实验三图像压缩编码技术Word格式.docx
《实验三图像压缩编码技术Word格式.docx》由会员分享，可在线阅读，更多相关《实验三图像压缩编码技术Word格式.docx（14页珍藏版）》请在冰豆网上搜索。
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、信息保持编码或熵编码。
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，H.261，JPEG，MPEG等技术标准。
本实验主要利用MATLAB程序进行赫夫曼（Huffman）编码和行程编码（RunLengthEncoding，RLE）。
三、实验内容
1、实现基本JPEG的压缩和编码分三个步骤：
（1）首先通过DCT变换去除数据冗余；
（2）使用量化表对DCT系数进行量化；
（3）对量化后的系数进行Huffman编码。
四、实验步骤
1打开计算机，启动MATLAB程序；
2选择一幅图像，并进行赫夫曼和行程编码压缩处理；
3将原图像在Photoshop软件中打开，分别以不同的位图文件格式进行“另保存”，比较它们的数据量。
4记录和整理实验报告
clear
loadwoman;
%X=imread（'
girl.bmp'
'
bmp'
）;
data=uint8（X）;
[zipped,info]=huffencode（data）;
unzipped=huffdecode（zipped,info,data）;
subplot（121）;
imshow（data）;
subplot（122）;
imshow（unzipped）;
erms=compare（data（:
）,unzipped（:
））
cr=info.ratio
whosdataunzippedzipped
function[zipped,info]=huffencode（vector）
if~isa（vector,'
uint8'
）
error（'
inputargumentmustbeauint8vector'
end
[m,n]=size（vector）;
vector=vector（:
）'
;
f=frequency（vector）;
symbols=find（f~=0）;
f=f（symbols）;
[f,sortindex]=sort（f）;
symbols=symbols（sortindex）;
len=length（symbols）;
symbols_index=num2cell（1:
len）;
codeword_tmp=cell（len,1）;
whilelength（f）>
1
index1=symbols_index{1};
index2=symbols_index{2};
codeword_tmp（index1）=addnode（codeword_tmp（index1）,uint8（0））;
codeword_tmp（index2）=addnode（codeword_tmp（index2）,uint8
（1））;
f=[sum（f（1:
2））f（3:
end）];
symbols_index=[{[index1,index2]}symbols_index（3:
symbols_index=symbols_index（sortindex）;
codeword=cell（256,1）;
codeword（symbols）=codeword_tmp;
len=0;
forindex=1:
length（vector）
len=len+length（codeword{double（vector（index））+1}）;
string=repmat（uint8（0）,1,len）;
pointer=1;
length（vector）
code=codeword{double（vector（index））+1};
len=length（code）;
string（pointer+（0:
len-1））=code;
pointer=pointer+len;
len=length（string）;
pad=8-mod（len,8）;
ifpad>
string=[stringuint8（zeros（1,pad））];
codeword=codeword（symbols）;
codelen=zeros（size（codeword））;
weights=2.^（0:
23）;
maxcodelen=0;
length（codeword）
len=length（codeword{index}）;
iflen>
maxcodelen
maxcodelen=len;
code=sum（weights（codeword{index}==1））;
code=bitset（code,len+1）;
codeword{index}=code;
codelen（index）=len;
codeword=[codeword{:
}];
cols=length（string）/8;
string=reshape（string,8,cols）;
7）;
zipped=uint8（weights*double（string））;
huffcodes=sparse（1,1）;
nnz（codeword）%length（codeword）%numel（codeword）
huffcodes（codeword（index）,1）=symbols（index）;
info.pad=pad;
info.huffcodes=huffcodes;
info.ratio=cols./length（vector）;
info.length=length（vector）;
info.maxcodelen=maxcodelen;
info.rows=m;
info.cols=n;
functionvector=huffdecode（zipped,info,image）
if~isa（zipped,'
len=length（zipped）;
string=repmat（uint8（0）,1,len.*8）;
bitindex=1:
8;
len
string（bitindex+8.*（index-1））=uint8（bitget（zipped（index）,bitindex））;
string=logical（string（:
string（（len-info.pad+1）:
end）=[];
51）;
vector=repmat（uint8（0）,1,info.length）;
vectorindex=1;
codeindex=1;
code=0;
code=bitset（code,codeindex,string（index））;
codeindex=codeindex+1;
byte=decode（bitset（code,codeindex）,info）;
ifbyte>
vector（vectorindex）=byte-1;
vectorindex=vectorindex+1;
vector=reshape（vector,info.rows,info.cols）;
functioncodeword_new=addnode（codeword_old,item）
codeword_new=cell（size（codeword_old））;
length（codeword_old）
codeword_new{index}=[item
codeword_old{index}];
functionf=frequency（vector）
if~isa（vector,'
f=repmat（0,1,256）;
len=length（vector）;
forindex=0:
255
f（index+1）=sum（vector==uint8（index））;
f=f./len;
functionbyte=decode（code,info）
byte=info.huffcodes（code）;
functionerms=compare（f1,f2）
e=double（f1）-double（f2）;
[m,n]=size（e）;
erms=sqrt（sum（e（:
）.^2）/（m*n））;
iferms~=0
emax=max（abs（e（:
）））;
[h,x]=hist（e（:
））;
iflength（h）>
=1
figure（4）
bar（x,h,'
k'
e=mat2gray（e,[-emax,emax]）;
figure（5）;
imshow（e）;
五、实验仪器
1计算机；
2MATLAB、Photoshop等程序；
3移动式存储器（软盘、U盘等）。
4记录用的笔、纸。
六、实验报告内容
1叙述实验过程；
2提交实验的原始图像和结果图像。
七、思考题
1．图像中哪些信息是主要的，哪些信息是次要的？
答；
频域的低频分量影响更大一些，而高频分量相对次要。
2．简述赫夫曼编码和行程编码的原理。
答：
赫夫曼编码：
先统计数据中各字符出现的概率，再按字符出现频率高低的顺序分别
赋以由短到长的代码，从而保证文件整体的大部分字符是由较短的编码所构成。
行程编码；
又称行程长度编码（Run
Length
Encoding，
RLE），
是一种熵编码，其编码原理是将具有相同值的连续串用其串长和一个代表值来代替，
该连续串就称为行程，串长称为行程长度。
升级会员 