Fixed spacing.

document/parts/lossless_compression.tex

@@ -32,7 +32,7 @@ Samotná obrazová informace, která je pro nás zajímavá, se nachází v segm
 Velikost bioinformatického datasetu je většinou dána počtem snímků, který je v něm obsažen. Často je biologický vzorek snímán v čase nebo s měnící se polohou mikroskopu. Pořizování obrazů tímto způsobem produkuje velké množství dat. Velké velikosti datasetů jsou tedy spíše způsobeny počtem snímků, které obsahují nežli rozlišením jednotlivého snímku. Navíc s využitím více bitů na pixel velikost datasetu roste. V jakém čase a z jaké pozice mikroskopu byl snímek pořízen, se dozvíme v jeho specifických metadatech. V těchto metadatech dále najdeme informace o jeho rozměrech.  Často se bavíme o řezech obrazu, neboť vzorek je postupně snímán po celé jeho délce, jako je tomu například u počítačové tomografie.
 
 Někdy se může stát, ačkoli je typ pixelu Gray16, že bude barevný obraz rozdělen do několika kanálů, které budou znovu spojeny až při nebo po analýze. Příklad tohoto můžeme vidět na Obrázku \ref{fig:channel_composited}.
-\begin{figure}[ht!]
+\begin{figure}[h]
     \centering
     \begin{subfigure}{.45\textwidth}
         \centering
@@ -64,7 +64,6 @@ Někdy se může stát, ačkoli je typ pixelu Gray16, že bude barevný obraz ro
 
 Formát CZI v základu podporuje tři různé kompresní algoritmy pro kompresi obrazových dat. Nutno podotknout, že u dat, které jsme měli k dispozici, jsme se většinou setkali s úplnou absencí komprese. Specifikací je povolen slovníkový kompresní algoritmus LZW a dvě varianty JPEG komprese, standardní JPEG a JPEG-XR. JPEG-XR je modernější variantou a nabízí lepší kompresní poměry spolu s bezztrátovou kompresí. Více o JPEG kompresi se čtenář dozví v kapitole \ref{sec:jpeg}.
 
-\newpage
 \subsection{Vybrané bezztrátové kompresní algoritmy}
 \label{sec:lossless_compression_algorithms_desc}
 V této kapitole velice zjednodušeně uvedeme vybrané kompresní algoritmy, které jsme vyzkoušeli na obrázcích z CZI souborů. Nejprve představíme tři algoritmy, které se používají pro bezztrátovou kompresi dat obecně, a staly se \emph{de facto} standardem. Dále popíšeme algoritmus \bThreed \cite{Balazs164624}, který se přímo zaměřuje na kompresi snímků získaných z mikroskopu. V neposlední řadě vyzkoušíme zakódovat snímek jako rozdíl od předcházejícího snímku nebo metodu transformace dat.
@@ -83,7 +82,10 @@ Další metrikou, kterou budeme používat je BPP, neboli počet bitů na jednot
 
 V neposlední řadě nás bude zajímat i rychlost komprese, kterou můžeme definovat jako počet bytů, či jejích násobků, které dokáže kompresní algoritmus zpracovat za jednotku času. Rychlost komprese si můžeme představit jako mohutnost průtoku dat kompresním algoritmem. V této práci budeme používat jednotky MB/s, kde 1 MB = 1 000 000 B. 
 
-Univerzálními kompresními algoritmy, které zde uvedeme, rozumíme algoritmy, které se používají pro kompresi dat všeho druhu. Tyto algoritmy provádějí bezztrátovou kompresi, tedy nedojde ke ztrátě žádné informace. Zvolené metody jsou navrženy tak, aby byly nezávislé na procesoru, operačním systému, či souborovém systému. I z tohoto důvodu jsou používány každodenně v programech jako je například 7-zip. Námi vybrané metody jsou:
+Univerzálními kompresními algoritmy, které zde uvedeme, rozumíme algoritmy, které se používají pro kompresi dat všeho druhu. Tyto algoritmy provádějí bezztrátovou kompresi, tedy nedojde ke ztrátě žádné informace. Zvolené metody jsou navrženy tak, aby byly nezávislé na procesoru, operačním systému, či souborovém systému. I z tohoto důvodu jsou používány každodenně v programech jako je například 7-zip. 
+
+\newpage
+Námi vybrané metody jsou:
 \begin{enumerate}
     \item gzip
     \item lzma

document/parts/lossy_compression.tex

@@ -12,7 +12,7 @@ Zde se již dostáváme do druhé, hlavní částí práce, ve které se budeme
 \label{sec:vector_quantization}
 \input{parts/vector_quantization.tex}
 
-\FloatBarrier
+% \FloatBarrier
 \subsection{Huffmanovo kódování}
 \label{sec:huffman}
 \input{parts/huffman.tex}