图像压缩实验报告.docx
《图像压缩实验报告.docx》由会员分享,可在线阅读,更多相关《图像压缩实验报告.docx(13页珍藏版)》请在冰点文库上搜索。
图像压缩实验报告
竭诚为您提供优质文档/双击可除
图像压缩实验报告
篇一:
实验三图像压缩
实验三图像压缩
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、实验仪器
1计算机;
2mATLAb等程序;
3移动式存储器(软盘、u盘等)。
4记录用的笔、纸。
三、实验原理
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、信息保持编码或嫡编码。
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,Lempelzev编码。
(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。
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。
四、实验步骤
1打开计算机,启动mATLAb程序;
2调入数字图像,并进行数据的DCT变换编码压缩处理;
3比较它们的数据量。
4记录和整理实验报告
五、实验内容
matlab源程序如下:
clc
clearall
I=imread(lina.gif);
I=im2double(I);%转换图像矩阵为双精度型。
J=dct2(I);
T=dctmtx(8);%产生二维DcT变换矩阵
a1=[1611101624405161;
1212141926586055;
1413162440576956;
1417222951878062;
182237566810910377;
243555648110411392;
49647887103121120XX1;
7292959811210010399];
fori=1:
8:
512
forj=1:
8:
512
p=I(i:
i+7,j:
j+7);
K=T*p*T;
I2(i:
i+7,j:
j+7)=K;
K=K./a1;%量化
K(abs(K) I3(i:
i+7,j:
j+7)=K;
end
end
figure;
imshow(I3);
title(DcT变换后的频域图像);%显示DcT变换后的频域图像fori=1:
8:
512
forj=1:
8:
512
p=I3(i:
i+7,j:
j+7).*a1;%反量化
K=T*p*T;
I4(i:
i+7,j:
j+7)=K;
end
end
figure;
imshow(I4);
title(复原图像);
b=blkproc(I,[8,8],p1*x*p2,T,T);
%计算二维DcT,矩阵T及其转置是DcT函数p1*x*p2的参数
mask=[11110000
11100000
11000000
10000000
00000000
00000000
00000000
00000000];
%二值掩模,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,[88],p1*x*p2,T,T);%重构图像
figure;
imshow(I);
title(原始图像);
figure;
imshow(I2);
title(压缩图像);
figu(:
图像压缩实验报告)re;
imshow(J);
figure;
mesh(J);%画出J的立体网状图
colorbar(horiz);%在水平条方向用不同的颜色表示曲面的高度
六、实验结果
DcT变换后的频域图像在matlab中运行后,实验结果如图:
复原图像
原始图像
篇二:
数字图像处理实验报告5
数字图像处理与分析
实验报告
学院:
班级:
姓名:
学号:
实验五
(1)图像压缩
一、实验目的
1.理解图像压缩的基本定义和常见方法2.掌握在mATLAb中进行图像压缩的方法3.掌握利用DcT进行图像压缩的方法
4.进一步熟悉了解mATLAb语言的应用,为进行综合性图像处理实验打下基础
二、实验内容
%利用离散余弦变换进行Jpeg图像压缩
I=imread(1.bmp);%读入原图像;
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=[111100*********01100000010000000000000000000000000000000
00000000];%二值掩膜,用来压缩DcT系数,只留下数中
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。
虽然舍弃了85%的DcT
系数,但图像仍然清晰(有一些质量损失)
得到图像:
(2)数学形态学
一、实验目的
1.了解二值形态学的基本运算
2.掌握基本形态学运算的matlab实现imclose,imopen,imdilate,imerode,strel.3.了解形态操作的应用
二、实验内容
1.实现二值图像的基本形态学处理(腐蚀、膨胀、开运算和闭运算);2.选择不同结构元素筛选图像目标。
三、实验步骤
运用空间椭球状的元素结构处理1.实现图像的膨胀处理
I=imread(c:
\Documentsandsettings\Administrator\桌面\Img0923181600.bmp);se=strel(ball,5,5);I2=imdilate(I,se);imshow(I);title(original);figure;
imshow(I2);title(Dilated);得到图像:
2.实现图像的腐蚀处理
I=imread(c:
\Documentsandsettings\Administrator\桌面\Img0923181600.bmp);se=strel(ball,5,5);I2=imerode(I,se);imshow(I);
title(original);figure;
imshow(I2);title(eroded);
得到图像:
3.实现图像的开运算处理
I=imread(c:
\Documentsandsettings\Administrator\桌面\Img0923181600.bmp);se=strel(ball,5,5);I2=imopen(I,se);imshow(I);title(original);figure;
imshow(I2);title(opened);得到图像:
4.实现图像的闭运算处理
I=imread(c:
\Documentsandsettings\Administrator\桌面\Img0923181600.bmp);se=strel(ball,5,5);
I2=imclose(I,se);imshow(I);title(original);figure;
imshow(I2);title(closed);得到图像:
运用垂直线型的元素结构处理1.实现图像的膨胀处理
I=imread(c:
\Documentsandsettings\Administrator\桌面\Img0923181600.bmp);se=strel(line,11,90);I2=imdilate(I,se);imshow(I);title(original);figure;
imshow(I2);title(Dilated);得到图像:
篇三:
数据压缩实验报告4
(2)
DcT是仅次于K-L变换的次最佳正交变换,且以获得广泛应用,并成为许多图像编码国际
桂林理工大学实验报告
(20XX~20XX学年度第一学期)
标准的核心。
离散余弦变换的变换核为余弦函数,计算速度快,有利于图像压缩和其他处理。
对于n×n的数字图像,二维DcT变换的正反变换可表示为:
n?
1n?
1
(2x?
1)u?
(2y?
1)v?
F(u,v)?
c(u)c(v)f(x,y)coscos班级:
学号:
姓名:
?
?
2n2nx?
0y?
0
n?
1n1实验名称:
实验四图像DcT变换编码与压缩日期:
20XX年12月12日2?
(2x?
1)u?
(2y?
1)v?
(2.2.1)
一、实验题目:
图像DcT变换编码与压缩
二、实验目的:
(1)掌握离散余弦变换DcT的实现方法,了解DcT的幅度分布特性,从而加深对DcT变换的认识。
(2)掌握图像DcT变换编码的实现方法,从而加深对变换编码压缩图像原理的理解。
三、实验内容:
编程实现图像DcT变换编码。
四、预备知识:
(1)熟悉DcT原理。
(2)熟悉变换编码原理。
(3)熟悉在mATLAb环境下对图像文件的I/o操作。
五、实验原理:
变换编码是在变换域进行图像压缩的一种技术。
图2.2.1显示了一个典型的变换编码系统。
输入图
压缩像n×n图像
图2.2.1变换编码系统
在变换编码系统中,如果正变换采用DcT变换就称为DcT变换编码系统。
DcT用于把一幅图像映射为一组变换系数,然后对系数进行量化和编码。
对于大多数的正常图像来说,多数系数具有较小的数值且可以被粗略地量化(或者完全抛弃),而产生的图像失真较小。
f(x,y)?
n
?
?
c(u)c(v)F(u,v)cos
u?
0v?
0
2n
cos
2n
其中,
c(u)?
c(v)?
?
?
?
u?
0或v?
0?
1,2,...,n?
1
?
1u,v?
mATLAb图像处理工具箱实现离散余弦变换有两种方法:
(1)使用函数dct2,该函数用一个基于FFT的算法来提高当输入较大的方阵时的计算速度。
(2)使用由dctmtx函数返回的DcT变换矩阵,这种方法较适合于较小的输入方阵(例如8×8或16×16)。
①函数:
dct2
实现图像的二维离散余弦变换。
调用格式为:
b=dct2(A)b=dct2(A,[mn])b=dct2(A,m,n)
式中A表示要变换的图像,m和n是可选参数,表示填充后的图像矩阵大小,b表示变换后得到的图像矩阵。
②函数:
dctmtx
除了用dct2函数实现二维离散余弦变换,还可用dctmtx函数来计算变换矩阵,调用格式为:
D=dctmtx(n)
式中D是返回n×n的DcT变换矩阵,如果矩阵A是n×n方阵,则A的DcT变换可用D×A×D’来计算。
这在有时比dct2计算快,特别是对于A很大的情况。
③函数:
idct2
实现图像的二维离散余弦反变换。
调用格式为:
b=idct2(A)b=idct2(A,[mn])b=idct2(A,m,n)式中参数同dct2。
此外,为了实现8×8子块的DcT图像变换还要用到mATLAb中的blkproc函数。
将这个函数和函数dctmtx一起用于块处理可以大大简化运算。
调用函数blkproc的格式为:
b=blkpro(A,[m,n],Fun,p1,p2,…)
其中,A表示原图像,[m,n]指定了大小为m×n的滑动邻域,Fun是对m×n的矩阵进行计算的函数,pi是传递给Fun的附加参数。
该函数自动实现图像块处理的整个过程。
blkproc把A分成m×n个块,对每个块调用参数为p1,p2,…的函数Fun,并重新将结果组合到输出图像b。
blkproc函数实现n×n矩阵的DcT变换和反变换。
编程中可写成:
Y=blkproc(F,[88],’p1*x*p2’,h,h’)同样的道理,blkproc函数还用于量化和反量化。
显示误差直方图可能用到的mATLAb函数有:
max%找图像差最大值[]=hist%用于生成直方图数据bar%显示图像差值直方图
以上函数用mATLAb的help查看具体使用方法。
图2.2.2显示了采用Jpeg标准化矩阵进行DcT变换编码的结果。
图2.2.2DcT变换编码
六、实验步骤:
DcT变换编码流程如下:
步骤1:
设置Jpeg标准化数组;步骤2:
求8×8快的DcT变换矩阵;步骤3:
计算8×8快的DcT变换;步骤4:
对DcT系数量化和反量化;步骤5:
求反量化系数的逆DcT变换;
步骤6:
重新显示重建图像、误差图像和误差图像的直方图。
量化时可采用Jpeg标准推荐的归一化数组,如表2.2.1所示。
表2.2.1Jpeg标准化数组
七、实验程序代码:
functiony=dctcoder(x,quality)m=[161110162440516112121419265860551413162440576956141722295187806218223756681091037724355564811041139249647887103121120XX17292959811210010399]*quality;[xm,xn]=size(x);xx=x;x=double(x);t=dctmtx(8);
y1=blkproc(x,[88],p1*x*p2,t,t);%DcTy2=blkproc(y1,[88],round(x./p1),m);%Qy3=blkproc(y2,[88],x.*p1,m);%IQy=blkproc(y3,[88],p1*x*p2,t,t);%IDcTsubplot(2,2,1);imshow(xx);title(原始图像);
subplot(2,2,2);imshow(mat2gray(y));title(重建图像);%reconstrutedimaged=x-y;%original-reconstruted
subplot(2,2,3);imshow(mat2gray(d));title(误差图像);[h,k]=hist(d(:
),512);
subplot(2,2,4);bar(k,h,k);title(误差图像直方图);