基于DCT变换的图像压缩编码精品.doc

目录 1.绪论 1 2.设计任务 2 2.1 任务描述 2 2.2 技术指标 2 3.设计原理 3 3.1 原理框图 3 3.2 程序流程图 4 3.3 离散余弦变换 5 3.4 量化 6 3.4 Z形游程编码 7 4.运行结果及分析 8 4.1 不同量化系数图像编解码效果比较 8 4.2 不同文件类型图像编解码比较 10 5．总结 12 6．参考文献 13 附录 14 1.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。 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，先对已编码的量子化的DCT系数进行解码，然后求逆量化并把DCT系数转化为8×8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。 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。 图3-3 程序流程图 3.3 离散余弦变换 DCT变换利用傅立叶变换的性质。采用图像边界褶翻将像变换为偶函数形式，然后对图像进行二维傅立叶变换，变换后仅包含余弦项，所以称之为离散余弦变换。 DCT编码属于正交变换编码方式，用于去除图像数据的空间冗余。变换编码就是将图像光强矩阵(时域信号)变换到系数空间(频域信号)上进行处理的方法。在空间上具有强相关的信号，反映在频域上是在某些特定的区域内能量常常被集中在一起，或者是系数矩阵的分布具有某些规律。我们可以利用这些规律在频域上减少量化比特数，达到压缩的目的。图像经DCT变换以后，DCT系数之间的相关性就会变小。而且大部分能量集中在少数的系数上，因此，DCT变换在图像压缩中非常有用，是有损图像压缩国际标准JPEG的核心。 从原理上讲可以对整幅图像进行DCT变换，但由于图像各部位上细节的丰富程度不同，这种整体处理的方式效果不好。为此，发送者首先将输入图像分解为8*8或16*16块，然后再对每个图像块进行二维DCT变换，接着再对DCT系数进行量化、编码和传输；接收者通过对量化的DCT系数进行解码，并对每个图像块进行的二维DCT反变换。最后将操作完成后所有的块拼接起来构成一幅单一的图像。对于一般的图像而言，大多数DCT系数值都接近于0，所以去掉这些系数不会对重建图像的质量产生较大影响。因此，利用DCT进行图像压缩确实可以节约大量的存储空间。在实验中，先将输入的原始图像分为8*8的小块，然后再对每个块进行二维DCT变换。 二维离散余弦变换可以写成矩阵式 (F(u,v))=(A)(f(x,y))(A)’ (f(x,y))=(A)’(F(u,v))(A) 式中，(f(x,y))是空间域数据阵列，(F(u,v))是变换系数阵列，(A)是系数阵列，变换矩阵(A)’是(A)的转置[5]。 设计中2维DCT变换函数代码如下： function Xpq=DCT2_function(xmn,M) T=dctmtx(M); %产生二维DCT变换矩阵 Xpq=T*xmn*T; 设计中2维IDCT变换函数代码如下： function xmn_resume=IDCT2_function(Xpq_resume,M) T=dctmtx(M); %生成变换矩阵 xmn_resume=T*Xpq_resume*T; % 用变化矩阵的乘法代替效率极低的for求和循环 3.4 量化 在DCT处理中得到的64个数据中，低频分量包含了图像亮度等主要信息。在从空间域到频域的变换中，图像中的缓慢变化比快速变化更易引起人眼的注意， 所以在重建图像时，低频分量的重要性高于高频分量。因而在编码时可以忽略高频分量，即减小非“0”系数的幅度以及增加“0”值系数的数目，从而达到压缩的目的，这也是量化的根据和目的，也是图像质量下降的最主要原因。 在JPEG标准中，用具有64个独立元素的量化表来规定DCT域中相应的64个系数的量化精度，使得对某个系数的具体量化阶取决于人眼对该频率分量的视觉敏感程度。理论上，对不同的空间分辨率、数据精度等情况，应该有不同的量化表。不过，一般采用下图所示的量化表，可取得较好的视觉效果。量化化就是用DCT变换后的系数除以量化表中相对应的量化阶后四舍五入取整。由于量化表中左上角的值较小，而右下角的值较大， 因而起到