实验四 DCT变换HUFFman编码图像压缩.doc

实验四 图像压缩 姓名： 学号： 邮箱： 实验目的 掌握DCT变换的原理 了解DCT变化在图像压缩中的应用 掌握图像压缩的基本原理及方法 了解霍夫曼编码原理 熟悉图像压缩的MATLAB编程 实验原理 DCT是目前的图像变换，它有很多优点。DCT是正交变换，它可以将88图像空间表达式转换为频率域，只需要用少量的数据点表示图像；DCT产生的系数很容易被量化，因此能获得好的块压缩；DCT算法的性能很好，它有快速算法，如采用快速傅立叶变换可以进行高效的运算，因此它在硬件和软件中都容易实现；而且DCT算法是对称的，所以利用逆DCT算法可以用来解压缩图像。 二维DCT逆变换公式： 其中 实验要求 利用DCT变换对图像进行压缩，对比不同压缩比下的结果，对比不同压缩比下图像大小的变化。压缩过程如下图所示： 实验过程与结果 实验程序如下：（先给出主程序，然后给出各功能子函数的程序） 主程序： clear load(lena.mat)%调入170*170大小的一幅彩色lena图像 l=imresize(lena,[256 256]);%将图像变换为8的整数倍大小 X=rgb2gray(l); Y1=double(X);%读入图像数据 lianghua=[16 11 10 16 24 40 51 61;%量化矩阵，量化的程度序决定压缩比 12 12 14 19 26 58 60 55; 14 13 16 24 40 57 69 56; 14 17 22 29 51 87 80 62; 18 22 37 56 68 109 103 77; 24 35 55 64 81 104 113 92; 49 64 78 87 103 121 120 101; 72 92 95 98 112 100 103 99]; ilianghua=lianghua; %---------------------------------------------------------- %图像压缩 %---------------------------------------------------------- t=dctmtx(8); J=blkproc(Y1,[8 8],P1*x*P2,t,t); %分成8*8块进行DCT变换 M=blkproc(J,[8 8],round(x./P1),lianghua); %量化 u=abs(min(min(M1)); M=(M1./u)+1; data=uint8(M);%Huffman编码要求为无符号整形数组 M2=M-double(data); [zipped,info]=huffencode(data); %调用Huffman编码程序进行压缩 unzipped=huffdecode(zipped,info,data); %调用Huffman解码程序进行解压缩 k=1; for i=1:256 for j=1:256 unzippedray(i,j)=unzipped(k); k=k+1; end end unzippedray= unzippedray;%对解压缩后得到的一维数组进行变换，得到无损的量化后 %二维数组，其值与data数组值是一致的，体现了Huffman编码是一种无损编码 unzippedray=(double(unzippedray)-1+M2).*u; T=blkproc(unzippedray,[8 8],x.*P1,ilianghua); %反量化 I=blkproc(T,[8 8],P1*x*P2,t,t); %8*8DCT反变换 %---------------------------------------------------------- %调用Huffman编码程序进行解码 %显示原始图像和经编码后的图像，显示压缩比，并计算均方根误差得erms=0，表示是Huffman是无失真编码 figure subplot(221);imshow(Y1,[]);axis square;xlabel(原256*256灰度图像); subplot(222);imshow(I,[]);axis square;xlabel(Huffman解压缩后图像); subplot(223);imshow((Y1-I),[]);axis square;xlabel(量化后损失的图像部分); [h,k]=hist((Y1-I),256);%生成直方图数据 subplot(224);bar(k,h,k);title(误差图像直方图); %subplot(224);imshow(I,[]);axis