DCT与DWT对图像处理的matlab仿真..docxVIP

数字图像处理实验报告DCT和 DWT 的 MATLAB仿真 实验目的 学习 DCT变换基本原理； 掌握 DCT变换的特性； 理解 DCT变换在图像图理中的应用； 学习 DWT 变换基本原理； 掌握 DWT 变换的特性； 理解 DWT 变换在图像图理中的应用。 1 实验内容及结果 离散余弦变换（ DCT） 对 lena、camenaman、bird 三幅灰度图像做 DCT变换。 1、lena.tif 1）lena.tif 原始图像如图 1-1： 原始图像 图 1-1 2）对整幅图像直接进行 DCT变换，得系数图如图 1-2。 DCT 系数 图 1-2 观察系数图，会发现经过 DCT变换后，能量分布不均匀，左上角 2 低频部分系数值高， 右下角高频部分系数值低， 这表明图像能量主要 集中在低频上。 （3）为了定量分析系数能量分布情况，取系数矩阵左上角 16*16 个 相素，计算其能量在整个矩阵中占的百分比。经计算，得能量百分比 为 energy_percent=96.32%。 可见低频部分能量在整幅图中占的比重是非常大的。 4）由以上分析可以得出，高频成分能量在图中占的比重很小，它反映的是图像的细节，因此，可丢掉高频信息，实现数据压缩。在具体实现上，对图像进行 8*8 分块 DCT变换，并只保留每个分块系数左上角 10 个系数（共 64 个系数），重构图像并对比。对比如图 1-3。 原始图像 压缩后的图像 图 1-3 对比原图和压缩后的图像，可以看出，保留 10 个像素值重构图像仍 然较好，视觉效果可以接受。 计算原始图像和压缩后的图像的峰值信噪比（ PSNR），得 3 PSNR=+35.01 dB。 2、cameraman.tif Cameraman和 bird 的 DCT变换处理方式与 lena 基本相同，因此对于 这两幅图像只附上其处理结果，具体过程及对结果分析不再赘述。 1）cameraman 原始图像如图 1-4。 原始图像 图 1-4 2）系数图如图 1-5。 DCT 系数 图 1-5 （3）计算左上角 16*16 个像素的能量分布百分比，得 4 energy_percent=94.83%。 （4）对比原始图像和压缩后的图像，如图 1-6。 原始图像 压缩后的图像 图 1-6 计算峰值信噪比，得 PSNR=+33.79 dB。 3、bird.tif 1）bird 原始图像如图 1-7。 原始图像 图 1-7 5 （2）系数图如图 1-8。 DCT 系数 图 1-8 （3）计算左上角 16*16 个像素的能量百分比，得 energy_percent=97.19%。 （4）对比原如图像和压缩后的图像，如图 1-9。 原始图像 压缩后的图像 图 1-9 计算峰值信噪比，得 PSNR=+33.91 dB。 6 二、离散小波变换（ DWT） 仍然采用 lena、cameraman、bird 这三幅图像进行离散小波变换。采 用的小波为哈尔小波（ haar）。 1、lena.tif 1）lena 的原始图像如下图 2-1。 原始图像 图 2-1 2）对图像进行一级分解，图像被分解为 2*2 个空间分布的小波系数：近似值系数、水平细节系数、垂直细节系数和对角细节系数。如 图 2-2。 近似值系数 水平细节系数 垂直细节系数 对角细节系数 7 观察对比这 4 个子带，小波系数的分布特点是越往低频子带系数值越 大，包涵的图像信息越多，对视觉比较重要，如近似值系数。越往高 频子带系数值越小，包涵的图像信息越少，对视觉来说不太重要。因 此，可只保留低频子带，从而实现图像压缩。 3）计算系数能量比。保留低频子带系数，计算其占的能量百分比 为 energy_percent=99.50%。 可见，低频子带占了绝大部分能量。 （4）用低频子带系数重构图像，并与原图像对比，如下所示。 原始图像 重构图像 图 2-3 将由低频子带重构的图像与原图像对比，可以发现视觉效果非常好， 计算两幅图的峰值信噪比，得 PSNR=+34.99 dB。 2、cameraman.tif 8 对于 cameraman 和 bird 两幅图像，只附上实验结果，具体过程不再 赘述。 1）caemraman 原始图像如图 2-4。 原始图像 图 2-4 （2）一级分解各子带如图 2-5。 近似值系数 水平细系数 垂直细节系数 对角细节系数 图 2-5 （3）计算低频子带系数能量比，得 energy_percent=98.98%。 （4）对比原始图像和重构图像，如下图 2-6 所示。 9 原始图像 重构图像 图 2-6 计算峰值信噪比，得 PSNR=+34.63 dB。 3、bird.tif 1）bird 原始图像如下图 2-7 所示。原始图像 图 2-7