基于MATLAB的数字图像压缩算法研究
数字图像处理课程设计基于Matlab的数字图像处理
数字图像处理课程设计--基于Matlab的数字图像处理数字图像处理课程设计基于Matlab的数字图像处理——图像的运算院系信息技术学院专业班级电气6班学号 201107111282姓名何英娜指导教师章瑞平课程设计时间 2012年11月目录一、摘要 (3)二、图像代数运算1、1图像的加法运算 (4)1、2图像的减法运算 (4)1、3图像的除法运算 (4)1、4绝对差值运算 (7)1、 5 图像的求补运算 (7)3三、图像的几何运算2、1 图像插值 (7)2、2图像的旋转 (8)2、3图像的缩放 (9)2、4图像的投影变换 (10)2、4图像的剪切 (11)四、课程设计总结与体会 (13)五、参考文献 (14)摘要图像运算涵盖程序设计、图像点运算、代数运算、几何运算等多种运算；设计目的和任务：1、熟悉图像点运算、代数运算、几何运算的基本定义和常见方法；2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法3、掌握在MATLAB中进行插值的方法4、运用MATLAB语言进行图像的插值缩放和插值旋转5、学会运用图像的投影变换和图像的剪切46、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际7、通过各类算法加强图像各种属性、一、图像的几何运算何运算图像代数运算是指对两幅或两幅以上输入图像对应的像素逐个进行和差积商运算以产生增强效果的图像。
图像运算是一种比较简单有效的增强处理手段是图像处理中常用方法。
四种图像处理代数运算的数学表达式如下：C(x,y)=A(x,y)+B(x,y)C(x,y)=A(x,y)-B(x,y)C(x,y)=A(x,y)*B(x,y)C(x,y)=A(x,y)/B(x,y)1图像加法运算一般用于多幅图像求平均效果，以便有效降低具有叠加性的随机噪声，在matlab中imadd用于图像相加，其调用格式为z=imadd(X,Y);程序演示如下：I=imread('rice.png');subplot(2,2,1),imshow(I),title('原图像1'); J=imread('cameraman.tif');subplot(2,2,2),imshow(J),title('原图像52');K=imadd(I,J,'uint16'););subplot(2,2,3),imshow(K,[]),title('相加后图像'2、图像减法运算也称差分运算，是用于检测图像变化及运动物体的方法；用imsubtract函数实现。
基于Matlab的图像压缩实现_曹玉茹
29982009,30(12)计算机工程与设计Computer Engineering and Design0引言虽然表示图像需要大量的数据，但图像数据是高度相关的，或者说存在冗余信息，去掉这些冗余信息后可以有效压缩图像，同时又不会损害图像的有效信息。
数字图像的冗余主要表现为以下几种形式：空间冗余、时间冗余、视觉冗余、信息熵冗余、符号冗余、结构冗余和知识冗余。
由于在图像数据中存在如此多的冗余信息，因此，这为图像压缩编码提供了依据。
经过压缩之后的图像，其容量可以大大减少，更加方便存储和传输。
我们平常所拍摄的数码图像都含有非常大的数据量，它与通信网容量的矛盾及其传输和存储的困难都极大地制约了数字图像的发展。
图像压缩编码最根本的目的就是要以尽量少的比特数来表征图像，同时要保持解压缩后图像的质量，使之符合拍摄者的要求。
与此同时，由于拍摄者的水平参差不齐，往往拍摄的图像会不尽如人意。
因此，对原始图像的二次处理也成为一个非常引人注目的课题。
传统的图像压缩方法主要是基于DCT 变换的压缩。
由于DCT 除了具有一般的正交变换性质外，它的变换阵的基向量能很好地描述人类语音信号和图像信号的相关特征。
因此，在对语音信号、图像信号的变换中，DCT 变换被认为是一种准最佳变换。
近年颁布的一系列视频压缩编码的国际标准建议中，都把DCT 作为其中的一个基本处理模块。
除此之外，DCT 还是一种可分离的变换。
现在新型的图像压缩有了这样一个趋势，即从基于DCT 变换的压缩转向基于小波信号进行压缩。
由于小波的种类繁多，利用不同的小波可以进行不同图像的压缩，而且相对于DCT 压缩，小波图像对彩色图像的压缩更加方便简单(在以后的实验将会提到)。
因此，运用小波进行图像压缩越来越广泛，最新的JEPG2000图像压缩格式就开始基于小波对图像进行压缩编码。
本文就数码图像压缩进行研究，运用Matlab 软件在DCT 域和小波域上实现图像压缩编码理论算法及其仿真实验的实现。
基于Matlab／Simulink的数字图像处理实验教学研究
４ 基于 Ｍａ ａ／ ｉ ｌ ｋ的任务驱动 型 系统 ｔ ｂ Ｓｍｕｉ ｌ ｎ 设 计 实 验
任务 驱动 教学符 合 图像处 理课 程 的层 次性 和实
用 性要 求 ， 学生 可 以 由浅 入深 、 由表及 里地 学 习数 字 图像 处理 的知识 和技 能 Ｊቤተ መጻሕፍቲ ባይዱ。Ｍａ ａ／ ｉ ｕｉｋ软 件平 ｔ ｂ Ｓｍ ｌ ｌ ｎ
随着信 息技 术 的不 断 发 展 ， 图像 处 理 的应 用 范 围已经 非 常广泛 ， 且与 越来 越 多 的学科相 结 合 ， 并 成 为 一个 具有 发 展潜 力 的重要 综合 学科 。在 许 多高校
课 程设 置 中 ， 字 图像 处 理 大 多 以基 础 课 程 的性 质 数
过调 用 Ｍａ ａ ｔ ｂ中 Ｉ ｇ ｒｃｓｉｇＴ ｏ ｏ 的 图像 ｌ ｍａｅＰ ｏｅｓ ｏ ｌ ｘ里 ｎ ｂ
！ ＝
ＣＮｌ —１ ５ Ｎ ２ ３ ２／
实
验
室
科
学
第】 ５卷
第 ３期
２１ ０ ２年 ６月
Ｊｎ２ ２ ｕ ． ０１
ＩＡＢ Ｊ ０ＲＡＴ ＯＲＹ ＳＣ ＥＮＣ Ｉ Ｅ
Ｖｏ ． ５ Ｎｏ ３ １１ ．
基于 Ｍａａ／ ｉｕｉ ｔ ｂ Ｓ ｌ ｋ的数字 图像处理实验教 学研 究 ｌ ｍ ｎ
Ａｂ ｔ ａ ｔ Ａｃ ｏ ｄ ｎ ｏ ｔ ｅ ｆ ａｕ ｅ ｆ ｉｉ ｌｉ ｇ ｒ ｃ ｓ ｉ ｇ，ａ ｍｅ ｈ ｄ ｏ ｘ ｅ ｉ ｎ ａ ｅ ｃ ｉ ｇ ｏ ｓｒ ｃ ： ｃ ｒ ｉｇ ｔ ｈ ｅ ｔ ｒ ｓｏ ｇ ｔ ｍａ ｅ ｐ ｏ ｅ ｓ ｄ ａ ｎ ｔ ｏ ｆｅ ｐ ｒ ｍｅ ｔ ｌ ａ ｈ ｎ ｆ ｔ
的模型 化 图形输 入 ， 得 用 户 可 以把 更 多 的精 力 投 使
基于Matlab环境的JPEG图像压缩算法
量 化
便 于传输 、 存储和译码器进 行译码 ， 这样组织 的数据通常 称 为 ＪＥ Ｐ Ｇ位数据流（Ｐ Ｇ ｂｔ ｔ ａ 。图像 的离散余弦变换 ＪＥ ｉ ｓｅｍ） ｒ
具 有把 高 度 相关 数 据 能 量 集 中 的趋 势 ， 正 是 他 用 于 图 像 压 这 缩 的优 点 所 在 ， 这 一点 被 广 泛 应 用 于 图 像 压 缩 。对 通 常 的 故 图像 来 说 ， 多 数 Ｄ Ｔ系 数 的值 非 常 接 近 ０ 如 果 舍 弃 这 些 大 Ｃ 。
接近零 的 Ｄ Ｔ系数 值 ， 重构 图像 是并 不会带来 画面质量 Ｃ 在
（， ＝０ ｄ Ｈ ， Ｉ ｕ ） ｒ ｎ ” ｕｌ
，
（） ５
的 显著 下 降 。所 以 ， 用 Ｄ Ｔ进 行 图 像 压 缩 可 以节 约 大 量 利 Ｃ
的存储空间 。压缩应 该在最合 理的近似原 图像 的情 况下使
ＪＥ （ｏ ｔ ｉｔ ｅｅｐｒ ｇｏｐ ， Ｐ Ｇ ｊｉ ｃ ｒ ｘｅ ｒｕ ） 即联 合 图像 专家 组 。 ｎｐ ｕ ｔ
ＪＥ Ｐ Ｇ算法 中首先对 图像进行 分块处理 ， 在对 每一 快进行 二 维离散余 弦变换 ， 变换后 的系数基 本不相关 ， 系数矩 阵的 且
Ｆｕ ） ｃ ）（ ∑ ∑ｆ ， ・ （， ＝ （ ｃ ） （ｙ ｘ）
一
于空间线性 预测技术 （ 即差分脉冲编码调制） 算法 ， 该算法 属
于无失真压缩算法 ； ２种算 法是基 于离散余 弦变换 、 程 第 行 编码 、 熵编码 的有 失真 压缩算 法。 目前 比较 流行后 一种算 法， 即有失真 Ｄ Ｔ压缩编码 。 Ｃ
MATLAB中的图像压缩和编码方法
MATLAB中的图像压缩和编码方法图像压缩和编码是数字图像处理的重要领域，在各种图像应用中起着至关重要的作用。
在本文中，我们将探讨MATLAB中的图像压缩和编码方法，包括无损压缩和有损压缩，并介绍其中的一些经典算法和技术。
一、图像压缩和编码概述图像压缩是指通过一定的算法和技术来减少图像数据的存储量或传输带宽，以达到节约存储空间和提高传输效率的目的。
而图像编码则是将原始图像数据转换为一系列二进制编码的过程，以便存储或传输。
图像压缩和编码通常可以分为无损压缩和有损压缩两种方法。
无损压缩是指压缩后的数据可以完全还原为原始图像数据，不会引入任何失真或变化。
常见的无损压缩算法有Run-Length Encoding (RLE)、Lempel-Ziv-Welch (LZW)、Huffman编码等。
这些算法通常针对图像中的冗余数据进行编码，如重复的像素值或相似的图像区域。
有损压缩则是在保证一定程度的视觉质量下，通过舍弃或近似原始图像数据来减小存储或传输的数据量。
常见的有损压缩算法有JPEG、JPEG2000、GIF等。
这些算法通过离散余弦变换(DCT)、小波变换或颜色量化等方法，将图像数据转换为频域或颜色空间的系数，并通过量化、编码和压缩等步骤来减小数据量。
二、无损压缩方法1. Run-Length Encoding (RLE)RLE是一种简单高效的无损压缩算法，通过计算连续重复像素值的数量来减小数据量。
在MATLAB中，可以使用`rle`函数实现RLE编码和解码。
例如，对于一幅图像，可以将连续的像素值(如白色)编码为重复的个数，然后在解码时根据重复的个数恢复原始像素值。
2. Lempel-Ziv-Welch (LZW)LZW是一种字典压缩算法，通过将图像中连续的像素序列映射为一个短代码来减小数据量。
在MATLAB中，可以使用`lzwencode`和`lzwdecode`函数实现LZW 编码和解码。
例如，对于一段连续的像素序列，可以将其映射为一个短代码，然后在解码时根据代码恢复原始像素序列。
使用MATLAB进行图像压缩的最佳实践
使用MATLAB进行图像压缩的最佳实践图像压缩在现代生活中扮演着重要的角色，使得我们能够在网络上共享和传输大量的图像。
其中，MATLAB作为一种强大的数学软件，被广泛应用于图像处理领域。
本文将讨论使用MATLAB进行图像压缩的最佳实践，包括常用的图像压缩算法、压缩参数的选择，以及压缩质量和压缩比之间的关系。
一、图像压缩算法图像压缩的目标是通过减少图像的冗余信息来减小图像文件的大小。
常用的图像压缩算法包括无损压缩和有损压缩两种类型。
1. 无损压缩无损压缩算法通过保留图像的所有细节和像素信息来减小文件大小。
这种算法可以用于具有强烈需求的应用场景，如医学图像和卫星图像等需要完全保留细节的领域。
MATLAB中提供了多种无损压缩算法，如Lempel-Ziv-Welch (LZW)、Run Length Encoding (RLE)等。
用户可以根据具体需求选择合适的无损压缩算法。
2. 有损压缩与无损压缩相反，有损压缩算法通过舍弃图像中的一些细节和像素信息来减小文件大小。
这种算法可以在一定程度上降低图像的质量，但能够在较小的文件大小下提供更高的压缩比。
在MATLAB中，常用的有损压缩算法有JPEG、JPEG 2000等。
这些算法可以通过调整压缩参数来平衡图像的压缩质量和压缩比。
二、压缩参数的选择在进行图像压缩时，选择合适的压缩参数对于达到所需的压缩质量和压缩比非常重要。
通常，压缩参数与压缩算法有关。
以下是常用的压缩参数及其含义：1. 压缩比压缩比通常用来衡量图像压缩的效果，即原始图像的大小与压缩后图像的大小之比。
压缩比越大表示压缩效果越好，但可能导致图像质量的损失。
2. 色彩深度色彩深度指图像中每个像素表示颜色的位数。
较低的色彩深度会导致颜色表达的不准确，而较高的色彩深度会增加图像的大小。
根据具体需求，可以在舍弃一些细节的情况下选择较低的色彩深度，从而达到更高的压缩比。
3. 量化级别量化级别用来衡量图像压缩过程中对颜色信息的丢失程度。
基于MATLAB的图像压缩技术研究
・
山 西 焦 煤 科 技
Ｓ ａ ｘ ｋ ｎｇ Ｃｏ ｌＳｃｅ ｃ ＆ Ｔｅ ｈ ｏ ｏ ｙ ｈ ｎ ｉＣｏ ｉ ａ ｉ ｎ ｅ ｃ ｎ ｌｇ
Ｎｏ ２ ．１ Ｄｅ ． ００ ｅ２ ８
试 验研究 ・
基于 Ｍ ＴＡ Ａ Ｌ Ｂ的图像压缩技术研究
吕金 花①
（ 山西汾 西煤化 高级技 工学校 ）
摘 要
介 绍 了 ＭＡ Ｌ Ｂ在 图像 压 缩研 究方 面 的应 用 ， 讨 基 于 Ｂ ＴＡ 探 Ｐ人 工神 经 网络 的 图像 压 缩
的 ＭＡ Ｌ Ｂ 实现 和 基 于小 波 的 图像 压缩技 术 。ＭＡ Ｌ Ｂ软件 使 用 ＭＡ Ｌ ２ ０ ａ版本 ， ＴＡ ＴＡ Ｔ ＡＢ Ｒ ０ ７ 并且 通 过
介休 ０ ２０ ３０ ０
Ｂ Ｐ网络 是 目前最 为 常用 的一 种人 工 神经 网络模
① 作 者简介 ： 花 女 吕金
１５ ９ ９年出生 １９ 年毕业于 山西矿业学 院 工程师 ９８
・
３ ６・
ห้องสมุดไป่ตู้
山 西 焦 煤 科 技
２０ ０ ８年第 ｌ ２期
２ 基于 Ｂ Ｐ人工 神经 网络 图像压 缩 的实现
能 ， 本 上囊 括 了 目前 很 多 典 型应 用 的数 字 图 形 处 基 理 。在 ＭＡ Ｌ Ｂ的神 经 网络工 具 箱 中提 供 了很 多用 ＴＡ 于 图像 处 理 的函数 。ＭＡ Ｌ ＢＲ ０７ Ｔ Ａ ２ ０ ａ中的小 波工 具 箱 （ ｖｌ ｏｌｏ ． 中包 含 的各 种 小 波 分 析 函 Ｗａｅｅ Ｔｏ ｘ３ ０） ｔ ｂ 数， 可用 于对信 号 与 图像 的压 缩 处 理 ， 缩 后 能 保 持 压 信 号 与图像 的特 征基 本 不变 ， 压缩 比高 ， 缩速 度 快 ， 压 且 在传 递过 程 中具 有 抗 干 扰 能 力 。本 文 讨 论 了应 用 Ｍ Ｔ Ａ 中的 Ｂ Ａ ＬＢ Ｐ神 经 网络 工 具 箱 函数 和 小 波 工 具
Matlab中的压缩感知算法
Matlab中的压缩感知算法近年来，随着数字图像和视频数据的广泛应用，对于高效的数据传输和存储变得越来越重要。
而压缩感知算法作为一种新兴的信号处理技术，为我们提供了一种非常有潜力的解决方案。
而在Matlab中，我们可以轻松地利用其强大的信号处理工具箱来实现压缩感知算法。
压缩感知算法的主要思想是：通过选择性地对信号进行采样，仅保留信号中具有较大能量的部分，并利用稀疏性来重构原始信号。
这样做不仅能够节省存储空间，还能有效地减少传输带宽。
在Matlab中，我们可以利用压缩感知算法对图像进行压缩，并在保持较好质量的同时，大幅度减少数据量。
在压缩感知算法中，最常用的是基于稀疏表示的方法，其中最著名的就是基于小波变换的压缩感知算法。
Matlab中的小波变换工具箱为我们提供了一系列强大的小波函数，使得实现压缩感知算法变得简单而便捷。
我们可以将原始信号通过小波变换进行分解，然后利用稀疏表示方法选择性地保留其中重要的小波系数。
最后，通过逆小波变换将保留的系数重构为原始信号。
这样，我们就得到了一个压缩后的图像，从而实现了对图像的压缩。
然而，仅仅使用小波变换进行压缩感知并非是最好的选择，因为小波基具有固定的形状，这可能会导致一些图像特征无法得到恰当的表示。
为了解决这个问题，研究者提出了其他一些基于稀疏表示的压缩感知算法，如稀疏表示算法（Sparse Representation Algorithm，SRA）和字典学习算法（Dictionary Learning Algorithm，DLA）。
SRA算法的核心思想是将原始信号表示为稀疏系数和字典之间的线性组合。
在Matlab中，我们可以使用SRA工具箱来实现该算法。
首先，我们需要训练一个稀疏字典，并利用训练好的字典对信号进行稀疏表示。
然后，通过选择性地保留具有较大系数的部分，并利用逆字典将其重构为原始信号。
通过这样的处理，我们可以实现对信号的高效压缩。
类似于SRA算法，DLA算法也是基于稀疏表示的压缩感知方法，它通过学习一个更适应信号特征的字典来提高信号的稀疏性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图3-1 测试图
图3-2 DCT幅度图
成都理工大学2011届毕业论文
• 图3-3和图3-4是DCT变换的频率分布和边缘分布图。
图3-3 频率分布
注：DC部分是Βιβλιοθήκη 点成都理工大学2011届毕业论文
图3-3 边缘分布
• 由图3-1到3-4可以综合看出，图片的低频区域幅值大，说明图像信息 主要集中在低频部分，高频部分有信息但很少，这说明离散余弦变换 具有信息紧缩能力。 • DCT变换本身并不进行数据压缩，它只是将图像源数据映射到另一个 域，使数据在变换域中容易进行压缩，变换后的图像矩阵系数更独立 和有序。经过DCT变换后，其低频分量都集中在矩阵左上角，高频分 量分布在矩阵右下角。由于该低频分量包含了图象的主要信息，而高 频分量与之相比，不是很重要，所以可以忽略高频分量，只保留低频 分量，从而达到压缩数据的目的。如何将高频分量去掉，这就要用到 前一章所讲的量化。
成都理工大学2011届毕业论文
2. 图像的量化
• 2.1 量化的理论基础
• 2.2 图像均匀量化原理及编码实现
成都理工大学2011届毕业论文
2.1 量化的理论基础
• 2.1.1量化的定义 • 量化是指图像幅度的数字化处理，即使连续信号的幅度用有限级的数 码表示的过程。 • 2.1.2 图像量化误差
图2-2 给定量化级数均匀量化后
成都理工大学2011届毕业论文
图2-3 以步长16量化后
成都理工大学2011届毕业论文
图2-3 以步长32量化后
成都理工大学2011届毕业论文
3. 图像变换
• 3.1 二维离线余弦变换(DCT)理论基础 • 3.2 DCT变换及图像压缩编码实现
成都理工大学2011届毕业论文
3.1 二维离线余弦变换(DCT)理论基础
成都理工大学2011届毕业论文
3.2 DCT变换及图像压缩编码实 现
• DCT函数算法流程图下图所示。
成都理工大学2011届毕业论文
• 对图像进行DCT编码流程图如下图所示。
成都理工大学2011届毕业论文
• 对图3-1进行DCT变换及其频谱显示与分布。
成都理工大学2011届毕业论文
图4-11 Step=35时的DPCM效果图
成都理工大学2011届毕业论文
5.总结
• 由于人眼对亮度变化有一定的门限，较小误差不容易看出，这便产生了基于量化级数 的编码，通过量化忽略较小的误差，大大提高了数据的压缩率，这就是有损编码的基 本思想，它去除的是图像心理视觉冗余。预测编码应用了现代统计学和控制理论的 “时间序列分析”概念，优点是直观快捷、便于实现，特别适用于具有实时性的硬件 结构中，在传输速率较高的场合大都采用预测编码方法，而它的缺点就是压缩比还不 够高。因此再用量化方法对预测编码中的预测误差进行量化，这就产生了有损预测编 码。变换编码是目前应用最为成功的一种有损编码，它将图像变换到另一个能量更为 紧凑的空间，将图像信息集中到少数几个系数上，去除空间冗余，这样便于压缩，另 外根据人眼的心理视觉特点，构造量化表，对变换后的系数进行量化，提高了压缩率， 而不影响人眼的视觉效果。目前静态图像编码标准都采用了变换编码。 • 上述编码都有各自的特点，也都存在各自适用的场合。没有一个单独的编码算法是万 能的。在实际应用中，需要有选择地将各个编码方法综合在一起，创造更有利的图像 压缩条件。将不同编码方法各自的优点发挥，才能构造出一个实用的编码系统。
成都理工大学2011届毕业论文
4.2 差分脉冲调制编码理论基础及其实现
• DPCM预测的基本思想是对图像中每个像素中的信息进行预测,使经 过预测后形成图像数据的熵小于原始图像的熵。因为在图像中相邻像 素之间存在着较强的相关性,因此可以用像素的有关知识对当前像素的 取值进行预测。
• 差分脉冲调制编码方法是由贝尔实验室提出的一种差分编码系统，它 是有损预测编码的基础。图4-8表示了DPCM系统组成的原理，图中 假设信道无误码地传输或者存储数据。
成都理工大学2011届毕业论文
4. 预测编码
4.1 预测编码理论基础及其实现 4.2 差分脉冲调制编码理论基础及其实现
成都理工大学2011届毕业论文
4.1 预测编码理论基础 及其实现
• 预测是通过对图像中新的信息进行编码来消除空间冗余，提高压缩率 的。新的信息是指当前像素值与其预测值之间的误差。预测值与真实 值越接近误差就越小，新的信息就越少，编码器的压缩率就会越高。 如何获得精确的预测值是预测器需要解决的问题。
• 量化后的值与真实值之间的差，称为量化误差或量化噪声。量化过程 是不可逆的。量化级数越大，量化误差越小。
• 通过适当地降低量化级数可以减少数据冗余。由人眼的空间频率特征 可知，人眼对平滑区的亮度变化敏感，而对边缘区的亮度变化相对不 敏感，因此在对低频系数量化时，量化级数大一些(量化步长小)，而 对高频系数进行量化时，量化级数小一些(量化步长大)。
成都理工大学2011届毕业论文
• 在实际应用中，为了实现方便，常采用固定系数进行预测。如一阶线 性预测系数为1，二阶系数分别是0.5、0.5，三阶系数分别为0.5、 0.25、0.25，四阶系数分别为7/8、-1/2、1/2、1/8（Sawada预测 器）。 • 一个一般线性预测器的结构如图4-2所示，图中Z-1为延迟单元。
成都理工大学2011届毕业论文
图4-8 DPCM系统的组成
成都理工大学2011届毕业论文
成都理工大学2011届毕业论文
图4-9为测试图，分别设置DPCM系统中量化步长为5，35，得到效果 图4-10和图4-11。
图4-9 测试原图
成都理工大学2011届毕业论文
图4-10 Step=5时的DPCM效果图
图4-5 水平方向预测的预测误差图
成都理工大学2011届毕业论文
图4-6二维线性预测
成都理工大学2011届毕业论文
图4-7 二维线性预测的预测误差图
成都理工大学2011届毕业论文
由于图像存在心理视觉冗余，可以忽略较小误差，而不影响视觉效果， 因此在预测后，要经过量化，来进一步减少数据量。在下一节的差分 脉冲调制编码的系统组成中就加入了量化器。通常情况下，预测器在 图像平滑区域预测比较准确，而在图像灰度变化剧烈的边缘区域预测 误差较大。在图4-5和图4-7中较亮部分就是预测误差大的地方，也就 是图像的边缘区。
图4-2 线性预测器结构
成都理工大学2011届毕业论文
• 对图4-3进行一维线性预测和二维线性预测。预测时采用的是二阶线 性预测，在图4-1中第六种形式，系数分别为7/8、-1/2、1/2、 1/8(按照逆时针方向四个点)。
图4-3 原图
成都理工大学2011届毕业论文
图4-4 水平方向预测
成都理工大学2011届毕业论文
成都理工大学2011届毕业论文
2.2 图像均匀量化原理及编码实现
成都理工大学2011届毕业论文
• (1)对图2-1进行给定量化级数均匀量化，量化级数k=10，得到图2-2。 • (2)对图2-1，分别以步长16进行量化，以步长32进行量化后得到图23，图2-4。
图2-1 测试原图
成都理工大学2011届毕业论文
• 预测器可分为线性预测器和非线性预测器。利用非线性方程计算预测 值的预测器称为非线性预测器；用线性方程式计算预测值的预测器称 为线性预测器。在图像编码中，为了提高预测效率，一般采用线性预 测器。
成都理工大学2011届毕业论文
成都理工大学2011届毕业论文
成都理工大学2011届毕业论文
图4-1 预测区域示意图
成都理工大学2011届毕业论文
基于MATLAB的数字图像压缩算法研究
作者姓名：杨月桃 专业班级：数学与应用数学系1班 指导教师：陈 辉
索引
• 1. 方法简介 • 2. 图像的量化
• 3. 图像变换
• 4. 预测编码 • 5.总结
成都理工大学2011届毕业论文
1. 方法简介
• 图像压缩编码方法中，能够完全恢复被压缩信源信息的方法称为无损 压缩方法。能近似恢复被压缩信源信息的方法的方法称为有损压缩方 法。 • 在有损压缩(lossy compression)中，预测编码根据相邻像素相关性来 确定后继像素的预测值，若用差值进行编码则可以压缩数据量；变换 编码对原始图像进行正交变换，在变换域进行抽样打到压缩的目的； 混合编码将两种编码方法结合起来，如将预测编码与变换编码相结合， 以取得更好的效果。 • 本文主要是针对静态灰度图像，实现了量化，DCT变换，以及线性预 测编码。