Análise Comparativa de Compressão de Dados: Deflate vs. DWT

Este repositório contém o código-fonte para o artigo "Compressão de Dados: Uma Análise Comparativa entre Algoritmos Com Perda e Sem Perda", desenvolvido na disciplina de Modelagem Estatística e Programação do Instituto Brasileiro de Ensino, Desenvolvimento e Pesquisa (IDP).

O projeto implementa e analisa dois algoritmos de compressão de imagem:

1. Deflate (Sem Perda): Uma combinação de LZ77 e codificação Huffman, a mesma técnica usada em formatos como PNG e GZIP.
2. Discrete Wavelet Transform (DWT) (Com Perda): Uma técnica moderna que serve de base para o formato JPEG 2000, oferecendo alta compressão com boa qualidade visual.

O objetivo é fornecer uma ferramenta prática e teórica para comparar a eficiência, a qualidade e as características de desempenho desses dois métodos sob diversas condições.

Acesse o artigo completo aqui (PDF)

✨ Principais Funcionalidades

• Compressão Dual: Implementa tanto o algoritmo Deflate (sem perdas) quanto o DWT (com perdas) para uma comparação direta.
• Suporte a Imagens RAW: Carrega e processa imagens de formatos padrão (PNG, JPG) e também arquivos RAW de câmeras (.nef), convertendo-os para uma análise consistente.
• Testes Parametrizáveis: Permite executar testes únicos com parâmetros específicos ou um lote abrangente de testes em paralelo.
• Processamento Paralelo: O modo de teste em lote (--test_all) utiliza múltiplos núcleos de CPU para acelerar a análise de centenas de combinações de parâmetros.
• Métricas de Avaliação: Calcula automaticamente métricas essenciais de qualidade e eficiência:
  • PSNR (Peak Signal-to-Noise Ratio)
  • SSIM (Structural Similarity Index)
  • Taxa de Compressão
  • BPP (Bits Per Pixel)
• Geração de Resultados: Salva todos os resultados em arquivos CSV detalhados e gera automaticamente:
  • Gráficos de sumário que comparam o desempenho (ex: PSNR vs. BPP) para cada wavelet.
  • Imagens reconstruídas para análise visual.
  • Plots comparativos (Original vs. Reconstruída).

🚀 Instalação

Este projeto utiliza uv para gerenciamento de pacotes e ambientes virtuais.

1. Instale o uv (se ainda não o tiver):

   # Use pip para instalar uv globalmente
   pip install uv

2. Clone o repositório:

   git clone https://github.com/seu-usuario/DataCompression-2025.1.git
   cd DataCompression-2025.1

3. Crie um ambiente virtual e instale as dependências com uv:

   # Cria o ambiente virtual no diretório .venv
   uv venv
   
   # Ative o ambiente
   # Linux/macOS
   source .venv/bin/activate
   # Windows
   # .\.venv\Scripts\activate
   
   # Instala as dependências do pyproject.toml
   uv pip install .

⚙️ Como Usar

O script principal (src/main.py) pode ser executado em dois modos: teste único ou teste em lote.

Modo de Teste Único

Execute uma comparação direta entre Deflate e DWT com parâmetros específicos.

python src/main.py "caminho/para/sua/imagem.nef" --level 9 --wavelet "db4" --dwt_level 4 --quant 25.0

• input: Caminho para a imagem de entrada.
• --level: Nível de compressão para Deflate (padrão: 6).
• --wavelet: Tipo de wavelet para DWT (padrão: 'haar').
• --dwt_level: Nível de decomposição para DWT (padrão: 1).
• --quant: Passo de quantização para DWT (padrão: 10.0).

Os resultados serão salvos no diretório output_compression_results/single_test_run/.

Modo de Teste em Lote (Completo)

Execute uma análise abrangente com todas as combinações de parâmetros definidas em src/config.py. Este modo é ideal para gerar os dados para os gráficos de sumário.

python src/main.py "caminho/para/sua/imagem.nef" --test_all --workers 8 --save_streams

• --test_all: Ativa o modo de teste em lote.
• --workers: Define o número de processos paralelos a serem usados (padrão: 4).
• --save_streams: (Opcional) Salva os arquivos de bytes comprimidos.

Os resultados serão salvos em um subdiretório com data e hora dentro de output_compression_results/, por exemplo, output_compression_results/comp_test_20250715_160300/.

📂 Estrutura do Projeto

.
├── article/
│   └── Artigo Compressão de Imagens [LaTeX].pdf
├── src/
│   ├── core/
│   ├── plotting/
│   ├── processing/
│   ├── utils/
│   ├── config.py
│   └── main.py
├── output_compression_results/
├── pyproject.toml
├── uv.lock
└── README.md

📜 Licença

Este projeto está licenciado sob a Licença MIT. Veja o arquivo LICENSE para mais detalhes.

Copyright (c) 2025 Matheus N. Biolowons and Guilherme A. Montalvão

✍️ Autores e Agradecimentos

Este projeto foi desenvolvido como parte do trabalho acadêmico de Matheus N. Biolowons e Guilherme A. Montalvão no Instituto Brasileiro de Ensino, Desenvolvimento e Pesquisa (IDP).

Agradecemos ao professor Felipe Dias pela orientação e suporte durante a disciplina de Modelagem Estatística e Programação!