基于DCT的图像编解码设计选编.docxVIP

绪论 MATLAB 是由美国mathworks 公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言(如C 、Fortran ) 的编辑模式，代表了当今国际科学计算软件的先进水平。 随着信息技术的发展，图像信息被广泛应用于多媒体通信和计算机系统中,但是图像数据的一个显著特点就是信息量大。具有庞大的数据量,如果不经过压缩，不仅超出了计算机的存储和处理能力，而且在现有的通信信道的传输速率下，是无法完成大量多媒体信息实时传输的，因此，为了更有效的存储、处理和传输这些图像数据，必须对其进行压缩，因此有必要对图像压缩编码进行研究。由于组成图像的各像素之间，无论是在水平方向还是在垂直方向上都存在着一定的相关性，因此只要应用某种图像压缩编码方法提取或者减少这种相关性，就可以达到压缩数据的目的。 数字图像包含的冗余信息一般有以下儿种: 空问元余、时间冗余、信息;脑冗余、统计冗余、结构冗余、视觉冗余以及知识冗余等。图像压缩算法就是要在保证图像一定的熏建质量的同时，尽可能多的去除这些元余信息.以达到对图像压缩的目的。随着科学技术的发展，图像压缩编码技术越来越引起人们的关注。所谓的图像压缩编码技术就是对要处理的图像数据按一定的规则进行变换和组合，从而达到以尽可能少的数据流来表示尽可能多的数据信息。本设计基于DCT 的JPEG、PNG、BMP 等格式图像编解码设计算法进行研究，介绍了编码中DCT变换、量化、游程编码等模块的原理和数学推导以及各模块的功能分析。最后应用MATLAB 进行了实验仿真并分析结果得出结论。 DCT 变换后具有绝对的去相关性，并且变换后的矩阵从左上角到右下角频率规律的渐高。有损压缩方法利用了人类视觉对图像中的某些频率成分不敏感的特性，允许压缩过程中损失一定的信息；虽然不能完全恢复原始数据， 但是??损失的部分对理解原始图像的影响较小，却换来了大得多的压缩比。因此舍弃高频分量保留低频分量的做法，对于图像压缩具有绝对的优势。只要损失的数据不太影响人眼主观接收的效果，就可采用。DCT 变换后的压缩此本设计采用经典的游程编码实现。 2. 设计任务 2. 1 任务描述 基于DCT 的图像编解码设计 (1) 获取图像; ( 2) 采用DCT 实现对图像编解码设计; (3) 分析编解码性能 2.2 技术指标 (1)可对JPEG、PNG、BMP 等格式图像进行基于DCT 的图像编解码。 (2) 为了便于分析比较，定义一个量化系数quotiety，越大压缩率越高。 (3) 压缩编码、量化系数统一写入存储文件compressed_data.mat，实现可移植解压。 ( 4 ) 观察压缩后图片大小，简便起见，分析只关心compressed_data.mat 文件的大小。 ( 5 ) 实现DCT 变换和反变换以及JPEG 标准量化矩阵的量化、反量化。 ( 6 ) 根据DCT 量化后矩阵特点，本设计编码采用Z 字型扫描游程编码、解码。 (7) DCT 压缩前后比较，以及不同量化系数比较。 3. 设计原理 3. 1 原理框图 基于DCT 的图像编码包括三个阶段: DCT 变换、量化、编码。根据DCT 量化后矩阵特点，本设计编码采用Z 字型扫描游程编码、解码。 首先将输入图像颜色空间转换后分解为8 X 8 大小的数据块， 然后用正向二维DCT 把每个块转变成64 个DCT 系数值，其中1 个数值是直流(DC)系数，即8X8 空域图像子块的平均值，其余的63 个是交流(AC)系数，接下来对DCT 系数进行量化，最后将变换得到的量化的DCT 系数进行编码和传送， 这样就完成了图像的压缩过程。 压缩图像数据 游程编码 量化 DCT变换 原始图像数据 码表 量化表 图3- 1 编码过程 基于DCT 的图像编码包括三个阶段: 译码、反量化、IDCT 变换。 在解码过程中，形成压缩后的图像格式， 先对己编码的量子化的DCT 系数 进行解码，然后求逆量化并把DCT 系数转化为8 X 8 样本像块(使用二维DCT 反 变换)，最后将操作完成后的块组合成一个单一的图像。这样，就完成了图像的解压过程。 反量化 IDCT变换 原始图像数据 游程译码 压缩图像数据 量化表 码表 图3-2 解码过程 3.2 程序流程图 基于DCT 的图像编解码设计的MATLAB 实现的流程图如图3-3 所示。 开始 输入图片 输入量化系数 分成8*8像素块，DCT变换 输入量化表，对变换结果量化 对量化结果进行扫描编码 保存编码结果 显