Compression de données et théorème de Shannon: Compression de perte

Cette séance de cours couvre le concept de compression des données, y compris la compression sans perte avec l'algorithme Shannon-Fano, le théorème de Shannon, la compression optimale avec le code Huffman, et la nécessité de la compression sans perte pour représenter des nombres réels ou des signaux d'échantillonnage. Il explique les limites imposées par l'entropie liée à Shannon et fournit des exemples de codes ambigus menant à des résultats catastrophiques. La séance de cours discute également du compromis entre l'espace mémoire et la distorsion dans la compression d'image perdue, ainsi que d'algorithmes avancés comme JPEG et JPEG 2000. Il explore en outre la compression perdue dans le son, mettant en évidence l'effet psychoacoustique du masquage et la réduction significative de la taille du fichier obtenue par des formats comme MP3.