Compresión de imagen: Técnicas eficientes para la optimización de datos visuales
Por Fouad Sabry
()
Información de este libro electrónico
¿Qué es la compresión de imágenes?
Cuando se aplica a fotografías digitales, la compresión de imágenes es una forma de compresión de datos que ayuda a reducir la cantidad de dinero que se requiere para su almacenamiento o transmisión. Es posible que los algoritmos utilicen la percepción visual y los aspectos estadísticos de los datos de las imágenes para proporcionar mejores resultados en comparación con los enfoques genéricos de compresión de datos que se utilizan para otros tipos de datos digitales.
Cómo te beneficiarás
(I) Insights y validaciones sobre los siguientes temas:
Capítulo 1: Compresión de imágenes
Capítulo 2: Compresión de datos
Capítulo 3: JPEG
Capítulo 4: Compresión con pérdida
Capítulo 5: Compresión sin pérdida
Capítulo 6: PNG
Capítulo 7: Codificación de transformación
Capítulo 8: Transformada de coseno discreto
Capítulo 9: JPEG 2000
Capítulo 10: Artefacto de compresión
(II) Respondiendo a las principales preguntas del público sobre la compresión de imágenes.
(III) Ejemplos del mundo real para el uso de la compresión de imágenes en muchos campos.
Quién este libro es para
Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básica para cualquier tipo de compresión de imágenes.
Relacionado con Compresión de imagen
Títulos en esta serie (100)
Histograma de imagen: Revelando conocimientos visuales, explorando las profundidades de los histogramas de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCorrección gamma: Mejora de la claridad visual en la visión por computadora: la técnica de corrección gamma Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesDetector de esquinas Harris: Revelando la magia de la detección de características de imagen Calificación: 0 de 5 estrellas0 calificacionesModelo de apariencia de color: Comprensión de la percepción y la representación en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de color: Comprensión del espectro de la visión por computadora: exploración de modelos de color Calificación: 0 de 5 estrellas0 calificacionesTransformacion afin: Desbloqueo de perspectivas visuales: exploración de la transformación afín en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesVisión por computadora submarina: Explorando las profundidades de la visión por computadora debajo de las olas Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de Hadamard: Revelando el poder de la transformación de Hadamard en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesReducción de ruido: Mejora de la claridad, técnicas avanzadas para la reducción del ruido en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesEspacio de color: Explorando el espectro de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesHistograma de gradientes orientados: Revelando el ámbito visual: explorando el histograma de gradientes orientados en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesPercepción visual: Información sobre el procesamiento visual computacional Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEn Pintura: Cerrar brechas en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesModelo del sistema visual humano: Comprender la percepción y el procesamiento Calificación: 0 de 5 estrellas0 calificacionesJoint Photographic Experts Group: Liberando el poder de los datos visuales con el estándar JPEG Calificación: 0 de 5 estrellas0 calificacionesTransformación dura: Revelando la magia de Hough Transform en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMapeo de colores: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesContorno activo: Avances en la visión por computadora con técnicas de contorno activo Calificación: 0 de 5 estrellas0 calificacionesDetección de contorno: Revelando el arte de la percepción visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetección de bordes: Explorando los límites en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesFunción de combinación de colores: Comprensión de la sensibilidad espectral en visión por computadora Calificación: 0 de 5 estrellas0 calificaciones
Libros electrónicos relacionados
Compresión de datos: Liberando la eficiencia en visión por computadora con compresión de datos Calificación: 0 de 5 estrellas0 calificacionesPerfil de color: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráfico de trama digital: Revelando el poder de los gráficos rasterizados digitales en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEditora de gráficos ráster: Transformando realidades visuales: dominio de los editores de gráficos rasterizados en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesJoint Photographic Experts Group: Liberando el poder de los datos visuales con el estándar JPEG Calificación: 0 de 5 estrellas0 calificacionesMapeo de colores: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesBandas de color: Explorando las profundidades de la visión por computadora: desentrañando el misterio de las bandas de color Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesAntialiasing: Mejora de la claridad visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesIluminación global: Visión avanzada: conocimientos sobre la iluminación global Calificación: 0 de 5 estrellas0 calificacionesSelección, instalación, configuración y administración de los servidores multimedia. IFCT0509 Calificación: 5 de 5 estrellas5/5UF0307 - Representación Gráfica y maquetismo Calificación: 2 de 5 estrellas2/5Representación de alto rango dinámico: Desbloqueando el espectro visual: técnicas avanzadas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesADOBE ILLUSTRATOR CS6 Calificación: 0 de 5 estrellas0 calificacionesClasificación de imágenes contextuales: Comprensión de los datos visuales para una clasificación eficaz Calificación: 0 de 5 estrellas0 calificacionesCorrección gamma: Mejora de la claridad visual en la visión por computadora: la técnica de corrección gamma Calificación: 0 de 5 estrellas0 calificacionesContratación y supervisión de trabajos de preimpresión. ARGN0109 Calificación: 0 de 5 estrellas0 calificacionesDistancia Niebla: Explorando la frontera visual: información sobre la niebla a distancia de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEl arte del revelado Calificación: 0 de 5 estrellas0 calificacionesUF1459 - Creación de elementos gráficos Calificación: 0 de 5 estrellas0 calificacionesTratamiento de textos para la maquetación. ARGP0110 Calificación: 0 de 5 estrellas0 calificacionesUF1245 - Recursos narrativos y técnicos para el desarrollo de productos audiovisuales multimedia Calificación: 0 de 5 estrellas0 calificacionesPreparación de archivos para la impresión digital. ARGI0209 Calificación: 0 de 5 estrellas0 calificacionesTratamiento digital de imágenes fotográficas. ARPG0110 Calificación: 0 de 5 estrellas0 calificacionesModelado y renderizado basado en imágenes: Explorando el realismo visual: técnicas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesAnálisis de datos con Power Bi, R-Rstudio y Knime Calificación: 0 de 5 estrellas0 calificacionesReparación de impresoras. IFCT0309 Calificación: 0 de 5 estrellas0 calificacionesIntroducción Al Psoc5Lp: Teoría y aplicaciones práctica Calificación: 0 de 5 estrellas0 calificacionesDesarrollo de Videojuegos 2D con Python Calificación: 0 de 5 estrellas0 calificaciones
Inteligencia (IA) y semántica para usted
Dominando ChatGPT: Desbloquea el poder de la IA para mejorar la comunicación y las relaciones: Spanish Calificación: 3 de 5 estrellas3/5Fundamentos de Programación: Diagramas de flujo, Diagramas N-S, Pseudocódigo y Java Calificación: 0 de 5 estrellas0 calificacionesANDROID: Aprende desde cero a crear aplicaciones Calificación: 0 de 5 estrellas0 calificacionesInteligencia Artificial Calificación: 4 de 5 estrellas4/5Máquinas predictivas: La sencilla economía de la inteligencia artificial Calificación: 5 de 5 estrellas5/5Metodología de la programación Calificación: 0 de 5 estrellas0 calificacionesChat GPT-4 para Principiantes: Chat GPT, #1 Calificación: 0 de 5 estrellas0 calificacionesResumen CHAT GPT IA Revolución en 2023: Guía de la Tecnología CHAT GPT y su Impacto Social: Resumen Tecnológico, #1 Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesKlara y el Sol Calificación: 5 de 5 estrellas5/5Cómo Ganar Dinero por Internet con Inteligencia Artificial Emprende tu negocio digital con ChatGPT, Escríbelo.ia, Playground AI, You.com, Canva, Midjourney, Dall-E 2, Amazon... Calificación: 0 de 5 estrellas0 calificacionesCómo usar Chatgpt para tu negocio Calificación: 0 de 5 estrellas0 calificacionesSobreviviendo a la IA Calificación: 3 de 5 estrellas3/5El mito de la inteligencia artificial: Por qué las máquinas no pueden pensar como nosotros lo hacemos Calificación: 5 de 5 estrellas5/5Mi Asistente IA Calificación: 0 de 5 estrellas0 calificacionesDiseño de algoritmos y su programación en C Calificación: 0 de 5 estrellas0 calificacionesMáquinas como yo Calificación: 4 de 5 estrellas4/5Ciencias de la Computación en la escuela: Guía para enseñar mucho más que a programar Calificación: 5 de 5 estrellas5/5Big data: La revolución de los datos masivos Calificación: 4 de 5 estrellas4/5Programación de Inteligencia Artificial. Curso Práctico Calificación: 0 de 5 estrellas0 calificacionesArquitectura de computadoras Calificación: 0 de 5 estrellas0 calificacionesDesarrollo de aplicaciones C#: con Visual Studio .NET Curso práctico Calificación: 0 de 5 estrellas0 calificacionesProgramacion Orientada a Objetos y Estructura de Datos a Fondo Calificación: 0 de 5 estrellas0 calificacionesGuíaBurros: Inteligencia Artificial: Su lado oscuro y el fin del principio Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Una exploración filosófica sobre el futuro de la mente y la conciencia Calificación: 4 de 5 estrellas4/5Escritura Creativa en la Era de la IA: Dominando la Colaboración con ChatGPT para Crear Libros Impactantes Calificación: 4 de 5 estrellas4/5Inteligencia artificial: la cuarta revolución industrial Calificación: 0 de 5 estrellas0 calificacionesUML: Modelado de Software para Profesionales Calificación: 0 de 5 estrellas0 calificaciones
Comentarios para Compresión de imagen
0 clasificaciones0 comentarios
Vista previa del libro
Compresión de imagen - Fouad Sabry
Capítulo 1: Compresión de imágenes
Las fotografías digitales se pueden comprimir mediante la compresión de imágenes, una forma de compresión de datos, para reducir su tamaño y, por lo tanto, sus costos de almacenamiento y transferencia. Con el fin de obtener mejores resultados que los métodos genéricos de compresión de datos utilizados para otros datos digitales, los algoritmos pueden explotar la percepción visual y las características estadísticas de los datos de imagen.
La compresión de imágenes con y sin pérdida son posibles. La mayoría de las imágenes médicas, los dibujos técnicos, las imágenes prediseñadas y los dibujos animados se benefician de la compresión sin pérdidas para el almacenamiento a largo plazo. Los artefactos de compresión son introducidos por técnicas de compresión con pérdidas, especialmente cuando se trabaja con velocidades de bits bajas. Cuando se desea una reducción significativa de la velocidad binaria, pero es aceptable una pequeña pérdida de calidad (a menudo indetectable), los enfoques con pérdida son ideales. Este es el caso de las imágenes naturales como las fotografías. La compresión visualmente sin pérdidas utiliza una forma de compresión con pérdidas que produce pérdidas de calidad imperceptibles.
Técnicas de compresión con pérdida:
La técnica más utilizada es la codificación por transformación.
El tipo más popular de compresión con pérdida es la transformada discreta de coseno (DCT). Inventada por Nasir Ahmed, T. Natarajan y K. R. Rao en 1974, pertenece a una familia de transformadas que incluye la transformada de Fourier. En el contexto de un grupo de transformadas discretas de coseno, la DCT se denomina con frecuencia DCT-II
(ver transformada discreta de coseno). Es el método más eficaz de compresión de imágenes en la mayoría de los casos.
El formato con pérdida más utilizado, JPEG, utiliza DCT, al igual que el HEIF más moderno.
La cuantificación y la codificación de entropía vienen a continuación, y luego la transformada wavelet más contemporánea.
La cuantización del color es el proceso de reducir la paleta de colores de una imagen a un pequeño conjunto de tonos representativos
. El encabezado de la imagen comprimida incluye una paleta de colores que especifica los colores que se utilizaron para crear la imagen. El índice de color se menciona simplemente en cada píxel. Con el fin de evitar la posterización, esta técnica se puede utilizar junto con el tramado.
Paleta de colores completa, comúnmente utilizada en archivos GIF y PNG, con un máximo de 256 colores.
En BTC, CCC, S2TC y S3TC, se emplea una paleta de bloques de 2 o 4 colores cada bloque de 4x4 píxeles.
Reducción del espacio de color mediante submuestreo de croma. Al promediar o eliminar parte de la información de crominancia en la imagen, se aprovecha el hecho de que el ojo humano registra los cambios espaciales de brillo de manera más aguda que los de color.
Compresión fractal.
Los perceptrones multicapa, las redes neuronales convolucionales y las redes generativas adversarias, todas ellas procedentes del ámbito del aprendizaje automático, se han utilizado en aplicaciones más contemporáneas.
Técnicas de compresión sin pérdidas:
PCX utiliza la codificación de longitud de ejecución de forma predeterminada, mientras que BMP, TGA y TIFF la admiten como modo alternativo de codificación.
Compresión de imágenes de área
DPCM hace uso de la codificación predictiva.
La codificación matemática y la codificación Huffman son las dos formas más populares de codificación de entropía.
LZW, un popular método de diccionario adaptativo utilizado en GIF y TIFF, utiliza DEFLATE en archivos PNG, MNG y TIFF.
Códigos de cadena
Modelos de difusión
El objetivo principal de la compresión de imágenes es obtener la mayor calidad posible a una velocidad de compresión (o tasa de bits) dada:
En la mayoría de los casos, reducir la escalabilidad significa sacrificar la calidad mediante la manipulación del flujo de bits o archivo subyacente (sin descompresión y recompresión). La codificación progresiva y los flujos de bits incrustados son otros nombres para la escalabilidad. Los códecs sin pérdida también tienen escalabilidad, sin embargo, adopta una forma diferente (a menudo un escaneo de píxeles gruesos a finos) y se utilizan para otros fines. La vista previa de las imágenes durante la descarga (en un navegador web, por ejemplo) u ofrecer un acceso de calidad variable a los recursos (como las bases de datos) se benefician enormemente de la escalabilidad. Existen diferentes tipos de escalabilidad:
Escalamiento progresivo de la calidad o la complejidad: Cada iteración del flujo de bits mejora la calidad de la imagen reconstruida.
Para codificar una versión de mayor calidad de una imagen, primero se debe codificar la versión de menor resolución.
Codificación gradual del color a partir de una versión previamente codificada en blanco y negro.
Codificación por área de interés. Las diferentes regiones de la imagen se codifican con diferentes niveles de calidad. A esto se le podría añadir la capacidad de escalar (codificar primero estas partes, luego otras).
Datos sobre datos. Las imágenes se pueden explorar, buscar y categorizar con la ayuda de metadatos que pueden estar presentes en los datos comprimidos. Los datos de color y textura, las imágenes de vista previa y la información sobre el autor/copyright son ejemplos de este tipo de datos.
Capacidad de cómputo. Los métodos de compresión tienen diferentes demandas computacionales de codificación y decodificación. Se necesitan muchos recursos de CPU para ejecutar algunos métodos de alta compresión.
La relación señal-ruido máxima es una métrica común utilizada para evaluar la eficacia de una técnica de compresión. Cuantifica la cantidad de ruido creado por la compresión con pérdida de una imagen, pero la evaluación subjetiva del espectador a veces se considera tan esencial, si no más.
La codificación de Shannon-Fano, precursora de la codificación de entropía moderna, se desarrolló a finales de la década de 1940, Data Compression for Images
.
En enero de 1974, IEEE Trans. Computers publicó Discrete Cosine Transform
de Nasir Ahmed, T. Natarajan y K. R. Rao en las páginas 90-93.
↑ Maayan, Gilad David (24 de noviembre de 2021). Estado del Arte
en Compresión de Imágenes Basada en Inteligencia Artificial. Hacia la ciencia de los datos. Extraído el 6 de abril de 2023.
Compresión generativa de imágenes de alta calidad. Extraído el 6 de abril de 2023.
^ Bühlmann, Matthias (2022-09-28).
Comprimir imágenes utilizando un método de difusión estable.
Medio.
Consultado el 2022-11-02.
Burt, P.; ↑ Adelson, E. (1 de abril de 1983). La pirámide laplaciana es un código de imagen condensado. Comunicaciones, IEEE, 31(4), pp.532-540. doi:10.1109/TCOM.1983.1095851; Cita SeerX:10.1.1.54.299; S2CID:8018433.
^ Shao, Dan; Kropatsch, Walter G.
(3 al 5 de febrero de 2010).
Špaček, Libor; Franc, Vojtěch (eds.).
Pirámide de Grafos Laplacianos Irregulares
(PDF).
Taller de Invierno de Visión por Computador 2010.
Nové Hrady, República Checa: Sociedad Checa de Reconocimiento de Patrones.
Fecha de publicación inicial: 27 de mayo de 2013 (PDF).
Agradecimientos a: Claude Elwood Shannon (1948). Alcatel-Lucent (ed.). La Teoría Matemática de la Interacción Interpersonal
(PDF). 27 (3-4) Bell System Technical Journal, páginas 379-423, 623-656. Referencias: hdl:11858/00-001M-0000-002C-4314-2; doi:10.1002/j.1538-7305.1948.tb01338.x. Se puede acceder al original (PDF) a partir del 24 de mayo de 2011. Fecha de consulta: 21 de abril de 2019.
La versión original (PDF) de Un método para la creación de códigos de redundancia mínima
de David Albert Huffman fue archivada el 2005-10-08 de Proceedings of the IRE, vol. 40, no. 9, pp. 1098-1101 (doi:10.1109/JRPROC.1952.273898).
Referencia: Hadamard transform image coding
, William K. Pratt, Julius Kane y Harry C. Andrews, Proceedings of the IEEE 57.1 (1969), páginas 58-68.
↑ Nasir Ahmed (enero de 1991). Transformada discreta de coseno: la historia detrás de su creación. Para citar este artículo: Digital Signal Processing 1 (enero): 4-5.
T.81: REQUISITOS Y DIRECTRICES PARA LA COMPRESIÓN DIGITAL Y LA CODIFICACIÓN DE IMÁGENES FIJAS DE TONO CONTINUO
(PDF). Publicado en el CCITT en septiembre de 1992. Recuperado el 18-08-2000 del original (PDF) en esa fecha. ¡Consíguelo el 12 de julio de 2019!.
Hay una explicación del formato de imagen JPEG en BT.com. 31 de mayo de 2018, BT Group. A partir del 5 de agosto de 2019.
^ JPEG: ¿Qué es? El artículo cotidiano que pasa desapercibido
. Publicado en The Atlantic el 24 de septiembre de 2013. Extraído el 13 de septiembre de 2019.
↑ Chris Baraniuk (15 de octubre de 2015). Según BBC News, las restricciones de copia podrían llegar a los JPEG
. Recuperado de la BBC el 13 de septiembre de 2019.
El debate sobre los GIF: el punto de vista de un programador", 27 de enero de 1995. Disponible a partir del 26 de mayo de 2015.
Autor: L. Peter Deutsch (mayo de 1996). Abstracto. DOI:10.17487/RFC1951. Especificación de formato de datos comprimidos DEFLATE versión 1.3. IETF. Página 1. sección Resumen. Obtén esto: 2014-04-23.
Véase: Taubman, David; Marcelino, Miguel (2012). Conceptos básicos de compresión de imágenes con JPEG2000: prácticas recomendadas y pautas técnicas. ISBN: 9781461507994, publicado por Springer Science & Business Media.
^ a b Unser, M; Blu, T.
(2003).
JPEG2000 características matemáticas del filtro de ondículas (PDF).
IEEE Transactions on Image Processing (Transacciones IEEE sobre procesamiento de imágenes).
12 (9): 1080-1090.
Bibcode:2003ITIP... 12.1080U.
doi:10.1109/TIP.2003.812329.
PMID 18237979.
S2CID 2765169.
Archivado desde el original (PDF) el 2019-10-13.
Por Gary Sullivan (8-12 de diciembre de 2003). Características generales de la codificación de vídeo de subbanda temporal y problemas de diseño
. Grupo de Expertos en Codificación del UIT-Video T. Extraído el 13 de septiembre de 2019.
Alan C. Bovik (2009). Video Processing: An Essential Guide, Academic Press, p. 355, ISBN 9780080922508.
Citado en Le Gall, Didier y Ali J. Tabatabai (1988). Codificación de subbanda de imágenes digitales con codificación aritmética y filtros de kernel corto simétricos. Para más información, consulte: http://dx.doi.org/10.1109/ICASSP.1988.196696. S2CID=109186495 ICASSP-88., Conferencia Internacional sobre Acústica, Habla y Procesamiento de Señales: 761-764 volumen 2.
Para citar: Swartz, Charles S. (2005). La Guía del Profesional para Entender el Cine Digital. 147 Taylor y Francis. ISBN 9780240806174.
{Fin del capítulo 1}
Capítulo 2: Compresión de datos
En la teoría de la información, la compresión de datos, la codificación de fuentes y otros campos relacionados: En el lenguaje común, un dispositivo que participa en el proceso de compresión de datos se conoce como codificador, mientras que un dispositivo que se involucra en el proceso inverso, es decir, la descompresión, se conoce como decodificador.
La compresión de datos es el proceso de reducir el tamaño de un archivo de datos y es un término que se usa con bastante frecuencia. La codificación de origen es un proceso de codificación que tiene lugar en el origen de datos original, antes de que los datos se almacenen o transfieran. Este proceso se conoce en el contexto de la transmisión de datos. Es importante no confundir la codificación de origen con otros tipos de codificación, como la codificación de canal, que se utiliza para la detección y corrección de errores, o la codificación de línea, que es un método para asignar datos a una señal.
La compresión de datos es beneficiosa, ya que reduce la cantidad de espacio y ancho de banda necesarios para almacenar y transferir información. Los procedimientos de compresión y descompresión necesitan una cantidad significativa de recursos computacionales. El equilibrio entre la complejidad del espacio-tiempo es algo que debe tenerse en cuenta al comprimir los datos. Por ejemplo, un método de compresión de vídeo puede requerir hardware costoso para que el vídeo se descomprima lo suficientemente rápido como para verlo mientras se descomprime. Además, la opción de descomprimir completamente el video antes de verlo puede ser un inconveniente o requerir espacio de almacenamiento adicional. Al diseñar esquemas de compresión de datos, los diseñadores deben hacer concesiones entre una serie de factores diferentes. Estos factores incluyen el nivel de compresión alcanzado, la cantidad de distorsión que se introduce (cuando se utiliza la compresión de datos con pérdida) y la cantidad de recursos computacionales que se necesitan para comprimir y descomprimir los datos.
Para representar los datos sin perder ninguna información en el proceso, los métodos de compresión de datos sin pérdidas suelen hacer uso de la redundancia estadística. Esto asegura que el proceso pueda revertirse. Debido a que la gran mayoría de los datos en el mundo real tienen redundancia estadística, la compresión sin pérdidas es factible. Por ejemplo, una imagen puede incluir parches de color que no cambian en el transcurso de varios píxeles; En este caso, los datos pueden registrarse como 279 píxeles rojos
en lugar de la notación tradicional de píxel rojo, píxel rojo,...
Esta es una ilustración fundamental de la codificación de longitud de ejecución; Hay muchos más métodos para disminuir el tamaño de un archivo eliminando la información redundante.
Las técnicas de compresión como Lempel-Ziv