臺灣博碩士論文加值系統

近年來由於網際網路的發達及資訊科技的進步，智慧型手機與社群網路的快速發展，有越來越多的App與多媒體資料隨時隨地在這些手持裝置上傳遞，是以如何讓資訊可以達到最小化的傳輸是現今重要的研究議題，而色彩量化的技術則是處理影像壓縮的重要技術之一。
本論文提出並開發出一個適用於智慧型手機平台之新高效能影像壓縮App，可以提供使用者在使用手機拍照功能時可以立即拍照立即影像壓縮。實作證實本論文所開發的App與影像壓縮演算法具有高效率與高效能之特性。

The contents of abstract in this thesis:
With the increasing popularity of the Internet and information technology in recent years, advances of smart phones and social networks with APP and multimedia transmission on them have led to image compression issues, the most important being how to generate an appropriate codebook. The proposed method can rapidly provide image compression while taking pictures on smart phone.
This thesis presents an APP based smart phone platform with a new efficient image compression technique, which may offer the take pictures and compress pictures immediately on smart phone for users. The App and Algorithm is very efficient and effective technique for image compression.

目　錄
摘　要 I
Abstract I
謝　誌 II
目　錄 III
圖表索引 VI
第1章緒論 1
1.1 研究背景 1
1.2 研究動機與目的 2
1.3 研究流程 3
1.4研究範圍與限制 4
1.5論文架構 5
第2章文獻探討 6
2.1 Android平台 6
2.2 Web服務 7
2.3雲端運算 8
2.4 Apache Hadoop 10
2.5色彩量化 11
2.6色彩量化演算法 13
2.6.1 LBG演算法 13
2.6.2 SOM演算法 15
2.6.3 SEAN演算法 17
2.7 壓縮品質評估準則 18
2.7.1 均方誤差 (MSE, Mean Square Error) 18
2.7.2 尖峰訊號與雜訊比 (PSNR, Peak Signal-to-Noise Ratio) 19
第3章研究方法 20
3.1 開發環境 20
3.2 App模組介紹 21
3.3 SAKURA演算法 24
3.3.1 SAKURA演算法流程 24
3.3.2利用擴張樹產生初始化編碼簿 27
3.3.3 評估分裂方法 28
3.3.4 編碼簿的微調 29
第4章實驗與分析 32
4.1 App操作流程 32
4.2 使用者雲端管理介面 36
4.3 演算法壓縮品質與時間之測試結果 38
4.3.1 Baboon圖測試 40
4.3.2 Lena圖測試 43
4.3.3 Peppers圖測試 46
4.3.4 Sailboat on lake圖測試 49
4.3.5 Splash圖測試 52
4.4 App實際拍攝原圖與壓縮圖檔之壓縮結果呈現 55
4.4.1 屏科大行政大樓 55
4.4.2 大草原 57
4.4.3 行政大樓坡道 59
4.4.4 人物拍攝 61
4.5 實驗結果小結 63
第5章結論與未來展望 67
5.1 結論 67
5.2 未來展望 68
參考文獻 70
作者簡介 72


圖表索引
圖 1-1影像量化之差異圖 2
圖 1-2 研究流程圖 4
圖 2-1 Android版本演進示意圖 7
圖 2-2雲端運算概觀圖 9
圖 2-3Apache Hadoop架構圖 11
圖 2-4色彩量化概念圖 12
圖 3-1 App模組架構圖 22
圖 3-2雲端伺服器模組架構圖 22
圖 3-3 SAKURA演算法流程圖 26
圖 3-4 擴張樹分裂示意圖 27
圖 4-1 App操作流程圖 33
圖 4-2 App初始畫面 34
圖 4-3 執行拍照功能 35
圖 4-4 影像壓縮完成 35
圖 4-5 畫廊模式 36
圖 4-6 系統首頁 37
圖 4-7 相片總覽 37
圖 4-8 相片單張瀏覽 38
圖 4-9 Baboon原始影像及其特性 41
圖 4-10 Baboon壓縮品質長條圖 42
圖 4-11 Baboon壓縮時間折線圖 42
圖 4-12 WLena原始影像及其特性 44
圖 4-13 Lena壓縮品質長條圖 45
圖 4-14 Lena壓縮時間折線圖 45
圖 4-15 Peppers原始影像及其特性 47
圖 4-16 Peppers壓縮品質長條圖 48
圖 4-17 Peppers壓縮時間折線圖 48
圖 4-18 Sailboat on lake原始影像及其特性 50
圖 4-19 Sailboat on lake壓縮品質長條圖 51
圖 4-20 Sailboat on lake壓縮時間折線圖 51
圖 4-21 Splash原始影像及其特性 53
圖 4-22 Splash壓縮品質長條圖 54
圖 4-23 Splash壓縮時間折線圖 54
圖 4-24屏科大行政大樓原始圖 56
圖 4-25屏科大行政大樓壓縮圖 56
圖 4-26大草原原始圖 58
圖 4-27大草原壓縮圖 58
圖 4-28屏科大行政大樓坡道原始圖 60
圖 4-29屏科大行政大樓坡道壓縮圖 60
圖 4-30人物拍攝原始圖 62
圖 4-31人物拍攝壓縮圖 62
圖 4-32各演算法平均壓縮品質長條圖 64
圖 4-33各演算法平均壓縮時間折線圖 64
圖 4-34各演算法與SAKURA演算法的壓縮品質差值比較直條圖 65
圖 4-35各演算法與SAKURA演算法的壓縮時間差值比較直條圖 65

表 3-1 開發環境一覽表 21
表 3-2 App模組介紹 23
表 3-3 SAKURA虛擬碼 30
表 3-4 SAKURA副程式功能介紹表 31
表 4-1演算法參數一覽表 39
表 4-2 受測圖片與編碼簿大小一覽表 39
表 4-3 Baboon影像壓縮品質與效能比較表 41
表 4-4 Lena影像壓縮品質與效能比較表 44
表 4-5 Peppers影像壓縮品質與效能比較表 47
表 4-6 Sailboat on lake影像壓縮品質與效能比較表 50
表 4-7 Splash影像壓縮品質與效能比較表 53
表 4-8 屏科大行政大樓原始檔與壓縮檔檔案大小比較表 57
表 4-9大草原原始檔與壓縮檔檔案大小比較表 59
表 4-10屏科大行政大樓坡道原始檔與壓縮檔檔案大小比較表 61
表 4-11人物拍攝原始檔與壓縮檔檔案大小比較表 63
表 4-12各演算法平均值比較表 63
表 4-13各演算法與SAKURA演算法的差值比較表 64

中文部份
[1] 汪仁志, "一個植基於平均數切割的簡易擴張樹演算法解決影像量化問題," 碩士, 資訊管理系所, 屏東科技大學, 屏東縣, 2010.
[2] wiki. (2012, November 3). Android. Available: http://zh.wikipedia.org/wiki/Android
[3] 李桂昇, "Java程式語言於Android行動裝置平台之探討," 碩士, 資訊管理系所, 屏東科技大學, 屏東縣, 2010.
[4] ithome. (2013). 圖解4年來Android的發展歷史. Available: http://7club.ithome.com.tw/article/10034336/1
[5] wiki. (2013, 3/8). Web服務. Available: http://zh.wikipedia.org/wiki/Web%E6%9C%8D%E5%8A%A1

[6] 朱浚煌, "一個使用動態擴張樹解決影像壓縮問題的分割演算法," 碩士, 資訊管理系所, 屏東科技大學, 屏東縣, 2008.
[7] 莊鎮安, "一個新的以自組織映射圖為基礎的技術用於灰階影像壓縮之研究," 碩士, 資訊管理系, 屏東科技大學, 屏東縣, 2007.
[8] 檔案管理局. (2012). 峰值訊噪比PSNR(Peak Signal to Noise Ratio). Available: http://wiki.archives.gov.tw/index.php?option=com_content&;view=article&;id=2063&;Itemid=151
[9] 張真誠, 數位影像處理技術: 松崗出版社, 2001.
[10] wiki. (2013, 7/16). 雲端運算. Available: https://zh.wikipedia.org/wiki/%E9%9B%B2%E7%AB%AF%E9%81%8B%E7%AE%97
[11] wiki. (2013, 7/16). Apache Hadoop. Available: https://zh.wikipedia.org/wiki/Apache_Hadoop
[12] 台灣大學電子報. (2013, 7/16). 雲端運算平台—Hadoop. Available: http://www.cc.ntu.edu.tw/chinese/epaper/0011/20091220_1106.htm
[13] Run!PC. (2013, 7/16). 初探Hadoop開放原始碼平台環境. Available: http://www.runpc.com.tw/content/cloud_content.aspx?id=105318
英文部分
[14] Y. Linde, A. Buzo, and R. M. Gray, "An Algorithm for Vector Quantizer Design,", IEEE Transactions on Communications, vol. 28, pp. 84-95, 1980.
[15] E. L. a. C. Lehmann, George, Theory of Point Estimation, 0002 ed. Springer-Verlag, New York, 1998.
[16] J. P. Braquelaire and L. Brun, "Comparison and optimization of methods of color image quantization,", IEEE Transactions on Image Processing, vol. 6, pp. 1048-1052, 1997.
[17] W. H. Equitz, "A new vector quantization clustering algorithm,", IEEE Transactions on Acoustics, Speech and Signal Processing, vol. 37, pp. 1568-1575, 1989.
[18] M. T. Orchard, Bouman, C.A. , "Color quantization of images,", IEEE Transactions on Signal Processing, vol. 39 pp. 2677- 2690, Dec 1991.
[19] S.-C. Cheng and C.-K. Yang, "A fast and novel technique for color quantization using reduction of color space dimensionality," Pattern Recognition Letters, vol. 22, pp. 845-856, 2001.
[20] T. Kohonen, “The Self-organizing map,” Proceedings of the IEEE, Vol. 78, No. 9, pp.1464-1480, Sep. 1990.
[21] F. Madeiro, R. M. Vilar, and B. G. AguiarNeto, "A self-organizing algorithm for image compression," in Neural Networks, 1998. Proceedings. Vth Brazilian Symposium on, 1998, pp. 146-150.