图像编码与压缩.pptVIP

* * * * * * * DCT编码 DCT编码 例题：对给定图像进行二维DCT变换，并将DCT系数矩阵中值小于给定阈值（T1=5，T2=50）的元素置为0，然后使用IDCT变换重建图像，并计算各自的均方误差。 F=imread(onion.png); figure(1);imshow(F); G=rgb2gray(F); dctG=dct2(G); figure(2);imshow(log(abs(dctG)),[]); T1=5;T2=50; dctG(abs(dctG)T1)=0; idctF1=idct2(dctG); figure(3);imshow(idctF1,[0 255]); dctG(abs(dctG)T2)=0; idctF2=idct2(dctG); figure(4);imshow(idctF2,[0 255]); [M N]=size(G); MSE1=sum(sum((idctF1-double(G)).^2))/(M*N); MSE2=sum(sum((idctF2-double(G)).^2))/(M*N); MSE1 = 3.6718 MSE2 = 80.8709 小波变换编码系统 小波变换编码也是一种变换编码方式 与采用正交变换（如DCT）的编解码系统不同， 小波变换编解码系统中没有图像分块的模块 小波变换的计算效率很高，且本质上具有局部性 小波变换编码不会产生使用DCT变换在高压缩比时的块效应 小波变换编码需考虑的几个因素 1. 小波选择 如：双正交小波 2. 分解层数选择 影响小波编码计算的复杂度和重建误差 3. 量化设计 对小波编码压缩和重建误差影响最大 在不同尺度间调整量化间隔 小波变换编码系统 可以在当前位置实现整数到整数的变换，运算速度快且节约内存。它包括三个步骤： 1. 分裂（split） 将图像数据 分解成偶数部分 和奇数部分 S [uj(x, y)] := [uj–1,k(x, y), vj–1,k(x, y)] 基于提升小波的编码 2. 预测（predict） 保持偶数部分不变并用偶数部分来预测奇数部分，然后用奇数 部分与预测值的差 （称为细节系数） 替代奇数部分 vj–1,k(x, y) := vj–1,k(x, y) – P [uj –1,k(x, y)] 基于提升小波的编码 3. 更新（update） 构造一个作用于细节函数的算子U，并叠加到偶数部分上以 获得近似图像， 这里要保持原始 图像的一些特性 uj –1,k(x, y) := uj –1,k(x, y) +U [vj –1,k(x, y)] 基于提升小波的编码 基于提升小波的编码 重建过程 三个运算： （M ?合并） (1) uj–1,k(x, y) := uj–1,k(x, y) – U [vj–1,k(x, y)] (2) vj–1,k(x, y) := vj–1,k(x, y) + P [uj–1,k(x, y)] (3) uj,k(x, y) := M [uj–1,k(x, y), vj–1,k(x, y)] 五、混合编码 —— 设计思想 每一种编码方式都有其擅长的一点，以及局限的一点，混合编码的思想就是将两种以上的编码方式的优点进行综合，达到提高编码效率的目的。 五、混合编码 —— 可能性及有效性分析 回顾一下讲过的几个内容的特点： 行程编码：擅长于重复数字的压缩。 Huffman编码：擅长于像素个数分布不均匀情况下的编码。 DCT变换： 擅长分离视觉敏感与不敏感的部分。 五、混合编码 —— 例 例： aaaa bbb cc d eeeee fffffff （共22*8=176 bits) 4 3 2 1 5 7 行程编码：4a3b2c1d5e7f (共6*（8+3）= 66Bits ) 176 66 五、混合编码 —— 例 aaaa bbb cc d eeeee fffffff （共22*8=176 bits) 4 3 2 1 5 7 Huffman编码： f=01 e=11 a=10 b=001 c=0001 d=0000 10101010001001001000100010000111111111101010101010101 (共 7*2+5*2+4*2