IPRO - PC Magazine Romania, August 2003
SOLUŢII PENTRU PROGRAMATORII ŞI DESIGNERII WEB

Image Web Server

Lucian Penişoară

Componenta principală pentru un management bun al informaţiilor este abilitatea de a accesa şi a transfera informaţiile din locuri diferite de pe glob. Internetul, ca un suport de transfer şi distribuţie a informaţiilor este restrictiv, din punct de vedere al lărgimii de bandă oferite. Din acest motiv, informaţiile de înaltă rezoluţie şi internetul, nu au fost asociate împreună.

Nevoia de servere Web de imagini

Dimensiunea mare a fişierelor de imagini de înaltă rezoluţie şi banda limitată oferită de o reţea impun costuri destul de mari pentru distribuţia acestora, din perspectiva timpului de transfer. La ora actuală, medii precum CD-ul, DVD-ul, banda magnetică, precum şi algoritimi de codare, JPEG, fac posibilă distribuţia cu succes a fişierelor. Acest lucru nu mai este practic atunci când avem fişiere de ordinul gigaocteţilor. Şi pentru a înrăutăţi lucrurile şi mai mult, unităţile de CD-ROM şi DVD-ROM au viteze de acces mult mai mici în comparaţie cu un hard-disk, astfel că timpul de procesare creşte semnificativ.

Dacă imaginile sunt modificate, atunci vor trebui redistribuite pe CD. Astfel, utilizatorii nu ştiu dacă, într-adevăr, au ultima versiune a imaginii. Acest lucru nu este tocmai plăcut pentru utilizatorii care folosesc cele mai noi informaţii, precum arheologi, geologi, arhitecţi, angajaţi ai armatei. De asemenea, în cazul legăturilor de tip dial-up şi cablu (abonamente cu trafic limitat), transferul de informaţie se plăteşte. Nici un utilizator nu ar vrea să plătească pentru nişte informaţii de care nu are nevoie, şi astfel, se impune transmiterea doar a informaţiilor pe care le-a cerut.

Soluţia: Image Web Server

Image Web Server este proiectat de Earth Resource Mapping având ca scop distribuirea imaginilor foarte mari, cu dimensiuni de ordinul gigaocteţilor sau teraocteţilor, pe reţele de bandă limitată. Image Web Server poate oferi mai multe tipuri de imagini, 2D sau 3D, ca de exemplu: imagini luate din sateliţi, imagini radar sau radiometrice, fotografii spaţiale, imagini termice, imagini în infraroşu precum şi alte tipuri de date digitale în format raster.

Ce este Image Web Server?

Serverul de imagini utilizează tehnologia de compresie bazată pe funcţii wavelet ECW v2.0 ce este dezvoltată de ER Mapping. Scopul compresiei este de a micşora dimensiunea imaginii, astfel încât, să poată fi transportată prin reţea, fără a avea pierderi semnificative în calitate. De partea cealaltă, clientul poate accesa informaţia cu ajutorul navigatoarelor Internet Explorer, Netscape, sau din aplicaţii precum ER Mapper, MapInfo, Microsoft Office şi aplicaţii de proiectare GIS şi CAD.

De exemplu, un PC la 2 GHz cu un hard-disk de 100 GB şi o memorie RAM de 1 GB poate oferi o imagine de ordinul teraocteţilor, la mai mult de 10.000 de clienţi simultan. La nivelul clientului sunt oferite servicii de zoom şi de derulare a imaginii, în timp real, chiar pe conexiuni de dial-up.

Cum lucrează Image Web Server?

Soluţia este o tehnică de compresie puternică combinată cu o împărţire a imaginii. Şi pentru a reduce şi mai mult traficul către utilizator, serverul localizează, decomprimă şi distribuie la cererea clientului doar zona de interes din imagine, şi nu întreaga imagine.

ECW (Enhanced Compressed Wavelet)

Compresia de imagini a devenit o problemă de tipul viteza hard-disk-ului versus viteza procesorului. Până la urmă, compresia este mai degrabă o limită soft decât o limită hard, astfel că, decompresia este limitată de viteza procesorului şi nu de viteza hardului sau viteza de acces a acestuia.

Dintre numeroasele tehnici de compresie, codarea bazată pe wavelet este una din cele mai eficiente.

Compresia wavelet implică analiza imaginii necomprimate într-un mod recursiv, rezultând o serie de imagini de rezoluţii diferite, denumite imagini diferenţă. Această analiză se face cu ajutorul unor funcţii matematice Wavelet.

Transformata Wavelet poate fi considerată a fi o metodă de codare pe subbenzi, ce poate fi implementată cu ajutorul filtrelor de frecvenţă. În exemplul de mai jos, există două filtre de separare, unul pentru filtrarea trece jos, iar altul pentru filtrarea trece sus. Aici termenul separare înseamnă că liniile orizontale dintr-o imagine bidimensională pot fi filtrate separat faţă de liniile verticale.

Imaginea poate fi micşorată la o rezoluţie mai mică cu ajutorul funcţiilor de scalare astfel că o succesiune de imaginii de detaliu pot fi obţinute prin aplicarea repetată a filtrărilor pe ambele direcţii orizontală şi verticală. Diagrama bloc din Figura 1 arată acest proces pentru o descompunere pe două nivele. Observaţi că numai semnalul de joasă frecvenţă de pe oricare nivel este descompus mai departe. Am notat cu H0 filtrul trece-jos, iar cu H1 filtrul trece-sus.

Figura 1. Descompunerea Wavelet pe 2 nivele Şi în două dimensiuni

Acest exemplu este aşa numit arborele de descompunerea structurat ce utilizează bancuri de filtre. Nu contează numărul nivele de descompuneri care au loc, căci numărul final de pixeli egalează numărul original de pixeli ai imaginii.

Figura 2 arată o descompunere pe trei nivele a unei imagini. De exemplu, banda HH1 se obţine din filtrarea imaginii odată pe direcţia orizontală şi apoi pe direcţia verticală cu filtre trece sus. De asemenea, banda LH1 este formată printr-o filtrarea trece-jos pe direcţia orizontală, urmată de o filtrare trece-sus pe direcţia verticală. Descompunerea pe două nivele este descrisă de xx2 (unde x poate fi L sau H) şi este formată prin filtrarea benzii LL1 şi repetând filtrarea pe orizontală şi verticală cu filtrele apropiate. Această operaţie poate fi efectuată până când se ajunge la un singur pixel. Aceste imagini de rezoluţii diferite pot fi folosite, cu ajutorul combinaţiilor liniare, pentru a reface imaginea iniţială. De fapt, fiecare subbandă reprezintă întreagă imagine chiar dacă sunt de diferite rezoluţii. Dacă apare o eroare într-o subbandă, efectul nu este important, deoarece reprezentările imaginii în diferite subbenzi ajută la eliminarea erorii.

Figura 2. Subbenzile pentru o analiză Wavelet pe trei nivele

Tot acest proces se mai poate numi şi reprezentarea multirezoluţie. Astfel, dându-se o imagine codată, de exemplu LL3 şi dorind să obţinem un anumit detaliu, nu trebuie decât să transmitem funcţiile de scalare necesare astfel încât decodorul să poată realiza procesul invers de reconstruire. Deoarece rezultatul compresiei wavelet este o serie de imagini multirezoluţie, este foarte potrivit a lucra cu imagini foarte mari, ce trebuie să fie vizualizate la diferite rezoluţii. Din acest motiv, doar nivelele conţinând detaliile cerute trebuie să fie decodate.

Algoritmul de implementare pentru Transformata Wavelet Discretă este un mare consumator de memorie. Acest lucru a limitat dimensiunea unui fişier care poate fi codat, precum şi viteza de codare. Metoda ECW utilizează un algoritm recursiv de tipul pipeline, care nu necesită multă memorie de calcul. De asemenea, ECW foloseşte tehnici de acces la nivelele L1 şi L2 ale cache-ului procesorului, pentru a mari viteza de calcul. Astfel, viteza creşte cu 300%, permiţând prelucrarea fişierelor de dimensiune mai mare. Dar, până la urmă, compresia nu este singura caracteristică ce conduce la aspectul revoluţionar al serverelor de imagini.

De exemplu, de la un fişier de 1 GB, printr-un raport de compresie de 50:1, se ajunge la 20 MB. Pentru a copia un fişier de 20 MB printr-o conexiune de 56 kbps, ar dura cam 1 oră, lucru inacceptabil, pentru o aplicaţie. Astfel, se poate întâmpla ca imaginea originală să aibă o rezoluţie de 200.000x300.000 de pixeli, iar fereastra de vizualizare pe ecran 800x600 pixeli. Image Web Server vine cu un algoritm de împărţire a imaginii în zone, iar aceste zone sunt transmise la nivelul de detalii cerut. Astfel se foloseşte tehnica de sub-setting, prin care este transferată prin reţea doar zona care se afişează pe ecran.

Fiecare fişier cu imaginea comprimată conţine un header cu următoarele informaţii despre imagine:

ˇ Dimensiunea imaginii în celule elementare (o celulă are dimensiuni bine stabilite).

ˇ Numărul de benzi de descompunere (o imagine RGB va avea trei benzi).

ˇ Rata de compresie a imaginii.

ˇ Unitatea de măsură a celulei elementare (aceasta poate fi metrul, gradul sau piciorul), precum şi dimensiunea unei celule în unităţi de măsură.

ˇ Informaţia spaţială a coordonatelor, proiecţii.

Aproximativ 2 MB de memorie RAM vor fi utilizaţi pentru decompresia iterativă a imaginii, astfel putându-se utiliza şi calculatoare mai vechi, chiar şi din generaţia Pentium I. Făcând o comparaţie cu vechile tehnici de compresie, putem enumera problemele care au fost rezolvate de ECW:

Rate de compresie limitate. Deoarece ZIP-ul şi celelalte metode de compresie sunt fără pierderi (căci un program trebuie doar comprimat şi nu aproximat), nu au avantajele pe care le au tehnicile de compresie cu pierderi şi anume rate de compresie foarte mari. Astfel o imagine arhivată cu zip va fi cu 50% mai mică decât imaginea necomprimată. Dar, folosind wavelet, se ajunge la un raport de 95%.

Decodare totală sau zonală. Este esenţial să se realizeze o decompresie numai a unei porţiuni din imaginea codată, în timp ce aceasta se vizualizează, şi la nivele de rezoluţie diferite, funcţie de cerinţa utilizatorului. Tehnicile mai vechi de prelucrarea şi de compresie nu au aceste posibilităţi, ele decomprimând toată imaginea pe care o păstreză în memorie.

Erori vizibile în imagine. Vechile tehnici împart imaginea în bloculeţe asupra cărora se vor aplica algoritmii de prelucrare şi de aproximare. Acest lucru se face datorită limitării memoriei de calcul. Din acest motiv, JPEG-ul suferă de deformări ale imaginii iniţiale, când se doresc rate mari de compresie. Din acest punct de vedere, ECW oferă calitate superioară faţă de JPEG.

Nu există coordonate geografice. Vechile formate nu au, de obicei, informaţie geografică păstrată cu imaginea comprimată. Aceasta, deoarece ele au fost proiectate pentru imagini artistice şi nu pentru imagini care descriu geografic Pământul. Astfel, ECW, pe lânga informaţia fotografică mai utilizează şi informaţii privitoare la zona fotografiată, climă, resurse solice şi subsolice.

Viteză mică. Pentru a lucra eficient cu imagini foarte mari, sistemul trebuie să fie capabil de prelucra informaţia cât mai repede posibil, pentru ca operaţiile de zoom, deplasare şi căutare să se facă în timp real. Vechile formate nu indeplinesc aceste condiţii. Astfel viteza de compresie a ECW este de la 50% până la 100% mai mare faţă de ceilalţi algoritmi. În acelaşi timp, este şi singurul algoritm care suportă facilităţile oferite de servere: existenţa a două procesoare, şi deci, a posibilităţii de calcul paralel.

Alte avantaje:

Plugin-uri gratuite GIS (Geographic Information Systems) şi Office pot fi distribuite pentru a permite diverselor aplicaţii Internet Explorer, Netscape Navigator, MS Office, ArcView, MapInfo Proffesional, AutoCAD, ER Viewer, Photoshop să aibă acces direct la baza de imagini. Aceste plugin-uri permit chiar ambele operaţii de codare şi de decodare a imaginilor. Dar compresorul e limitat pentru fişiere de maxim 500 MB.

Mozaicul. Realizarea unor mozaicuri din mai multe imagini, obţinând, în final, o singură imagine, permite o viteză de procesare mai mare. Deoarece viteza de acces a memoriei interne este mult mai mare decât viteza de acces a unui hard-disk, acest lucru duce la o utilizare mai eficientă a resurselor serverului. Astfel, e mai preferat ca 10 utilizatori să acceseze acelaşi fişier decât să acceseze 10 fişiere diferite. Algortimul permite combinarea a până la 1000 de imagini într-un singur mozaic.

Acces la informaţie îmbunătăţit. Tehnica ECW utilizează blocuri de alocare a informaţiei pentru a localiza datele cerute de client în fişierul aflat pe server. Acest lucru duce la reducerea numărului de accesări care trebuiesc efectuate pentru asigurarea fluxului de date. Se obţin astfel performanţe mult mai bune când se face citirea de pe CD-ROM.

Principalele avantaje ale Image Web Server

Integrat în sisteme GIS (Geographic Information Systems) precum ESRI® ArcIMS, MapObjects® şi MapInfo® MapX, Image Web Server ne oferă puterea de calcul a reprezentărilor vectoriale pentru vizualizarea imaginilor geospaţiale. Serverul este atât de diversificat, încât acoperă nevoile oricărui utilizator.

TABEL - Prezentarea variantelor de server, împreună cu câteva caracteristici esenţiale ale fiecăruia.