Twitter image encoding challenge [zamknięty]

Pliki graficzne i źródło Pythona (Wersja 1 i 2)

Wersja 1 Oto moja pierwsza próba. Będę aktualizować jak idę.

Mam logo SO do 300 znaków prawie bezstratne. Moja technika wykorzystuje konwersję do grafiki wektorowej SVG, więc najlepiej sprawdza się on line art. W rzeczywistości jest to kompresor SVG, nadal wymaga, aby oryginalny art przeszedł etap wektoryzacji.

Do mojej pierwszej próby użyłem serwisu internetowego dla śladu PNG jednak istnieje wiele wolnych i niewolnych narzędzi, które mogą obsłużyć tę część, w tym potrace (open-source).

Oto wyniki

Oryginalne Logo SO http://www.warriorhut.org/graphics/svg_to_unicode/so-logo.png oryginał Decoded so Logo http://www.warriorhut.org/graphics/svg_to_unicode/so-logo-decoded.png po kodowaniu i dekodowaniu

Postacie: 300

Czas: nie mierzony, ale praktycznie natychmiastowy (nie wliczając etapy wektoryzacji / rasteryzacji)

Następnym etapem będzie osadzenie 4 symboli (punktów ścieżki SVG i poleceń) na znak unicode. W tej chwili mój Python build nie ma szerokiego wsparcia znaków UCS4, co ogranicza moją rozdzielczość na znak. Ograniczyłem również maksymalny zakres do dolnego końca zarezerwowanego zakresu unicode 0xD800, jednak gdy zbuduję listę dozwolonych znaków i filtr, aby ich uniknąć, teoretycznie mogę przesunąć wymaganą liczbę znaków tak nisko, jak 70-100 do logo powyżej.

Obecnie ograniczenie tej metody polega na tym, że wielkość wyjściowa nie jest stała. Zależy od liczby węzłów/punktów wektorowych po wektoryzacji. Automatyzacja tego limitu będzie wymagała albo pikselowania obrazu (co usuwa główną zaletę wektorów), albo wielokrotnego uruchamiania ścieżek przez etap upraszczania, aż do osiągnięcia żądanej liczby węzłów (co obecnie robię ręcznie w Inkscape).

Wersja 2

UPDATE : v2 jest teraz zakwalifikował się do rywalizacji. Zmiany:

• wejście/wyjście sterowania wiersza poleceń i debugowanie
Do obsługi SVG używa parsera XML (lxml) zamiast regex
• pakuje 2 segmenty ścieżek na symbol unicode
• dokumentacja i sprzątanie
• wsparcie style = "fill: color" I fill = "color"
• szerokość/wysokość dokumentu zapakowane w pojedynczy znak
• kolor ścieżki zapakowany w pojedynczy znak
• kompresja kolorów jest osiągana przez wyrzucenie 4bits z dane kolorów na kolor, a następnie pakowanie go do postaci poprzez konwersję hex.

Postacie: 133

Czas : kilka sekund

V2 decoded http://www.warriorhut.org/graphics/svg_to_unicode/so-logo-decoded-v2.png po kodowaniu i dekodowaniu (Wersja 2)

Jak widzisz, tym razem są pewne artefakty. Nie jest to ograniczenie metody, ale błąd gdzieś w moich konwersjach. Artefakty zdarzają się, gdy punkty idą poza zakresem 0.0 - 127.0 i moje próby ich ograniczenia miały mieszany sukces. Rozwiązaniem jest po prostu skalowanie obrazu w dół, jednak miałem problemy ze skalowaniem rzeczywistych punktów, a nie obszaru roboczego lub matrycy grupy i jestem zbyt zmęczony, aby się tym przejmować. Krótko mówiąc, jeśli twoje punkty znajdują się w obsługiwanym zakresie, zazwyczaj działa.

Wierzę, że załamanie w środku jest spowodowane uchwytem przesuwającym się na drugą stronę uchwytu, z którym jest połączony. Zasadniczo punkty są zbyt blisko siebie w pierwsze miejsce. Uruchomienie filtra uproszczonego nad obrazem źródłowym przed kompresją powinno to naprawić i usunąć niepotrzebne znaki.

UPDATE : Ta metoda jest dobra dla prostych obiektów, więc potrzebowałem sposobu na uproszczenie złożonych ścieżek i zmniejszenie szumów. Do tego zadania użyłem Inkscape. Miałem trochę szczęścia w przygotowywaniu niepotrzebnych ścieżek za pomocą Inkscape, ale nie miałem czasu, aby spróbować go zautomatyzować. Zrobiłem kilka przykładowych SVG przy użyciu funkcji "Simplify" Inkscape do zmniejsz liczbę ścieżek.

Uproszczenie działa dobrze, ale może być powolne przy tak wielu ścieżkach.

Przykład Autotrace http://www.warriorhut.org/graphics/svg_to_unicode/autotrace_16_color_manual_reduction.png cornell box http://www.warriorhut.com/graphics/svg_to_unicode/cornell_box_simplified.png lena http://www.warriorhut.com/graphics/svg_to_unicode/lena_std_washed_autotrace.png

Śledzone miniatury http://www.warriorhut.org/graphics/svg_to_unicode/competition_thumbnails_autotrace.png

Zadbane http://www.warriorhut.org/graphics/svg_to_unicode/competition_thumbnails_groomed.png Uproszczone i rozpostarte.

Trianglulated http://www.warriorhut.org/graphics/svg_to_unicode/competition_thumbnails_triangulated.png Uproszczony, rozpostarty i trójkątny.

autotrace --output-format svg --output-file cornell_box.svg --despeckle-level 20 --color-count 64 cornell_box.png

Powyżej: uproszczone ścieżki za pomocą autotrace .

Niestety mój parser nie Obsługuje wyjścia autotrace, więc nie wiem, w jaki sposób punkty mogą być używane i jak daleko je uprościć, niestety jest mało czasu na napisanie tego przed terminem. Jest to o wiele łatwiejsze do przetworzenia niż wyjście inkscape.

Moje pełne rozwiązanie można znaleźć na http://caca.zoy.org/wiki/img2twit. posiada następujące cechy:

• rozsądny czas kompresji (około 1 minuty dla wysokiej jakości)
• szybka dekompresja (ułamek sekundy)
• zachowuje oryginalny rozmiar obrazu (nie tylko proporcje)
[[9]} przyzwoita jakość rekonstrukcji (IMHO)
• długość wiadomości i zestaw znaków (ASCII, CJK, Symbole) mogą być wybrane w czasie wykonywania
• długość wiadomości i zestaw znaków są automatycznie wykrywane w czasie dekompresji
• bardzo wydajne pakowanie Informacji

Http://caca.zoy.org/raw-attachment/wiki/img2twit/so-logo.png http://caca.zoy.org/raw-attachment/wiki/img2twit/twitter4.png

蜥秓鋖筷聝诿缰偺腶漷庯祩皙靊谪獜岨幻寤厎趆脘搇梄踥桻理戂溥欇渹裏軱骿苸髙骟市簶璨粭浧鱉捕弫潮衍蚙瀹岚玧霫鏓蓕戲債鼶襋躻弯袮足庭侅旍凼飙驅據嘛掔倾诗籂阉嶹婻椿糢墤渽緛赐更儅棫武婩縑逡荨璙杯翉珸齸陁颗鳣憫擲舥攩寉鈶兓庭璱篂鰀乾丕耓庁錸努樀肝亖弜喆蝞躐葌熲谎蛪曟暙刍镶媏嘝驌慸盂氤缰殾譑

Oto szorstki przegląd procesu kodowania:

• liczba dostępnych bitów jest obliczana na podstawie żądanej długości wiadomości i użytecznego zestawu znaków
• obraz źródłowy jest podzielony na tyle kwadratowych komórek, na ile pozwalają dostępne bity
• stała liczba punktów (obecnie 2) ma wpływ na każdą komórkę, z początkowymi współrzędnymi i wartościami kolorów
• następujące czynności powtarza się do momentu spełnienia warunku jakości:
  • punkt jest wybierany losowo
  • An operacja jest wykonywana losowo w tym punkcie (przesuwając ją wewnątrz komórki, zmieniając jej kolor)
  • jeśli wynikowy obraz (patrz proces dekodowania poniżej) znajduje się bliżej obrazu źródłowego, operacja jest zachowywana
• Rozmiar obrazu i lista punktów jest zakodowana w UTF-8

I jest to proces dekodowania:

• Rozmiar obrazu i punkty są odczytywane ze strumienia UTF-8
• dla każdego piksela docelowego obrazu:
  • lista naturalnych blizn jest obliczona
  [[9]} ostateczny kolor piksela jest ustalany jako średnia ważona kolorów naturalnych sąsiadów [10]}

Zdecydowałem się odrzucić metodę wstępnego obliczania obrazu, która wymagałaby ciężkiego uzbrojenia (wykrywanie narożników, ekstrakcja cech, kwantyzacja kolorów...), bo na początku nie byłem pewien, czy to naprawdę pomoże. Teraz zdaję sobie sprawę, że konwergencja jest powolna (1 minuta jest do przyjęcia, ale mimo to jest powolna) i mogę spróbować poprawić na to.

Główna pętla dopasowania jest luźno zainspirowana bezpośrednim binarnym algorytmem ditheringu Seacha (gdzie piksele są losowo zamieniane lub odwracane, aż do uzyskania lepszego półtonu). Obliczenie energii jest prostą odległością root-mean-square, ale najpierw wykonam filtr mediany 5x5 na oryginalnym obrazie. Rozmycie Gaussa prawdopodobnie lepiej odzwierciedlałoby zachowanie ludzkiego oka, ale nie chciałem tracić ostrych krawędzi. Zdecydowałem się również na symulowane wyżarzanie lub inne trudne do dostrojenia metody, bo nie mam miesięcy na kalibrację procesu. Tak więc znacznik "quality" reprezentuje tylko liczbę iteracji, które są wykonywane w każdym punkcie przed zakończeniem kodera.

Http://caca.zoy.org/raw-attachment/wiki/img2twit/Mona_Lisa_scaled.jpg http://caca.zoy.org/raw-attachment/wiki/img2twit/twitter2.png

苉憗揣嶕繠剳腏篮濕茝霮墧蒆棌杚蓳縳樟赒肴飗噹砃燋任朓峂釰靂陴貜犟掝喗讄荛砙矺敨鷾瓔亨髎芟氲簵鸬嫤鉸俇激躙憮鄴甮槺骳佛愚猪駪惾嫥綖珏矯坼堭颽箽赭飉訥偁箝窂蹻熛漧衆橼愀航玴毡裋頢羔恺墎嬔鑹楄瑥鶼呍蕖抲鸝秓苾绒酯嵞脔婺污囉酼俵菛琪棺则辩曚鸸職銛蒝礭鱚蟺稿纡醾陴鳣尥蟀惘鋁髚忩祤脤养趯沅况

Chociaż nie wszystkie obrazy kompresują się dobrze, jestem zaskoczony wynikami i naprawdę zastanawiam się, jakie istnieją inne metody, które mogą skompresować obraz do 250 bajtów.

Mam też małe filmy o ewolucji stanu kodera z losowego stanu początkowego i z "dobrego" początkowego Stan .

Edit: oto jak metoda kompresji porównuje się z JPEG. Po lewej, jamoes powyżej 536-bajtowego obrazu. Po prawej stronie Mona Lisa skompresowała do 534 bajtów za pomocą opisanej tutaj metody (wspomniane bajty odnoszą się do bajtów danych, dlatego ignorując bity marnowane przez użycie znaków Unicode):

Http://caca.zoy.org/raw-attachment/wiki/img2twit/minimona.jpg http://caca.zoy.org/raw-attachment/wiki/img2twit/minimona2.png

Edit : po prostu zamieniłem tekst CJK na najnowsze wersje obrazów.

Poniższe nie jest formalnym zgłoszeniem, ponieważ moje oprogramowanie nie zostało w żaden sposób dostosowane do wskazanego zadania. DLI można opisać jako optymalizujący kodek stratny ogólnego przeznaczenia. Jest to rekord PSNR I MS-SSIM do kompresji obrazu, i pomyślałem, że byłoby interesujące zobaczyć, jak to działa w tym konkretnym zadaniu. Użyłem referencyjnego obrazu Mona Lisa i skalowałem go do 100x150, a następnie użyłem DLI do skompresowania go do 344 bajtów.

Mona Lisa DLI http://i40.tinypic.com/2md5q4m.png

Dla porównania z próbkami skompresowanymi JPEG i IMG2TWIT, użyłem DLI do skompresowania obrazu do 534 bajtów. JPEG to 536 bajtów, a IMG2TWIT to 534 bajty. Obrazy zostały skalowane do mniej więcej tego samego rozmiaru w celu łatwego porównania. JPEG jest lewym obrazem, IMG2TWIT jest środkiem, a DLI jest Prawym obrazem.

Porównanie http://i42.tinypic.com/302yjdg.png

Obraz DLI udaje się zachować pewne z rysów twarzy, przede wszystkim słynny uśmiech :).

Ogólny przegląd mojego rozwiązania byłby następujący:

1. zacznę od obliczenia maksymalnej ilości surowych danych, które można zmieścić w 140 znakach utf8.
   • (zakładam, że utf8, czyli to, co oryginalna strona twierdziła, że twitter przechowuje wiadomości w. Różni się to od powyższego stwierdzenia problemu, które prosi o utf16.)
   • używając tego FAQ utf8, obliczam, że maksymalna liczba bitów, które można zakodować w pojedynczym znaku utf8, wynosi 31 bitów. Aby to zrobić, użyłbym wszystkich znaków, które są w zakresie U-04000000-u-7FFFFFFF. (1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx, jest 31 x, dlatego mogę kodować do 31 bitów).
   • 31 bitów razy 140 znaków równa się 4340 bitów. Podziel to przez 8, aby uzyskać 524,5 i zaokrągl to do 542 bajtów.
   • (jeśli ograniczymy się do utf16, wtedy możemy zapisać tylko 2 bajty na znak, co równa się 280 bajtów).
2. skompresuj obraz za pomocą standardowej kompresji jpg.
   • Zmień rozmiar obrazu na około 50x50px, a następnie spróbuj skompresować go na różnych poziomach kompresji, dopóki nie uzyskasz obrazu, który będzie maksymalnie zbliżony do 542 bajtów, bez przechodzenia dalej.
   • to jest przykład Mona lisa skompresowana do 536 bajtów.
3. koduje surowe bity skompresowanego obrazu na znaki utf-8.
   • Zastąp każde x w następujące bajty: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx z bitami z obrazu.
   • ta część prawdopodobnie byłaby częścią, w której większość kodu musiałaby zostać napisana, ponieważ obecnie nie istnieje nic, co mogłoby to zrobić.

Wiem, że prosiłeś o kod, ale nie chcę tracić czasu na kodowanie tego. Pomyślałem, że wydajny projekt może przynajmniej zainspirować kogoś innego do zakodowania tego w górę.

Myślę, że główną zaletą mojego proponowanego rozwiązania jest to, że wykorzystuje ono jak najwięcej istniejących technologii. Może to być zabawne, aby spróbować napisać dobry algorytm kompresji, ale jest gwarantowana, że będzie lepszy algorytm tam, najprawdopodobniej napisany przez ludzi, którzy mają stopień w wyższej matematyki.

Jeszcze jedna ważna uwaga jest taka, że jeśli zdecyduje się, że utf16 jest preferowanym kodowaniem, To rozwiązanie to się rozpada. JPEG nie działa po skompresowaniu do 280 bajtów. Chociaż może istnieje lepszy algorytm kompresji niż jpg dla tego konkretnego problemu.

Dobra, spóźniłem się na mecz, ale mimo to zrobiłem swój projekt.

To zabawkowy algorytm genetyczny, który wykorzystuje półprzezroczyste kolorowe kółka do odtworzenia początkowego obrazu.

Funkcje:

Czysta Lua. Działa wszędzie tam, gdzie działa Tłumacz Lua.
• używa formatu netpbm P3
• zawiera kompleksowy zestaw testów jednostkowych
• zachowuje oryginalny rozmiar obrazu

Mis-feautres:

• slow
• w tej przestrzeni ogranicza to zachowuje tylko podstawowy schemat kolorów początkowego obrazu i ogólny zarys kilku jego cech.

Oto przykład, który reprezentuje Lenę: 犭楊谷杌蒝螦界匘玏扝匮俄归晃客猘摈硰划刀萕码摃斢嘁蜁嚎耂澹簜僨砠偑婊內團揕忈義倨襠凁梡岂掂戇耔攋斘眐奡萛狂昸箆亲嬎廙栃兡塅受橯恰应戞优猫僘瑩吱賾卣朸杈腠綍蝘猕屐稱悡詬來噩压罍尕熚帤厥虤嫐虲兙罨縨炘排叁抠堃從弅慌螎熰標宑簫柢橙拃丨蜊缩昔儻舭勵癳冂囤璟彔榕兠摈侑蒖孂埮槃姠璐哠眛嫡琠枀訜苄暬厇廩焛瀻严啘刱垫仔

Kod znajduje się w repozytorium Mercurial w bitbucket.org. Sprawdź http://bitbucket.org/tkadlubo/circles.lua

Poniżej znajduje się moje podejście do problemu i muszę przyznać, że był to dość ciekawy projekt do pracy, zdecydowanie poza moim normalnym obszarem pracy i dał mi coś nowego do nauczenia się.

Podstawowa idea stojąca za moim jest następująca:

1. dół-próbka obrazu w skali szarości tak, aby było w sumie 16 różnych odcieni
2. Preform RLE na obrazku
3. spakuj wyniki do znaków UTF-16
4. Preform RLE na spakowane wyniki, aby usunąć powielanie znaków

Okazuje się, że to działa, ale tylko w ograniczonym zakresie, jak widać na przykładowych zdjęciach poniżej. Jeśli chodzi o wynik, poniżej znajduje się przykładowy tweet, specjalnie dla obrazu Lena pokazanego w próbkach.

乤乤万乐唂伂倂倁企儂2企倁3企倁2企伂8企伂3企伂5企倂倃伂倁3企儁企2伂倃5企倁3企倃4企倂企倁企伂2企伂5企倁企伂쥹皗鞹鐾륶䦽阹럆䧜椿籫릹靭욶옷뎷歩㰷歉䴗鑹㞳鞷㬼獴鏙돗鍴祳㭾뤶殞焻�乹Ꮛ靆䍼

Jak widać, próbowałem nieco ograniczyć zestaw znaków; jednak podczas przechowywania danych koloru obrazu wystąpiły problemy. Ponadto, ten schemat kodowania również ma tendencję do marnowania kilku bitów danych, które mogłyby być wykorzystane do dodatkowych informacji o obrazie.

Jeśli chodzi o czas wykonywania, dla małych obrazów kod jest niezwykle szybki, około 55ms dla przykładowych obrazów, ale czas wzrasta wraz z większymi obrazami. Dla obrazka referencyjnego 512x512 Lena czas pracy wynosił 1182ms. należy zauważyć, że szanse są całkiem spore, że sam kod nie jest zbyt zoptymalizowany pod kątem wydajności (np. wszystko jest obsługiwane jako Bitmap ), więc czasy mogą się nieco obniżyć po pewnym refaktoryzacji.

Zapraszam do zaproponowania mi wszelkich sugestii, co mogłem zrobić lepiej lub co może być nie tak z kodem. Pełna lista czasów uruchomienia i przykładowe wyniki można znaleźć w następującej lokalizacji: http://code-zen.info/twitterimage/

Update One

Zaktualizowałem kod RLE używany podczas kompresji tweet ciąg zrobić podstawowe spojrzenie wstecz, a jeśli tak, to Użyj tego do wyjścia. Działa to tylko dla par wartości liczbowych, ale zapisuje kilka znaków danych. Czas pracy jest mniej więcej taki sam, jak jakość obrazu, ale tweety wydają się być nieco mniejsze. Zaktualizuję wykres na stronie internetowej po zakończeniu testów. Poniżej znajduje się jeden z przykładowych ciągów tweet, ponownie dla małej wersji Leny:

乤乤万乐唂伂倂倁企儂2企倁3企倁ウ伂8企伂エ伂5企倂倃伂倁グ儁企2伂倃ガ倁ジ倃4企倂企倁企伂ツ伂ス倁企伂쥹皗鞹鐾륶䦽阹럆䧜椿籫릹靭욶옷뎷歩㰷歉䴗鑹㞳鞷㬼獴鏙돗鍴祳㭾뤶殞焻�乹Ꮛ靆䍼

Update Two

Kolejna mała aktualizacja, ale zmodyfikowałem kod, aby zapakować odcienie kolorów w grupy po trzy w przeciwieństwie do czterech, to wymaga trochę więcej miejsca, ale jeśli czegoś nie brakuje, powinno to oznaczać, że" dziwne " znaki nie pojawiają się już tam, gdzie są dane kolorów. Ponadto zaktualizowałem kompresję nieco bardziej, aby mogła teraz działać na całym łańcuchu, w przeciwieństwie do tylko blok liczby kolorów. Wciąż testuję czasy uruchamiania, ale wydają się być nominalnie lepsze; jednak jakość obrazu jest nadal taka sama. Poniżej znajduje się najnowsza wersja tweeta Lena:

2乤万乐唂伂倂倁企儂2企倁3企倁ウ伂8企伂エ伂5企倂倃伂倁グ儁企2伂倃ガ倁ジ倃4企倂企倁企伂ツ伂ス倁企伂坹坼坶坻刾啩容力吹婩媷劝圿咶坼妛啭奩嗆婣冷咛啫凃奉佶坍均喳女媗决兴宗喓夽兴唹屹冷圶埫奫唓坤喝奎似商嗉乃

Logo StackOverflow http://code-zen.info/twitterimage/images/stackoverflow-logo.bmp Cornell Box http://code-zen.info/twitterimage/images/cornell-box.bmp Lena http://code-zen.info/twitterimage/images/lena.bmp Mona Lisa http://code-zen.info/twitterimage/images/mona-lisa.bmp

Ten algorytm genetyczny, który napisał Roger Alsing, ma dobry współczynnik kompresji, kosztem długich czasów kompresji. Powstały wektor wierzchołków może być dodatkowo skompresowany za pomocą algorytmu stratnego lub bezstratnego.

Http://rogeralsing.com/2008/12/07/genetic-programming-evolution-of-mona-lisa/

Byłby interesujący program do wdrożenia, ale nie będę go przegapił.

W oryginalnym wyzwaniu limit rozmiaru jest zdefiniowany jako to, co Twitter nadal pozwala wysłać, Jeśli wkleisz tekst w ich polu tekstowym i naciśniesz "update". Jak niektórzy poprawnie zauważyli, różni się to od tego, co można wysłać jako wiadomość SMS z telefonu komórkowego.

Co nie jest wyraźnie wymienione (ale co moja osobista zasada była) jest to, że powinien być w stanie wybrać tweeted wiadomość w przeglądarce, skopiować go do schowka i wkleić go do pola tekstowego z twojego dekoder, dzięki czemu może go wyświetlić. Oczywiście możesz również zapisać wiadomość jako plik tekstowy i odczytać ją z powrotem lub napisać narzędzie, które uzyskuje dostęp do API Twittera i odfiltrowuje każdą wiadomość, która wygląda jak kod obrazu(specjalne znaczniki ktoś? wink wink ). Ale zasada jest taka, że wiadomość musi przejść przez Twittera, zanim możesz ją odszyfrować.

Powodzenia z 350 bajtami-wątpię, czy uda ci się z nich skorzystać.

Publikowanie obrazu monochromatycznego lub w skali szarości powinno poprawić Rozmiar obrazu, który można zakodować w tej przestrzeni, ponieważ nie zależy ci na Kolorze.

Prawdopodobnie zwiększa wyzwanie przesłania trzech obrazów, które po połączeniu dają pełny kolor obrazu, zachowując jednocześnie wersję monochromatyczną na każdym oddzielnym obrazie.

Dodaj trochę kompresji do powyższego i może zacząć wyglądać realnie...

Nice!!! Teraz wzbudziliście moje zainteresowanie. Żadna praca nie będzie skończone do końca dnia...

Odnośnie kodowania/dekodowania części tego wyzwania. base16b.org to moja próba określenia standardowej metody bezpiecznego i wydajnego kodowania danych binarnych w wyższych płaszczyznach Unicode.

Niektóre funkcje:

• używa tylko prywatnych obszarów użytkownika Unicode
• koduje do 17 bitów na znak; prawie trzy razy bardziej wydajny niż Base64
• dostarczana jest referencyjna implementacja kodu/dekodu w Javascript
• niektóre przykładowe kodowania to dołączone, w tym Twitter i Wordpress

Sorry, ta odpowiedź przychodzi o wiele za późno na oryginalny konkurs. Rozpocząłem projekt niezależnie od tego posta, który odkryłem w połowie.

Pomysł przechowywania kilku obrazów referencyjnych jest interesujący. Czy byłoby tak źle przechowywać powiedzmy 25MB przykładowych obrazów, a koder próbuje skomponować obraz używając ich bitów? Przy takiej drobnej rurze, maszyny na obu końcach z konieczności będą znacznie większe niż ilość danych przepływających przez, więc jaka jest różnica między 25MB kodu, a 1MB kodu i 24MB danych obrazu?

(uwaga oryginalne wytyczne wykluczyły ograniczenie wejścia do zdjęcia już w bibliotece - nie sugeruję).

Głupi pomysł, ale sha1(my_image) spowodowałby "doskonałą" reprezentację dowolnego obrazu (ignorując kolizje). Oczywistym problemem jest to, że proces dekodowania wymaga nadmiernych ilości brutalnego wymuszania..

def fact(maxu):
        ttl=1
        for i in range(1,maxu+1):
                ttl=ttl*i
        return ttl

def combi(setsize, length):
    return fact(length) / (fact(setsize)*fact(length-setsize))

print (combi(2, 3333)*2) + combi(2, 3334)
# 16661667L
print combi(2, 10000)
# 49995000L

Tutaj kompresja jest dobra.

Http://www.intuac.com/userport/john/apt/

Http://img86.imageshack.us/img86/4169/imagey.jpg http://img86.imageshack.us/img86/4169/imagey.jpg

Użyłem następującego pliku wsadowego:

capt mona-lisa-large.pnm out.cc 20
dapt out.cc image.pnm
Pause

Rozmiar pliku wynikowego wynosi 559 bajtów.

Pomysł: czy można użyć czcionki jako palety? Spróbuj rozbić obraz w szeregu wektorów próbując opisać je kombinacją zbiorów wektorowych (każdy znak jest w zasadzie zbiorem wektorów). Jest to użycie czcionki jako słownika. Mógłbym na przykład użyć l jako linii pionowej i a-jako linii poziomej? To tylko pomysł.