Compresión con pérdidas

En tecnología de la información , la compresión con pérdida , o compresión irreversible , es un tipo de método de compresión de datos que utiliza aproximaciones inexactas y el descarte parcial de datos para representar el contenido. Estas técnicas se emplean para reducir el tamaño de los datos al almacenar, gestionar y transmitir contenido. Un mayor grado de aproximación genera imágenes de menor calidad, ya que se eliminan más detalles. Esto contrasta con la compresión de datos sin pérdida (compresión de datos reversible), que no degrada los datos. La cantidad de reducción de datos posible mediante la compresión con pérdida es mucho mayor que con las técnicas sin pérdida.

Una tecnología de compresión con pérdida bien diseñada suele reducir significativamente el tamaño de los archivos antes de que el usuario final note la degradación. Incluso cuando esta es perceptible, puede ser conveniente una mayor reducción de datos (por ejemplo, para la comunicación en tiempo real o para reducir los tiempos de transmisión o las necesidades de almacenamiento). El algoritmo de compresión con pérdida más utilizado es la transformada discreta del coseno (DCT), publicada por primera vez por Nasir Ahmed , T. Natarajan y KR Rao en 1974.

La compresión con pérdida se utiliza con mayor frecuencia para comprimir datos multimedia ( audio , vídeo e imágenes ), especialmente en aplicaciones como la transmisión de contenido multimedia y la telefonía por internet . Por el contrario, la compresión sin pérdida suele ser necesaria para archivos de texto y datos, como registros bancarios y artículos. Puede resultar ventajoso crear un archivo maestro sin pérdida que luego se utilice para generar copias adicionales. Esto permite evitar basar las nuevas copias comprimidas en un archivo fuente con pérdida, lo que produciría artefactos adicionales y una mayor pérdida de información innecesaria .

Es posible comprimir muchos tipos de datos digitales de forma que se reduzca el tamaño del archivo informático necesario para almacenarlos o el ancho de banda necesario para transmitirlos, sin perder la información completa del archivo original. Por ejemplo, una imagen se convierte en un archivo digital tratándola como una matriz de puntos y especificando el color y el brillo de cada uno. Si la imagen contiene un área del mismo color, se puede comprimir sin pérdida de información indicando "200 puntos rojos" en lugar de "punto rojo, punto rojo, ...(197 veces más)..., punto rojo".

Los datos originales contienen una cantidad determinada de información, y existe un límite inferior para el tamaño de un archivo que aún puede almacenar toda la información. La teoría básica de la información establece que existe un límite absoluto para la reducción del tamaño de estos datos. Al comprimir los datos, su entropía aumenta, y este aumento no puede ser indefinido. Por ejemplo, un archivo ZIP comprimido es más pequeño que el original, pero comprimir repetidamente el mismo archivo no reducirá su tamaño a cero. La mayoría de los algoritmos de compresión pueden reconocer cuándo una mayor compresión sería innecesaria e incluso aumentaría el tamaño de los datos.

En muchos casos, los archivos o flujos de datos contienen más información de la necesaria. Por ejemplo, una imagen puede tener más detalles de los que el ojo humano puede distinguir al reproducirla al tamaño máximo previsto; del mismo modo, un archivo de audio no necesita muchos detalles finos durante un pasaje muy fuerte. Desarrollar técnicas de compresión con pérdida que se ajusten lo más posible a la percepción humana es una tarea compleja. A veces, lo ideal es un archivo que proporcione exactamente la misma percepción que el original, eliminando la mayor cantidad de información digital posible; otras veces, una pérdida perceptible de calidad se considera una compensación válida.

Los términos «irreversible» y «reversible» se prefieren a «con pérdida» y «sin pérdida», respectivamente, para ciertas aplicaciones, como la compresión de imágenes médicas, con el fin de evitar las implicaciones negativas de la «pérdida». El tipo y la cantidad de pérdida pueden afectar la utilidad de las imágenes. Los artefactos o efectos indeseables de la compresión pueden ser claramente discernibles, pero el resultado sigue siendo útil para el propósito previsto. O bien, las imágenes comprimidas con pérdida pueden ser « visualmente sin pérdida », o en el caso de imágenes médicas, puede haberse aplicado la denominada compresión irreversible diagnósticamente aceptable (DAIC) ^{[ 1 ] .}

Algunas formas de compresión con pérdida pueden considerarse una aplicación de la codificación por transformación , un tipo de compresión de datos utilizada para imágenes digitales , señales de audio digitales y vídeo digital . La transformación se utiliza normalmente para lograr una cuantificación más precisa . El conocimiento de la aplicación se emplea para seleccionar la información que se debe descartar, reduciendo así su ancho de banda . La información restante se puede comprimir mediante diversos métodos. Al decodificar la salida, el resultado puede no ser idéntico a la entrada original, pero se espera que sea lo suficientemente similar para el propósito de la aplicación.

La forma más común de compresión con pérdida es un método de codificación de transformación, la transformada discreta del coseno (DCT), ^{[ 2 ]} que fue publicada por primera vez por Nasir Ahmed , T. Natarajan y KR Rao en 1974. ^{[ 3 ]} La DCT es la forma más utilizada de compresión con pérdida, para formatos populares de compresión de imágenes (como JPEG ), ^{[ 4 ]} estándares de codificación de vídeo (como MPEG y H.264/AVC ) y formatos de compresión de audio (como MP3 y AAC ).

En el caso de los datos de audio, una forma popular de codificación de transformación es la codificación perceptual , que transforma los datos brutos a un dominio que refleja con mayor precisión el contenido informativo. Por ejemplo, en lugar de expresar un archivo de sonido como los niveles de amplitud a lo largo del tiempo, se puede expresar como el espectro de frecuencia a lo largo del tiempo, lo que se corresponde con mayor precisión con la percepción auditiva humana. Si bien la reducción de datos (compresión, ya sea con o sin pérdida) es un objetivo principal de la codificación de transformación, también permite otros objetivos: se pueden representar los datos con mayor precisión para la cantidad de espacio original ^{[ 5 ]} – por ejemplo, en principio, si se parte de un máster analógico o digital de alta resolución , un archivo MP3 de un tamaño dado debería proporcionar una mejor representación que un archivo de audio sin comprimir en formato WAV o AIFF del mismo tamaño. Esto se debe a que el audio sin comprimir solo puede reducir el tamaño del archivo disminuyendo la tasa de bits o la profundidad, mientras que la compresión de audio puede reducir el tamaño manteniendo la tasa de bits y la profundidad. Esta compresión se convierte en una pérdida selectiva de los datos menos significativos, en lugar de perder datos de forma generalizada. Además, una codificación de transformación puede proporcionar un dominio mejor para manipular o editar los datos; por ejemplo, la ecualización del audio se expresa de forma más natural en el dominio de la frecuencia (aumentar los graves, por ejemplo) en lugar de en el dominio del tiempo sin procesar.

Desde este punto de vista, la codificación perceptual no se trata esencialmente de descartar datos, sino más bien de una mejor representación de los mismos. Otro uso es la retrocompatibilidad y la degradación gradual : en la televisión en color, codificar el color mediante un dominio de transformación de luminancia - crominancia (como YUV ) significa que los televisores en blanco y negro muestran la luminancia, ignorando la información de color. Otro ejemplo es el submuestreo de croma : el uso de espacios de color como YIQ , utilizado en NTSC , permite reducir la resolución de los componentes para que se ajuste a la percepción humana: los humanos tienen la mayor resolución para el blanco y negro (luminancia), menor resolución para los colores del espectro medio como el amarillo y el verde, y la más baja para el rojo y el azul; por lo tanto, NTSC muestra aproximadamente 350 píxeles de luminancia por línea de exploración , 150 píxeles de amarillo frente a verde, y 50 píxeles de azul frente a rojo, que son proporcionales a la sensibilidad humana a cada componente.

Los formatos de compresión con pérdida sufren de pérdida generacional : la compresión y descompresión repetidas del archivo provocan una pérdida progresiva de calidad. Esto contrasta con la compresión de datos sin pérdida , donde no se produce pérdida de datos durante este proceso. La teoría de la tasa-distorsión proporciona los fundamentos teóricos de la información para la compresión de datos con pérdida . Al igual que el uso de la probabilidad en la teoría de la codificación óptima , la teoría de la tasa-distorsión se basa en gran medida en la estimación bayesiana y la teoría de la decisión para modelar la distorsión perceptiva e incluso el juicio estético .

Existen dos esquemas básicos de compresión con pérdida:

• En los códecs de transformación con pérdida , se toman muestras de imagen o sonido, se dividen en pequeños segmentos, se transforman a un nuevo espacio base y se cuantifican . Los valores cuantificados resultantes se codifican mediante entropía .
• En los códecs predictivos con pérdida , los datos decodificados previamente o posteriormente se utilizan para predecir la muestra de sonido o el fotograma de imagen actual. El error entre los datos predichos y los datos reales, junto con cualquier información adicional necesaria para reproducir la predicción, se cuantifica y codifica.

En algunos sistemas se combinan ambas técnicas, utilizándose códecs de transformación para comprimir las señales de error generadas por la etapa predictiva.

La ventaja de los métodos con pérdida sobre los métodos sin pérdida es que, en algunos casos, un método con pérdida puede producir un archivo comprimido mucho más pequeño que cualquier método sin pérdida, cumpliendo aún con los requisitos de la aplicación. Los métodos con pérdida se utilizan con mayor frecuencia para comprimir sonido, imágenes o vídeos. Esto se debe a que este tipo de datos están destinados a la interpretación humana, donde la mente puede fácilmente "completar los huecos" o pasar por alto errores o inconsistencias muy pequeñas; idealmente, la compresión con pérdida es transparente (imperceptible), lo que se puede verificar mediante una prueba ABX . Los archivos de datos que utilizan compresión con pérdida son más pequeños y, por lo tanto, cuestan menos de almacenar y transmitir por Internet, una consideración crucial para servicios de transmisión de vídeo como Netflix y servicios de transmisión de audio como Spotify .

Una advertencia importante sobre la compresión con pérdida (formalmente transcodificación) es que la edición de archivos comprimidos con pérdida provoca una pérdida de generación digital debido a la recodificación. Esto se puede evitar generando archivos con pérdida únicamente a partir de originales (sin pérdida) y editando solo copias de los archivos originales, como imágenes en formato RAW en lugar de JPEG . Si los datos comprimidos con pérdida se decodifican y se comprimen sin pérdida, el tamaño del resultado puede ser comparable al tamaño de los datos antes de la compresión con pérdida, pero los datos ya perdidos no se pueden recuperar. Al decidir utilizar la conversión con pérdida sin conservar el original, puede ser necesario convertir el formato en el futuro para lograr compatibilidad con software o dispositivos ( cambio de formato ) o para evitar el pago de regalías de patentes por la decodificación o distribución de archivos comprimidos.

Un tipo general de compresión con pérdida consiste en reducir la resolución de una imagen, como en el escalado de imágenes , particularmente en la decimación . También se pueden eliminar partes de la imagen con menor "información", por ejemplo, mediante el recorte de costuras . Muchas transformaciones de medios, como el desenfoque gaussiano , son, al igual que la compresión con pérdida, irreversibles: la señal original no se puede reconstruir a partir de la señal transformada. Sin embargo, en general, estas tendrán el mismo tamaño que la original y no constituyen una forma de compresión. Reducir la resolución tiene aplicaciones prácticas, como cuando la sonda New Horizons de la NASA transmitió miniaturas de su encuentro con Plutón-Caronte antes de enviar las imágenes de mayor resolución. Otra solución para conexiones lentas es el uso del entrelazado de imágenes , que define la imagen progresivamente. De este modo, una transmisión parcial es suficiente para previsualizar la imagen final, en una versión de menor resolución, sin necesidad de crear una versión escalada y otra completa.

• Artefacto de compresión
• Compresión de datos
• Escalado de imágenes
• Lenna
• Lista de códecs
• Compresión sin pérdidas
• teoría de la distorsión de la tasa
• Tallado de vetas
• Transcodificación

• Formatos de audio con pérdida : comparación de la velocidad y la capacidad de compresión de cinco formatos de audio con pérdida.
• Conceptos básicos de compresión de datos , incluyendo capítulos sobre compresión con pérdida de imágenes, audio y vídeo.
• Compresión de imágenes PNG con pérdida en Wayback Machine (archivado el 3 de octubre de 2005)
• Uso de compresión GIF/PNG con pérdida para la web (artículo)
• JPG para archivado : comparación de la idoneidad de JPG y la compresión sin pérdidas para archivos de imágenes.