小波变换在图像压缩中的应用

1、二维小波在图像压缩中的应用研究学院：电气与自动化工程学院 学号： 姓名：齐亚莉二维小波在图像压缩中的应用研究图像压缩是将原来较大的图像用尽量少的字节表示和传输，并要求图像有较好的质量。通过图像压缩，可以减轻图像存储和传输的负担，提高信息传输和处理速度。小波变换已广泛应用到图像的各种处理环节中，这里我结合小波分析和基于小波变换的图像压缩基本原理，用Matlab实现一个小波图像压缩算法。1. 小波分析1.1 一维连续小波变换定义：设，其傅立叶变换为，当满足允许条件(完全重构条件或恒等分辨条件) (1)时，我们称为一个基本小波或母小波。将母函数经伸缩和平移后得 (2)称其为一个小波序列。其中a为伸缩

2、因子，b为平移因子。对于任意的函数的连续小波变换为 (3)其重构公式(逆变换)为 (4)由于基小波生成的小波在小波变换中对被分析的信号起着观测窗的作用，所以还应该满足一般函数的约束条件 (5)故是一个连续函数。这意味着，为了满足完全重构条件式，在原点必须等于0，即 (6)为了使信号重构的实现在数值上是稳定的，处理完全重构条件外，还要求小波的傅立叶变化满足下面的稳定性条件： (7)式中0AB从稳定性条件(7)可以引出一个重要的概念。定义(对偶小波)：若小波满足稳定性条件(7)式，则定义一个对偶小波，其傅立叶变换由下式给出： (8)稳定性条件(7)式实际上是对(8)式分母的约束条件，它的作用是保证

3、对偶小波的傅立叶变换存在的稳定性。值得指出的是，一个小波的对偶小波一般不是唯一的，然而，在实际应用中，我们又总是希望它们是唯一对应的。因此，寻找具有唯一对偶小波的合适小波也就成为小波分析中最基本的问题。连续小波变换具有以下重要性质：(1)线性性：一个多分量信号的小波变换等于各个分量的小波变换之和。(2)平移不变性：若f(t)的小波变换为，则的小波变换为。(3)伸缩共变性：若f(t)的小波变换为，则f(ct)的小波变换为。(4)自相似性：对应不同尺度参数a和不同平移参数b的连续小波变换之间是自相似的。(5)冗余性：连续小波变换中存在信息表述的冗余度。小波变换的冗余性事实上也是自相似性的直接反映，

4、它主要表现在以下两个方面：(1)由连续小波变换恢复原信号的重构分式不是唯一的。也就是说，信号f(t)的小波变换与小波重构不存在一一对应关系，而傅立叶变换与傅立叶反变换是一一对应的。(2)小波变换的核函数即小波函数存在许多可能的选择(例如，它们可以是非正交小波、正交小波、双正交小波，甚至允许是彼此线性相关的)。小波变换在不同的(a，b)之间的相关性增加了分析和解释小波变换结果的困难，因此，小波变换的冗余度应尽可能减小，它是小波分析中的主要问题之一。1.2 高维连续小波变换对，公式 (9)存在几种扩展的可能性，一种可能性是选择小波使其为球对称，其傅立叶变换也同样球对称， (10)并且其相容性条件变

5、为 (11)对所有的。 (12)这里，=，其中且，公式(5)也可以写为 (13)如果选择的小波不是球对称的，但可以用旋转进行同样的扩展与平移。例如，在二维时，可定义 (14)这里，相容条件变为 (15)该等式对应的重构公式为 (16)对于高于二维的情况，可以给出类似的结论。2 二维小波进行图像压缩的原理小波变换用于图像压缩的基本思想，是用二维小波变换算法对图像进行多分辨率分解，每次小波分解将当前图像分解成四块子图，其中一块对应平滑板块，另外3块对应细节板块。由于小波变换的减抽样性质，经若干次小波分解后，平滑板块系数和所有细节板块系数生成的小波图像具有原图像不同的特性，能量主要集中在其中低频部分

6、的平滑板块，而细节所对应的水平、垂直和对角线的能量较少，它们表征了一些原图像的水平、垂直和对角线的边缘信息，具有的事方向特性。对于所有图像，根据人眼的敏感程度不同，进行不同的量化和编码处理以达到对原图像的高压缩比，对于平滑板块大部分或者完全保留，对于高频信息根据压缩的倍数和效果要求来保留。系数编码是小波变化用于图像压缩的核心，压缩的实质实系数的量化压缩。图像压缩经过小波变换后生成的子图像数据总量和原数据的数据总量相等，即小波变换本身并不具有压缩功能，必须结合其他编码技术对小波系数编码才能实现压缩目的。所以，基于小波变化的图像压缩方法一般分为以下三个步骤：1） 利用二维离散小波变换将图像分解为低

7、频近似分量和高频水平、高平垂直、高频对角细节分量。2） 根据人的视觉特性对低频和高频分量分别做不同的量化，即压缩。3） 利用逆小波变化重构图像，系数反量化，进行解压缩。3.二维小波在图像压缩中应用源程序：close all; %关闭当前所有图形窗口，清空工作空间变量，清除工作空间所有变量clear all;clc;load wmandril; %导入图像数据nbc=size(map,1); %获取颜色映射阶数 Y=wcodemat(X,nbc); %对图像的数值矩阵进行伪彩色编码C,S=wavedec2(X,2,db4); %对图像小波分解thr=20; %设置阈值Xcompress1,cxd

8、,lxd,perf0,perfl2=wdencmp(gbl,C,S,db4,2,thr,h,1);%对图像进行全局压缩Y1=wcodemat(Xcompress1,nbc); %对图像数据进行伪彩色编码set(0,defaultFigurePosition,100,100,1000,500); %修改图形图像位置的默认设置set(0,defaultFigureColor,1 1 1) %修改图形背景颜色的设置figure %创建图形显示窗口colormap(gray(nbc); %设置映射谱图等级subplot(121),image(Y),axis square %显示subplot(122)

9、;image(Y1),axis squaredisp(小波系数中置0的系数个数百分比：) %输出压缩比率变量perfl2disp(压缩后图像剩余能量百分比：)perf0运行结果： （a）原图像 （b）压缩后的图像结果分析：程序首先导入要压缩的图像数据，获取颜色映射阶数，对图像数据矩阵进行伪彩色编码，对利用母小波db4对图像X进行二层小波分解，返回小波分解系数C和结构矩阵S，通过函数wdencmp()对图像进行全局压缩，并返回压缩结果Xcompress1；设置当前图像窗口的背景颜色，显示原图像和压缩图像。命令行返回压缩过程，小波系数置0的系数百分比和压缩图像剩余能量百分比：参考文献：【1】 杨丹，赵海滨