基于DCT的图像压缩MATLAB实验60.docxVIP

基于DCT的图像压缩MATLAB实验 ——版本6.0 物理与电子工程系 电子科学与技术 1203班 李渊 压缩数据输出 熵编码 量化 图像输入 DCT变换 图像输入 基于DCT图像压缩编码过程的流程图。 码表 量化表 在编码过程中，首先利用二维DCT把每个子块转变成64个变换系数。利用二维DCT把每个子块转变成64个DCT变换系数，其中8×8图像变换矩阵左上角的第一个数值直流分量，我们通常称之为DC系数，它表达的是8×8空域图像子块像素值的平均值，其余63个系数则是交流分量，称作AC系数。 DCT系数的量化 量化是图像有损压缩中造成复原图像质量下降的重要原因之一，其目的是为了减小非“0”系数的幅度、增加“0”值系数，对系数值的量化间距进行划分规整，从而达到进一步压缩数据的目的。 量化系数的编码 01561415272824713162629423812172530414391118243140445310192332394552542022333846515560213437475056596135364849575862638×8经过DCT变换后，直流系数的值比较大，并且相邻块的DC系数数值上变化幅度较小。因此，对于直流分量，采用差分脉冲调制编码(DPCM)，即对对本块和前一块的直流分量之差Diff=DCi—DCi—l(i为块号)编码。其它63交流(AC)系数，采用了“之”字型(Z追一Zag)的排列方法， 实验程序： I=imread(C:\Users\李渊\Desktop\1.jpg);%读取图像 I=rgb2gray(I);%转化为灰度图像 I=double(I);%同态滤波处理 f=fft2(I);%采用傅里叶变换 g=fftshift(f);%数据矩阵平衡 [M,N]=size(f); d0=10;r1=0.5;rh=2;c=4;n1=floor(M/2);n2=floor(N/2); for i=1:M %主循环 for j=1:N d=sqrt((i-n1)^2+(j-n2)^2); h=(rh-r1)*(1-exp(-c*(d.^2/d0.^2)))+r1; g(i,j)=h*g(i,j); end end %循环结束 g=ifftshift(g); g=uint8(real(ifft2(g)));%DCT变换 J=im2double(g);%存储类型转化为双精度浮点类型 T=dctmtx(8);%离散余弦变换矩阵，得到8DCT矩阵，然后量化 B=blkproc(J,[8 8],P1*x*P2,T,T);%对源图像进行DCT变换 mask1=[1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];%量化系数为1 mask2=[1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];%量化系数为2 mask3=[1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];%量化系数为3 mask6=[1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];%量化系数为6 mask10=[1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];%量化系数为10 mask16=[1 1 1 1 1 1 0 0 1 1 1 1 1 0 0 0 1 1 1 0 0 0 0 0