多媒体实验二图片的压缩处理Word下载.docx
《多媒体实验二图片的压缩处理Word下载.docx》由会员分享，可在线阅读，更多相关《多媒体实验二图片的压缩处理Word下载.docx（12页珍藏版）》请在冰豆网上搜索。
4.利用MATLAB程序进行图像压缩；
（二）实验环境
1．高档微机：
MPC
2．课前准备：
标准实验纸张若干张
3．操作系统：
Windows2000或WindowsXP中文版
4．编程工具：
Matlab7.0
（三）实验过程及结果
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）。
2.图像压缩的方法：
1．有损压缩：
（离散余弦变换（DCT）图像压缩原理）
压缩原理介绍：
离散余弦变换DCT在图像压缩中具有广泛的应用。
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×
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。
离散余弦（DCT）压缩代码：
1）利用DCT变换进行图像压缩的MATLAB程序:
RGB=imread（'
1.JPG'
）;
I=rgb2gray（RGB）;
J=dct2（I）;
imshow（log（abs（J）,[]）,colormap（jet（64））,colorbar
J（abs（J）<
10）=0;
K=idct2（J）;
figure,imshow（I）;
figure,imshow（K,[0,255]）;
2）利用离散余弦变换进行JPEG图像压缩:
2）
I=imread（'
I=rgb2gray（I）;
I=im2double（I）;
T=dctmtx（8）;
B=blkproc（I,[88],'
P1*x*P2'
T,T'
mask=[11110000
11100000
11000000
10000000
00000000
00000000];
B2=blkproc（B,[88],'
P1.*x'
mask）;
I2=blkproc（B2,[88],'
T'
T）;
Subplot（1,2,1）;
Imshow（I）;
title（'
原图像'
Subplot（1,2,2）;
Imshow（I2）;
压缩图像'
截图：
原图像与压缩图像
2．无损压缩：
（利用行程编码（RLE）进行图像压缩原理）
RLE（Run-LengthEncoding行程长度编码）算法是Windows系统中使用的一种图像文件压缩方法,其基本思想是:
将一扫描行中颜色值相同的相邻像素用两个字节来表示,第一个字节是一个计数值,用于指定像素重复的次数;
第二个字节是具体像素的值[2]。
主要通过压缩除掉数据中的冗余字节或字节中的冗余位,从而达到减少文件所占空间的目的。
例如,有一表示颜色像素值的字符串RRRRRGGBBBBBB,用RLE压缩方法压缩后可用5R2G6B来代替,显然后者的串长度比前者的串长度小得多。
译码时按照与编码时采用的相同规则进行,还原后得到的数据与压缩前的数据完全相同。
因此,RLE是无损压缩技术。
对于拥有大面积，相同颜色区域的图像，用RLE压缩方法非常有效。
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。
行程编码压缩代码：
girl.bmp'
[mnl]=size（I）;
fid=fopen（'
yc.txt'
'
w'
sum=0;
fork=1:
l
fori=1:
m
num=0;
J=[];
value=I（i,1,k）;
forj=2:
n
ifI（i,j,k）==value
num=num+1;
%统计相邻像素灰度级相等的个数
ifj==n
J=[J,num,value];
end
elseJ=[J,num,value];
%J的形式是先是灰度的个数及该灰度的值
value=I（i,j,k）;
num=1;
col（i,k）=size（J,2）;
%记录Y中每行行程行程编码数
sum=sum+col（i,k）;
Y（i,1:
col（i,k）,k）=J;
%将I中每一行的行程编码J存入Y的相应行中
end
[m1,n1,l1]=size（Y）;
disp（'
原图像大小:
'
）
whos（'
I'
NameSizeBytesClassAttributes
I512x512x3786432uint8
压缩图像大小:
Y'
Y512x974x31496064uint8
图像的压缩比:
disp（m*n*l/sum）;
0.5476
subplot（1,2,1）,imshow（I）,title（'
subplot（1,2,2）,imshow（Y）,title（'
行程编码解码后的图像'
save（'
）%存储，以便解码用
col'
fclose（fid）;
load（'
col.mat'
原图像与压缩图像：
：
图像的数据：
行程编码表：
图像的大小和压缩比例：
>
0.5476
四．实验过程分析和建议
1图像的就是图像重新进行编码，希望用更少的数据表示图像，以及减少信息的冗余量，其中就包含有损压缩和无损压缩，主要目的是为了节省存储空间，增加传输速度。
2.其中两种方法都有自己的优点和缺点，其中有损压缩可以达到很高的压缩比，但是图像的质量有所下降，会部分失真，而无损压缩可以保持原图像的真度，行程编码的压缩方法对于自然图片来说是不太可行的，因为自然图片像素点错综复杂，同色像素连续性差，如果硬要用行程编码方法来编码就适得其反，图像体积不但没减少，反而加倍。
鉴于计算机桌面图，图像的色块大，同色像素点连续较多，所以行程编码对于计算机桌面图像来说是一种较好的编码方法。
五．实验心得体会
实验过程中练习MATLAB的使用对图片进行编写代码处理，包括有损压缩和无损压缩两种方法的比较，以及对图像压缩比的认识，从而学到了不少新的知识，对多媒体技术处理图像压缩有了更加全面，更深度的了解。
六．思考题
1．图像中哪些信息是主要的，哪些信息是次要的？
2．简述离散余弦变换（DCT）和行程编码（RLE）的原理。
答：
升级会员 