基于变换的图像压缩编码-内容简介.doc

基于变换的图像压缩编码技术的研究通信工程 09250323 xxx 指导老师 xxx 教授摘 要由于图像数据具有较多的冗余性和不相干性，所以对图像可以进行压缩处理。图像可以通过熵编码和变换编码等方法来实现压缩，文中主要针对变编码对图像进行压缩。本文首先介绍了图像压缩编码的基础概念和理论知识，然后详细地介绍了变换编码所涉及到的一些基本理论知识；紧接着利用MATLAB软件对多种图像变换进行了仿真实现和结果分析；并且在图像离散余弦变换和小波变换的基础上，对同一幅图像进行了压缩仿真。论文最后对每一种压缩方式都做了详细的分析，通过不同压缩方式之间的比较，从而得出各自的优缺点。 关键词：图像压缩；变换编码；小波变换；离散余弦变换AbstractBecause the image data has more of redundancy and incoherence, so the image can be compressed. Images can be through the entropy coding and transform coding method to achieve compression, This paper is mainly aimed at variable coding to compress the image. Firstly, this paper introduces the basic concept of image compression coding and theoretical knowledge, After theoretically in detail introduced the transform coding involved 2 d Fourier transform, discrete cosine transform, discrete wavelet transform, discrete Walsh - hadamard transform and entropy coding are some of the basic theoretical knowledge; Then each of the above transformation methods are simulated; finally, Thesis mainly by using the software of MATLAB Implementation of Wavelet transform and discrete cosine transform compression simulation was carried out on the same image compression. Paper finally made detailed for each compression method in the analysis, through the comparison between different compression methods, and concluded the advantages and disadvantages of each. Keywords: Image Compression; Transform Coding; Wavelet Transform; Discrete Cosine Transform一、概述(一) 图像压缩技术研究的目的和意义近些年来，图像技术发展十分迅速，这也推动了多媒体娱乐、多媒体通信、数码产品等各类与图片和视频相关的产品的发展。图像信息的数据量非常的大，随着各种成像设备的分辨率的不断提高，单幅图像所包含的数据量也越来越大，大数据量的图像信息会给存储器的存储容量、通信信道的带宽以及计算机的处理速度增加极大的压力。为了解决这个问题，必须对图像进行压缩处理。数字图像压缩编码的目的就是要以尽可能少的比特数来表征图像，同时保持恢复图像的质量，对图像编码和解码算法的研究，己经受到人们越来越多的关注，成为近些年信息技术中的热点1。（2） 图像压缩的可行性图像压缩的目的是为了减少需要保存或传输的数据量，由于原始图像中的数据量的大小与其携带的信息量并不相等，我们可以通过除去原始图像中的没有携带信息的数据(冗余信息和不相干信息)以达到压缩的目的。一般来说，图像数据中存在以下几种冗余：编码冗余，知识冗余，视觉冗余。采取一定的策略从原始信息中找出并去掉这些冗余中的一种或几种，就可已达到压缩的目的。允许图像编码有一定的失真，也是图像可压缩的一个重要原因12。二、图像压缩系统结构及工作原理（1） 图像压缩系统结构 图像压缩系统的一般构成如图1所示图1图像压缩系统的一般构成信源编码：完成原始数据的压缩与编码，主要解决有效性问题。信道编码：为了抗干扰，增加一些容错、校验位，实际上是有规律地增加传输数据的冗余，以便于消除传输过程中增加的随机信号，主要解决可靠性问题。信道：传输数据（信息）的手段。如Internet、广播、通讯、可移动介质等1。（2） 图像压缩编码的工作原理 对图像数据的压缩可通过对图像的编解码来实现。这个过程如图 1 所示，它实际上包含以下两个步骤：（1）通过对原始图像的编码以达到减少数据量的目的（压缩过程），所获得的编码结果并不一定是图像形式，但可用于存储和传输。（2）为了实际应用的需要对编码结果进行解码，得到解码图像（恢复了图像形式）以使用。本文主要针通过变换编码对图像进行压缩，在本文中选择了DCT、DWT两种变换对图像进行压缩，所以下文将详细说明基于DCT和DWT变换的图像压缩原理。三、基于DCT的图像压缩技术（一）基于DCT压缩图像的基本原理DCT压缩图像的基本原理是：首先将输入图片分割成88或1616的小块，然后计算每一小块的二维离散余弦变换，进行量化、编码；然后重组这些小块成为一幅图像，这样就完成了对这一幅图像的压缩；通常，经过变换后大部分DCT系数都近视为0，因此这些系数对于重构的影响很小，可以忽略不计。实际上图像通过离散余弦变换，本身就是对图像进行压缩的过程1。（2） 基于DCT压缩图像的仿真实现 （a) DCT频谱图 （b）基于DCT的压缩结果图 图2 基于离散余弦变换的压缩（3） 结果分析由图2（a）可以看出，DCT变换具有能量集中的性质，变换后的能量主要都集中在左上角（低频分量），其余大部分的能量都基本为零（高频分量）；因此右下角的高频分量所占的能量都近视为零，从而可以忽略不计(DCT变换实际上是空间域的低通滤波器)。因为该低频分量包含了图像的主要信息，而高频分量与其相比，就不那么重要了，所以我们可以忽略高频分量，从而达到压缩的目的。结合图2（b）易知，压缩后的图像稍显模糊，这是因为该压缩算法为有损压缩，压缩后的图像丢失了原始图像中的部分数据信息；但是DCT 算法却偏重于图像的视觉效果，用该算法得出图像的视觉效果相当好,它与原图像的视觉效果几乎一样。图像清晰度并未发生大的改变，只是将右下角的高频分量去掉，我们也从图2（b）中的灰度直方图中验证这一结论。所以基于DCT的图像压缩编码，既能保证有较高的压缩比，又能保证既有较好的图像质量。四、基于DCT的图像压缩技术（一）基于小波变换压缩图像的基本原理将原始图像经小波变换后，转换成小波域上的小波系数，然后对小波系数进行量化编码。采用二维小波变换快速算法，小波变换就是以原始图像为基础，不断将上一级图像分为四个子带的过程。每次分解得到的四个子带图像，分别代表频率平面上不同的区域，他们分别含有上一级图像中的低频信息和垂直、水平及对角线方向的边缘信息，正是由于小波变换可以将图像的能量信息分布在不同的区域，所以才为压缩图像提供了可能；经过小波变换后的图像的低频信息主要集中分布在近似区，而高频却分布在水平区、对角HH以及垂直区，正是因为这个 特性，我们可以滤除高频区的信息，同时将近似区的信息保留并重构图像，从而已达到图像压缩的目的34。（2） 基于小波变换压缩图像的仿真实现 (a) 小波变换图 (b) 基于小波变换的一次和二次压缩 图3 基于小波变换的压缩图 （3） 结果分析对一幅图像来说，表现图像最主要的部分是低频部分，所以一个最简单的压缩方法是利用小波去分解变换图像，将图像分解后去掉图像的高频部分而只保留低频部分；我们知道利用小波对图像进行分解变换后，其低频部分集中在近似区，而高频分量主要分布在水平区、对角线区以及垂直区，这点我们也可以从图3（a）很明显的看出，从而将理论和实践结合起来说明了此次变换仿真过程的正确性。第一次压缩是我们只对原始图像中小波分解的第一层低频信息进行了提取保留，此时压缩效果好，压缩比较小。第二次压缩时，我们在第一次压缩后的图像的基础上，对一次压缩图进行二次分解，并提取二次分解后的低频分量，其压缩比较大，压缩的结果图比较模糊。压缩效果在视觉上还可以看的清楚；结合图3（b）压缩后的图像可以看出，理论分析与实际仿真图像所反映出的信息是完全吻合的，由此说明，此压缩过程是正确无误的。同时，我们还可以从上面的图3（b）中的灰度直方图可以看出，在偏暗的图像中，直方图的组成成分主要集中在灰度级低的一侧，图像的对比度很低，为了使图像的对比度增加，采用了直方图均衡化，使图像所占的灰度登记得到扩展，对比度加强，使整个图像得到增强。（4） DCT变换和小波变换压缩图像的比较离散余弦变换的压缩编码算法在处理图像过程中不能提供时域的信息，所以在单纯的频域分析的方面，显然不能达到这个要求。在这个方面，由于小波分析固有的时频特性，就可以在时频两个方向对系数进行处理，提供不同的压缩精度，并且小波分析特别适合按照人类视觉系统特性设计图像压缩编码的方案，也非常有利于图像的分层传输。小波变换来压缩图像比离散余弦压缩图像却更有优势。小波变换能够有效地应用于图像数据压缩，从根本上说，其压缩机理正是体现在小波变换对图像的多频段分解恰与人类觉系统的多频率通道特性相吻合，从而可以从人类视觉的多通道处理特性上对图像进行相应的压缩处理。从形式上讲，小波变换提供了一种有效的多层次结构的图像描述形式，能够从整体上把握图像的结构，可以利用图像中更大范围内的相关性，并使得图像的统计特性变得相对简单化。而且对于一般的图像，经过小波压缩后能够得到很大的压缩比。在本次论文研究过程中，得到的离散余弦变换和小波变化压缩前后数据如表1所示。表1 离散余弦变换和小波变化压缩前后数据对比名 称大小（bytes）压缩比图像矩阵标准差文中的灰度图像140012（355x493） 10.2881离散余弦变换压缩140012（355x493）10.2856小波变换第一次压缩375920（185x254） 3.72450.0321小波变换第二次压缩107200（100x134）13.06080.0148结论本文主要研究了基于离散余弦变换的图像压缩和小波变换的图像压缩技术，通过研究对离散余弦变换的图像压缩和小波变换的图像压缩做如下总结。 一、基于离散余弦变换的图像压缩基于离散余弦变换对图像进行压缩时，首先对图像进行离散余弦变换，图像通过变换后，图像所携带的能量主要都集中在左上角（低频分量），其余大部分的能量都基本为零（高频分量）；基于离散余弦变换的图像压缩正是利用离散余弦变换的这一性质，忽略高频分量不相干信息而保留低频分量（矩阵右上角），从而达到压缩的目的。这种变换方式下的压缩算法简单易懂，思路清晰，实现起来也比较容易；但是这种压缩靠的是丢弃频率信息来实现的，因而图像压缩比越高，则频率信息被丢弃的越多；而且在时域特性的时候显得无能为力，此外基于离散余弦变换的图像压缩存在着普遍的方块效应。 二、基于小波变换的图像压缩对一幅图像来说，表现图像最主要的部分是低频部分，所以一个最简单的压缩方法是利用小波变换去分解变换图像，将图像分解后去掉图像的高频部分而只保留低频部分；利用小波对图像进行分解变换后，其低频部分主要集中在近似区，而高频分量主要分布在水平区、对角线区以及垂直区，在本文中通过编程对近视区的信息进行了提取和复原，从而达到压缩的目的。小波变换的图像压缩既能考察局部频域过程的时域特征，又能考察时域过程的频域特征；通过小波