CC BY
84
УДК 004.9 ББК 32.973
Мокрый В.Ю.
ОБУЧЕНИЕ МАГИСТРОВ НАПРАВЛЕНИЯ "ПЕДАГОГИЧЕСКОЕ ОБРАЗОВАНИЕ" (ПРОФИЛЬ "ИНФОРМАТИКА") АЛГОРИТМАМ СЖАТИЯ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ Mokriy V. Y. TRAINING OF MASTERS OF A DIRECTION "PEDAGOGICAL EDUCATION" (A PROFILE "COMPUTER SCIENCE") TO ALGORITHMS OF COMPRESSION OF THE GRAPHIC INFORMATION
Ключевые слова: алгоритмы сжатия графической информации, алгоритм JPEG, профессиональные компетенции, межпредметные связи.
Key words: Algorithms of compression of the graphic information, algorithm JPEG, professional the competence, intersubject communications.
Аннотация
В статье приводится описание последовательности обучения сжатию графической информации на примере алгоритма JPEG для магистров, обучающихся по направлению «Педагогическое образование» (профиль «Информатика и информационные технологии в образовании»). Исследуются различные варианты проектирования содержания для различных категорий студентов, а также описываются межпредметные связи с другими дисциплинами.
Abstract:
The article explains the sequence of training to compression of the graphic information on an example of algorithm JPEG for the masters trained in a direction "Pedagogical education" (a profile «Computer science and information technology in formation») is resulted. Various variants of designing of the maintenance for various categories of students are investigated, also the intersubject communications with other disciplines described.
В результате анализа имеющихся материалов, направлений научных исследований, содержания образовательных стандартов был сделан вывод об актуальности изучения алгоритмов сжатия данных студентами педагогических вузов [2,14] и необходимости разработки модуля «Алгоритмы сжатия мультимедиа данных» [7].
Проанализировав требования ФГОС ВПО магистров направления «Педагогическое образование» (профиль информатика), можно определить последовательность изложения материала, круг изучаемых вопросов и выделить компетенции, формированию которых будет способствовать изучение алгоритмов сжатия данных.
Раздел «Алгоритмы сжатия графической информации» является одним из ключевых компонентов модуля «Алгоритмы сжатия мультимедиа данных». Рассматриваются стандарты JPEG и JPEG-2000, алгоритмы фрактального кодирования и алгоритмы, использующие вейвлет-преобразования (EZW, SPIHT). Стандарт JPEG является одним из самых применяемых на практике при сжатии графики [17, 18, 19]. Подробно изучаются этапы сжатия с использованием стандарта JPEG. Приведем последовательность изучения алгоритма JPEG:
Рисунок 1 - Последовательность изложения материала
Определив последовательность изложения материала и взаимосвязь основных понятий раздела, приведем темы занятий и круг рассматриваемых вопросов.
1. Обзор алгоритма сжатия 1РЕО. Подготавливается база для дальнейшего изучения материала - необходимо напомнить цель сжатия данных, привести классификацию алгоритмов сжатия информации (в том числе алгоритмов сжатия графики), объяснить, почему для рассмотрения был выбран именно стандарт 1РЕО, продемонстрировать примеры применения алгоритма, его плюсы и минусы.
2. Преобразование цветовых пространств. Здесь важно рассмотреть цветовые модели и цветовые пространства, выделить наиболее распространенные из них, указать цветовые преобразования, которые используются в сжатии изображений. Изучение данной темы должно способствовать формированию у студентов представления о том, как происходит формирование изображения и подготовка к следующему шагу - выполнению преобразований.
3. Использование гистограмм для оценки изображений. Анализ гистограмм позволяет оценить, за счет чего возможно осуществить сжатие изображения. Необходимо привести гистограммы различных изображений, математические характеристики гистограммы (среднее значение, медиана, стандартное отклонение) и показать на различных примерах, каким образом осуществлять анализ гистограммы изображения, какие выводы можно сделать.
4. Ключевые преобразования: субдискретизация, дискретное косинусное
преобразование и квантование коэффициентов. Здесь нужно объяснить ключевые принципы внесения потерь в изображение, какие преобразования необходимо выполнить перед кодированием. Таблицы квантования предусмотрены стандартом, как для компонент светимости, так и для хроматических компонент.
5. Кодирование по алгоритму 1РЕО и оценки результативности сжатия. Важно показать, каким образом происходит преобразование полученного на предыдущем шаге набора коэффициентов в одномерный массив (зигзаг-сканирование), какие алгоритмы чаще всего применяются для кодирования (алгоритм Хаффмана и арифметическое кодирование). Как и на предыдущем шаге, используются таблицы для кодирования полученных коэффициентов. Не менее важным вопросом является декодирование изображения и оценка потерь, внесенных в изображение при сжатии с помощью отношения РБКЯ (пиковое отношение сигнал/шум). Кроме того, необходимо показать, что кроме сжатых данных (двоичного представления) передаются таблицы кодирования и квантования, информация о типе примененного алгоритма 1РЕО (базового,
прогрессивного или иерархического) и использованного алгоритма сжатия. Эту информацию можно извлечь непосредственно из структуры изображения, разделенного на сегменты, в которых записана информация о преобразованиях. Добавление служебной информации позволяет однозначно восстановить изображение при декодировании [6, 17,
19].
Изучение алгоритмов сжатия изображений будет способствовать развитию у магистров ряда компетенций, как общекультурных, так и профессиональных (в областях научно-исследовательской, проектной и методической деятельности [2, 4]). В результате анализа требований и содержания стандарта ФГОС ВПО магистров были выявлены наиболее значимые компетенции, предложены различные варианты изложения материала, по-разному влияющих на формирование компетенций.
Изложение только основных этапов сжатия изображения с использованием алгоритма JPEG (преобразование цветовых пространств, используемые преобразования, энтропийное кодирование) и для демонстрации этапов кодирования используется доступное программное обеспечение (например, редактор Photoshop). Использование графических редакторов способствует развитию у магистров преимущественно общекультурных компетенций. В этом случае исследовательская и проектная деятельность минимальна, и может быть связана с выполнением заданий в редакторе (по исследованию представлений изображений в цветовых пространствах, использование гистограмм для редактирования изображений). Редактор предлагает возможность выбора различных вариантов сжатия и уровень внесения потерь в изображение. В этом случае можно предложить магистрам выполнить проект (с приложенным текстом работы) по проектированию формы в среде MATLAB, позволяющей выполнить кодирование изображения с использованием алгоритма JPEG [10, 12, 15].
Возможны и другие варианты изложения материала, способствующие более глубокому пониманию материала и развитию не только общекультурных компетенций. В этом случае предполагается детальное описание каждого этапа кодирования, проведение лекционных и семинарских занятий, выполнение лабораторных работ. Этапы кодирования и способы оценки производительности сжатия рассматриваются на аудиторных занятиях. На лабораторных работах выполняются задания, направленные на исследование этапов кодирования изображений и ключевых преобразований. Для уяснения принципов преобразований задания выполняются как в ручную (например, выполнение ДКП и квантования матрицы коэффициентов), так и с использованием программных средств (например, в среде MATLAB написать программу, выполняющую преобразования и проверить правильность вычислений, сделать выводы о свойствах преобразований). Среда MATLAB упрощает изучение принципов программной реализации исследуемого алгоритма сжатия. Выполнение заданий с использованием системы MATLAB (или другой системы программирования) способствует развитию у магистров компетенции в области информационных технологий.
К внеаудиторным формам самостоятельной работы относятся выполнение проектных заданий (создание формы, позволяющей смоделировать алгоритм сжатия данных) и подготовка к семинарским занятиям.
Круг рассматриваемых вопросов, специфика преподаваемого материала предоставляют основания для формирования компетенций в области научноисследовательской деятельности. Например, можно исследовать зависимость результатов сжатия от разрешения изображения или используемого преобразования. В качестве базового преобразования целесообразно выбрать дискретное косинусное преобразование (ДКП), для сравнения можно предложить исследовать другие распространенные преобразования, например, преобразование Фурье. По результатам исследования нужно сделать вывод о возможностях использования преобразования для сжатия изображения. Другим возможным направлением исследовательской работы является рассмотрение различных типов цветовых преобразований и примеров их использования для сжатия
изображений. Выполненный проект выносится на защиту и представляется на итоговом занятии.
Развитию компетенций в области проектной и методической деятельности способствует подготовка и проведение семинарских занятий. Подготовка к семинарским занятиям позволят магистрам глубже познакомиться с изученным материалом, рассмотрев примеры применения изученного алгоритма. Магистры могут выбирать темы для подготовки к семинарам, исследуя аспекты, которые не были непосредственно изучены на занятиях, предлагать новое содержание.
Алгоритм JPEG является одним из разделов модуля «Алгоритмы сжатия мультимедиа данных», который состоит из следующих тем (учебных элементов): основы работы в среде MATLAB, алгоритмы сжатия текстовых данных, алгоритмы сжатия графической информации, алгоритмы сжатия видео, алгоритмы сжатия звука.
В процессе отбора содержания модуля «Алгоритмы сжатия мультимедиа данных» мы руководствовались принципами научности, учета современного состояния и международной значимости раздела, доступности и наглядности, систематичности и последовательности изложения, приоритета самостоятельной деятельности, опоры на опыт обучаемых и индивидуализации обучения, фундаментализации высшего педагогического образования [5] и межпредметных связей, связи теории с практикой [1,2,3,9]. Одним из ведущих принципов является принцип межпредметных связей. В монографии [4, с. 19] выделяются следующие виды межпредметных связей:
• учебно-междисциплинарные прямые связи
• исследовательско-междисциплинарные прямые связи
• ментально-опосредованные связи
• опосредованно-прикладные связи
В контексте компетентностного подхода в образовании становятся значимыми исследовательско-междисциплинарные прямые связи. Связи данного типа существуют, например, между модулем «Алгоритмы сжатия мультимедиа данных» и дисциплиной «Мультимедиа технологии и компьютерная графика». В обеих дисциплинах изучаются форматы графических файлов, но в первом случае рассматриваются алгоритмические основания, а во втором - прикладные аспекты. Кроме того, эти связивозникают между разделом «Алгоритмы сжатия данных» и смежными разделами информатики, например «Технологии мультимедиа», «Обработка сигналов», «Теория информации и кодирования», «Теория цвета». «Увидеть» эти связи магистры могут в процессе выполнения заданий, связанных с изучением областей применения изучаемых алгоритмов.
Также наличие связей данного типа означает, что содержание дисциплин можно интегрировать, например, при изучении дисциплины по выбору «Программирование на языке C++» можно рассмотреть реализацию этапов алгоритмов сжатия текстовых данных (например, алгоритма Хаффмана). Если говорить о модуле «Алгоритмы сжатия мультимедиа данных», то возможно расширение содержательной части в направлении изучения реализации алгоритмов сжатия данных средствами языка C++.
Кроме того, в рамках дисциплины «Мультимедиа технологии и компьютерная графика» можно рассказать про алгоритмические основы форматов мультимедиа файлов, а в рамках модуля «Алгоритмы сжатия мультимедиа данных» можно усилить практическую составляющую (рассматривая примеры применения изученных алгоритмов сжатия графической информации, например в редакторе Photoshop).
Кроме того, необходимо учитывать связи другого типа: учебно-
междисциплинарные прямые связи. Они формируются, если «усвоение одной дисциплины базируется на знании другой, предшествующей дисциплины». Этот тип связей важно учитывать исходя из следующих соображений.
Во-первых, магистр должен иметь достаточный уровень математической подготовки для изучения алгоритмов сжатия данных. Если при изучении алгоритмов
сжатия текстовых данных достаточно использования элементарных сведений из теории вероятностей, то при изучении алгоритмов сжатия изображений (особенно алгоритмов фрактального сжатия, алгоритмов, использующих вейвлет-преобразования), видео и звука используется аппарат математических дисциплин (математический анализ, теория множеств, геометрия).
Во-вторых, предполагается, что представления о ключевых понятиях модуля сформировались у магистров в результате изучения дисциплин информационнотехнологического направления в бакалавриате (дисциплины история информатики», «информационные технологии», «теоретические основы информатики»).
Вместе с тем результаты проведенного исследования показывают, что большинство магистров (как факультета математики, так и факультета информационных технологий) слабо знакомы с такими ключевыми понятиями, как «информация», «алгоритм» «сигнал», «дискретизация», «квантование», «энтропия», что затрудняет изучение материалов модуля. Поэтому необходимо разработать задания, в процессе выполнения которых магистры исследуют взаимосвязи между ключевыми понятиями учебного элемента модуля. Так как проектные задания связаны с программной реализацией и изучением областей применения алгоритмов сжатия данных, то для успешного выполнения проектов магистрам необходимо использовать знания, полученные в результате изучения дисциплины «языки и методы программирования» (алгоритмические структуры, процедуры и функции, объектно-ориентированное программирование). Тем не менее, анализ результатов апробации материалов показывает необходимость разработки дополнительного курса, посвященного изучению принципов работы в системе MATLAB для повышения качества выполняемых магистрами проектов, и экономии времени для исследования других алгоритмы сжатия или более подробного изучения областей применения алгоритмов (поэтому в содержание модуля был добавлен соответствующий раздел). Апробация разработанных материалов показывает необходимость изучения основ цифровой обработки сигналов и графических изображений [8,11,12,13] (для иллюстрации указанных типов межпредметных связей). Кроме того, в последнее время усиливается интерес к многомерным системам обработки многомерных сигналов [16].
Учитывая сказанное выше, были разработаны задания по основным алгоритмам сжатия графической информации (фрактальное сжатие и алгоритмы, использующие вейвлет-преобразования). В результате анализа литературы и апробации разработанных материалов были выделены инвариантные блоки модуля «Алгоритмы сжатия мультимедиа данных» и вариативные темы, изучение которых может осуществляться с различной степени детализации.
Так, в разрабатываемом модуле инвариантными темами являются темы в первом блоке, связанные с изучением основ работы в системе MATLAB (на практических работах изучить основные возможности среды и выполнив некоторые этапы зачетного задания), алгоритмов сжатия текстовой информации и алгоритма JPEG. Последовательность изучения алгоритмов фрактального и вейвлет-сжатия менее фиксирована, так как в некоторых группах (с низким уровнем подготовки) можно ограничиться рассмотрением базового алгоритма фрактального сжатия, сделав упор на изучение основ теории фракталов и работу с программами, моделирующими фракталы. Другая тема, которую следует изучать на завершающем этапе обучения расположена в заключительном блоке -алгоритмы сжатия, использующие вейвлет-преобразования.
Для организации сопровождения магистров мы использовали синхронные и асинхронные технологии дистанционного обучения, предпочтение было отдано технологиям организации асинхронного обучения (кроме подкастинга), а из технологий организации синхронного обучения применяли систему дистанционного обучения MOODLE. Для организации поддержки магистров преимущественно используем электронных образовательных ресурсов (сайт модуля
(https://sites.google.com/site/szatieinformacii/), порталы образовательных учреждений),
электронная почта и социальные сети. Кроме сайта для осуществления взаимодействия со студентами были использованы блоги (http://www.blogger.com). В процессе обучения блог являлся аналогом электронного портфолио студента: там они размещали результаты своей работы - презентации и доклады, подготовленные для выступления на семинарских занятиях и решения заданий практических работ.
Все это соответствует дидактическим принципам обучения алгоритмам сжатия мультимедиа данных.
На сайте модуля выложены тексты лекций и задания для самостоятельной работы, результаты обучения студентов. Выбору сайта и системы MOODLE способствовало наличие возможности разнообразия способов подачи материала, быстрого обновления материалов и средств обратной связи. Использование таких средств (в частности, сервиса GoogleAnalytics) позволило выявить вопросы, интересующие пользователей и наметить направления дальнейших исследований. Приведем самые популярные поисковые запросы: «лабораторная работа по исследованию фрактальной размерности в MATLAB», «Множество Жюлиа в MATLAB», «Основы фракталов», «Системы итерируемых функций». Пользователи искали и другую информацию по алгоритмам сжатия информации, например: «как взять только одну компоненту из УЦУ в MATLAB», «Комбинация каких трёх цветов используется в RGB графике компьютера?», «Реализация алгоритма Хаффмана в MATLAB», «Работа с коэффициентами JPEG» и т.п. Анализ статистики по поисковым запросам пользователей подтверждает необходимость улучшения разработанных материалов и разработку дополнительных материалов по алгоритмам сжатия графической информации.
В заключение отметим, что разрабатываемый модуль «Алгоритмы сжатия мультимедиа данных» обладает большими возможностями для интеграции с другими дисциплинами благодаря использованию аппарата смежных дисциплин - теории обработки сигналов, теории информации, теории цвета и других разделов информатики. Кроме того, разработанные учебно-методические материалы можно применить для обучения студентов других направлений (например, ФГОС ВПО 230200), адаптировав материалы, руководствуясь требованиями соответствующего стандарта.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Беспалько В.П. Природосообразная педагогика. Москва. Народное образование, 2008. - 512 с.
2. Баранова Е.В., Симонова И.В. Современные технологии обучения при подготовке магистров по программе «Информационные технологии в инновационном образовании»// в сборнике материалов конференции «Педагогическое образование в переходный период: результаты исследований 2010 года». - 2 марта 2011 года. - Спб.: Изд-во «Лема», 2011. - 391 с.
3. Змиев С.И. Технология обучения взрослых: Учебное пособие для студ. высших учебных заведений. — М.: Издательский центр «Академия», 2002. — 128 с.
4. Ильина Т.Ю. Роль педагогической информатики в интеграционных процессах современного образования. Монография. - СПб.:Изд-во РГПУ имени А.И. Герцена, 2006. - 147 с.
5. Калинин С.И. Методическая система обучения студентов педвуза дифференциальному и интегральному исчислению функций в контексте фундаментализации образования: автореферат диссертации ... доктора педагогических наук: 13.00.02 / Калинин Сергей Иванович; [Место защиты: Ин-т содержания и методов обучения Рос.акад. образования].- Киров, 2010.- 318 с.: ил. РГБ ОД, 71 11-13/7
6. Курсы лаборатории компьютерной графики ВМИК МГУ [Электронный ресурс]: URL: http://courses. graphicon.ru/main/.
7. Мокрый. В.Ю. Учебный модуль «Сжатие мультимедиа данных» как инструмент развития профессиональной компетентности будущих учителей
информатики// Письма в Эмиссия Оффлайн (TheEmissia.OfflineLetters): электронный
научный журнал. - Июль, 2010, ART 1435. - СПб, 2010 г. - URL:
http://www.emissia.org/offline/2010/1435.htm
8. Основы цифровой обработки сигналов: Курс лекций/ Авторы: А.И.
Солонина, Д.А.Улахович, С.М. Арбузов, Е.Б. Соловьева/ Изд. 2-е испр. И перераб. - Спб.: БХВ-Петербург, 2005 - 768 с.
9. Подласый И.П. Педагогика. Новый курс: Учебник для студентов
педагогических вузов: в 2 кн. - М.: Гуманит. изд. центр ВЛАДОС, 1999. - Кн.1: Общие основы. Процесс обучения. - 576 с.
10. Проекты, выполненные в среде MATLAB [Электронный ресурс]: URL: http://www.mathworks.com/matlabcentral/fileexchange/.
11. Рекомендации по преподаванию информатики в университетах. Computing Curricula 2001: Computer Science. URL: http://www.computer.org/education/cc2001.
12. Р.Гонсалес, Р.Вудс. Цифровая обработка изображений. Москва: Техносфера, 2005. - 1072 с.
13. Ричард Лайонс Цифровая обработка сигналов: Второе издание. Пер. с англ. - М.:ООО «Бином-Пресс», 2006 г. - с.
14. ФГОС ВПО магистров направления «Педагогическое образование» [Электронный ресурс]: URL:
http://herzen.spb.ru/img/files/ike/OSIP/doc/Prikaz Minobrnauki RF ot 14 01 2010 N 35 Ob utverjdeni mag.pdf
15. Хусаинов Н.Ш. Руководство к набору лабораторных работ "Кодирование изображений с использованием пакета MATLAB" по дисциплине “Теория кодирования информации".- Таганрог: ТТИ ЮФУ, 2008. 60с.
16. Чобану М. Многомерные многоскоростные системы обработки сигналов. Москва: Техносфера, 2009. - 480 с.
17. Ян Ричардсон. Видеокодирование. H.264 и MPEG-4 - стандарты нового поколения: Техносфера, 2005. - 368 с.
18. Acharya, Tinku. JPEG2000 standard for image compression: concepts, algorithms and VLSI architectures// A John Wiley & Sonc, Inc., Publication. 2005.
19. CCITT (The international telegraph and telephone consultative committee) (09/92). Terminal equipment and protocols for telematic services/ information technology -digital compression and coding of continuous-tone still images - requirements and guidelines
