实验五、图像压缩

《实验五、图像压缩》由会员分享，可在线阅读，更多相关《实验五、图像压缩（5页珍藏版）》请在装配图网上搜索。

1、.XX理工大学实验报告班级软件15-1班学号24 XX周奎良同组实验者实验名称实验五图像压缩日期 2021年 11月20日一、 实验目的1 理解有损压缩和无损压缩的概念；2 理解图像压缩的主要原那么和目的；3 了解几种常用的图像压缩编码方式。4 利用MATLAB程序进展图像压缩。二、 实验环境1计算机；2 MATLAB、Photoshop等程序；3移动式存储器软盘、U盘等。4记录用的笔、纸。三、 实验内容1.图像压缩原理图像压缩主要目的是为了节省存储空间，增加传输速度。图像压缩的理想标准是信息丧失最少，压缩比例最大。不损失图像质量的压缩称为无损压缩，无损压缩不可能到达很高的压缩比；损失图像质量

2、的压缩称为有损压缩，高的压缩比是以牺牲图像质量为代价的。压缩的实现方法是对图像重新进展编码，希望用更少的数据表示图像。信息的冗余量有许多种，如空间冗余，时间冗余，构造冗余，知识冗余，视觉冗余等，数据压缩实质上是减少这些冗余量。高效编码的主要方法是尽可能去除图像中的冗余成分，从而以最小的码元包含最大的图像信息。编码压缩方法有许多种，从不同的角度出发有不同的分类方法，从信息论角度出发可分为两大类。1冗余度压缩方法，也称无损压缩、信息保持编码或熵编码。具体说就是解码图像和压缩编码前的图像严格一样，没有失真，从数学上讲是一种可逆运算。2信息量压缩方法，也称有损压缩、失真度编码或烟压缩编码。也就是说解码

3、图像和原始图像是有差异的，允许有一定的失真。应用在多媒体中的图像压缩编码方法，从压缩编码算法原理上可以分为以下3类：1无损压缩编码种类哈夫曼Huffman编码，算术编码，行程RLE编码等。2有损压缩编码种类预测编码，DPCM，运动补偿；频率域方法：正交变换编码(如DCT)，子带编码；空间域方法：统计分块编码；模型方法：分形编码，模型基编码；基于重要性：滤波，子采样，比特分配，向量量化；3混合编码。有IG，H261，JPEG，MPEG等技术标准。本实验主要利用MATLAB程序进展离散余弦变换DCT压缩和行程编码Run Length Encoding， RLE。1) 离散余弦变换(DCT)图像压缩

4、原理离散余弦变换DCT在图像压缩中具有广泛的应用，它是JPEG、MPEG等数据压缩标准的重要数学根底。和一样图像质量的其他常用文件格式(如GIF(可交换的图像文件格式)，TIFF(标签图像文件格式)，PCX(图形文件格式)相比，JPEG是目前静态图像中压缩比最高的。JPEG比其他几种压缩比要高得多，而图像质量都差不多(JPEG处理的图像只有真彩图和灰度图)。正是由于其高压缩比，使得JPEG被广泛地应用于多媒体和网络程序中。JPEG有几种模式，其中最常用的是基于DCT变换的顺序型模式，又称为根本系统(Baseline)。 用DCT压缩图像的过程为： (1)首先将输入图像分解为88或1616的块，

5、然后对每个子块进展二维DCT变换。 (2)将变换后得到的量化的DCT系数进展编码和传送，形成压缩后的图像格式。用DCT解压的过程为： (1)对每个88或1616块进展二维DCT反变换。 (2)将反变换的矩阵的块合成一个单一的图像。 余弦变换具有把高度相关数据能量集中的趋势，DCT变换后矩阵的能量集中在矩阵的左上角，右下的大多数的DCT系数值非常接近于0。对于通常的图像来说，舍弃这些接近于0的DCT的系数值，并不会对重构图像的画面质量带来显著的下降。所以，利用DCT变换进展图像压缩可以节约大量的存储空间。压缩应该在最合理地近似原图像的情况下使用最少的系数。使用系数的多少也决定了压缩比的大小。在压

6、缩过程的第2步中，可以合理地舍弃一些系数，从而得到压缩的目的。在压缩过程的第2步，还可以采用RLE和Huffman编码来进一步压缩。2)行程编码RLE原理：例如如下这幅 的二值图像，如果采用行程编码可以按如下格式保存其中10和8表示图像的宽和高。在这个小例子中行程编码并没有起到压缩图像的作用。这是由于这个图的尺寸过小，当图像尺寸较大时行程编码还是不错的无损压缩方法。对于灰度图像和二值图像，用行程编码般都有很高的压缩率。行程编码方法实现起来很容易，对于具有长重复值的串的压缩编码很有效，例如：对于有大面积的阴影或颜色一样的图像，使用这种方法压缩效果很好。很多位图文件格式都采用行程编码，如TIFF，

7、PCX，GEM，BMP等。3.2实验步骤1. 翻开计算机，启动MATLAB程序；2. 调入一幅BMP格式的数字图像，然后完成下面的实验；3. 使用DCT变换完成对该图像的压缩；4. 阅读下面的代码，分析该代码所实现的功能。I=imread(lenna.bmp); %读入原图像；I = rgb2gray(I);I=im2double(I); %将原图像转为双精度数据类型；T=dctmtx(8); %产生二维DCT变换矩阵B=blkproc(I,8 8,P1*x*P2,T,T); %计算二维DCT，矩阵T及其转置T是DCT函数P1*x*P2的参数mask= 1 1 1 1 0 0 0 0 1 1

8、1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0; %二值掩膜，用来压缩DCT系数，只留下DCT系数中左上角的10个B2=blkproc(B,8 8,P1.*x,mask); %只保存DCT变换的10个系数I2= blkproc(B2,8,8,P1*x*P2,T,T); %逆DCT，重构图像subplot(1,2,1);imshow(I);title(原图像); %显示原图像subplot(1,2,2);imshow(I2);ti

9、tle(压缩图像);%显示压缩后的图像。比照原始图像和压缩后的图像，虽然舍弃了85%的DCT系数，但图像仍然清晰当然有一些质量损失5. 根据行程RLE编码的原理，对一幅灰度图像进展行程编码压缩处理，并输出图像的压缩比。6. 记录和整理实验报告提示：3. 先将彩色图像转换成灰度图rgb2gray，然后使用dct2 离散余弦变换；idct2 反离散余弦变换实现。3.3提交实验的原始图像和结果图像：四、心得体会这次实验是一个体验性的实验，主要就是体验各种图像和视频压缩算法的效果，趣味性比较强。同时也加深了我对这些压缩算法的理解与体会。1参考代码：I=imread(F:program fileswor

10、klenna.bmp); %读入原图像；I1 = rgb2gray(I);I=im2double(I1); %将原图像转为双精度数据类型；T=dctmtx(8); %产生二维DCT变换矩阵B=blkproc(I,8 8,P1*x*P2,T,T); %计算二维DCT，矩阵T及其转置T是DCT函数P1*x*P2的参数mask= 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0; %二值掩膜，用来

11、压缩DCT系数，只留下DCT系数中左上角的10个B2=blkproc(B,8 8,P1.*x,mask); %只保存DCT变换的10个系数I2= blkproc(B2,8,8,P1*x*P2,T,T); %逆DCT，重构图像subplot(2,2,1);imshow(I);title(原图像); %显示原图像subplot(2,2,2);imshow(I2);title(压缩图像);%显示压缩后的图像。比照原始图像和压缩后的图像，虽然舍弃了85%的DCT系数，但图像仍然清晰当然有一些质量损失x1 = im2bw(I1, 0.7 );subplot(2,2,3);imshow(x1);a b=s

12、ize(x1);J=a b;value=x1(1,1); num=0;for i=1:afor j=1:bif x1(i,j)=value num=num+1;else J=J num value; num=1; value=x1(i,j);endendendJ=J num value ; disp(原图像)whos(x1);disp(压缩图像)whos(J);disp(图像压缩比)disp(a*b/length(J)t2=J(2);K(1:t2)=0;i1=1;j1=1;for i=3:2:length(J) c1=J(i); c2=J(i+1);for j=1:c1 K(i1,j1)=c2; j1=j1+1;if j1t2 i1=i1+1; j1=1;endendend subplot(2,2,4); imshow(K); title(a*b/length(J);. v