非可逆圧縮

情報技術において、非可逆圧縮または非可逆圧縮は、不正確な近似と部分的なデータ破棄を使用してコンテンツを表すデータ圧縮方法のクラスです。これらの技術は、コンテンツの保存、処理、および送信のデータ サイズを削減するために使用されます。このページの猫の写真のさまざまなバージョンは、近似度が高いほど詳細が削除されるため、画像が粗くなることを示しています。これは、データを劣化させない可逆データ圧縮(可逆データ圧縮) とは対照的です。非可逆圧縮を使用して削減できるデータ量は、可逆技術を使用する場合よりもはるかに多くなります。

適切に設計された非可逆圧縮技術では、エンドユーザーが劣化に気付く前にファイル サイズを大幅に削減できることがよくあります。ユーザーが気付く場合でも、さらにデータを削減することが望ましい場合があります (たとえば、リアルタイム通信や、送信時間やストレージ要件の削減のため)。最も広く使用されている非可逆圧縮アルゴリズムは、1974 年にNasir Ahmed、T. Natarajan、KR Raoによって初めて公開された離散コサイン変換(DCT) です。

非可逆圧縮は、マルチメディアデータ (オーディオ、ビデオ、画像)の圧縮に最もよく使用され、特にストリーミング メディアやインターネット電話などのアプリケーションで使用されます。対照的に、銀行記録やテキスト記事などのテキスト ファイルやデータ ファイルには、通常、可逆圧縮が必要です。マスターの可逆ファイルを作成しておき、それを使用して追加のコピーを作成すると便利です。これにより、非可逆ソース ファイルに基づいて新しい圧縮コピーを作成する必要がなくなり、追加のアーティファクトや不要な情報損失がさらに発生しなくなります。

多くの種類のデジタル データを圧縮すると、元のファイルに含まれる完全な情報を失うことなく、保存に必要なコンピュータ ファイルのサイズや送信に必要な帯域幅を縮小できます。たとえば、画像をデジタル ファイルに変換するには、画像を点の配列と見なし、各点の色と明るさを指定します。画像に同じ色の領域が含まれている場合は、「赤い点、赤い点、...(さらに 197 回)...、赤い点」ではなく、「赤い点が 200 個」と言えば、損失なく圧縮できます。

元のデータには一定量の情報が含まれており、すべての情報を保持できるファイル サイズには下限があります。基本情報理論によれば、このデータのサイズを縮小するには絶対的な限界があります。データを圧縮すると、そのエントロピーが増加し、無制限に増加することはできません。たとえば、圧縮されたZIPファイルは元のファイルよりも小さくなりますが、同じファイルを繰り返し圧縮してもサイズがゼロになることはありません。ほとんどの圧縮アルゴリズムは、それ以上の圧縮が無意味になり、実際にデータ サイズが増加する場合を認識できます。

多くの場合、ファイルやデータ ストリームには必要以上の情報が含まれています。たとえば、画像には、意図した最大サイズで再生すると、目で識別できる以上の詳細が含まれることがあります。同様に、オーディオ ファイルでは、非常に大きな音の部分で細かい詳細を多く必要としません。人間の知覚にできるだけ近い非可逆圧縮技術を開発することは、複雑な作業です。時には、デジタル情報をできるだけ削除して、元のファイルとまったく同じ知覚を提供するファイルが理想ですが、知覚できる品質の低下は妥当なトレードオフと見なされることもあります。

医療用画像圧縮などの一部のアプリケーションでは、「損失」の否定的な意味合いを回避するために、「不可逆」および「可逆」という用語がそれぞれ「非可逆」および「可逆」よりも好まれます。損失の種類と量は、画像の有用性に影響する可能性があります。圧縮によるアーティファクトや望ましくない影響が明らかに識別できる場合でも、結果は意図した目的に依然として役立ちます。または、非可逆圧縮された画像は「視覚的に損失がない」場合があり、医療用画像の場合は、いわゆる診断上許容可能な不可逆圧縮(DAIC) ^[1]が適用されている場合があります。

非可逆圧縮のいくつかの形式は、デジタル画像、デジタル音声信号、デジタルビデオに使用されるデータ圧縮の一種である変換符号化の応用として考えることができます。変換は通常、より優れた（よりターゲットを絞った）量子化を可能にするために使用されます。アプリケーションの知識を使用して破棄する情報を選択し、帯域幅を下げます。残りの情報は、さまざまな方法で圧縮できます。出力をデコードすると、結果は元の入力と同一ではない可能性がありますが、アプリケーションの目的には十分近いものになると予想されます。

最も一般的な非可逆圧縮は、変換符号化方式である離散コサイン変換（DCT）^[2]であり、これは1974年にNasir Ahmed、T. Natarajan、KR Raoによって初めて発表されました。 ^{[3] DCTは、一般的な}画像圧縮形式（ JPEGなど）、^[4] ビデオ符号化規格（ MPEGやH.​​264/AVCなど）およびオーディオ圧縮形式（ MP3やAACなど）で最も広く使用されている非可逆圧縮形式です。

オーディオ データの場合、変換コーディングの一般的な形式は知覚コーディングであり、これは生のデータを、情報コンテンツをより正確に反映する領域に変換します。たとえば、サウンド ファイルを時間の経過に伴う振幅レベルとして表現するのではなく、時間の経過に伴う周波数スペクトルとして表現できます。これは、人間のオーディオ知覚により正確に対応します。データ削減 (圧縮、非可逆または可逆) は変換コーディングの主な目的ですが、他の目的も可能です。元のスペースの量に対してデータをより正確に表現できます^[5]。たとえば、原理的には、アナログまたは高解像度のデジタル マスターから開始する場合、特定のサイズのMP3ファイルの方が、同じサイズのWAVまたはAIFFファイルの生の非圧縮オーディオよりも優れた表現を提供する必要があります。これは、非圧縮オーディオはビット レートまたは深度を下げることによってのみファイル サイズを縮小できるのに対し、オーディオを圧縮すると、ビット レートと深度を維持しながらサイズを縮小できるためです。この圧縮では、全面的にデータが失われるのではなく、最も重要でないデータが選択的に失われます。さらに、変換コーディングは、データの操作や編集に適した領域を提供する場合があります。たとえば、オーディオのイコライゼーションは、生の時間領域ではなく、周波数領域 (たとえば、低音をブーストする) で最も自然に表現されます。

この観点から、知覚的符号化は本質的にデータを破棄することではなく、むしろデータのより適切な表現に関するものです。もう 1 つの用途は、下位互換性とグレースフル デグラデーションです。カラー テレビでは、輝度-クロミナンス変換ドメイン ( YUVなど) を介して色を符号化すると、白黒セットは輝度を表示し、色情報は無視されます。もう 1 つの例はクロマ サブサンプリングです。NTSCで使用されるYIQなどの色空間を使用すると、コンポーネントの解像度を下げて人間の知覚に合わせることができます。人間の解像度は白黒 (輝度) で最も高く、黄色や緑などの中間スペクトルの色では低く、赤と青では最低です。したがって、 NTSC では、走査線あたり約 350 ピクセルの輝度、150 ピクセルの黄色と緑、50 ピクセルの青と赤が表示され、これは各コンポーネントに対する人間の感度に比例します。

非可逆圧縮形式には世代損失の問題がある。つまり、ファイルを繰り返し圧縮および解凍すると、徐々に品質が失われる。これは、そのような手順を使用してもデータが失われない可逆データ圧縮とは対照的である。非可逆データ圧縮の情報理論的基礎は、レート歪み理論によって提供される。最適符号化理論における確率の使用と同様に、レート歪み理論は、知覚歪みや美的判断さえもモデル化するために、ベイズ 推定と決定理論に大きく依存している。

基本的な非可逆圧縮方式には次の 2 つがあります。

• 非可逆変換コーデックでは、画像または音声のサンプルが取得され、小さなセグメントに切り分けられ、新しい基底空間に変換され、量子化されます。結果として得られる量子化された値は、エントロピー符号化されます。
• 非可逆予測コーデックでは、前のデコードされたデータや後続のデコードされたデータを使用して、現在のサウンド サンプルまたは画像フレームを予測します。予測されたデータと実際のデータ間の誤差と、予測を再現するために必要な追加情報が量子化され、コード化されます。

一部のシステムでは、2 つの手法が組み合わされ、変換コーデックを使用して予測段階で生成されたエラー信号を圧縮します。

非可逆圧縮法が可逆圧縮法よりも優れている点は、場合によっては、アプリケーションの要件を満たしながら、非可逆圧縮法の方が圧縮ファイルのサイズが可逆圧縮法よりもはるかに小さいことです。非可逆圧縮法は、音声、画像、動画の圧縮に最もよく使用されます。これは、これらの種類のデータが人間の解釈を目的としており、人間の脳が簡単に「空欄を埋める」か、ごく小さなエラーや矛盾を見過ごすことができるためです。理想的には、非可逆圧縮は透過的（知覚できない）であり、これはABX テストで確認できます。非可逆圧縮を使用するデータ ファイルはサイズが小さいため、保存やインターネット経由の転送にかかるコストが低くなります。これは、 Netflixなどのストリーミング ビデオサービスやSpotifyなどのストリーミング オーディオサービスにとって重要な考慮事項です。

ユーザーが非可逆圧縮ファイルを取得すると（たとえば、ダウンロード時間を短縮するため）、取得したファイルはビットレベルでは元のファイルと大きく異なる可能性がありますが、ほとんどの実用目的では人間の耳や目には区別がつきません。多くの圧縮方法は、人間の目が特定の波長の光しか見ることができないことなどを考慮し、人間の生理学的特異性に焦点を当てています。心理音響モデルは、知覚される品質を低下させることなくサウンドを高度に圧縮する方法を説明します。人間の目や耳に目立つ非可逆圧縮によって生じた欠陥は、圧縮アーティファクトとして知られています。

非可逆ビデオ コーデックの圧縮率(つまり、圧縮ファイルのサイズと非圧縮ファイルのサイズの比較) は、ほぼ常に、オーディオや静止画像の同等のコーデックの圧縮率よりもはるかに優れています。

• ビデオは、目に見える品質の低下をほとんど伴わずに、大幅に圧縮できる（例：100:1）。
• オーディオは10:1で圧縮されることが多く、品質の低下はほとんど感じられない。
• 静止画像は、オーディオと同様に 10:1 で非可逆圧縮されることが多いですが、特に詳細に調べると、品質の低下がより顕著になります。

非可逆圧縮（正式にはトランスコーディング）に関する重要な注意点は、非可逆圧縮されたファイルを編集すると、再エンコードによるデジタル世代の損失が発生することです。これは、（可逆の）オリジナルから非可逆ファイルのみを作成し、 JPEGではなく生の画像形式の画像など、オリジナル ファイル（のコピー）のみを編集することで回避できます。非可逆圧縮されたデータをデコードして可逆圧縮すると、結果のサイズは非可逆圧縮前のデータのサイズに匹敵する可能性がありますが、すでに失われたデータは回復できません。オリジナルを保持せずに非可逆変換を使用すると決定した場合、ソフトウェアまたはデバイスとの互換性を確保するため（フォーマット シフティング）、または圧縮ファイルのデコードまたは配布に対する特許使用料の支払いを回避するために、将来的にフォーマット変換が必要になる場合があります。

圧縮データをデコードや再エンコードせずに直接変更することで、品質を低下させることなく非可逆圧縮ファイルをある程度編集することができます。また、ファイルサイズを大幅に圧縮したかのように縮小しながらも、それ以上の損失を出さない編集も可能な場合があります。

JPEG のロスレス編集用の主なプログラムはjpegtran、、派生した( Exifexiftran情報も保持)、および Jpegcrop (Windows インターフェイスを提供) です。

これらにより、画像の切り取り、回転、反転、反転、さらにはグレースケールへの変換（クロミナンスチャネルを削除）が可能になります。不要な情報は破棄されますが、残りの部分の品質は変わりません。

同じエンコーディングの画像を結合する（グリッドのように並べて合成する）ことや、ロゴなどの画像を既存の画像に貼り付ける（どちらもJpegjoin経由）、拡大縮小など、他の変換もある程度可能です。^[6]

再エンコードせずに圧縮にいくつかの変更を加えることができます。

• 圧縮の最適化（デコードされた画像を変更せずにサイズを縮小する）
• プログレッシブ エンコーディングと非プログレッシブ エンコーディング間の変換。

フリーウェアの Windows 専用のIrfanViewにはJPG_TRANSFORM 、プラグイン内にロスレス JPEG 操作がいくつか備わっています。

ID3 タグ、Vorbis コメント、Exif情報などのメタデータは、通常、基礎となるデータを変更せずに変更または削除できます。

ビットレート ピーリングのように、再エンコードせずに、表現されたソース信号の解像度や圧縮表現に使用されるデータ量をダウンサンプリングまたはその他の方法で減らしたい場合がありますが、すべてのコーデックが、あまり重要でない詳細を単純に削除できる形式でデータをエンコードするわけではないため、この機能はすべての設計でサポートされているわけではありません。この機能を備えたよく知られた設計には、静止画像用のJPEG 2000や、ビデオ用のH.264/MPEG-4 AVCベースのスケーラブル ビデオ コーディングなどがあります。このようなスキームは、プログレッシブ エンコードのJPEG画像や、MPEG-2およびMPEG-4 Part 2ビデオなど、古い設計でも標準化されていますが、これらの以前のスキームは、実際の一般的な使用法への採用という点では限られた成功しか収めていません。実際にはよくあることですが、この機能がない場合、特定の表現よりも解像度や忠実度が低い表現を生成するには、元のソース信号から始めてエンコードするか、圧縮された表現から始めて解凍して再エンコード (トランスコーディング) する必要があります。ただし、後者はデジタル生成損失を引き起こす傾向があります。

もう 1 つの方法は、元の信号を複数の異なるビットレートでエンコードし、使用するビットレートを選択する (インターネットでストリーミングする場合 – RealNetworksの「SureStream」のように – または Apple のiTunes Storeのようにさまざまなダウンロードを提供する場合) か、複数のビットレートをブロードキャストして、階層的変調のさまざまな実装のように、正常に受信された最良のものを使用するというものです。同様の手法は、ミップマップ、ピラミッド表現、およびより洗練されたスケール スペースメソッドでも使用されます。一部のオーディオ フォーマットは、非可逆フォーマットと可逆補正の組み合わせを特徴としており、これらを組み合わせると元の信号が再現されます。補正を削除して、より小さな非可逆圧縮ファイルを残すことができます。このようなフォーマットには、MPEG-4 SLS (Scalable to Lossless)、WavPack、OptimFROG DualStream、およびDTS-HD Master Audio in lossless (XLL) モードが含まれます。

• 離散コサイン変換(DCT)
  • JPEG ^[7]
  • WebP (RGB および RGBA 画像の高密度ロスレスまたはロッシー圧縮)
  • 高効率画像フォーマット(HEIF)
  • Better Portable Graphics (BPG) (ロスレスまたはロッシー圧縮)
  • JPEG XR は、ハイダイナミックレンジ、広色域ピクセル形式（可逆または非可逆圧縮）をサポートする JPEG の後継です。
• ウェーブレット圧縮
  • JPEG 2000 、ウェーブレット（可逆または非可逆圧縮）を使用する JPEG の後継形式
  • ダジュブ
  • 火星探査車が使用するICERは、ウェーブレットの使用においてJPEG 2000と関連している。
  • PGF、プログレッシブ グラフィック ファイル (可逆または非可逆圧縮)
• デカルト知覚圧縮（CPCとも呼ばれる）
• フラクタル圧縮
• JBIG2 (ロスレスまたはロッシー圧縮)
• 3D コンピュータ グラフィックス ハードウェア用のS3TCテクスチャ圧縮

• グールド

• 離散コサイン変換(DCT)
  • H.261 ^[7]
  • モーションJPEG ^[7]
  • MPEG-1パート2 ^[8]
  • MPEG-2パート2（H.262）^[8]
  • MPEG-4パート2（H.263）^[7]
  • 高度ビデオ符号化（AVC / H.264 / MPEG-4 AVC）^[7]（特定のビデオセクションではロスレスの場合もある）
  • 高効率ビデオコーディング（HEVC / H.265）^[7]
  • Ogg Theora (特許制限がないことで有名)
  • VC-1
• ウェーブレット圧縮
  • モーションJPEG2000
  • ディラック
• ソレンソンビデオコーデック

• 修正離散コサイン変換(MDCT)
  • ドルビーデジタル（AC-3）
  • 適応変換音響符号化(ATRAC)
  • MPEGレイヤーIII（MP3）^[9]
  • 高度なオーディオコーディング（AAC / MP4オーディオ）^[10]
  • ヴォルビス
  • Windows Media Audio (WMA) (標準および Pro プロファイルはロスレスです。WMA Lossless も利用できます。)
  • LDAC ^{[11] [12]}
  • Opus (特許制限がなく、遅延が少なく、音声と一般的なオーディオの品質が高いことで知られています。)
• 適応差分パルス符号変調(ADPCM)
  • マスター品質認証(MQA)
• MPEG-1 オーディオ レイヤー II (MP2)
• Musepack (Musicam ベース)
• aptX/aptX-HD ^[13]

• 線形予測符号化(LPC)
  • 適応予測コーディング(APC)
  • コード励起線形予測(CELP)
  • 代数符号励起線形予測(ACELP)
  • 緩和コード励起線形予測(RCELP)
  • 低遅延CELP（LD-CELP）
  • アダプティブマルチレート（ GSMおよび3GPPで使用）
  • Codec2 (特許制限がないことで有名)
  • Speex（特許制限がないことで有名）
• 修正離散コサイン変換(MDCT)
  • AAC-LD
  • 制約エネルギー重複変換(CELT)
  • Opus (主にリアルタイムアプリケーション向け)

研究者たちは、シソーラスを使って短い単語を長い単語に置き換えるか、テキスト生成技術を使ってテキストの非可逆圧縮を行ってきましたが、^{[14]これらは非}可逆データ変換の関連カテゴリに分類されることもあります。

一般的な非可逆圧縮は、画像のスケーリング、特にデシメーションで画像の解像度を下げることです。また、シーム カービングなどによって、画像の「低情報」部分を削除することもあります。ガウス ブラーなどの多くのメディア変換は、非可逆圧縮と同様に不可逆です。つまり、変換された信号から元の信号を再構築することはできません。ただし、一般的にこれらは元の信号と同じサイズになり、圧縮形式ではありません。解像度を下げることには実用的な用途があります。NASAの ニュー ホライズンズ探査機は、高解像度の画像を送信する前に、冥王星とカロンとの遭遇のサムネイルを送信しました。低速接続の別の解決策は、画像を段階的に定義する画像インターレースを使用することです。したがって、部分的な送信で、スケーリングされたバージョンや完全なバージョンを作成しなくても、最終画像を低解像度バージョンでプレビューできます。^[要出典]

• 圧縮アーティファクト
• データ圧縮
• 画像の拡大縮小
• レナ
• コーデック一覧
• ロスレス圧縮
• レート歪み理論
• 縫い目彫り
• トランスコーディング

• 非可逆オーディオ形式。5 つの非可逆オーディオ形式の速度と圧縮強度を比較します。
• 画像、オーディオ、ビデオの非可逆圧縮に関する章を含む、データ圧縮の基礎。
• Wayback Machineの非可逆 PNG 画像圧縮(2005-10-03 アーカイブ)
• ウェブでの非可逆 GIF/PNG 圧縮の使用 (記事)
• アーカイブ用 JPG、画像アーカイブにおける JPG とロスレス圧縮の適合性の比較
• JPG 画像圧縮、Jpg、Png 圧縮ツール