MATLAB图象压缩讲解
基于MATLAB的小波变换在图像压缩中的应用
｛ ｌ Ｉ ｄ 一。 ｆ ～ ＜∞
波 序列． 对 于连续 的情 况 ， 小波序列 为 ：
（． １ ３１ ） ．
我们 称 （０ 为一个 基本 小波或母 小波 （ ｏｈｒ ｖｌ ） 将母 函数 经伸 缩 和平 移 后 ， 可 以得 到一 个 小 ６） Ｍ ｔｅ ｅ ｔ ． Ｗａ ｅ 就
素间冗余．
（） 视觉 冗余 ： ３心理 心理视觉冗余 是相对 于人眼 的视觉特 性而言 的 ， 人眼对 于图像 的视觉特 性包 括 ： 对 亮度 信号 比对 色度信号 敏感 ， 对低频 信号 比对 高频信 号敏感 ， 静止 图像 比对运 动图像 敏感 ， 对 以及对 图像 水平线 条和垂 直线 条 比对斜 线敏感 等．
真 实验 结果 和 分析 表 明此 压 缩 方 法具 有 较好 的效 率 ， 满足 图像 压 缩 的要 求 ． 能 关键词 ： 小波 变换 ； 构 ； 重 图像压 缩 中 图分 类 号 ：Ｎ．１ ．３ Ｔ ９ １７ 收 稿 日期 ： ０ ０ ２ ８— ８—３ ０ ０ 文献 标 识 码 ： Ａ 文章编号 ： ７ １ ４—１３ （０８ ０ ０４ ０ ６ ３ １２ ０ ）６— ０ ９— ５
而且 在时频两域都 具有表征 信号局域特 征 的能 力 ， 一 种窗 口大 小 固定不 变但 形状 可 变 ， 间窗 口和 频 是 时 率窗 口都可以改变 的时频局部 化分析方 法． 即在 低频 部 分具 有较 高 的频率 分辨 率 和较低 的 时间分 辨率 ， 在高频部 分具有较高 的时间分 辨率和较低 的频率 分辨率 ， 适合 于探 测正常 信号 中夹带 的瞬 态反 常现象 很
基于小波变换及Matlab的遥感图像压缩效果分析
袁蔚林 （ １ ９ ８ ５ 一 ） ，男，江苏
南 京 人 ， 工 程 师 ，研 究 方
向为微波遥感 。
Ｅ— ｍａｉ ｌ ：
ｙ ｗｌ ｐ ｋ ｕ ＠ １ ２ ６ ． ｃ ｏ ｍ
次 ，对 压缩 效 果 的作 用甚 微 。 因此 ， 当图像 大 小一 定 时 ，压缩 倍数 和 小波 变换 的分解 层 次之 间存 在一 个较
遥感 图像 压缩 中 的实 际应用 提供 了理 论参 考 。
【 关键词 】小 波变 换 ；图像 压缩 ；Ｍ Ａ Ｔ Ｌ Ａ Ｂ ；分 解层 次 ；阈值 Ｒｅ ｍｏ ｔ ｅ Ｓ ｅ ｎ ｓ ｉ ｎ ｇ Ｉ ｍａ ｇ ｅ Ｃｏ ｍｐ ｒ ｅ ｓ ｓ ｉ ｏ ｎ Ａｎ ａ ｌ ｙ ｓ ｉ ｓ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｗａ ｖ ｅ ｌ ｅ ｔ Ｔｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ ａ ｎ ｄ Ｍａ ｔ ｌ ａ ｂ
理论研究
＼
文章编号：１ ６ ７ ２ ． １ ５ ８ ６ （ ２ ０ １ ３ ） ０ ３ — ０ ０ ３ ９ — ０ ６
中图分 类号 ：Ｔ Ｐ ７
文献标识码 ：Ａ
基于 小波变换及Ｍａ ｔ ｌ ａ ｂ 的遥感图像压缩效 果分析
袁蔚林 ， 马 燕 ，刘圣伟 ， 许玉斌。 ， 孙华波。
佳 匹配 问题 。同 时 ，通过 实验 数 据 ，说 明 了在 小波 压缩 过 程 中 ，阈值 对压 缩 图像 的压 缩 比和 能量 保持 比的 定量 影 响 ，表 明将 小波 变 换用 于 遥感 图像 压 缩具 有压 缩 比大 ，压缩 效 率高 的优 点 。实 验结 果为 小波 变 换在
收 稿 日期 ：２ ０ １ ３ — ０ ２ ・ ２ ５
Ｙ ＵＡＮ Ｗ ｅ ｉ ｌ ｉ ｎ ， Ｍ Ａ Ｙａ ｎ ， ＬＩ Ｕ Ｓｈ ｅ ｎｗｅ ｉ ， Ｘ Ｕ Ｙｕ ｂｉ ｎ ，Ｓ Ｕ Ｎ Ｈｕ ａ ｂｏ 。
基于DCT的JPEG图像压缩编码算法的MATLAB实现
维普资讯
第１ 第 １ ５卷 期
２０ 年 ３ ０２ － 月
Ｊ ｕ ａ ｆＺ ｉ ｇＷａ ｌ Ｕ ｉｅｓｙ ｏ ｒ ｌ ｝ ａ ｎｉ ｎｖ ｒｉ ｎ ｏ ｎ ｔ
浙 江万里学院学报
Ｖ
ｂ ， ｏ】
Ｍａ ２ ０ ｒ ０２
文章 编号 ：６ １ ２ｏ２ｏ ］ｌ ０ ２ —０． １７ —２５ ｉｏ ２ｏ 一 ０８ ４ －
和解 压过程 ．
１２ 结 合 Ｍ Ｔ ￣ ５３仿 真对上 述算法 的几点 解释 ． Ａ ＬＢ． １２ １ 离散 余 弦 变挟 （ ｃ ） Ｄ ｒ 定义
二维 Ｄ Ｔ的解 析式定 义 可 以由下式表示 ： Ｃ
Ｆ ｆ＝ （ｙＦ， 等 （ ） （ ）Ｎ ） （ ） ｃ ｏ ， ０ ，，Ｏ ｏ ｓ
Ｄ Ｔ系数值 ， 中 １ 数 值是 直 流 （ Ｃ 系数 ， ８×８空域 图像 子块 的平 均值 ， 余 的 ６ Ｃ 其 个 Ｄ） 即 其 ３个 是交 流 （ ｃ 系 Ａ ） 数， 接下 来对 Ｄ Ｔ系数进 行量 化 ， 将变 换得到 的量 比的 Ｄ Ｔ系数进 行编码 和传 送 ， 成压 缩后 的图像 格 Ｃ 最后 Ｃ 形
二维 Ｄ Ｔ反变换 （Ｄ Ｔ 解析 式定 义可 以表示 为 ： Ｃ ＩＣ ）
几 ＝ｍ， 啬 击 ｏ ） ＋
＋ ｍ ｃｓ ｏ
ｃ ｏ ｓ
ｏｓ ｏ
＋ ｏｓ 等 ｍ．ｏ ） ｃ
使用Matlab进行压缩感知和稀疏信号重建
使用Matlab进行压缩感知和稀疏信号重建近年来，随着科技的不断发展，信号处理技术也在不断地改进和创新。
其中，压缩感知和稀疏信号重建技术成为了研究的热点之一。
Matlab作为一种常用的科学计算软件，提供了丰富的工具和函数，方便了研究者对信号处理技术进行深入研究。
本文将介绍如何使用Matlab进行压缩感知和稀疏信号重建。
一、压缩感知的基本原理压缩感知是一种新兴的信号采样和重建技术，其核心思想是通过获取信号的部分采样，然后利用信号的稀疏性，从而恢复出完整的信号。
在信号采样过程中，传统的采样方式需要满足奈奎斯特采样定理，即采样频率要高于信号带宽的两倍。
而压缩感知则可以通过远远低于奈奎斯特采样频率的采样率，实现对信号的高精度重建。
压缩感知的基本原理是通过信号的稀疏表示来进行重建。
稀疏信号是指信号在某个基向量下的表示系数大部分为零，即信号具有较少的非零系数。
在实际应用中，大部分信号都可以通过一些稀疏基进行表示，如小波基、傅里叶基等。
压缩感知利用这一点，通过采样矩阵和稀疏基来重建信号。
二、Matlab中的压缩感知工具箱在Matlab中，提供了一个方便实现压缩感知和稀疏信号重建的工具箱——Compressed Sensing Toolbox。
该工具箱提供了一系列函数，可以方便地进行信号采样、压缩和重建。
使用该工具箱的第一步是导入信号，可以从文件中读取信号数据，也可以生成合成信号。
在Matlab中，提供了丰富的函数用于生成各种形式的合成信号，如正弦信号、方波信号等。
导入信号后，可以进行信号的采样。
Compressed Sensing Toolbox提供了多种采样方式，如随机采样、均匀采样等。
对于信号的重建，Compressed Sensing Toolbox提供了多种重建算法，如BP（基追踪算法）、OMP（正交匹配追踪算法）等。
这些算法可以根据信号的稀疏性和采样率进行选择，以达到较好的重建效果。
除了重建算法，该工具箱还提供了一些性能评价指标，如重建误差、稀疏度等。
基于MATLAB的双正交小波图像压缩的对比
（ ．Ｌａ ｎｎ １ ｉｏｉｇＨｏｇａ ｈ Ｎ ｃ ａ Ｐｍｙ ｏ ，Ｌ Ｄ ， ａｉｎ １６ ０ ，Ｃ ｉａ； ｎ ｙ ｎ ｅ ｕｌ ｒ ￣ ｅ ｅ ｒＣ ． Ｔ Ｄ ｌ １０ １ ｈｎ ａ ２ Ａｖａｔ ｎ ｃｕ ３ ０ ２ ｈｎ ） ｏ ｔ ｆＡｉ ｏｃ Ｃｕ ｇｈ ｎ １ ０ ２ ，Ｃ ｉａ ｅ ￣
维普资讯
第 ２ 卷第 ４期 ３
２０ ０ ８年 ８月
Ｅ己 国 ） 一
光 电技 术 应 用
＾ Ｆ ｒ 】 ｊ ， ［ ｜ Ｖ
Ｖ １ ３ Ｎｏ ４ ｏ． ， ． ２
Ａｕ ｕ ｔ２０ ８ ｇ ｓ． ０
文章 编 号 ：６ ３ ２ ５ ２ ０ ）４ ０ ６—０ １ ７ —１ ５ （０ ８ ０ —０ ６ ３
ｓ ｎ ｒ ｔ ｎ Ｓ ｉ ａ ｅ ａ ｄ Ｐ ＮＲ ｒ ｐ ｉ ｉｅ ｙ ｔ ｅ Ｍ ＡＴＬ ｏ ａ ｅ ｏ ｔ ｚ ｄ ｂ ｈ ｍ ＡＢ ｉ ｌｔ ｎ ｏ ａ ｉｕ ｉ ｒｈ ｇ ｎ ｌ ｖ ｌｔｉ ｇ ｏ ｒ ｓ ｓｍｕ ａ ｉ ｆ ｒ ｓ ｂ— ｔ ｏ ｏ ａ ｏ ｖ ｏ ｏ ｗａ ｅｅ ｍａ ｅｃ ｍｐ ｅ —
（ ｚ—ｋ ； ２ ） ｋ ２ ￣（ ｘ—ｋ ． ） （ ｚ—ｋ ； ２ ）
Ａｂ ｔａ ｔ Ｔｈ ｐ ｌ ａ ｉｎ ｂ ｃ ｍｅ ｒ ｘ ｅ ｓｖ ｎ ｉ ｐ ｅａｏ ｇ ｗ ｉ ｈ ｍｅ ｇ ｎ ｅｏ ＡＴＬ ｓｒ ｃ ： ｅ ａ ｐ ｉ ｔ ｅ ｏ ｓｍｏ ｅｅ ｔ ｎ ｉ ｅａ ｄ ｓ ｃ ｏ ｍ ｌ ｌｎ ｔ ｔ ｅｅ ｒ ｅ ｃ ｆ ｈ Ｍ ＡＢ．Ｍ ＡＴＬ ＡＢ ｐ ｏ ｉｅ ａ ｉ ｕ ｖ ｌｔａ ｄ ｗａ ｅｅ ａ ｋ ｇ ｏ ｓｔ ｅ ｏ ｏ ｅｏ ｅ ｔ ｕ ｔ ｒ ｈ ｇ ．Ｖａ ｉｕ ｖ ｌｔｆ ｎ — ｒｖｄ ｓｖ ｒ ｓ ｏ ｗａ ｅｅ ｎ ｖ ｌ ｔ ｃ ａ ｅｔ ｌ ｏ ｄ ｃ ｍｐ ｓ ｒｒ ｓ ｒ ｃ ｕ ｅｔ ｅ ｉ ｐ ｏ ｍａ ｅ ｒ ｓｗａ ｅｅ ｕ ｃ ｏ
一种改进的图像压缩方法及其Matlab实现
ＩＯ ＩＣ ＩＵ—Ｔ联合 组 成 的 “ 合 二 值 图像 专 Ｓ ／Ｅ 和 Ｔ 联
家组 （ｏｎ ｂ —ｌｖｌｍ ｇ ｘ ｅｔ ｇｏｐ ” １９ ｊｉｔ ｉ ｅｅ ｉ ａ ｅｅｐ ｒ ｒｕ ） 于 ９ ２ ｓ
以致 使人 形 成错 像 。这样 对 数 字 图像 的分 析 、 观 察 和处理 造成 不利 。噪 声实 际上 是一 种相 对 图像 数据 的无 效数 据 ， 而 使 得 各 像 素 之 间 的相 关 性 从 大 大降低 ， 图像 压缩 的核 心 即是 去 除像 素 间 的 而 相关 性 ， 对含 噪 的 图像 处理 效果 当然 是很 差 的 ， 也 就 是 图像 中的噪 声对 图像 的编 码压 缩起 了破 坏作 用 Ｊ 。要对信 号 中 的 噪声 进 行 有 效 的处 理 ， 就需 要建立 噪 声模 型 ， 而如何 建立 高效 、 快速 的模 型 又
维普资讯
第 ２ 卷 第 １期 ９ ２
２０ ０７年 ｌ 月 ２
武 汉理工 大 学学 报 ・ 信息 与管理 工程 版
ＪＵ Ｎ ＬＯ Ｔ（Ｎ Ｏ Ｍ ＴＯ Ｏ Ｒ Ａ Ｆ ＷＵ ＩＦ Ｒ Ａ ＩＮ＆ Ｍ Ｎ Ｇ Ｍ Ｎ Ｎ Ｉ Ｅ ￣Ｎ Ａ Ａ Ｅ Ｅ ＴＥ ＧＮ Ｅ Ｇ
摘
要： 介绍 了 Ｊ Ｅ Ｐ Ｇ图像压缩算 法 ， 对 含有 噪声 的数字 图像 去除相关 性差 的 问题 ， 出了先 滤波再 进行 并 提
ＪＥ Ｐ Ｇ压缩 的方法 。在 Ｍ ｔ ｂ数学分析工具环境下仿 真了该算 法。实验结 果表 明， ａｌ ａ 在图像 客观保 真度优于经 典 ＪＥ Ｐ Ｇ压 缩方法的情况下 ， 也能减小平均码长。同时也体现了 Ｍａ ａ 来实现 ＪＥ ｔｂ用 ｌ Ｐ Ｇ的图像编解码过程 ， 具 有方法简单 、 速度快 和误差 小的优点。 关键 词 ： ｔｂ Ｍａ ａ ；噪声 ； Ｐ Ｇ；图像 压缩 ｌ ＪＥ
基于Matlab的JPEG图像压缩编码仿真实现
用 Ｍａ ａ ｔ ｂ做 仿真 实验 ， ｌ 方法 简单 而且误 差小 ， 大大提 高 了图像 压 缩的效 率和精 度 。 关键 词 ： 合 图像 专 家组 ； 联 图像 压 缩算 法 ； 离散 余 弦变换 ； ｆ ａ Ｈｕ ｍ ｎ编码 ； ｆ 峰值 信 噪 比 中图分类 号 ：Ｐ １ Ｔ ３２ 文 献标识 码 ： Ａ 文章编 号 ：０１ ４５（０７ １ ０９ — ３ １０ — ５ １２０ ）０— ０７ ０
（ ｏ ｅ ｅｏ ｃ ａ ｉ ｌ ｎ ｌ ｔ ｃ ｌ ｎ ｉｅｒ ｇ Ｈ ｂ Ｃ ｌ ｇ ｏａｉｎａ ｄ Ｔｃ ｎ ｌ ｙ Ｈ ｂ ４ ８ ３ ，Ｃ ｉａ Ｃ ｌ ｇ ｌ ｆＭｅｈ ｎ ａ ａ ｄ Ｅｅ ｒ ａ Ｅ ｇｎ ｅｉ ， ｅｉ ｏｌ ｅｏ Ｖ ｃ ｔ ｎ ｅｈ ｏｏ ， ｅｉ ５ ０ ０ ｈ ） ｃ ｃｉ ｎ ｅ ｆ ｏ ｇ ｎ
Ｋｅ ｒ ｓ ｏｎ ｈ ｔｇａ ｈｅｅ ｐ ｒｓｇｏ ｐ（ Ｐ ｙｗｏ ｄ ：ｊｉｔｐ ｏｏｌｐ ｉ ｘ ｅｔ ｒｕ Ｊ ＥＧ）；ｉ ｇ ｏ ｒｓｉｎ ａｇ ｒ ｈ 。 ｍａ ｅｃ ｍｐｅ ｓ ｌｏｉ ｍ；ｄｓｒｔ ｏ ｉｅｔ ｎ ｆｒ （ Ｃｔ ｏ ｔ ｉ ｅ， ｓ ｒ ｓ ｍ Ｄ —）；ｌｕ － ｃ ￣ｃ ｎ ａ ｏ ｌ ｆ
Ｓ ｍｕｌ ｔｏ ｍ ｐ ｅ ｎ ａ ｉ ｎ ｏ ｉ ａ ｉ ｎ ｉ ｌ ｍｅ ｔ ｔｏ ｆＪＰＥＧ ｍ ａ ｅ ｃ ｍｐｒ ｓ ｉｎ ｂ ｓ ｄ ｏ ａ ｌｂ ｉ ｇ ｏ ｅ ｓｏ ａ ｅ ｎ Ｍ ｔａ
Ｚ ＨＡ０ Ｗ ｅ ． ．．Ｄ ｎｊ ｕ ＯＮＧ Ｈｕ— ｎ．Ｚ ｈ． ｎ ｉｍｉ ＨＵ Ｚ ｉｍｉ
基于Matlab环境的JPEG图像压缩算法
F（ u， v） = C（ u） C（ v）
y） · ∑ ∑ f（ x，
x =0 y =0
π（ 2 x + 1 ） u π（ 2 y + 1 ） v cos cos 2M 2N
（ 1）
收稿日期：2011 － 03 － 15 作者简介：程丽（ 1982 —） ， 女， 硕士研究生， 讲师， 主要从事系统工程研究 。
21 世纪以来， 随着计算机软硬件以及操作系统的不断 “多媒体技术 ” 发展， 人们对 一词已经耳熟能详， 它有非常重 要的存在必要性， 如图形和图像处理的需要 、 大量数据存储 。“多媒体技术” 的需要等 定义为利用个人计算机对文字 、 图 逻辑关系和人机交互作用的产物 像、 图形、 动3 ］ 。 多媒体技术应运而
2011 年 5 月 第 32 卷 第 5 期 四 川 兵 工 学 报 【自动化技术】
基于 Matlab 环境的 JPEG 图像压缩算法
程 丽， 王聪丽， 侯著荣， 王 凯
（ 军械工程学院 计算机工程系 ， 石家庄 050003 ） 摘要：压缩是多媒体技术得到长足发展的关键技术 ， 而图像是多媒体信息的重要组成部分 。 针对图像压缩问题， 分 析了 JPEG 图像压缩系统的原理， 提出了一种基于 DCT 的 JPEG 图像压缩技术， 并在 Matlab 环境下实现了编码和解 演示了一幅图像压缩后的效果 。 码的几个关键步骤， 关键词：图像压缩； DCT； JPEG 图像压缩算法 中图分类号：TP751 文献标识码：A 文章编号：1006 － 0707 （ 2011 ） 05 － 0100 － 03 通过保留低频区部分系数 ， 去掉高频区 能量集中在低频区， 的部分， 从而达到压缩目的， 余弦变换时经典谱分析的工具 ， 它考察的是整个时域过程中的频域特性 ， 或者整个频域过程 中的时域特性， 该算法具有较强的块内去相关的能力 ， 适于 较平坦的压缩， 它的特点是没有利用图像中局域间的相关特 性， 在压缩倍数高时， 恢复图像出现明显的方块效应 。 JPEG2000 是由 ISO / IEC JTC1SC29 标准化组织负责的全 新静止图像压缩标准， 一个最大的改进是他采用小波变换代 它既能考查局 替了余弦变换。小波变换是现代谱分析工具 ， 部时域过程的频域特性 ， 又能考查局部频域过程中的时域问 。 JPEG2000 几何算法在高压缩比下跟传统的 JPEG 压 题 用 缩方式相比， 图像质量并没有明显的降低 ， 来自 RAPH LEVIEN 于 2000 年三月所作的对比测试报告表明 ： 在中度与低度 的压缩比率下， 传统的 JPEG 表现的更为出色， 但是在较高的 压缩比率下传统的 JPEG 方式就不那么让人满意 ， 与传统的 JPEG 压缩方式对比， JPEG2000 的表 在较高的压缩比率小， 现更为优秀。
- 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)。
1.图像压缩的概念减少表示数字图像时需要的数据量2。
图像压缩的基本原理去除多余数据.以数学的观点来看,这一过程实际上就是将二维像素阵列变换为一个在统计上无关联的数据集合图像压缩是指以较少的比特有损或无损地表示原来的像素矩阵的技术，也称图像编码.图像数据之所以能被压缩,就是因为数据中存在着冗余。
图像数据的冗余主要表现为：（1）图像中相邻像素间的相关性引起的空间冗余;（2）图像序列中不同帧之间存在相关性引起的时间冗余;（3）不同彩色平面或频谱带的相关性引起的频谱冗余。
3数据压缩的目的就是通过去除这些数据冗余来减少表示数据所需的比特数。
由于图像数据量的庞大，在存储、传输、处理时非常困难,因此图像数据的压缩就显得非常重要。
信息时代带来了“信息爆炸”，使数据量大增,因此,无论传输或存储都需要对数据进行有效的压缩。
在遥感技术中，各种航天探测器采用压缩编码技术，将获取的巨大信息送回地面.图像压缩是数据压缩技术在数字图像上的应用，它的目的是减少图像数据中的冗余信息从而用更加高效的格式存储和传输数据。
4、图像压缩基本方法图像压缩可以是有损数据压缩也可以是无损数据压缩。
对于如绘制的技术图、图表或者漫画优先使用无损压缩，这是因为有损压缩方法，尤其是在低的位速条件下将会带来压缩失真。
如医疗图像或者用于存档的扫描图像等这些有价值的内容的压缩也尽量选择无损压缩方法。
有损方法非常适合于自然的图像,例如一些应用中图像的微小损失是可以接受的(有时是无法感知的），这样就可以大幅度地减小位速。
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，Lempel zev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.目前基于小波变换的压缩方法有很多，比较成功的有小波包最优基方法，小波域纹理模型方法,小波变换零树压缩，小波变换向量压缩等。
5、图像压缩的主要目标就是在给定位速（bit-rate)或者压缩比下实现最好的图像质量.但是,还有一些其它的图像压缩机制的重要特性：可扩展编码 (en:Scalability）通常表示操作位流和文件产生的质量下降（没有解压缩和再压缩）.可扩展编码的其它一些叫法有渐进编码（en：progressive coding)或者嵌入式位流（en：embedded bitstreams）。
尽管具有不同的特性,在无损编码中也有可扩展编码，它通常是使用粗糙到精细像素扫描的格式。
尤其是在下载时预览图像（如浏览器中)或者提供不同的图像质量访问时（如在数据库中）可扩展编码非常有用有几种不同类型的可扩展性：质量渐进(en：Quality progressive）或者层渐进（en：layer progressive）：位流渐进更新重建的图像。
分辨率渐进（en:Resolution progressive）：首先在低分辨率编码图像，然后编码与高分辨率之间的差别.成分渐进(en:Component progressive）:首先编码灰度数据，然后编码彩色数据.感兴趣区域编码，图像某些部分的编码质量要高于其它部分,这种方法可以与可扩展编码组合在一起（首先编码这些部分，然后编码其它部分).元数据信息,压缩数据可以包含关于图像的信息用来分类、查询或者浏览图像。
这些信息可以包括颜色、纹理统计信息、小预览图像以及作者和版权信息。
6、图像压缩目前的标准经典的视频压缩算法已渐形成一系列的国际标准体系，如H.26x系列建议，H。
320系列建议以及MPEG系列建议等.7、图像压缩效果的评估压缩方法的质量经常使用峰值信噪比来衡量,峰值信噪比用来表示图象有损压缩带来的噪声。
但是,观察者的主观判断也认为是一个重要的、或许是最重要的衡量标准。
二、具体实验方法及算法1、使用图像比例变换缩放图像实验原理：数字图像的比例缩放是指给定的图像在X方向和Y方向按相同的比例缩放a倍，从而获得一副新的图像。
并且如果x方向和y方向的缩放比例不同，会使得比例缩放后改变原始图像像数间的相对位置，产生几何畸变。
设原始图像中的点A0（X0，Y0）比例缩放后,在信徒中的对应点是A1（X1，Y1）,则两点之间的关系可表示为若比例缩放所产生的图像中的像素在原始图像中没有相对应的像素点时，就需要进行灰度值的插值运算，一般有以下两种差值处理方法.1）直接赋值为和它最相近的像素灰度值,这种方法成为最邻近差值法，该方法的主要优点是简单，计算量小，但是可能会产生马赛克现象。
2）通过其他的数学插值算法来计算相应的像素点的灰度值，这类方法处理效果好,但运算量会有所增加.该函数在图像压缩的时候,主要是根据周围相近像素的颜色值进行删除计算，最终达到压缩图片的目的。
---—-—-—-——----源代码-—-—---—-———--——I=imread(’D:\cameraman。
tif'）；imshow（I)；X1=imresize(I，1)X2=imresize(I,0.8）X3=imresize(I,0。
6)X4=imresize（I,0.4)X5=imresize（I,0.2）X6=imresize（I,0。
09）X7=imresize(I，0.04)X8=imresize（I,0。
03）X9=imresize（I,0。
02)X10=imresize(I,0。
01)subplot（3，3,1），imshow(X1)，title（’原始图像’)subplot（3，3，2)，imshow（X2）,title(’缩小0。
8倍’)subplot(3，3，3）,imshow(X3),title（’缩小0。
6倍')subplot（3,3，4),imshow（X4）,title（'缩小0.4倍’)subplot(3,3，5),imshow（X5),title（’缩小0。
2倍')subplot(3,3，6），imshow（X6)，title（'缩小0.09倍')subplot（3,3,7),imshow（X7),title（’缩小0.04倍’）subplot(3,3，8)，imshow（X8)，title('缩小0。
02倍’）subplot(3,3，9）,imshow（X9）,title(’缩小0。
01倍'）实验截图：2、小波变换实现图像压缩（分2种函数）实验原理：小波变化通过多分辨分析过程将一幅图像分成近似和细节两部分，细节对应的是小尺度的顺变,它在本尺度内很稳定，因此将细节存储起来，近似部分在下一个尺度进行分解，重复该过程即可，近似与细节在正交镜像滤波器算法中分别对应于高通滤波和低通滤波，这种变换通过尺度去掉相关性。
2(1）利用wavedec2()函数对图像进行小波分解后，再用appcoef2（)函数对分解的图像进行重构,最后用wcodemat()函数进行量化编码—-—--—源代码-—-——-—clear;load wbarb；subplot（3,3，1);image（X);colormap（map);title('原始图像'）;disp（’原始图像X的大小：'）;whos（’X'）;[c,s］=wavedec2（X,2,’bior3。
7’）;cal=appcoef2（c,s，’bior3。
7’，1)；ch1=detcoef2('h'，c,s，1)；cv1=detcoef2（’v'，c,s，1)；cd1=detcoef2（'d'，c,s，1);a1=wrcoef2('a'，c,s，’bior3。
7',1);h1=wrcoef2（’h'，c，s，’bior3.7'，1）;v1=wrcoef2（'v’,c，s,’bior3.7',1）;d1=wrcoef2('d'，c,s,'bior3。
7’,1）；c1=[a1,h1；v1,d1];ca1=appcoef2(c，s,'bior3。
7'，1)；ca1=wcodemat(cal，440,'mat’，0)；ca1=0。
8＊cal;subplot(3,3,2)；image（ca1);colormap(map）；axis square；title（'第一次压缩图像0。
8倍’)；disp(’第一次压缩图像的大小’)；whos（’ca1')；ca2=appcoef2(c,s,'bior3。
7',2);ca2=wcodemat（ca2，440,'mat’,0）；ca2=0.6＊ca2；subplot(3,3，3);image(ca2）;colormap(map）;axis square;title(’第二次压缩图像0.6倍')；disp（'第二次压缩图像的大小'）；whos('ca2’）；ca3=appcoef2(c，s,'bior3.7',2);ca3=wcodemat(ca3，440，’mat’,0)；ca3=0。
4*ca3;subplot（3，3,4);image（ca3）;colormap（map); axis square;title('第三次压缩图像0.4倍'）;disp（'第三次压缩图像的大小')；whos(’ca3’)；ca3=appcoef2（c,s，'bior3。
7'，2）；ca3=wcodemat（ca3,440,'mat'，0）;ca4=appcoef2(c,s,’bior3.7'，2）；ca4=wcodemat(ca4,440,’mat',0）;ca4=0.2＊ca4;subplot(3，3,5）；image（ca4）;colormap(map）；axis square;title（'第四次压缩图像0.2倍’）；disp（'第四次压缩图像的大小'）；whos(’ca4');ca4=appcoef2（c,s,'bior3。
7’，2);ca4=wcodemat（ca4，440，'mat',0）;ca5=appcoef2（c，s,'bior3。
7’，2)；ca5=wcodemat(ca5，440,'mat’，0);ca5=0.09*ca5；subplot（3,3,6）;image（ca5）;colormap（map); axis square;title('第五次压缩图像0.09倍’)；disp（'第五次压缩图像的大小’）；whos（’ca5’）；ca5=appcoef2(c,s，'bior3.7’，2); ca5=wcodemat（ca5,440,’mat',0);ca6=appcoef2（c,s，’bior3.7’，2)；ca6=wcodemat(ca6，440，'mat',0）;ca6=0.04＊ca6；subplot（3，3，7）;image(ca6)；colormap（map)；axis square;title(’第六次压缩图像0.04倍'）;disp(’第六次压缩图像的大小’）；whos（'ca6’）；ca6=appcoef2（c,s，'bior3.7'，2); ca6=wcodemat(ca6，440,’mat’,0）；ca7=appcoef2(c,s,’bior3。