实验五、图像压缩

数字图像处理实验五桂林理工大学实验报告班级软件15-1班学号3152012011124姓名周奎良同组实验者实验名称实验五图像压缩日期2018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则和目的；3．了解几种常用的图像压缩编码方式。4．利用MATLAB程序进行图像压缩。二、实验环境1计算机；2MATLAB、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丢失最少，压缩比例最大。不损失图像质量的压缩称为无损压缩，无损压缩不可能达到很高的压缩比；损失图像质量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行编码，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，结构冗余，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相同，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。也就是说解码图像和原始图像是有差别的，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；数字图像处理实验五模型方法：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JBIG，H261，JPEG，MPEG等技术标准。本实验主要利用MATLAB程序进行离散余弦变换（DCT）压缩和行程编码（RunLengthEncoding，RLE）。1)离散余弦变换(DCT)图像压缩原理离散余弦变换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基础。和相同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，又称为基本系统(Baseline)。用DCT压缩图像的过程为：(1)首先将输入图像分解为8×8或16×16的块，然后对每个子块进行二维DCT变换。(2)将变换后得到的量化的DCT系数进行编码和传送，形成压缩后的图像格式。用DCT解压的过程为：(1)对每个8×8或16×16块进行二维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变换进行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。数字图像处理实验五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相同的图像，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，PCX，GEM，BMP等。3.2实验步骤1.打开计算机，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,[88],'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=[1111000011100000110000001000000000000000000000000000000000000000];%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,[88],'P1.*x',mask);%只保留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);title('压缩图像');%显示压缩后的图像。对比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，对一幅灰度图像进行行程编码压缩处理，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：数字图像处理实验五四、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。数字图像处理实验五1参考代码：I=imread('F:\\programfiles\\work\\lenna.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,[88],'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=[1110000011000000100000000000000000000000000000000000000000000000];%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,[88],'P1.*x',mask);%只保留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。对比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);[ab]=size(x1);J=[ab];value=x1(1,1);num=0;数字图像处理实验五fori=1:aforj=1:bifx1(i,j)==valuenum=num+1;elseJ=[Jnumvalue];num=1;value=x1(i,j);endendendJ=[Jnumvalue];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;fori=3:2:length(J)c1=J(i);c2=J(i+1);forj=1:c1K(i1,j1)=c2;j1=j1+1;ifj1t2i1=i1+1;j1=1;endendendsubplot(2,2,4);imshow(K);title(a*b/length(J));