word版本hslogic立体图像编码解码.docx

1、word版本hslogic立体图像编码解码立体图像编码解码MATLAB程序设计说明文档1.系统总体说明 根据相关参考资料说明，图像编码解码的大致结构框图如下所示：图1 系统基本结构框图 本系统，我们主要将完成这个结构框图中介绍的各个模块。2.各个模块设计与仿真function im_encode(left_name, right_name, parameter);发送端的说明2.1 获得左右两个图像MATLAB代码imag_L = imread(stereo_images/corridor1.pgm);imag_R = imread(stereo_images/corridor2.pgm);f

2、igure(1);subplot(121),imshow(imag_L);title(left);subplot(122),imshow(imag_R);title(right);仿真效果图2 左右眼睛看到的图像代码说明 通过读取两个图片，来模拟人两个眼睛所看到的图像。2.2 Transform模块 这个模块主要使用DCT变换，但是这里设计到一个问题，就是将两个图片信号变为一路信号的问题。就本课题而言，这里有以下几个方法实现；由于这两个图片是双目信号，所以可以先进行立体匹配得到一个图片，然后再接收端分解成两个双目图片；由小波分解进行融合得到一路信号，然后在接收端进行反变换，但是这种做法也较复杂

3、。进行图片的采样处理，对两个图片进行间隔采样，然后在接收端进行内插得到原图像，这种方法比较简单，本模块采用这个方法。 其代码如下所示：R,L = size(imag_L);for i = 1:R for j = 1:L if mod(i+j,2)=0 image(i,j) = imag_L(i,j); else image(i,j) = imag_R(i,j); end endend2.3 DCT变换 我们在这里使用MATLAB内部的dct2函数。这里就不多做介绍了。其仿真结果如下所示：其代码如下所示：DCT_out = dct2(image);2.4 ZIGZAG算法 其基本原理如下所示：通

4、过这个方法，我们可以将一个图像的二维数据变为一个串行的数据流。其对应的代码如下所示：function y=toZigzag(x)% transform a matrix to the zigzag format row col=size(x); if row=col disp(toZigzag() fails! Must be a square matrix!); returnendy=zeros(row*col,1);count=1;for s=1:row if mod(s,2)=0 for m=s:-1:1 y(count)=x(m,s+1-m); count=count+1; end;

5、else for m=1:s y(count)=x(m,s+1-m); count=count+1; end endendif mod(row,2)=0 flip=1;else flip=0;endfor s=row+1:2*row-1 if mod(flip,2)=0 for m=row:-1:s+1-row y(count)=x(m,s+1-m); count=count+1; end else for m=row:-1:s+1-row y(count)=x(s+1-m,m); count=count+1; end; end; flip=flip+1;end2.5 量化模块 律压扩的数学解

6、析式：其中：x为输入信号的归一化值；y为压扩后的信号。对话音信号编码，常采用=255，这样适量化信噪比改善约24dB。由于上式的是一个近似的对数关系，因此也称为近似对数压缩律，其15折线：近似律：表3-2 U律压缩和15折线的特性对比律（m-Law）压扩主要用在北美和日本等地区的数字电话通信中。m为确定压缩量的参数，它反映最大量化间隔和最小量化间隔之比，通常取100m500。由于m律压扩的输入和输出关系是对数关系，所以这种编码又称为对数PCM。 A律（A-Law）压扩主要用在欧洲和中国大陆等地区的数字电话通信中。A为确定压缩量的参数，它反映最大量化间隔和最小量化间隔之比。A律压扩的前一部分是线

7、性的，其余部分与律压扩相同。15折线特性给出的小信号的信号量噪比约是13折线特性的两倍。 但是，对于大信号而言，15折线特性给出的信号量噪比要比13折线特性时稍差。在保证小信号的量化间隔相等的条件下，均匀量化需要11比特编码，而非均匀量化只要7比特就够了。 其对应的待明如下所示：function ypcm=mulaw(yn)x=yn;s=sign(x); x=abs(x); ypcm=zeros(length(x),1);%进行基于15折线的分段映射for i=1:length(x) if x(i)1/255 %序列值位于第1折线 ypcm(i)=255/8*x(i); elseif x(i)

8、3/255 %序列值位于第2折线 ypcm(i)=255/16*x(i)+1/16; elseif x(i)7/255 %序列值位于第3折线 ypcm(i)=255/32*x(i)+5/32; elseif x(i)15/255 %序列值位于第4折线 ypcm(i)=255/64*x(i)+17/64; elseif x(i)31/255 %序列值位于第5折线 ypcm(i)=255/128*x(i)+49/128; elseif x(i)63/255 %序列值位于第6折线 ypcm(i)=255/256*x(i)+129/256; elseif x(i)127/255 %序列值位于第7折线

9、ypcm(i)=255/512*x(i)+321/512; else %序列值位于第8折线 ypcm(i)=255/1024*x(i)+769/1024; endendypcm=ypcm.*(27); ypcm=floor(ypcm);ypcm=ypcm.*s;2.6 编码模块 发送的最后我们需要将量化后的数据进行压缩，得到二进制比特率进行发送，这里我们使用huffman编码。Huffman编码的基本原理如下所示：哈夫曼编码是用于数据文件压缩的一个十分有效的编码方法，其压缩率通常在2090之间。哈夫曼编码算法使用字符在文件中出现的频率表来建立一个0,1串，以表示各个字符的最优表示方式。 它是一

10、种编码方式，哈夫曼编码是可变字长编码(VLC)的一种。 Huffman于1952年提出一种编码方法，该方法完全依据字符出现概率来构造异字头的平均长 度最短的码字，有时称之为最佳编码，一般就叫作Huffman编码。 以哈夫曼树即最优二叉树，带权路径长度最小的二叉树，经常应用于数据压缩。 在计算机信息处理中，“哈夫曼编码”是一种一致性编码法（又称熵编码法），用于数据的无损耗压缩。这一术语是指使用一张特殊的编码表将源字符（例如某文件中的一个符号）进行编码。这张编码表的特殊之处在于，它是根据每一个源字符出现的估算概率而建立起来的（出现概率高的字符使用较短的编码，反之出现概率低的则使用较长的编码，这便使

11、编码之后的字符串的平均期望长度降低，从而达到无损压缩数据的目的）。这种方法是由David.A.Huffman发展起来的。 例如，在英文中，e的出现概率很高，而z的出现概率则最低。当利用哈夫曼编码对一篇英文进行压缩时，e极有可能用一个位(bit)来表示，而z则可能花去25个位（不是26）。用普通的表示方法时，每个英文字母均占用一个字节（byte），即8个位。二者相比，e使用了一般编码的1/8的长度，z则使用了3倍多。倘若我们能实现对于英文中各个字母出现概率的较准确的估算，就可以大幅度提高无损压缩的比例。三、Huffman编码的步骤设信源X的信源空间为：其中，现用二进制对信源X中的每一个符号(i=

12、1,2,N)进行编码。根据变长最佳编码定理，Huffman编码步骤如下：（1）将信源符号xi按其出现的概率，由大到小顺序排列。（2）将两个最小的概率的信源符号进行组合相加，并重复这一步骤，始终将较大的概率分支放在上部，直到只剩下一个信源符号且概率达到1.0为止；（3）对每对组合的上边一个指定为1，下边一个指定为0（或相反：对上边一个指定为0，下边一个指定为1）；（4）画出由每个信源符号到概率1.0处的路径，记下沿路径的1和0；（5）对于每个信源符号都写出1、0序列，则从右到左就得到非等长的Huffman码。其对应的代码如下所示：function compression,dict = huffm

13、an_module(image);s = image;%entropy p = hist(s,length(s); idx=find(p=0); prob=p(idx)/length(s); entropy=-prob*log2(prob); %redundancy entropymax=log2(length(prob); redundancy=(entropymax-entropy)/entropymax; reff=sort(s); ref2=reff(2:end); ref=reff(1:end-1); chg=ref2-ref; idx2=find(chg=0); sig=ref2(

14、idx2); symbols=ref(1);sig; %huffman table set(0,RecursionLimit,2000);dict,avglen = huffmandict(symbols,prob); % %huffman encoder compression = huffmanenco(s,dict);以上就是发送端的基本过程。其对应的算法流程图如下所示：3.各个模块设计与仿真function imag_LS2,imag_RS2,image= im_decode(bitstream,dict) ;接收端的说明接收端其主要流程和发送端相反，这里我们就不多做介绍了。其原理如下所示：3.系统总体仿真说明 系统的仿真结果如下所示：读入两个图片DCT变换值量化值压缩比特流最后接收到的双目图片。最后我们可以得到PSNR值为