JPEG - lossless mode
חשיפה (עם אילנה דיין) - המוד שלא סיפרו לנו עליו! וכך זה עובד: קודם כל הביטו לאנשהו בחדר. שמים לב שהתמונה עשויה משטחים אשר כל אחד מהם מכיל מספר מצומצם של צבעים? והצבעים - משתנים באופן רציף ועדין ולא כמו בקליפים פסיכדליים ב-MTV. שינויים קיצוניים בצבע קיימים רק במעבר בין השולחן לשטיח/לתקרה והם נדירים. הנחה זו היא הבסיס לדחיסת JPEG-LS: המקור נקרא נקודה אחר נקודה. את הנקודות מקבל רכיב linear prediction אשר מנסה לנבא את הנקודה הבאה ברצף, בהסתמך על כך שהשינוי יהיה קטן מאוד או לא קיים, ובהסתמך על הרצף (למשל gradient עדין בין שחור ללבן). הרצפים מנובאים גם לאורך וגם לרוחב. אח"כ הנקודות האמיתיות והנק´ המנובאות עוברות השוואה (diff), ומה שנכתב ל-output זה רק ההבדלים, כלומר: טעויות ה-prediction. מכיוון שה-predictor מתבסס על הנחות נכונות עבור רוב מוחלט של התמונות, לא יהיו הרבה טעויות, כך שה-output יהיה קטן מהמקור. נכון יפה?
חשיפה (עם אילנה דיין) - המוד שלא סיפרו לנו עליו! וכך זה עובד: קודם כל הביטו לאנשהו בחדר. שמים לב שהתמונה עשויה משטחים אשר כל אחד מהם מכיל מספר מצומצם של צבעים? והצבעים - משתנים באופן רציף ועדין ולא כמו בקליפים פסיכדליים ב-MTV. שינויים קיצוניים בצבע קיימים רק במעבר בין השולחן לשטיח/לתקרה והם נדירים. הנחה זו היא הבסיס לדחיסת JPEG-LS: המקור נקרא נקודה אחר נקודה. את הנקודות מקבל רכיב linear prediction אשר מנסה לנבא את הנקודה הבאה ברצף, בהסתמך על כך שהשינוי יהיה קטן מאוד או לא קיים, ובהסתמך על הרצף (למשל gradient עדין בין שחור ללבן). הרצפים מנובאים גם לאורך וגם לרוחב. אח"כ הנקודות האמיתיות והנק´ המנובאות עוברות השוואה (diff), ומה שנכתב ל-output זה רק ההבדלים, כלומר: טעויות ה-prediction. מכיוון שה-predictor מתבסס על הנחות נכונות עבור רוב מוחלט של התמונות, לא יהיו הרבה טעויות, כך שה-output יהיה קטן מהמקור. נכון יפה?
