基于小波变换的数字图像压缩(实验5报告).doc

多媒体技术实验报告 学院：城南学院通信1202班 姓名：学号：指导老师：尹波 时间：2015/12/9 实验五：基于小波变换的数字图像压缩 1．实验目的 掌握小波变换的基本原理，掌握matlab小波变换工具箱。 利用MATLAB小波程序进行图像压缩。 2. 实验原理a和伸缩因子b的函数。 小波变换对一个函数在空间和时间上进行局部化的一种数学变换。通过平移母小波(mother wavelet)获得信号的时间信息，通过缩放母小波的宽度(或称尺度)获得信号的频率特性。对母小波的平移和缩放操作是为计算小波的系数，这些系数代表局部信号和小波之间的相互关系。 小波分解树与小波包分解树 由低通滤波器和高通滤波器组成的树。原始信号通过一对滤波器进行的分解叫做一级分解。信号的分解过程可以迭代，即可进行多级分解。自然的高通滤波器输出对应的信号的高频分量部分，称为细节分量，低通滤波器输出对应了信号的相对较低的频率分量部分，称为近似分量。 小波分解树(wavelet decomposition tree)。用下述方法分解形成的树：对信号的高频分量不再继续分解，而对低频分量连续进行分解，得到许多分辨率较低的低频分量用下述方法分解形成的树：不仅对信号的低频分量连续进行分解，而且对高频分量也进行连续分解，这样不仅可得到许多分辨率较低的低频分量，而且也可得到许多分辨率较低的高频分量。 基于小波分析的图像压缩 二维小波分析用于图像压缩是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持图像的特征基本不变，且在传递过程中可以抗干扰。小波分析用于图像压缩具有明显的优点。 基于小波分析的图像压缩方法很多，比较成功的有小波包、小波变换零树压缩、小波变换矢量量化压缩等。 利用二维小波分析对图像进行压缩。一幅图像作小波分解后，可得到一系列不同分辨率的子图像，不同分辨率的子图像对应的频率是不相同的。高分辨率（即高频）子图像上大部分点的数值都接近于0，越是高频，这种现象越明显。对一幅图像来说，表现一个图像最主要的部分是低频部分，所以最简单的压缩方法是利用小波分解，去掉图像的高频部分而只保留低频部分。 3. 实验wavemenu选图像调出小波变换工具箱： 选择Wavelet2-D,在弹出窗口file菜单中选择Lena.jpg，level选择1，点击apply，进行一阶小波变换。 Level选择2，进行2阶小波变换。点击statistics,compression,Histograms,观察图像相关信息。 2）编写小波变换代码进行JPEG图像压缩。 使用函数rgb2gray()产生灰度图 I=rgb2gray(I1); 使用wavedec2?()函数进行小波变换 wavedec2(I, 2, L,H); 进行2层分解； 使用appcoef2()函数提取低频信息 appcoef2( a, b, L,H, 1 ); 进行一阶小波变换，提取低频信息； appcoef2( a, b, L,H, 2 ); 进行二阶小波变换，提取低频信息； 4. 实验I=rgb2gray(I1); subplot(2,2,1); imshow(I); title(原始图像); H=[-1,1]/sqrt(2); L=[1,1]/sqrt(2); [a,b]=wavedec2(I,2,L,H); c=appcoef2(a,b,L,H,1); subplot(2,2,3); imshow(c,[]); title( 第一层小波变换结果); d=appcoef2(a,b,L,H,2); subplot(2,2,4); imshow(d,[]); title(第二层小波变换结果); 5. 实验结果 6. 思考题 图像中哪些信息是主要的，哪些信息是次要的？ 低频部分是主要的，高频部分是次要的。 思考保留系数的多少与压缩比、恢复图象质量的关系。 保留系数越多，压缩比越小，图像质量越好。 教师评语： 成绩 评阅教师 日期