From ab695aadcc2a346db645729f15ddccecb6444339 Mon Sep 17 00:00:00 2001 From: Pierre-antoine Comby Date: Mon, 11 Mar 2019 14:47:10 +0100 Subject: [PATCH] rm newpages --- 455-Codage_Sources/Cours/chap2.tex | 5 +---- 1 file changed, 1 insertion(+), 4 deletions(-) diff --git a/455-Codage_Sources/Cours/chap2.tex b/455-Codage_Sources/Cours/chap2.tex index ba41a35..39a3532 100644 --- a/455-Codage_Sources/Cours/chap2.tex +++ b/455-Codage_Sources/Cours/chap2.tex @@ -260,8 +260,6 @@ Les conditions nécessaires pour avoir $D$ minimale sont : \subsection{Quantification non uniforme} - -\newpage \subsection*{Algorithme de Lloyd -Max} \begin{enumerate} \item Initialisation : $b_0^{(0)} < b_1^{(0)} < \dots < b_n^{(0)}$ choisis arbitrairement, $k=1$. @@ -294,7 +292,7 @@ On ne quantifie jamais sur le domaine des pixels, car les ddp y sont immondes. O La plupart du temps, les quantifications sont uniformes (JPEG, JPEG200, H264...). On n'utilise des quantifications non uniformes que dans le cas d'applications très précises, où le gain de 2 ou 3 dB sur le $RSB$ est vraiment nécessaire. \end{rem} -\newpage + \section{Comportement asymptotique} Pour étudier le comportement asymptotique d'un quantificateur, on suppose $M$ grand (les intervalles de quantification seront petits), $f_X(x) \approx f_X(y_i)$ sur $[b_{i-1},b_i]$. On note $\Delta_i = b_i - b_{i-1}$.\\ @@ -319,7 +317,6 @@ L(\alpha_1,\dots\alpha_M,\lambda) & = \frac{1}{12}\sum_{i=1}^M\alpha_i^3 + \lamb \intertext{Les $\alpha_i$ sont donc tous égaux, d'où} \alpha_i & = \frac{1}{M} \int_{-\infty}^{+\infty} (f_X(x))^{1/3} dx \end{align*} -\newpage On avait $\alpha_i^3 = f_X(y_i) \Delta_i^3$. Ainsi, si $f_X(y_i)$ est grand, $\Delta_i$ est petit, et inversement. %\img{0.5}{2/2/1}