:

Codigo Numerico = 7,089 caracteres max
Codigo Alphanumerico = 4,296 caracteres max
Usos del codigo QR
1. Anuncios
2. Visitas guiadas
3. Tarjetas Creativas
4. Embalaje y organización de los productos y el
envío
5. Usos en la educación

5.-Compresion Datos

Cargado por

Copyright:

Formatos disponibles

5.-Compresion Datos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

5.-Compresion Datos

Cargado por

Copyright:

Formatos disponibles

COMPRESION DE DATOS

Redundante: Datos cíclicos clasificables con

 Sin pérdidas reales: Transmite toda la entropía

 Reversible: Sin pérdida de datos (lossless), permite la

Por ejemplo, si en un archivo aparece la secuencia

La información redundante presente en un

Si una fuente de información discreta emite una

La probabilidad pi que se emita el símbolo

(También llamada “Auto información”):

La Entropía H de una fuente es la información

Concebido por Claude Shannon (1948) .- Dedujo

La Entropía, es la información promedio que lleva cada símbolo

Expresado en palabras, esto quiere decir que:

En promedio, podemos esperar de obtener H bits de

Pero no podemos saber por anticipado cuál será el

El valor máximo de H se alcanza cuando todos

Cuando la entropía es máxima cada símbolo lleva la

Esto significa un símbolo binario (0,1) puede llevar al

Un símbolo ternario (0,1,2) puede llevar al máximo

Un símbolo cuaternario (0,1,2,3) puede llevar al

Por ejemplo, si en un mensaje todos los 256 caracteres

H = -log2 1/256 = 8 bits/carácter.

La compresión de datos básicamente consiste en

Si la compresión es efectiva, el conjunto de salida

La transformación de un símbolo en código se hace

El modelado permite caracterizar apropiadamente los

Símbolos Probabilidades Códigos

Estos modelos pueden ser divididos en 3

El modelo fijo usa la misma estadística en cada

Esta estadística representa un promedio obtenido a

No comprimen los datos tan bien como los otros, sin

Letra Frecuencia relativa

Cada valor en la tabla representa con buena aproximación la

Los modelos adaptables dinámicamente de 1 pasada,

Tanto el codificador que el decodificador comienzan con la

Luego la estadística se actualiza a medida que los datos

Los modelos adaptables de 2 pasadas efectúan una

La segunda pasada comprime los datos usando códigos

Estos modelos de 2 pasadas comprimen muy bien, pero

Técnica donde se asignan códigos cortos a

Los sistemas que usan este principio son

En este ejemplo los símbolos de entrada pertenecen a un alfabeto de

Letra Frecuencia relativa Código

Es el primer método bien conocido de códigos de longitud

Claude Shannon y Robert Fano, lo descubrieron casi

El método se basa en determinar la probabilidad de

Con estas probabilidades se puede construir una tabla de

En la tabla se muestra un ejemplo sencillo, utilizando

Símbolo Frecuencia Relativa Código

La codificación Shannon-Fano fue desplazada por

En la codificación Huffman los símbolos a codificar se

De esta forma hay que codificar un alfabeto que contiene un

Repitiendo el proceso de reducción, se llega al punto en

En el ejem. que hemos ilustrado, se tienen

L = 2.2 dígitos/símbolo. S1 0.4

0 10 110 1110 1111 00 01 10 110 111

Es otra codificación estadística muy

Los intervalos en esta técnica se definen

Sn(inf) = Sn-1 (inf)+(Sn-1(sup) – Sn-1(inf))*Sn (inf)