कैसे आधुनिक छवि कोडेक ध्वनि को निचोड़ते हैं। JPEG2000 बनाम MP3

इस प्रयोग में, लोकप्रिय JPEG2000 छवि संपीड़न प्रारूप का उपयोग एक असामान्य कार्य के लिए किया जाएगा, एक ऑडियो फ़ाइल को संग्रहीत करना।

सामान्य तौर पर, ध्वनि और छवि बहुत समान हैं। यदि हम तरंग रूप में ध्वनि का प्रतिनिधित्व करते हैं, तो हमें समय के साथ ध्वनि संकेत में परिवर्तन मिलता है। इसी तरह, यदि हम छवि पिक्सेल की एक पंक्ति लेते हैं, तो हमें दूरी में चमक में बदलाव आता है।

समय के साथ ध्वनि संकेत के दोलनों का आयाम जितना अधिक होगा, ध्वनि उतनी ही तेज होगी। छवि के लिए एक एनालॉग विपरीत में वृद्धि होगी।

ध्वनि संकेत जितनी तेज़ी से बदलते हैं, ध्वनि में उतनी ही उच्च आवृत्ति होगी। इसी तरह, पिक्सेल की एक पंक्ति में चमक में एक त्वरित परिवर्तन छवियों में बड़ी संख्या में विवरणों को इंगित करता है।

इसके अलावा, ध्वनि संकेत, कि पंक्ति में पिक्सेल की चमक आसानी से बदल जाती है ताकि कोडेक इस संपत्ति का उपयोग कर सके।

एक छोटी सी समस्या बनी हुई है। ध्वनि एक आयामी संकेत है, और छवि दो आयामी है। कोई कल्पना कर सकता है कि एक ध्वनि फ़ाइल पिक्सेल की एक लंबी पंक्ति है, और एक छवि पिक्सेल की बहुत पंक्तियाँ है। हालांकि, पिस्कल्स की आसन्न पंक्तियाँ बहुत समान हैं।

एक ध्वनि तरंग के लिए एक एनालॉग है - मौलिक आवृत्ति। और इसके अलावा इसमें हार्मोनिक्स का एक गुच्छा होता है जो मुख्य तरंग की लंबाई में बिल्कुल फिट होता है। यदि आप मुख्य तरंग की लंबाई के साथ ध्वनि संकेत को काटते हैं और इसे एक साथ रखते हैं, तो पड़ोसी टुकड़े एक दूसरे के समान होंगे।

प्रयोग के लिए, मेरे पसंदीदा गीत एमी कालेन - ए डेमी-नु से एक आधा मिनट की ध्वनि फ़ाइल तैयार की गई थी। 16 बिट मोनो प्रारूप में रिकॉर्डिंग में 2570 KB का समय लगता है।

मौलिक आवृत्ति प्रयोगात्मक रूप से इस फ़ाइल के लिए निर्धारित की गई थी। और फिर, जैसा कि ऊपर वर्णित है, रिकॉर्ड इस लहर की अवधि की लंबाई के बराबर टुकड़ों में काटा जाता है। परिणाम एक छवि फ़ाइल है। पिक्सेल प्रतिनिधित्व प्रारूप ग्रेस्केल में 16 बिट्स है। यही है, यह पूरी तरह से ध्वनि नमूना के प्रारूप से मेल खाती है। छवि का आकार 909x1448 पिक्सेल।



यह बहुत सुविधाजनक है कि JPEG2000 16-बिट / पिक्सेल ग्रेस्केल का समर्थन करता है। JPEG2000 में संपीड़न के लिए, ImageMagick का उपयोग किया गया था। ImageMagick आपको छवि को कमजोर या दृढ़ता से संपीड़ित करने की अनुमति देता है, जिससे ध्वनि रिकॉर्डिंग की गुणवत्ता प्रभावित होती है। ImageMagick प्रतिद्वंद्वी ने Adobe ऑडिशन पैकेज से एक नियमित एमपी 3 कोडेक चुना।

प्रयोग का सार एमपी 3 के समान आकार की एक jp2 फ़ाइल प्राप्त करने के लिए एक कोडेक का चयन करना था, और परिणामस्वरूप ध्वनि फ़ाइलों की गुणवत्ता की तुलना करना था।

मैं मूल्यांकन करना चाहता था कि मध्यम और मजबूत संपीड़न के साथ गुणवत्ता कितनी बुरी तरह से पीड़ित होगी। कोडेक मापदंडों का चयन करके, स्रोत फ़ाइल को मजबूत संपीड़न के लिए 32KB तक और मध्यम के लिए 400KB तक संकुचित किया गया था।

मध्यम संपीड़न के साथ, JPEG2000 ध्वनि के लिए एक अलग श्रव्य शोर संकेत जोड़ता है। अन्यथा, ध्वनि मूल के समान है। मजबूत संपीड़न के साथ, JPEG2000 में बहुत अधिक विकृति है, क्लिक्स, ध्वनि सुस्त है, बॉटम्स और टॉप्स घृणित हैं। लेकिन दिलचस्प है, सभी विकृतियों के माध्यम से इसी तरह की स्थितियों में एमपी 3 के विपरीत, गायक की आवाज को बेहतर तरीके से सुना जाता है।

JPEG2000 के मजबूत संपीड़न के लिए, एक अतिरिक्त छवि परिवर्तन किया गया था (ध्वनि की गुणवत्ता बढ़ाने के लिए): छवि का आकार कम करना। छवि की चौड़ाई कम करने से ध्वनि के लिए नमूना दर कम हो जाती है। और छवि की ऊंचाई को कम करना ध्वनि को तेज करने जैसा कुछ है।

JPEG2000 के हानिपूर्ण संपीड़न का भी परीक्षण किया गया (यानी, लगभग कोई विकृति के साथ संपीड़न)। एक अनपेक्षित छवि की तुलना में jp2 फ़ाइल 71% प्रतिशत तक सिकुड़ गई है। बुरा नहीं है, जबकि विशेष दोषरहित कोडेक (जैसे FLAC और APE) 40-50 %% के स्तर पर हैं।
एक और परिणाम। जेपीईजी एक्सआर दोषरहित संपीड़न ने 81% दिखाया।

नीचे ImageMagick लॉन्च कमांड हैं।

400KB पर संपीड़न के लिए उदाहरण:
कन्वर्ट -depth 16 -size 909x1448 wav.txt.gray -depth 16 -Type Grayscale -define jp2: दर = 0.1565 tn.jp2
कन्वर्ट tn.jp2 -type ग्रेस्केल tn3.gray

32K संपीड़न के लिए:
कन्वर्ट -depth 16 -size 909x1448 wav.txt.gray -depth 16 -Type Grayscale -resize -454x924 -define jp2: rate = 0.0325 tn.jp2
Convert tn.jp2 -type Grayscale -resize -909x1448 tn3.gray

नीचे परिणामों के साथ फ़ाइल का लिंक दिया गया है। इसमें JPEG2000 और एमपी कोडेक्स द्वारा प्राप्त ऑडियो फाइलें, और "ध्वनि के साथ चित्र" का एक उदाहरण है।
http://depositfiles.com/files/jmd4yfdf5