اخبار دنیای تکنولوژی

فراتر از RGB، یک فرمت جدید فایل تصویری داده‌های نور نامرئی را به طور کارآمد ذخیره می‌کند!

فشرده‌سازی Spectral JPEG XL حجم فایل‌ها را کاهش می‌دهد و تصویربرداری طیفی را عملی‌تر می‌کند. تصور کنید با دوربین‌های ویژه‌ای کار می‌کنید که نوری را که چشمانتان نمی‌تواند ببیند، ضبط می‌کنند—اشعه‌های فرابنفش که باعث آفتاب‌سوختگی می‌شوند، امضاهای حرارتی مادون قرمز که نوشته‌های مخفی را نشان می‌دهند، یا طول موج‌های خاصی که گیاهان برای فتوسنتز از آن‌ها استفاده می‌کنند. یا شاید از دوربینی استفاده می‌کنید که برای تشخیص تفاوت‌های جزئی در رنگ‌هایی طراحی شده است که باعث می‌شوند رنگ‌ها در شرایط نوری خاص به درستی دیده شوند. دانشمندان و مهندسان هر روز این کارها را انجام می‌دهند و در نتیجه داده‌های زیادی تولید می‌کنند.

یک فرمت فشرده‌سازی جدید به نام Spectral JPEG XL ممکن است بالاخره این مشکل بزرگ را در زمینه‌های تصویربرداری علمی و گرافیک کامپیوتری حل کند. محققان آلبان فیچه و کریستوف پیترز از شرکت اینتل این فرمت را در مقاله‌ای که اخیراً در مجله Journal of Computer Graphics Techniques (JCGT) منتشر شده، تشریح کرده‌اند. این فرمت به یک مشکل بزرگ در صنایع مرتبط با تصاویر تخصصی می‌پردازد. فایل‌های طیفی می‌توانند شامل ۳۰، ۱۰۰ یا بیشتر داده در هر پیکسل باشند که باعث می‌شود حجم فایل‌ها به چندین گیگابایت برسد و ذخیره و تحلیل آن‌ها دشوار شود.

تصاویر دیجیتالی فراتر از RGB

وقتی به تصاویر دیجیتالی فکر می‌کنیم، معمولاً فایل‌هایی را تصور می‌کنیم که تنها سه رنگ را ذخیره می‌کنند: قرمز، سبز و آبی (RGB). این روش برای عکس‌های روزمره خوب عمل می‌کند، اما ثبت واقعی رنگ و رفتار نور به جزئیات بیشتری نیاز دارد. تصاویر طیفی به این دقت بالاتر دست می‌یابند و شدت نور را نه تنها در دسته‌های وسیع RGB، بلکه در ده‌ها یا حتی صدها باند طول موج دقیق و محدود ثبت می‌کنند. این اطلاعات دقیق عمدتاً طیف مرئی را پوشش می‌دهند و اغلب به مناطق نزدیک به مادون قرمز و فرابنفش گسترش می‌یابند که برای شبیه‌سازی دقیق نحوه تعامل مواد با نور بسیار مهم هستند.

بر خلاف تصاویر استاندارد RGB که دارای سه کانال هستند، این فایل‌ها اطلاعات را در چندین کانال ذخیره می‌کنند که هر کانال نشان‌دهنده شدت نور در یک باند طول موج بسیار خاص است. مقاله به بررسی تصاویر طیفی با ۳۱ کانال مجزا می‌پردازد و حتی مثال‌هایی با ۸۱ باند طیفی ارائه می‌دهد.

این کانال‌ها اغلب باید دامنه بسیار وسیع‌تری از مقادیر روشنایی را نسبت به عکس‌های معمولی ثبت کنند. برای رسیدگی به این موضوع، تصاویر طیفی اغلب از فرمت‌های با دقت بالا مانند اعداد اعشابی ۱۶ بیتی یا ۳۲ بیتی برای هر کانال استفاده می‌کنند که امکان ثبت داده‌های با دامنه دینامیکی بالا (HDR) را فراهم می‌کند. این کاملاً متفاوت از تصاویر ۸ بیتی استاندارد است و برای ثبت دقیق چیزهایی مانند روشنایی شدید منابع نور در کنار عناصر تاریک در صحنه ضروری است.

کاوش در دنیایی فراتر از RGB

محقق قرون وسطایی لیزا فاگین دیویس تصاویر چند طیفی 10 صفحه ای از نسخه خطی Voynich را بررسی کرد.

چرا کسی به این سطح از جزئیات طول موجی در یک تصویر نیاز دارد؟ دلایل زیادی وجود دارد:

تولید خودرو: پیش‌بینی دقیق اینکه رنگ خودرو در شرایط نوری مختلف چگونه به نظر خواهد رسید.

علم مواد: شناسایی مواد با استفاده از امضاهای نوری منحصر به فرد.

تجسم علمی: بازسازی جلوه‌های نوری واقعی مانند پراش (مانند رنگین‌کمان از منشورها) و فلورسانس.

فرمت Spectral JPEG XL چگونه کار می‌کند؟

Spectral JPEG XL از یک تکنیک ریاضی به نام تبدیل کسینوسی گسسته (DCT) استفاده می‌کند تا این فایل‌های عظیم را کوچک‌تر کند. به جای ذخیره شدت نور دقیق در هر طول موج، این اطلاعات به شکلی متفاوت تبدیل می‌شود. این مانند نحوه فشرده‌سازی فایل‌های MP3 برای موسیقی است—به جای ذخیره هر لرزش کوچک در موج صوتی، MP3 الگوهای فرکانسی مهم را ذخیره می‌کند و بقیه را کنار می‌گذارد.

Spectral JPEG XL نیز الگوهای مهمی را که نحوه تعامل نور با مواد را تعریف می‌کنند، ذخیره کرده و جزئیات کمتر مهم را فشرده می‌کند. این فرمت همچنین مرحله‌ای از وزن‌دهی را اعمال می‌کند که در آن ضرایب فرکانس بالاتر طیفی بر اساس روشنایی کلی فشرده‌تر می‌شوند.

مزایای Spectral JPEG XL

  • کاهش حجم فایل‌ها تا ۱۰ تا ۶۰ برابر نسبت به فشرده‌سازی بدون اتلاف OpenEXR.
  • حفظ ویژگی‌های کلیدی مانند متادیتا و پشتیبانی از دامنه دینامیکی بالا (HDR).
  • استفاده از موتور فشرده‌سازی استاندارد JPEG XL بدون نیاز به فرمت فایل جدید.

چالش‌ها و محدودیت‌ها

با وجود مزایای قابل توجه، این فرمت هنوز در مراحل اولیه است و برای استفاده گسترده‌تر به پیشرفت نرم‌افزارهای مرتبط نیاز دارد. همچنین، چون این یک فرمت “با اتلاف” است، ممکن است برای برخی از برنامه‌های علمی حساس به دقت مناسب نباشد.

در حال حاضر، تکنیک جدید بیشتر برای حوزه‌های تخصصی مانند تجسم علمی و رندرینگ پیشرفته جذاب است. با این حال، با افزایش حجم داده‌های طیفی در صنایع مختلف، این تکنیک‌های فشرده‌سازی می‌توانند به استفاده عملی‌تر از این فایل‌های عظیم کمک کنند.

آخرین خبرها

اخبار تکنولوژی

اخبار هوش مصنوعی

اخبار گوناگون

تمامی حقوق محفوظ است.