压缩率psnr.pptVIP

基于小波的图像压缩 姓名：姜博然 学号：1015203040 院系：自动化学院控制科学与工程 01/图像压缩的意义 02/小波的个人理解 03/小波在图像压缩中的应用 04/参考文献 报告概述 图像压缩的概念与意义 1.图像压缩的基本原理：图像数据之所以能被压缩，就是因为数据中存在着冗余。图像数据的冗余主要表现为：图像中相邻像素间的相关性引起的空间冗余；图像序列中不同帧之间存在相关性引起的时间冗余；不同彩色平面或频谱带的相关性引起的频谱冗余。数据压缩的目的就是通过去除这些数据冗余来减少表示数据所需的比特数。 2.图像压缩基本方法：一种是无损压缩（例如Huffman编码），这种压缩能够精确重构，即压缩后的图像与原始图像没有误差；另一种是有损压缩，这种压缩不能把图像精确恢复，但压缩比远远大于无损压缩，小波压缩技术就属于有损压缩 小波的个人理解 1.什么是小波? 通俗的讲，小波就是小的波形，“小”指的是它的衰减性；“波”则指的是它的波动性，即震荡性。波形可以是不规则的也可以是不对称的，在整个时间范围里的幅度平均值为零。 2.小波变换 小波变换基本思想是通过一个母函数在时间上的平移和在尺度上的伸缩得到一个函数族，然后利用这族函数去逼近或者表示原信号。其中平移是为了得到原函数的时间特性，尺度变换是为了得到原函数的频率特性。 其中a称为尺度因子(伸缩因子)，b为平移因子，我们从公式中可以看出，缩放因子越小表示小波的波形较窄此时度量的是信号的细节即高频部分。缩放因子大表示小波较宽，度量的是信号的粗糙程度，此时表示的是低频部分。 小波的个人理解 这个式子的含义就是，小波变换是信号f(t)与被缩放和平移的小波函数(Psi)之积在信号存在的整个周期间求和。CWT变换的结果是许多小波系数C,以二维图像为例，小波变换后得到的系数即为图像的像素值。 小波的个人理解 CWT的变换过程可分为如下5个步骤： 步骤1：把小波(Psi)和原始信号f(t)的开始部分进行比较 步骤2：计算系数C。该系数表示该部分信号与小波的近似程度。系数C的值越高表示信号与小波越相似，因此系数C可以反映这种波形的相关程度。 步骤3：把小波向右移，距离为k，得到的小波函数为(Psi(t?- k))，然后重复步骤1和2。再把小波向右移，得到小波(Psi(t - 2k))，重复步骤1和2，按照上述步骤一直进行下去，知道信号f(t)结束。 步骤4：扩展小波(Psi(t))，例如开展一倍，得到的小波函数为(Psi(t/2))。 步骤5：重复步骤1~4。 小波变换在图像中的应用 LL HL LH HH 图像小波变换采用二维小波变换快速算法，就是不断将上一级图像分解成4个子带。以原图像为初始信号，经过一组高通和低通滤波器，将原始信号分解成4个子带，即一个低频子带(LL)和3个高频子带(HL、LH、HH)。其中，LL是近似图像(低频部分)，HL，LH为次高频，HH是高频部分。这叫作一级小波分解，这种分解可以迭代，但是只针对上一级的低频子图像，理论上可以进行无限级分解，但是在图像压缩上，需要考虑重构图像的质量，所以最好不超过5级。 小波变换在图像中的应用 Haar小波对图像的分解 小波变换在图像中的应用 图像进行小波变换后，并没有实现能量的压缩，而只是对整个图像的信号能量进行重新分配。低频子图像包含了大部分的图像信息，高频子图像上大部分点的数值都接近0，越是高频这种现象越明显。对于一个图像来说，表现一个图像最主要的部分就是低频部分。所以可以充分利用这一变换后的特性，采用适当的方法对变换后的小波系数进行组织，最常用的方法就是只保留低频系数，对其进行小量化，而用大量化将高频系数尽可能置0，以实现图像信息的有效压缩。 基于小波变换的图像压缩 基于小波变换的图像压缩处理过程是：将输入的原始图像进行小波变换，根据处理需要将小波变换的系数矩阵进行量化编码，再通过小波逆变换重构图像。 可以把图像看作一个二维信号，因此要对图像的水平和竖直方向分别经行小波变换。 基于小波变换的图像压缩 导入图片 利用wavedec2函数对小波进行分解得到小波系数 显示分解后低频和高频信息 对图像在进行一次分解得到第一次压缩的图像 利用图像分解系数得到第二次压缩的图片 基于小波变换的图像压缩 二层小波变换分解： 基于小波变换的图像压缩 二层小波分解与重构： 第一步：对图像进行第一层次的小波分解。 第二步：对小波图像第一层次的分解信息