关于图像处理:Matlab实现图像压缩

文章和代码以及样例图片等相干资源，曾经归档至【Github仓库：digital-image-processing-matlab】或者公众号【AIShareLab】回复 数字图像处理 也可获取。

目标

1．了解图像压缩的相干概念及图像压缩的次要准则和目标；
2．把握霍夫曼编码
3．把握几种常见的图像压缩编码方法
4．利用 MATLAB 程序进行图像压缩

原理

图像压缩原理

图像压缩次要目标是为了节俭存储空间，减少传输速度。图像压缩的现实规范是信息失落起码，压缩比例最大。不损失图像品质的压缩称为无损压缩，无损压缩不可能达到很高的压缩比；损失图像品质的压缩称为有损压缩，高的压缩比是以就义图像品质为代价的。压缩的实现办法是对图像从新进行编码，心愿用更少的数据表示图像。

信息的冗余量有许多种，如空间冗余，工夫冗余，构造冗余，常识冗余，视觉冗余等，数据压缩本质上是缩小这些冗余量。高效编码的次要办法是尽可能去除图像中的冗余成分，从而以最小的码元蕴含最大的图像信息。

编码压缩办法有许多种，从不同的角度登程有不同的分类办法，从信息论角度登程可分为两大类。

（1）冗余度压缩办法，也称无损压缩、信息放弃编码或嫡编码。具体说就是解码图像和压缩编码前的图像严格雷同，没有失真，从数学上讲是一种可逆运算。

（2）信息量压缩办法，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异的，容许有肯定的失真。

利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能够分为以下 3 类：

（1）无损压缩编码品种
哈夫曼（Huffman）编码，算术编码，行程（RLE）编码，Lempel zev 编码。

（2）有损压缩编码品种

预测编码，DPCM，静止弥补
频率域办法：正交变换编码(如DCT)，子带编码；
空间域办法：统计分块编码；
模型办法：分形编码，模型基编码；
基于重要性：滤波，子采样，比特调配，向量量化；

（3）混合编码。有 JBIG，H261，JPEG，MPEG 等技术标准。

离散余弦变换(DCT)图像压缩原理

离散余弦变换 DCT 在图像压缩中具备宽泛的利用，它是JPEG、MPEG 等数据压缩规范的
重要数学根底。

和雷同图像品质的其余罕用文件格式(如GIF(可替换的图像文件格式)，TIFF(标签图像文件格式)，PCX(图形文件格式))相比，JPEG 是目前动态图像中压缩比最高的。JPEG 比其余几种压缩比要高得多，而图像品质都差不多(JPEG 解决的图像只有真彩图和灰度图)。正是因为其高压缩比，使得JPEG 被宽泛地利用于多媒体和网络程序中。JPEG 有几种模式，其中最罕用的是基于DCT 变换的程序型模式，又称为根本零碎(Baseline)。

用DCT 压缩图像的过程为：

(1)首先将输出图像合成为8×8 或16×16 的块，而后对每个子块进行二维DCT变换。
(2)将变换后失去的量化的DCT 系数进行编码和传送，造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繁多的图像。

余弦变换具备把高度相干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 系数值十分靠近于0。对于通常的图像来说，舍弃这些靠近
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降落。所以，利用DCT
变换进行图像压缩能够节约大量的存储空间。压缩应该在最正当地近似原图像的状况下应用
起码的系数。应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，能够正当地舍弃一些系数，从而失去压缩的目标。在压缩
过程的第2 步，还能够采纳RLE 和Huffman 编码来进一步压缩。

行程编码（RLE）原理

例如如下这幅的二值图像，

如果采纳行程编码能够按如下格局保留

其中10 和8 示意图像的宽和高。在这个小例子中行程编码并没有起到压缩图像的作用。这是因为这个图的尺寸过小，当图像尺寸较大时行程编码还是不错的无损压缩办法。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，对于具备长反复值的串的压缩编码很无效，例如：对于有大面积的暗影或色彩雷同的图像，应用这种办法压缩成果很好。很多位图文件格局都采纳行程编码，如TIFF，PCX，GEM，BMP等。

步骤

MATLAB 中的变长码映射

clear allclcf2=uint8([2 3 4 2;3 2 4 4;2 2 1 2;1 1 2 2])whos('f2')c=huffman(hist(double(f2(:)),4))h1f2=c(f2(:))'whos('h1f2')%h2f2=char(h1f2)'h2f2=[1 0 1 0 0 1 1 0 0 0 0 1 1 0 1 1;...' ' 1 ' ' 1 1 ' ' 1 0 0 1 ' ' 0 ' ';...' ' 0 ' ' 1 0 ' ' 1 ' ' 1 ' ']whos('h2f2')h2f2=h2f2(:);h2f2(h2f2==' ')=[];whos('h2f2')h3f2=mat2huff(f2)whos('h3f2')hcode=h3f2.code;whos('hcode')dec2bin(double(hcode))%-----------------------------------------%function CODE=huffman(p)error(nargchk(1,1,nargin));if(ndims(p)~=2)|(min(size(p))>1)|~isreal(p)|~isnumeric(p)    error('p must be a real numeric vector');endglobal CODECODE=cell(length(p),1);%init the global cell arrayif (length(p)>1) %when more than one symbol....    p=p/sum(p);%Normalize the input probabilities    s=reduce(p);%Do Huffman source symbol reductions    makecode(s,[]);%Recursively(递归) generate the codeelse    CODE={'1'};%else, trivial(一般的) one symbol caseend;%---------------------------------------------------------%function s=reduce(p);s=cell(length(p),1);for i=1:length(p)    s{i}=i;endwhile size(s)>2    [p,i]=sort(p);%sort the symbol probabilities    p(2)=p(1)+p(2);%Merge the 2 lowest probabilities    p(1)=[];% and prune(,剪除、删除) the lowest one    s=s(i);    s{2}={s{1},s{2}};    s(1)=[];end%------------------------------------------------------------%function makecode(sc,codeword)global CODEif isa(sc,'cell')    makecode(sc{1},[codeword 0]);    makecode(sc{2},[codeword 1]);else    CODE{sc}=char('0'+codeword);End%-----------------------------------------------------------%function y=mat2huff(x)if ndims(x)~=2|~isreal(x)|(~isnumeric(x) & ~islogical(x))    error('x must be a 2-D real numeric or logical matrix');endy.size=uint32(size(x));x=round(double(x));xmin=min(x(:));xmax=max(x(:));pmin=double(int16(xmin));pmin=uint16(pmin+32768);%y.min=pmin;x=x(:)';h=histc(x,xmin:xmax);if max(h)>65535    h=65535*h/max(h);endh=uint16(h);y.hist=h;%code the input matrix and store the resultmap=huffman(double(h));hx=map(x(:)-xmin+1)hx = ['1' ' ' '1' '0' ' ' '1' '1' '0' ' ' ' '...    '0' '1' '1' ' ' '1' '1']';%hx=char(hx);hx=hx(:)';hx(hx==' ')=[];ysize=ceil(length(hx)/16);hx16=repmat('0',1,ysize*16);hx16(1:length(hx))=hx;hx16=reshape(hx16,16,ysize);hx16=hx16' - '0';twos=pow2(15:-1:0);y.code=uint16(sum(hx16.*twos(ones(ysize,1),:),2))';%-----------------------------------------------------------------------%

离散余弦变换（DCT）图像压缩

在图像的变换和压缩中，经常用到离散余弦变换（DCT）。DCT 具备能使图像的最重要的信息集中在DCT 的几个系数上的性能。正是基于此，DCT 通常利用于图像的压缩。

clear allclcI=imread('D:\pic\DIP3E_CH11_Original_Images\Fig1137(b)(painting_translated_padded).tif','tif');I=im2double(I);T=dctmtx(8);B=blkproc(I,[8,8],'P1*x*P2',T,T');mask=[1 1 1 1 0 0 0 0;1 1 1 0 0 0 0 0;1 1 0 0 0 0 0 0;...        1 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0;...        0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0];B2=blkproc(B,[8,8],'P1.*x',mask);I2=blkproc(B2,[8,8],'P1*x*P2',T',T);imshow(I),title('原图象');figure,imshow(I2),title('变换后的图象');

利用离散余弦变换进行JPEG 图像压缩

clear allclcI=imread('D:\pic\DIP3E_CH11_Original_Images\Fig1137(b)(painting_translated_padded).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,[8 8],'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=[ 1 1 1 1 0 0 0 0;1 1 1 0 0 0 0 0;1 1 0 0 0 0 0 0;1 0 0 0 0 0 0 0;...    0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0];%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,[8 8],'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。比照原始图像和压缩后的图像，尽管%舍弃了85%的DCT 系数，但图像依然清晰（当然有一些品质损失）

参考文献：

[1] Rafael C. Gonzalez, Richard E. Woods, and Steven L. Eddins. 2003. Digital Image Processing Using MATLAB. Prentice-Hall, Inc., USA.

[2] [阮秋琦. 数字图像处理（MATLAB版）[M]. 北京：电子工业出版社, 2014.](https://github.com/timerring/digital-image-processing-matlab/blob/main/reference/Digital_Image_Processing_(MATLAB_version).pdf)

[3] [冈萨雷斯. 数字图像处理（第三版）[M]. 北京：电子工业出版社, 2011.](https://github.com/timerring/digital-image-processing-matlab/blob/main/reference/Digital_Image_Processing_(Third_Edition).pdf)