基于小波变换的图像压缩

2023-08-20 14:45| 来源: 网络整理| 查看: 265

小波变换应用到的函数如下： wavedec2()函数：为二维信号的多层小波分解 appcoef2()函数：能够提取二维小波分解低频系数 wrcoef2()函数：能够提取二维小波分解高频系数即（小波系数） wcodemat()函数：用来对数据矩阵进行伪彩色编码 ddencmp()函数：能够用来获取默认值阙值（软或硬）熵标准，以进行去燥或压缩。、 wdencmp()函数：能够用来执行去燥或压缩工作。 wfusimg()函数：作业是融合两幅输入图像。

【注】'a’指的的是重构低频分量 h v d分别为重构高频分量的水平,垂直和斜线分量

clear all; clc; load wbarb subplot(221); image(X); colormap(map) title('原始图像'); axis square disp('压缩前图像X的大小'); whos('X') % 对图像用小波进行层分解 [c,s] = wavedec2(X,2,'bior3.7'); ca1 = appcoef2(c,s,'bior3.7',1); % 提取小波分解结构中的一层的低频系数和高频系数 ch1 = detcoef2('h',c,s,1); % 水平方向 cv1 = detcoef2('v',c,s,1); % 垂直方向 cd1 = detcoef2('d',c,s,1); % 斜线方向 a1 = wrcoef2('a',c,s,'bior3.7',1); h1 = wrcoef2('h',c,s,'bior3.7',1); v1 = wrcoef2('v',c,s,'bior3.7',1); d1 = wrcoef2('d',c,s,'bior3.7',1); % 各频率成分重构成各自图像 c1 = [a1,h1;v1,d1]; subplot(222); image(c1); axis square; title('分解后低频和高频信息'); % 进行图像压缩 % 保留小波分解第一层低频信息 % 首先对第一层信息进行量化编码 ca1 = appcoef2(c,s,'bior3.7',1); ca1 = wcodemat(ca1,440,'mat',0); ca1 = 0.5*ca1; subplot(223); image(ca1); colormap(map); axis square; title('第一次压缩图像'); disp('第一次压缩图像的大小为：'); whos('ca1') ca2 = appcoef2(c,s,'bior3.7',2); ca2 = wcodemat(ca2,440,'mat',0); ca2 = 0.25*ca2; subplot(224); image(ca2); colormap(map); axis square; title('第二次压缩图像'); disp('第二次压缩图像的大小为：'); whos('ca2')

运行结果如下：

压缩前图像X的大小 Name Size Bytes Class Attributes X 256x256 524288 double 第一次压缩图像的大小为： Name Size Bytes Class Attributes ca1 135x135 145800 double 第二次压缩图像的大小为： Name Size Bytes Class Attributes ca2 75x75 45000 double

图片显示如下：在这里插入图片描述

【本文地址】

公司简介

联系我们