MATLAB在数据压缩技术中应用.doc

MATLAB在数据压缩技术中的应用 摘要 离散余弦变换（Discrete Cosine Tranform，简称DCT）是一种与傅立叶变换紧密相关的数学运算。在傅立叶级数展开式中，如果被展开的函数式是偶函数，那么其傅立叶级数中只包含余弦项，再将其离散化可导出余弦变换，因此称之为离散余弦变换。时间域中信号需要许多数据点表示；在x轴表示时间，在y轴表示幅度。信号一旦用傅立叶变换转换到频率域，就只需要几点就可以表示这个相同的信号。如我们已经看到的那样，原因就是信号只含有少量的频率成分。这允许在频率域中只用几个数据点就可以表示信号，而在时间域中表示则需要大量数据点。 这一技术可以应用到彩色图像上。彩色图像有像素组成，这些像素具有RGB彩色值。每个像素都带有x，y坐标，对每种原色使用8x8或者16x16矩阵。在灰度图像中像素具有灰度值，它的x，y坐标由灰色的幅度组成。为了在JPEG中压缩灰度图像，每个像素被翻译为亮度或灰度值。 目录 摘要 1 引言 2 第一章 基于DCT的图像压缩编码理论算法及Matlab仿真基础 3 图像压缩编码的概念 3 图像压缩编码的一般框图 3 离散余弦变换(DCT) 5 2.1DCT的定义 5 2.2DCT和图像压缩 5 2.2.1dct2 5 2.2.2 idct2 6 3.1图像编码的分类 7 3.2 无损编码 7 3.2.1行程编码（RLE） 7 3.2.2Huffman编码 7 3.3有损编码 7 3.3.1量化 7 3.3.2预测编码 8 3.3.3DCT编码 8 3.4 保真度准则 8 3.4.1客观保真度准则 8 3.4.2主观保真度准则 9 MATLAB仿真及效果 9 4.1 程序 9 12 第五章 作业过程中遇到的问题 13 第六章 总结 13 参考文献 14 本研究在介绍图像压缩原理的基础上，用Matlab 6．5对标准灰度图像进行压缩与重建，并分析实验结果，得出结论 第一章 基于DCT的图像压缩编码理论算法及Matlab仿真基础 图像压缩编码的概念 1.2 图像压缩编码的一般框图 图像压缩的过程可以概括成图所示的三个步骤，原始图像经映射变换后的数据再经量化器和熵编码器成为码流输出。 (1)映射变换。其目的是通过映射改变图像数据的特性，使之更有利于压缩编码。 (2)量化器。在限失真编码中要对映射后的数据进行量化，若量化是对映射后的数据逐个的进行的，则称标准量化，若量化是成组的进行的，则称矢量量化，量化总会造成某些信息丢失，形成失真，即量化失真或量化噪声，为使失真小，应量化的精细，但压缩比就高不了，这是一对矛盾，应选用恰当的量化级数和量化曲线形状来缓解这对矛盾，量化器的引入是图像编码产生失真的根源，在要求复原图像与原图完全一致的无失真编码器中必须不用量化器，但这样一来，压缩比难以提高，在多数应用中，存在少量失真并不可怕，只要把失真的程度和性质控制在允许的范围内，也就是把复原图像的主观质量控制在允许的程度内，就可以在满足应用要求的前提下提高压缩比，值得注意的是，对于同样的量化失真，不同的映射变换和反变换反映不同性质的复原图像的失真，人眼对某些性质的失真敏感而对另一些性质的失真不敏感。 (3)熵编码器。这一步是用来消除符号编码冗余度的，它一般不产生失真，理想的情况是编出的码流的平均码长等于量化后数据的信息熵，常用的编码方法有许多种，例如分组码、行程码(RLC)和变长码(VLC)、不分组码以及算术码(Arithmatic Coing等)。行程码传输的是数据行程长度而不是数据本身，例如要传108个0，用行程码是改为传行程码标记和行程长度1080在变长码中最常用的是霍夫曼(Hufman)码，基本原则是对出现概率大的数值用短码来编，对出现概率小的数值用长码来编，从而使平均码长减小。降低码率，在实际编码器中常把RLc和Hufman码结合起来，称为霍夫曼行程码 1.3 MATLAB仿真实现 根据压缩编码算法，要将一幅灰度图像进行压缩编码，首先把图像分成8×8的像素块，分块进行DCT变换后，根据标准量化表Es]对变换系数进行量化后，再对直流系数(DC)进行预测编码，然后根据标准的Huffman码表蜘进行熵编码，输出压缩图像的比特序列，实现了图像压缩。在接收端，则经过Huffman熵解码、DC系数和AC系数可变长解码、反量化后，再进行反DCT变换得到重建图像。对一幅图像进行编解码的MATLAB程序流程图： 第二章 离散余弦变换(DCT) 2.1DCT的定义 2.2 DCT和图像压缩 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