基于MATLAB的图像Huffman编码研究Word文件下载.docx
《基于MATLAB的图像Huffman编码研究Word文件下载.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的图像Huffman编码研究Word文件下载.docx（16页珍藏版）》请在冰点文库上搜索。
3.5.1主流程图
3.5.2编码流程图
3.5.3解码流程图
3.3组员任务分工
王振宇：
编写主要程序，编码解码函数程序及相关子程序，修改报告及演示文稿。
龙航：
编写部分主程序及部分函数程序，撰写报告。
王一鸣：
编写部分程序，进行程序调试完善，制作演示文稿。
1.程序实现
4.1函数主程序
clc;
clear;
closeall;
X=imread（'
peppers.JPG'
）;
%图像灰度化
R=X（:
:
1）;
G=X（:
2）;
B=X（:
3）;
Y=0.299*R+0.587*G+0.114*B;
subplot（1,3,1）;
imshow（X）;
title（'
原始图像'
data=uint8（Y）;
[zipped,info]=huffencode（data）;
%调用Huffman编码程序进行压缩
unzipped=huffdecode（zipped,info）;
%调用Huffman编码程序进行解码
%显示原始图像，灰度化图像和经编码解码后的图像
subplot（1,3,2）;
imshow（data）;
灰度化图像'
subplot（1,3,3）;
imshow（unzipped）;
Huffman编码并解码后图像'
disp（'
平均码长'
L=info.avalen
压缩比'
CR=info.ratio
信息熵'
H=info.h
编码效率'
CE=info.ce
4.2编码程序
%huffencode函数对输入矩阵vector进行Huffman编码，返回编码后的数据及相关信息
function[zipped,info]=huffencode（vector）
if~isa（vector,'
uint8'
）%确定输入矩阵是uint8格式
error（'
inputargumentmustbeauint8vector'
end
[m,n]=size（vector）;
%求输入矩阵的行列数
vector=vector（:
）'
;
%将矩阵按列转换成一列后转至，成为一个行向量（其中存放灰度值）
f=frequency（vector）;
%计算各符号出现的概率
symbols=find（f~=0）;
%返回概率矩阵中非零元素的位置向量，作为符号向量
f=f（symbols）;
%非零概率位置上的概率值组成非零概率行向量
[f,sortindex]=sort（f）;
%将符号按照出现的概率从小到大排序，并保留非零概率向量位置索引
fs=f;
symbols=symbols（sortindex）;
%读出原位置向量中的值（即概率向量中的位置），得到按概率排序后的符号向量
len=length（symbols）;
%读取位置向量的长度
symbols_index=num2cell（1:
len）;
%生成从1开始以1递增，1行len列的细胞型矩阵
codeword_tmp=cell（len,1）;
%创建一个len行1列的细胞型变量用于存放码字
whilelength（f）>
1%生成Huffman树，得到二进制码字编码表
index1=symbols_index{1};
index2=symbols_index{2};
codeword_tmp（index1）=addnode（codeword_tmp（index1）,uint8（0））;
%添加节点且该分支按0标记
codeword_tmp（index2）=addnode（codeword_tmp（index2）,uint8
（1））;
%添加节点且该分支按1标记
f=[sum（f（1:
2））f（3:
end）];
%求出两个最小概率之和，列出其他概率，组成一个新的行向量
symbols_index=[{[index1,index2]}symbols_index（3:
%合并已编码的符号索引
[f,sortindex]=sort（f）;
%将新的概率向量按照概率从小到大排序
symbols_index=symbols_index（sortindex）;
%得到新的索引表
codeword=cell（256,1）;
codeword（symbols）=codeword_tmp;
%各符号二进制码字按原符号位存入细胞型矩阵
len=0;
fori=1:
length（symbols）%得到各符号码长矩阵
wordlen（i）=length（codeword_tmp{i}）;
avawordlen=fs*wordlen'
%计算平均码长
Hlog=log2（fs）'
H=-（fs*Hlog）;
%计算信息熵
forindex=1:
length（vector）%得到整个图像各点灰度值转化为二进制码字后的总比特数
len=len+length（codeword{double（vector（index））+1}）;
string=repmat（uint8（0）,1,len）;
%创建元素数与总比特数一致的行向量
pointer=1;
%定义指针变量
length（vector）%对输入图像进行编码
code=codeword{double（vector（index））+1};
%对应符号的二进制码字给code
len=length（code）;
%读取码字长度
string（pointer+（0:
len-1））=code;
%将二进制码字存入行向量中
pointer=pointer+len;
%指针移移位
%将二进制编码按照每8位生成一个新字符。
len=length（string）;
zp=8-mod（len,8）;
ifzp>
string=[stringuint8（zeros（1,zp））];
%不足8位的在后补零
codeword=codeword（symbols）;
%码字按符号概率放入列向量中
codelen=zeros（size（codeword））;
%创建与列向量元素数相同的列向量
weights=2.^（0:
23）;
maxcodelen=0;
length（codeword）
len=length（codeword{index}）;
%读二进制码字长度
iflen>
code=sum（weights（codeword{index}==1））;
%计算二进制码字对应的十进制数
code=bitset（code,len+1）;
%将码字最高位的上一位置1
codeword{index}=code;
codelen（index）=len;
%码字长度存入列向量中
end
codeword=[codeword{:
}];
%转化为行向量
%计算压缩后的向量
cols=length（string）/8;
string=reshape（string,8,cols）;
7）;
zipped=uint8（weights*double（string））;
%码表存储到一个稀疏矩阵
huffcodes=sparse（1,1）;
nnz（codeword）
huffcodes（codeword（index）,1）=symbols（index）;
%返回编码参数
info.zeropad=zp;
%info.zeropad是添加的比特数
info.huffcodes=huffcodes;
%info.huffcodes是Huffman码字表
info.length=length（vector）;
%info.length是灰度化图像矩阵长度
info.rows=m;
%info.rows是灰度化图像行数
info.cols=n;
%info.cols是灰度化图像列数
info.avalen=avawordlen;
%info.ratio是平均码长
info.ratio=8/avawordlen;
%info.ratio是压缩比
info.h=H;
%info.h是信息熵
info.ce=H/avawordlen;
%info.ce是计算编码效率
%函数frequency计算各符号出现的概率
functionf=frequency（vector）
if~isa（vector,'
）%确定矩阵是uint8格式
error（'
f=zeros（1,256）;
%设置一个256个元素都为0的行向量
len=length（vector）;
%读取输入矩阵元素个数
forindex=0:
1:
255
f（index+1）=sum（vector==index）;
%统计输入图像矩阵中0至255各值出现的个数，存入一个行向量中
f=f./len;
%求各符号值出现的概率
%函数addnode添加节点确定符号码字
functioncodeword_new=addnode（codeword_old,item）
codeword_new=cell（size（codeword_old））;
%前一步码字维数作为新细胞型变量的维数，用于存放码字
length（codeword_old）%确定符号对应码字
codeword_new{index}=[itemcodeword_old{index}];
4.3译码程序
%huffdecode函数对输入矩阵vector进行Huffman编码，返回解压后的图像数据
functionvector=huffdecode（zipped,info）
if~isa（zipped,'
）%确定压缩矩阵是uint8格式
len=length（zipped）;
%读取压缩矩阵长度
string=repmat（uint8（0）,1,len*8）;
%创建全为0的行向量
bitindex=（1:
8）;
len
string（bitindex+8.*（index-1））=uint8（bitget（zipped（index）,bitindex））;
%读取压缩矩阵中的值并转化为8位二进制按顺序放入string矩阵中
%开始解码
51）;
vector=repmat（uint8（0）,1,info.length）;
%创建与灰度化图像行向量等长的行向量
vectorindex=1;
codeindex=1;
code=0;
len-1
code=bitset（code,codeindex,string（index））;
%按位读编码码字
codeindex=codeindex+1;
%移位
byte=decode（bitset（code,codeindex）,info）;
%进行码字匹配，读取相对应符号
ifbyte>
0%若读取到对应符号则进行下面操作，无符号继续按位读取码字
vector（vectorindex）=byte-1;
%将符号表示的灰度值放入容器矩阵中
codeindex=1;
%重置
code=0;
vectorindex=vectorindex+1;
%容器指针移位
vector=reshape（vector,info.rows,info.cols）;
%将构成的灰度矩阵按原图矩阵行列数重构，解码完成
%函数decode返回码字对应的符号
functionbyte=decode（code,info）
byte=info.huffcodes（code）;
2.测试和调试
运行结果：
平均码长L=7.6057；
压缩比CR=1.0518；
信息熵H=7.5789；
编码效率CE=0.9965
平均码长L=6.9685；
压缩比CR=1.1480；
信息熵H=6.9427；
编码效率CE=0.9963
经过多次测试和调整，最终编码结果正确，解码结果正确，程序运行正确。
3.总结
感谢李雷达老师教授《数字视频技术》课程并为我们安排了这次课程设计。
通过这次课设，我们更深地熟悉和掌握了MATLAB
程序设计方法和灰度图像Huffman的编码解码过程，学会了运用MATLAB平台对图像进行处理和分析。
提高我们编程能力的同时，也让我们对编解码算法有了更深入的理解。
课程设计是我们专业课程知识综合应用的实践训练，是我们迈向社会，从事职业工作前一个必不少的过程。
在这次的课程设计中不仅检验了我们所学习的知识，也引发了我们对如何去把握一件事情，如何去做一件事情，如何完成一件事情等问题的思考。
在设计过程中，与同学分工设计，和同学们相互探讨，相互学习，相互监督，提高了团队合作能力，学到了平时在课上学不到的知识，每个人都得到了很大的进步。
通过这次数字视频技术课程设计，我们在多方面都有所提高。
这次课程设计中，综合运用了本专业所学课程的理论知识。
学会了在图像处理过程中，运用编程思维去实现某种功能或效果。
在这次设计过程中，体现出自己的能力以及综合运用知识的能力，体会到了学有所用、学以致用的兴奋感和成就感，同时也暴露出了自己平时学习的不足和薄弱环节，进而加以弥补和改正。
参考文献:
[1]戴辉,卢益民.数字视频技术[M].北京:
北京邮电大学出版社,2012.
升级会员 