La codifica dell`informazione Numeri frazionari Conversione da

Transcript

La codifica dell`informazione Numeri frazionari Conversione da
Numeri frazionari
La codifica dell’informazione
• Sono numeri reali compresi fra 0 e 1
• N = 0.a-1a-2…a-n
• Anche qui il peso delle cifre ai dipende dalla base
prescelta
• Nb = a-1xb-1 + a-2xb-2 + … + a-nxb-n
• Esempio con b = 10:
Fondamenti di Informatica A
Ingegneria Gestionale
SECONDA PARTE
Università degli Studi di Brescia
0.587dieci= (5x10-1 + 8x10-2 + 7x10-3)
• Esempio con b = 2:
Docente: Prof. Alfonso Gerevini
0.10112 = (1x2-1 + 0x2-2 + 1x2-3 + 1x2-4)dieci = (0.50 +
+ 0.125 + 0.0625)dieci = 0.6875dieci
Docente: Gerevini
Conversione da decimale a
binario di un numero frazionario
• Per rappresentare numeri come
0.587 x 2 = 1.174: p.f. 0.174, parte intera 1 (cifra più significativa)
0.174 x 2 = 0.348: p.f. 0.348, parte intera 0
0.348 x 2 = 0.696: p.f. 0.696, parte intera 0
0.696 x 2 = 1.392: p.f. 0.392, parte intera 1
0.392 x 2 = 0.784: p.f. 0.784, parte intera 0
0.784 x 2 = 1.568: p.f. 0.568, parte intera 1
….
Si ottiene 0.10010due con 5 cifre binarie dopo la virgola, oppure
0.100101due con 6 cifre binarie dopo la virgola, oppure…
In ogni caso c’è un’approssimazione
Docente: Gerevini
Fondamenti di Informatica A – Università di Brescia
2
Rappresentazione dei numeri reali
• Basta fare una sequenza di moltiplicazioni per 2 e prendere la parte
intera di ciascun prodotto dalla cifra più significativa a quella meno
significativa
• Esempio: 0.587dieci binario?
–
–
–
–
–
–
–
Fondamenti di Informatica A – Università di Brescia
3
– 1/3 = 0.33333333333….
– π = 3.141592653…
– 2 = 1.4142135…
servirebbe un numero di cifre illimitato
• Nel calcolatore è possibile usare solo successioni
di bit di lunghezza finita
• Necessaria approssimazione
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
4
Notazione scientifica
Rappresentazione dei numeri reali
• Massa dell’elettrone: 9 x 10-28 grammi
• Un numero in base 10 viene rappresentato come
0000000000000000000000000000000000.0000000000000000000000000009
• Massa del sole: 2 x 1033 grammi
± m x 10 e
2000000000000000000000000000000000.0000000000000000000000000000
• Potrei rappresentare tutti i numeri con 34 cifre a
sinistra della virgola e 28 cifre a destra
segno
• Si vuole un sistema di rappresentazione in cui
l’intervallo dei numeri esprimibili sia indipendente
dal numero di cifre significative notazione
scientifica
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
5
per numeri binari
mantissa
6
Fondamenti di Informatica A – Università di Brescia
Parte intera
Parte decimale
e = 8dieci
2 byte
Fondamenti di Informatica A – Università di Brescia
1 byte
Il numero più piccolo rappresentabile è:
base = 2dieci
0000000000000000
• Basta memorizzare segno, mantissa ed esponente
Docente: A. Gerevini
Docente: A. Gerevini
Esempio (in base 2): numeri di 3 byte
• Il numero 101010000due può essere rappresentato
come
1.0101 x 10
• Esempio: 159 300 000 = +1.593 x 108 dove m=1.593 ed
e=8
• Esempio: -0.00001593 = -1.593 x 10-5 dove m=1.593 ed
e=-5
Nel calcolatore: rappresentazione
in virgola fissa
Notazione scientifica
1000
base
esponente
mantissa
7
Docente: A. Gerevini
0 0 0 0 0 0 0 1 (2-8)
Fondamenti di Informatica A – Università di Brescia
8
Nel calcolatore: rappresentazione
in virgola mobile
L’insieme dei numeri in virgola
mobile non coincide con R
Virgola mobile o Floating point
• L’insieme dei numeri reali è denso e illimitato
• L’insieme dei numeri in virgola mobile non è
denso ed esistono un numero reale massimo ed
uno minimo esprimibili
⇒ L’aritmetica “reale” del calcolatore è diversa da
quella classica
– Con mantissa ed esponente:
N +/-(m,e)
• la mantissa m è la parte frazionaria compresa fra 0 e 1
(mantissa normalizzata)
• l’esponente e è un intero >= 0
– Numero di bit:
• 1 per il segno, k per mantissa e h per esponente
• cambiando k e h si cambia intervallo e precisione
• lo standard IEEE 754 stabilisce lunghezza di mantissa ed
esponente
Docente: A. Gerevini
9
Fondamenti di Informatica A – Università di Brescia
Supponiamo 3 cifre decimali in base 10 per la mantissa e 2
cifre in base 10 per l’esponente
±0.XXX x 10 ±YY
2
1
overflow
-0.999 x
3
1099
5
numeri non esprimibili
10-99
7
overflow
+0.999 x
0
-0.100 x
Docente: A. Gerevini
6
+0.100 x
Fondamenti di Informatica A – Università di Brescia
• Nell’esempio:
– la mantissa varia da m = 0.100 a 0.999 (900 numeri)
– l’esponente varia da e = -99 a +99 (199 ordini di grandezza)
– in totale: 900x199 numeri positivi, 900x199 numeri negativi, e lo
zero 358201 numeri
1099
10-99
4
10
• I numeri nelle regioni 1, 3, 5, e 7 non possono essere
rappresentati
• I due intervalli di numeri positivi e negativi esprimibili (2 e
6) non formano insiemi continui: i numeri non sono cioè
uniformemente distribuiti (più radi per valori elevati
dell’esponente e più fitti per valori piccoli dell’esponente)
Numeri positivi esprimibili
underflow
Fondamenti di Informatica A – Università di Brescia
I problemi che nascono dalla
natura digitale del calcolatore
Esempio: forma normalizzata in base 10
Numeri negativi esprimibili
Docente: A. Gerevini
numeri non esprimibili
11
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
12
Operazioni sui numeri “reali”
Esempio (in base 10)
• Addizione e sottrazione:
Esempio (8 cifre per la mantissa)
– si trasformano (con eventuale perdita di precisione) gli addendi in
una rappresentazione con uguale esponente (il maggiore)
– si sommano (sottraggono) le mantisse
– si normalizza se necessario
0.43561234 x 10-4 + 0.51371313 x 10-2
porto l'esponente del primo operando a -2: 0.00435612 x 10-2
• Moltiplicazione:
– si sommano gli esponenti
– si moltiplicano le mantisse
– si normalizza se necessario
0.00435612 +
0.51371313 =
____________
0.51806925
• Divisione:
– si sottraggono gli esponenti
– si dividono le mantisse
– si normalizza se necessario
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
13
Docente: A. Gerevini
Problemi con le operazioni
[ x10-2 ]
[ x10-2 ]
ho perso delle cifre
[x10-2 ]
[NB: già normalizzato!]
Fondamenti di Informatica A – Università di Brescia
14
Esercizi
• Addizioni e sottrazioni possono dare luogo a errori
• Convertire in decimale i seguenti numeri
frazionari binari:
• Esempio: sottrazione fra due numeri quasi uguali
– 0.111due, 0.0101due, 0.00011due
può dar luogo al fenomeno della cancellazione (risultato = 0)
• Convertire in binario (su 6 bit) i seguenti numeri
frazionari decimali:
• Divisione per numeri molto piccoli
il risultato può cadere nell’intervallo di overflow (regioni 1 e 7)
– 0.226dieci, 0.349dieci, 0.712dieci
• Esprimere i numeri 13.25dieci e 189.8123 in forma
normalizzata in base 10 e in base 2
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
15
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
16
Codifica binaria dei caratteri
Bit, Byte, KiloByte, MegaByte,...
• Quanti oggetti?
–
–
–
–
10 cifre
26 lettere minuscole + 26 lettere maiuscole = 52
~30 segni di interpunzione
~30 caratteri di controllo (LF, CR, EOF, …)
~120 oggetti ⇒ k = log2120 = 7
• Il codice ASCII utilizza 7 bit e quindi può rappresentare al
massimo n = 27 = 128 caratteri
• Codice ASCII esteso: utilizza 8 bit e quindi codifica 256
caratteri
• Codice UNICODE: utilizza 16 bit e quindi codifica 65536
caratteri (anche quelli delle lingue orientali… non tutti!
Sono circa 200 000! …e aumentano!)
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
17
•
•
•
•
•
•
•
•
Bit = ‘0’ oppure ‘1’
Byte = 8 bit = 23
KiloByte (KB) = 210 byte = 1.024 byte
MegaByte (MB) = 220 byte = 1.048.576 byte
GigaByte (GB) = 230 byte = 1.073.741.824 byte
TeraByte (TB) = 240 byte = …
PetaByte (PB) = 250 byte = …
ExaByte (EB) = 260 byte = …
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
18
Numero di bit e capacità di
rappresentazione
Rappresentazione di immagini
• Digitalizzazione: passaggio da un’immagine a
sequenza di bit
• Immagine bitmap: matrice di pixel di vari colori
• Dimensioni matrice: 640 x 480, 1028 x 768, etc.
• Un pixel (unità elementare) è codificato da un numero di
bit che rappresentano una certa grandezza: es. luminosità,
colore, etc…
• Problemi con immagini bitmap:
•
•
•
•
•
– ogni ingrandimento fa perdere qualità (l’immagine si “sgrana”)
– occupano molta memoria
1 bit (per pixel) 2 informazioni diverse (b/n)
4 bit (per pixel) 16 colori o livelli di grigio
8 bit (per pixel) 256 colori o livelli di grigio
16 bit (per pixel) 64K colori (216 = 210 x 26)
24 bit (per pixel) 16M = 224 colori (ogni pixel
può assumere più di 16 milioni di colori)
• Per ovviare ai problemi di spazio: formato compresso
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
19
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
20
I formati di file bitmap
Grafica vettoriale
• Le immagini sono disegnate tramite un insieme di oggetti
grafici (linee, rettangoli, ellissi, archi e curve primitive)
• Memorizzazione come coordinate numeriche o formule
matematiche che specificano forma e posizione
• Programmi di tipo draw (programmi di grafica vettoriale):
es. Corel Draw, programmi di CAD, programmi di grafica
tridimensionale
• Vantaggi:
• BMP: formato standard non compresso per MS Windows,
24 bit per pixel, .bmp
• GIF (Graphic Interchange Format): formato compresso, 8
bit per pixel (256 colori), .gif
• JPEG (Joint Picture Experts Group): 16 milioni di colori,
formato compresso (più del gif), .jpg
• JPEG 2000: formato ancor più compresso, .j2k o .jp2
–
–
–
–
• TIFF (Tagged Image File Format): alta qualità, 16 milioni
di colori, dimensioni file molto grandi, .tif, molto
adottato da scanner e macchine fotografiche
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
21
Controllo accurato di linee e colori
Ingrandimento e riduzione senza perdita
Facilità di modifica di combinazione e sfumature colori
Possibilità inserimento testo attorno agli oggetti
Docente: A. Gerevini
Rappresentazioni dei suoni
onde analogiche campionamento + quantizzazione valori digitali
(campionamento = discretizzazione nel tempo)
(quantizzazione = discretizzazione nell’ampiezza)
• Nei CD sono memorizzati segnali digitali
• Scheda audio e diffusori ricevono i valori digitali e
ricostruiscono le onde analogiche
• Memorizzazione:
Nbit = F(durata, fc, bit/campione) dove
• WAVE: .wav, occupano molto spazio (~1MB per
minuto)
• MIDI (Musical Instrument Digital Interface): .mid, i file
memorizzano non suoni ma comandi (es. le note musicali
di un particolare strumento) che vengono inviati ai
dispositivi MIDI per riprodurre i suoni, occupano molto
meno spazio dei .wav.
Sintetizzatore musicale + computer (con sw e porta midi)
permettono di suonare un brano su tastiera che viene
automaticamente trascritto in notazione musicale in un file midi
che può poi essere anche modificato
- fc = 8kHz per la voce, 44.1 kHz per la musica su CDAudio
- bit/campione = 8 per la voce, 16 CDAudio
Fondamenti di Informatica A – Università di Brescia
22
Alcuni formati audio
• Segnali audio:
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
• MP3 (MPEG-1 Layer 3): grande diffusione su Internet.
MPEG nasce da un gruppo di lavoro di standardizzazione
23
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
24
I formati dei documenti
Compressione di file
• Documenti in formato PDF (Portable Document Format,
formato di documento portabile)
• Ogni documento PDF può essere visualizzato e stampato
da qualsiasi tipo di computer dotato dell’applicazione
Acrobat Reader (della Adobe, gratuita)
• Come creare un file PDF? Stampare in un file PDF su
disco invece che su stampante
• Documenti in formato PS (PostScript)
• L’applicazione GSview (Ghostview) legge il formato
postscript (disponibile gratuitamente)
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
• Con un apposito programma di utilità si può creare
un archivio in cui i file vengono memorizzati in
formato compresso
• Formato ZIP (.zip): si può ottenere con i
programmi WinZip e PKZip
• Compressione per:
– ottimizzare lo spazio
– semplificare e velocizzare trasferimento di file in rete
25
Docente: A. Gerevini
Fondamenti di Informatica A – Università di Brescia
26