1 20 2 20 3 10 4 20 5 20 6 20 7 20 8 20 150 Note - Ing. H. Heuermann
1 20 2 20 3 10 4 20 5 20 6 20 7 20 8 20 150 Note - Ing. H. Heuermann
1 20 2 20 3 10 4 20 5 20 6 20 7 20 8 20 150 Note - Ing. H. Heuermann
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
DTTI – 03-05.1 Heu/Wa<br />
Name: Matr.-Nr.: Blatt 2<br />
------------------------------------------------ -------------------------<br />
Aufgabe 1: Eine stark vereinfachte Bildvorlage besteht aus 4x5<br />
− Bildpunkten mit den in Abb.<br />
1.1 gegebenen amplitudendiskreten Grauwerten. Für die bitserielle Übertragung<br />
dieser Bildvorlage soll das Datenvolumen möglichst stark redundanzreduziert<br />
übertragen werden. Dazu werden verschiedene statistische Quellmodelle zu Grunde<br />
gelegt.<br />
5 4 8 11 15<br />
3 2 5 8 12<br />
3 5 3 4 8<br />
2 6 3 1 5<br />
{ x ( ρ),...,<br />
x ( ρ),...,<br />
x ( ρ)<br />
}<br />
X ( ρ)<br />
=<br />
0<br />
i<br />
N −1<br />
N = 16<br />
{ X ( ρ)<br />
x ( )}<br />
p ( x ( ρ))<br />
= prob = ρ<br />
i<br />
n = ( 4x5)<br />
− Bildpunkte / Bild<br />
i<br />
Abb.1.1: Graubildvorlage mit amplitudendiskreten Bildpunkten<br />
a) Modell 1: Gleiche Auftrittswahrscheinlichkeit der Amplitudenwerte und statistische<br />
Unabhängigkeit der einzelnen Bildpunkte untereinander<br />
p( xi<br />
) = p(<br />
x<br />
j<br />
) ∀ ( i,<br />
j)<br />
∈[ 0, N −1]<br />
Bestimmen Sie den mittleren Informationsgehalt oder Entropie H (X ) der diskreten Datenquelle<br />
X . Wie viele Bit werden zum Übertragen eines Ereignisses X ∈ xi<br />
benötigt, wie groß ist die<br />
mittlere Codewortlänge m (X ) und die relative Redundanz r (X ) ? Wie groß ist das Datenvolumen<br />
zum Übertragen eines Bildes?<br />
b) Modell 2: Ungleiche Auftrittswahrscheinlichkeit der Amplitudenwerte, aber noch statistische<br />
Unabhängigkeit der einzelnen Bildpunkte untereinander<br />
p(<br />
xi<br />
) ≠ p(<br />
x<br />
j<br />
) ∀ ( i,<br />
j)<br />
∈[ 0, N −1]<br />
p(<br />
xi<br />
, x<br />
j<br />
) = p(<br />
xi<br />
) ⋅ p(<br />
x<br />
j<br />
)<br />
Im Folgenden soll ausgenutzt werden, dass die Grauwerte mit unterschiedlichen<br />
Wahrscheinlichkeiten auftreten, aber noch voneinander statistisch unabhängig sind. Bestimmen Sie<br />
nun den mittleren Informationsgehalt oder Entropie H (X ) der diskreten Datenquelle X . Wie viele<br />
Bit werden zum Übertragen eines Ereignisses X ∈ xi<br />
benötigt und wie groß ist jetzt die relative<br />
Redundanz r (X ) ?<br />
c) Modell 3: Ungleiche Auftrittswahrscheinlichkeit der Amplitudenwerte und statistische<br />
Abhängigkeit zweier benachbarter einzelner Bildpunkte<br />
p(<br />
xi<br />
) ≠ p(<br />
x<br />
j<br />
) ∀ ( i,<br />
j)<br />
∈[ 0, N −1]<br />
p(<br />
xi<br />
, x<br />
j<br />
) = p(<br />
xi<br />
) ⋅ p(<br />
x<br />
j<br />
/ xi<br />
)<br />
Das 3. Quellmodell (nächste Seite) berücksichtigt statistische Abhängigkeiten zwischen 2<br />
benachbarten Bildpunkten einer Zeile. Die darin steckende Redundanz kann reduziert werden, in<br />
dem nur die Differenzamplituden zweier benachbarter Bildpunkte einer Zeile übertragen werden.<br />
Um eine Fehlerfortpflanzung über eine Zeile hinaus zu verhindern, wird der 1. Bildpunkt jeder Zeile<br />
in seinem Amplitudenwert voll übertragen.