图像编码实验报告

图像压缩编码（实验报告）一、实验目的1．理解图像压缩目的及意义；2．理解有损压缩和无损压缩的概念；3．了解几种常用的图像压缩编码方法；4．利用MATLAB程序进行图像压缩。二、实验原理图像压缩主要目的是为了节省存储空间，提高存储、处理、传输速度。虽然表示图像需要大量的数据，但数据是高度相关的，或者说存在冗余（Redundancy），去掉这些冗余信息可以有效地压缩图像，同时不会损坏图像的有效信息。信息的冗余量有许多种，如空间冗余，时间冗余，结构冗余，知识冗余，视觉冗余等，数据压缩实质上是减少这些冗余量。高效编码的主要方法是尽可能去除图像中的冗余成分，从而以最小的码元包含最大的图像信息。图像压缩的理想标准是信息丢失最少，压缩比例最大。不损失图像质量的压缩称为无损压缩，无损压缩不可能达到很高的压缩比；损失图像质量的压缩称为有损压缩，高的压缩比是以牺牲图像质量为代价的。压缩的实现方法是对图像重新进行编码，希望用更少的数据表示图像。编码压缩方法有许多种，从不同的角度出发有不同的分类方法，从信息论角度出发可分为两大类。（1）冗余度压缩方法，也称无损压缩、信息保持编码或嫡编码。具体说就是解码图像和压缩编码前的图像严格相同，没有失真，从数学上讲是一种可逆运算。（2）信息量压缩方法，也称有损压缩、失真度编码或烟压缩编码。也就是说解码图像和原始图像是有差别的，允许有一定的失真。应用在多媒体中的图像压缩编码方法，从压缩编码算法原理上可以分为以下几类：（1）熵编码。熵编码是纯粹基于信号统计特性的编码技术，是一种无损编码。熵编码的基本原理是给出现概率较大的符号赋予一个短码字，而给出现概率较小的符号赋予一个长码字，从而使得最终的平均码长很小。常见的熵编码有：哈夫曼（Huffman）编码，算术编码，行程（RLE）编码。（2）预测编码。预测编码是利用图像信号的空间或时间相关性，用已传输的像素对当前的像素进行预测，然后对预测值与真实值的差(预测误差)进行编码处理和传输。常用的预测编码有差分脉码调制（DPCM）和运动补偿法。（3）变换编码。变换编码通常是将空间域上的图像经过正交变换映射到另一变换域上，使变换后的系数之间的相关性降低。（4）混合编码。混合编码是指综合了熵编码，变换编码或预测编码的编码方法。有JBIG，H261，JPEG，MPEG等技术标准。三、实验内容本实验主要利用MATLAB程序进行离散余弦变换（DCT）压缩和行程编码（RunLengthEncoding，RLE）。1、离散余弦变换(DCT)图像压缩离散余弦变换DCT在图像压缩中具有广泛的应用，它是JPEG、MPEG等数据压缩标准的重要数学基础。和相同图像质量的其他常用文件格式(如GIF(可交换的图像文件格式)，TIFF(标签图像文件格式)，PCX(图形文件格式))相比，JPEG是目前静态图像中压缩比最高的。JPEG比其他几种压缩比要高得多，而图像质量都差不多(JPEG处理的图像只有真彩图和灰度图)。正是由于其高压缩比，使得JPEG被广泛地应用于多媒体和网络程序中。JPEG有几种模式，其中最常用的是基于DCT变换的顺序型模式，又称为基本系统(Baseline)。用DCT压缩图像的过程为：(1)首先将输入图像分解为8×8或16×16的块，然后对每个子块进行二维DCT变换。(2)将变换后得到的量化的DCT系数进行编码和传送，形成压缩后的图像格式。用DCT解压的过程为：(1)对每个8×8或16×16块进行二维DCT反变换。(2)将反变换的矩阵的块合成一个单一的图像。余弦变换具有把高度相关数据能量集中的趋势，DCT变换后矩阵的能量集中在矩阵的左上角，右下的大多数的DCT系数值非常接近于0。对于通常的图像来说，舍弃这些接近于0的DCT的系数值，并不会对重构图像的画面质量带来显著的下降。所以，利用DCT变换进行图像压缩可以节约大量的存储空间。压缩应该在最合理地近似原图像的情况下使用最少的系数。使用系数的多少也决定了压缩比的大小。在压缩过程的第2步中，可以合理地舍弃一些系数，从而得到压缩的目的。在压缩过程的第2步，还可以采用RLE和Huffman编码来进一步压缩。2、行程编码（RLE）：例如如下这幅的二值图像，如果采用行程编码可以按如下格式保存其中10和8表示图像的宽和高。在这个小例子中行程编码并没有起到压缩图像的作用。这是由于这个图的尺寸过小，当图像尺寸较大时行程编码还是不错的无损压缩方法。对于灰度图像和二值图像，用行程编码—般都有很高的压缩率。行程编码方法实现起来很容易，对于具有长重复值的串的压缩编码很有效，例如：对于有大面积的阴影或颜色相同的图像，使用这种方法压缩效果很好。很多位图文件格式都采用行程编码，如TIFF，PCX，GEM，BMP等。3.图像压缩编码的MATLAB代码（1）利用DCT变换进行图像压缩的MATLAB程序RGB=imread('*.tif');I=rgb2gray(RGB);J=dct2(I);imshow(log(abs(J)),[]),colormap(jet(64)),colorbarJ(abs(J)10)=0;K=idct2(J);figure,imshow(I)figure,imshow(K,[0255])（2）利用离散余弦变换进行JPEG图像压缩I=imread(‘*.tif’);%读入原图像；I=im2double(I);%将原图像转为双精度数据类型；T=dctmtx(8);%产生二维DCT变换矩阵B=blkproc(I,[88],’P1*x*P2’,T,T’);%计算二维DCT，矩阵T及其转置T’是DCT函数P1*x*P2的参数Mask=[1111000011100000110000001000000000000000000000000000000000000000];%二值掩膜，用来压缩DCT系数，只留下DCT系数中左上角的10个B2=blkproc(B,[88],’P1.*x.’,mask);%只保留DCT变换的10个系数I2=blkproc(B2,[8,8],’P1*x*P2’,T’,T);%逆DCT，重构图像Subplot(1,2,1);Imshow(I);title(‘原图像’)；%显示原图像Subplot(1,2,2);Imshow(I2);title(‘压缩图像’)；%显示压缩后的图像。对比原始图像和压缩后的图像，虽然舍弃了85%的DCT系数，但图像仍然清晰（当然有一些质量损失）3）利用行程编码（RLE）进行图像压缩I=checkerboard(10,2);%调入原图像[mn]=size(I);J=[];fori=1:mvalue=I(i,1);num=1;forj=2:nifI(i,j)==valuenum=num+1;elseJ=[Jnumvalue];num=1;value=I(i,j);endendI=[Jnumvalue00];%添加的行判断位00enddisp(‘原图像大小：’)whos(‘I’);disp(‘压缩图像大小：’)whos(‘J’);disp(‘图像的压缩比：’)disp(m*n/length(J))