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）;
升级会员 