图像赫夫曼编码设计-图像处理课设.docx

太原理工大学现代科技学院 图 像 处 理 课程设计设计名称 图像赫夫曼编码设计 专业班级 学 号 姓 名 指导教师太原理工大学现代科技学院专业班级学生姓名 课程名称数 字 图 像处 理 设 计设计名称图像huffman 编码设计设计周数1.5周指导教师 设计任务主要设计参数通过matlab软件设计数字图像处理huffman的编码程序，运用matlab工具对图像进行处理和分析数字图像处理的huffman的编码程序设计内容设计要求在window xp ，MATLAB7.0的环境下设计1、熟悉和掌握MATLAB 程序设计方法2、掌握图像Huffman的编码解码过程3、学习和熟悉MATLAB图像处理工具箱4、学会运用MATLAB工具箱对图像进行处理和分析主要参考资 料孙兆林.matlab 6.x 图像处理【M】.北京，清华大学出版社，2002：175-230姚敏.数字图像处理【M】.北京，机械工业出版社，2006：1-87学生提交归档文件课程设计任务书指导教师签名： 日期：2016.6.11摘要 数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。主要论述了利用MATLAB实现图像编码等图像处理。 关键词：MATLAB；数字图像处理；霍夫曼编码数字图像处理图像处理就是对图像信息进行加工处理，以满足人得视觉心理和实际应用的需求。图像处理可以应用光学方法、电子学方法，从60年代开始，随着计算机技术的发展，数字图像处理获得了飞跃的发展。所谓数字图像处理，就是利用数字计算机或其他高速、大规模集成数字硬件，对从图像信息转换来的数字电信号进行某些数字运算或处理，一起提高图像质量或达到人们要求的某些与预期的结果。如对被噪声污染的图像去除噪声；对信息微弱的图像进行增强处理；对失真的图像进行几何校正；从遥感图片中辨别农作物、森林、琥珀和军用设施等等。应用计算机处理图像精度高，改变软件即可变换处理方法，灵活方便。但由于计算机是顺序处理技术，因此对信息量较大的图像，运算处理速度不如光学方法快。霍夫曼编码 霍弗曼编码完全依据信源字符出现的概率来构造其码字，对出现概率大的字符使用较短的码字，面对出现概率低的字符使用较长的码字，从而达到压缩数据的目的。霍夫曼编码有时有称为最佳编码（一般直接称为霍夫曼编码），最初主要用于文本文件压缩。霍夫曼编码是一种变长编码（VLC），同时也是一种无失真编码。在具有相同信源概率分布的前提下，他的平均码字长度比其他任何一种有效编码方法都短。一、 设计目的：1、熟悉和掌握MATLAB 程序设计方法2、掌握图像Huffman的编码解码过程3、学习和熟悉MATLAB图像处理工具箱4、学会运用MATLAB工具箱对图像进行处理和分析二、设计环境：Window XP,MATLAB 7.0 三、设计内容及总体方案设计：赫夫曼（Huffman）编码是1952年提出的，是一种比较经典的信息无损熵编码，该编码依据变长最佳编码定理，应用Huffman算法而产生。Huffman编码是一种基于统计的无损编码。 设信源X的信源空间为：其中，, 现用二进制对信源X中的每一个符号xi(i=1,2,N)进行编码。根据变长最佳编码定理，Huffman编码步骤如下：（1）将信源符号xi按其出现的概率，由大到小顺序排列。（2）将两个最小的概率的信源符号进行组合相加，并重复这一步骤，始终将较大的概率分支放在上部，直到只剩下一个信源符号且概率达到1.0为止； （3）对每对组合的上边一个指定为1，下边一个指定为0（或相反：对上边一个指定为0，下边一个指定为1）； （4）画出由每个信源符号到概率1.0处的路径，记下沿路径的1和0； （5）对于每个信源符号都写出1、0序列，则从右到左就得到非等长的Huffman码。Huffman编码的特点是：（1）Huffman编码构造程序是明确的，但编出的码不是唯一的，其原因之一是两个概率分配码字“0”和“1”是任意选择的（大概率为“0”，小概率为“1”，或者反之）。第二原因是在排序过程中两个概率相等，谁前谁后也是随机的。这样编出的码字就不是唯一的。 （2）Huffman编码结果，码字不等长，平均码字最短，效率最高，但码字长短不一，实时硬件实现很复杂（特别是译码），而且在抗误码能力方面也比较差。 （3）Huffman编码的信源概率是2的负幂时，效率达100%，但是对等概率分布的信源，产生定长码，效率最低，因此编码效率与信源符号概率分布相关，故Huffman编码依赖于信源统计特性，编码前必须有信源这方面的先验知识，这往往限制了哈夫曼编码的应用。（4）Huffman编码只能用近似的整数位来表示单个符号，而不是理想的小数，这也是Huffman编码无法达到最理想的压缩效果的原因。 Huffman编码的设计流程图 算术编码程序流程图四、源程序：function HUFFMAN()clearload tiredata=uint8(X);imshow(data)zipped,info=huffencode(data);unzipped=huffdecode(zipped,info); subplot(121);imshow(data);subplot(122);imshow(unzipped);erms=0cr=info.ratiowhos data unzipped zippedfunction zipped,info=huffencode(vector)if isa(vector,uint8) error(input argument must be a uint8 vector);endm,n=size(vector); vector=vector(:);f=frequency(vector); simbols=find(f=0);f=f(simbols);f,sortindex=sort(f); simbols=simbols(sortindex);len=length(simbols);simbols_index=num2cell(1:len);codeword_tmp=cell(len,1);while length(f)1 index1=simbols_index1; index2=simbols_index2; codeword_tmp(index1)=addnode(codeword_tmp(index1),uint8(0); codeword_tmp(index2)=addnode(codeword_tmp(index2),uint8(1); f=sum(f(1:2) f(3:end); simbols_index=index1,index2 simbols_index(3:end); f,sortindex=sort(f); simbols_index=simbols_index(sortindex);endcodeword=cell(256,1);codeword(simbols)=codeword_tmp;len=0;for index=1:length(vector) len=len+length(codeworddouble(vector(index)+1);endstring=repmat(uint8(0),1,len);pointer=1;for index=1:length(vector) code=codeworddouble(vector(index)+1; len=length(code); string(pointer+(0:len-1)=code; pointer=pointer+len;endlen=length(string);pad=8-mod(len,8); if pad0 string=string uint8(zeros(1,pad);endcodeword=codeword(simbols);codelen=zeros(size(codeword);weights=2.(0:23);maxcodelen=0;for index=1:length(codeword) len=length(codewordindex); if lenmaxcodelen maxcodelen=len; end if len0 code=sum(weights(codewordindex=1); code=bitset(code,len+1); codewordindex=code; codelen(index)=len; endendcodeword=codeword:;cols=length(string)/8;string=reshape(string,8,cols);weights=2.(0:7);zipped=uint8(weights*double(string);huffcodes=sparse(1,1);for index=1:nnz(codeword) huffcodes(codeword(index),1)=simbols(index);endinfo.pad=pad;info.huffcodes=huffcodes;info.ratio=cols./length(vector);info.length=length(vector);info.maxcodelen=maxcodelen;info.rows=m;info.cols=n;function vector=huffdecode(zipped,info,image)if isa(zipped,uint8) error(input argument must be a uint8 vector);endlen=length(zipped);string=repmat(uint8(0),1,len.*8);bitindex=1:8;for index=1:len string(bitindex+8.*(index-1)=uint8(bitget(zipped(index),bitindex);endstring=logical(string(:);len=length(string);string(len-info.pad+1):end)=; len=length(string);weights=2.(0:51);vector=repmat(uint8(0),1,info.length);vectorindex=1;codeindex=1;code=0;for index=1:len code=bitset(code,codeindex,string(index); codeindex=codeindex+1; byte=decode(bitset(code,codeindex),info); if byte0 vector(vectorindex)=byte-1; codeindex=1; code=0; vectorindex=vectorindex+1; endendvector=reshape(vector,info.rows,info.cols); function codeword_new=addnode(codeword_old,item)codeword_new=cell(size(codeword_old);for index=1:length(codeword_old) codeword_newindex=item codeword_oldindex;endfunction f=frequency(vector)if isa(vector,uint8) error(input argument must be a uint8 vector);endf=repmat(0,1,256);len=length(vector);for index=0:255 f(index+1)=sum(vector=uint8(index);endf=f./len;function byte=decode(code,info)byte=info.huffcodes(code);五、实验结果： 压缩比例：六、课程设计体会： 通过这次课程设计，使我对图像处理有了全面的认识，对图像处理的知识又有了深刻的理解，在之前的学习以及完成课后的作业的过程中，已经使用过MATLAB，对其有了一些基础的了解和认识。MATLAB既是一种直观