基于MATLAB的小波变换在图象压缩中的应用研究.docxVIP

基于 MATLAB 的小波变换在图象压缩中的应用研究 【摘要】:图像压缩是用最少的数据量来表示尽可能多的原图像信息的一个过程。本文先从 理论角度分析了小波变换及多尺度分析的性质,又从实验的角度用 Matlab 实现了图像的压 缩并对程序中用到的主要函数给予了说明,较直观的探讨了小波变换在图像压缩中的应用。 【关键词】:小波变换、图像压缩、小波分解 1.引言 小波变换是近十几年新发展起来的一种数学工具,是继一百多年前的傅里叶(Fourier)分析之 后的又一个重大突破,它对无论是古老的自然学科还是新兴的高新应用技术学科均产生了强 烈的冲击。小波变换是一种全新的变换技术,与传统纯频域分析的傅里叶方法不同,小波变换 是一种时频分析方法,它在时频和域频同时具有良好的局部化性质。小波变换对于不同的频 率成分在时域上的取样步长是调节性的,高频者小、低频者大,因此在实际应用中完全可以根 据需要将图像或信号分解到一些合适的尺度成分上,然后再根据不同的要求作适当的编码。 因此,小波变换是一种能够获得较好图像复原质量与压缩比的、能够适应未来发展的变换技 术,已经成为当今图像压缩编码的主要研究方向。 2.小波变换理论及多尺度分析 2.1 小波变换 小波变换的基本思想是将任意函数 f 表示为小波的叠加,这种函数 f 的小波叠加表示就是将 函数 f 分解为不同的尺度级.在每一个尺度级,函数 f 又在与这一尺度级对应的分辨率下被分 解.尺度级对应着频率,且频率越高,对应的分辨率越高.在实际应用中,经常需要将函数 f 写为 离散的叠加形式,即求和而不是积分,一个离散化的方法是设 a=a0m,b=nb0m。其中, m,n∈Z,a01,b00(a0,b0 为常数)。函数 f 的小波分解为: (1)其中,)对于 a0=2,b0=1,因为存在!,使得!m,n 组成一个正交基,所以,可以得到 (2)Stromberg,Meyer,Lemarie,Battle 和 Daubechies 构造了许多不同的如式(2)所示的小波正交 基,但所有这些正交小波基分解都对应着一种 Mallat 提出的多尺度分析(MRA,Multiresolution Analy-sis). 2.2 多尺度分析 多尺度分析是用小波函数的二进伸缩和平移表示函数这一思想的更加抽象复杂的表现形式, 它重点处理整个函数集,而非侧重处理作为个体的函数。它具有以下性质: 单调性:, 逼近性:这里用 X 表示集合 X 的闭包。 伸缩性: 平移不变性: Riesz 基存在性:存在函数∈V0,使{(t-k)}k∈z 构成 V0 的一个 Riesz 基。即{(t-k)}k∈z 是 线性无关的,且存在常数 A 与 B,满足 0A≤B8,使得对任意的 f(t)∈V0,总存在序列使得 3.用 Matlab 实现图像压缩 小波变换用于信号和图像压缩是小波分析应用的一个重要方面。它的特点是压缩比高,压缩 速度快,压缩后能保持信号与图像的特征基本不变,且在传递过程中可以抗干扰。 3.1 Matlab 应用于小波变换 Matlab 图像处理工具箱提供了以下函数进行小波分解与重构及进行近似分量的提取: (1)函数 wavedec2 功能:进行多层二维小波分解。 语法格式:[C,S]=wavedec2(X,N,wname)式中,X 是输入信号;N 表示分解的层数,默认值为 1;wname 是使用的小波基函数;C 和 S 是分解得到的向量和对应矩阵。例如:[c,s] =wavedec2(X,2,bior3.7)使用 bior3.7 小波基对图像进行二层小波分解。 (2)函数 appcoef2 功能:提取多层二维小波分解的近似分量。 语法格式:A=appcoef(C,S,wname,N)式中,A 是得到的近似分量;C 和 S 是函数 wavedec2 得到 的分解结构;wname 是使用的小波基函数;N 是分解的层数。 (3)函数 detcoef2 功能:提取多层二维小波分解的细节分量。 语法格式:D=detcoef2(O,C,S,N)式中,D 是得到的分量;O 是细节信号的类型,为h表示水平细 节信号,为v表示垂直细节信号,为d表示对角线细节信号;N 表示分解的层数;C 和 S 是函 数 wavedec2 分解得到的结果。 (4)函数 wrcoef2 功能:用分解得到的 C、S 进行多层二维小波分解某一层的重构。 语法格式:X=wrcoef2(type,C,S,wname,N)式中,X 是重构的分量信号;type 是分量类型,为a 表示近似分量,为h表示水平分量,为v表示垂直分量,为d表示细节分量;N 表示重构的层 次,默认值是 size(S,1)-2;wname 是使用的小波基函数。 3.2 小波变换应用于图像压缩 一个图像作小波分