問題タブ [quantization]

単精度浮動小数点値があり、この値が生成されたサンプルの分布に関する情報がないため、シグモイドを適用したり、ある種の正規化を実行したりできません。また、値が常に負でないことも知っています。このフロートをバイトとして表現する最良の方法は何ですか?

私は次のことを考えました：

float を UInt32 として解釈し (これにより、数値間の相対的な順序が維持されることを期待しています。間違っている場合は修正してください)、バイトの範囲にスケーリングします。

コメントやその他の提案をいただければ幸いです。ありがとう！

PNG のような高レベルの画像フォーマットを GIF のような低レベルのフォーマットに変換できることはわかっています。すべてのデータがあり、何を保持し、何を残すかを決定できるからです。たとえば、256 色の画像を白黒に変換することもできます。

問題は、他の方法で何が起こるかです。白黒の写真を 256 色に変換したい場合はどうすればよいでしょうか。それはできますか？うるさすぎますか？または、たとえば、2 ^ 20 色の範囲の非常に高品質の画像があり、それを 2 ^ 21 色に変換したい場合...それは良くなりますが、私の目では違いがわかりませんか?

基本的に私の質問は、レベルを下げるのではなく、レベルを追加したい場合です。(モノラル サウンド ファイルがあり、それを wav に変換したい場合は、サウンドにも適用されます)。レベルは色などを示すことができます...完璧ではありませんが、それを行うことはできますか?

アナログ オーディオ信号が 1 秒間に 16,000 回サンプリングされ、各サンプルが 1024 レベルのいずれかに量子化されるとします。PCM デジタル オーディオ信号の結果のビット レートは?

トップダウンアプローチブックの質問に答えましたが、それが正しいことを確認したいだけです

私の答えは

1024 = 2 ^10

したがって、PCM ビット レート = 10 * 16000 = 160, 000 bps

あれは正しいですか

NeuQuant 量子化アルゴリズム ( https://code.google.com/p/android-gif-project/source/browse/trunk/GIFproject1/src/com/ui/NeuQuant.java?r=5 ) を使用しています。 jpeg を 256 色の画像に縮小しますが、非常に遅いです (320x240 の画像で約 1 秒、640x480 の画像で約 3 秒)。複数のスレッドを使用しても、処理時間をまともなレベルにすることはできません (理想的には、画像範囲ごとに 100 ミリ秒)。

画像のカラー パレットを 256 色に減らすより高速なアルゴリズムを知っている人はいますか?

この方法で行列を量子化するために uencode を使用しています。

ここで、impact_fator_matrix は 512x512 の浮動小数点値のマトリックスで、基本的に 0 から 3 の間です。このマトリックスの小さなフラグメントは次のようになります。

0,0199035905058660 0,0172736449099186 0,0180819705503344

0,0622572806364690 1,13389341902768 1

0,0606586901989121 1,27920429813366 1

したがって、uencodeを使用すると必要なレベルが得られますが、この3x3の例に固有の量子化レベルに値を割り当てるために、この関数でどの範囲が使用されているかわかりません

16 16 16

16 31 31

16 31 31

量子化レベルの割り当てに使用される範囲がわかりません。これはどのように計算されますか。前もって感謝します。

タイトルが示すように、カスタム量子化テーブルを使用して画像を JPEG 形式で圧縮しようとしています。私の問題は、結果のファイルを開くことができず、エラーは次のとおりです。

これは私のコードがどのように見えるかです:

私の推測では、メタデータと関係があると思いますが、解決策を見つけることができませんでした。

ありがとう、R.

更新: 16 進数ビューアーを使用して、量子化テーブル (DQT - 0xFF、0xDB セクション) が出力ファイルに書き込まれていないことがわかりました。どうにかして強制的に書かなければならないと思います。

更新 2:実際に実行をデバッグした後、パラメーター オブジェクトにテーブルが設定されている場合、量子化でもハフマン テーブルでもメタデータが生成されないことがわかりました。メタデータが欠落している場合、テーブルはファイルに書き込まれていません。問題は、メタデータの内容をカスタマイズする方法がわかりません。

与えられた次のコードがありますが、ここのロジックが何であるかについてはまったくわかりません。アイデアは、これが私のデータをヒストグラム化/量子化するということです。コードは次のとおりです。

入力:

主な機能:

最後に、最終的な「量子化された」データ:

これが私が得られないものです：私は理解していません-まったく-なぜ正確にx1そのように計算されるのか、そしてなぜ/どのwようにそれがそのように計算されるのか. 実際、すべてのことの中で、w私を最も混乱させます。ここでの論理、または実際に意図されていることを文字通り理解できません。このロジックの詳細な説明をいただければ幸いです。ありがとう。

以前、私は次のように書きました。

...したがって、ビデオファイルからオーディオを受信します。Ffmpeg は、オーディオを適切な品質で mp3 に抽出または変換しました。key: -sameq [ソースと同じ量子化器を使用]のおかげですべて

現在、Ubuntu では ffmpeg の代わりに libav があり、(avcomv の場合は man で) -sameqキーが表示されません。さて、ここで質問です。私は今何をしなければなりませんか?

オリジナルと同じ品質で変換されたオーディオ ファイルを取得するには、今何をしなければなりませんか?

PS。-sameq : ソースと同じ量子化器を使用します (VBR を意味します)。

このman_ffmpegがあります： http://pastebin.com/qYxz1M1E