院（系、所）信息与机电学院专业通信与信息系统考试科目数字压缩第三学期研究生姓名张鹏学号 122201115
考试成绩
导师评语：
导师签字
年月日
摘要
图像压缩是关于用最少的数据量来表示尽可能多的原图像的信息的一个过程。对于图像来说，如果需要进行快速或实时传输以及大量存储，就需要对图像数据进行压缩，如果图像数据压缩后再传输，就可以传输更多的图像信息，也就可以增加通信的能力。变换编码是把图像中的各个像素从一种空间变换到另一种空间．然后针对变换后的信号进行量化与编码操作的一种图象压缩编码技术。
本文提出了基于DCT变换的图像压缩编码算法进行研究，并用MATLAB进行实验仿真，重点介绍了压缩编码的具体过程和方法 ,详细介绍了编码中DCT变换、量化、熵编码等模块的原理和数学推导以及各模块的功能分析，基于DCT 变换的图像压缩方法简单、方便,既能保证有较高的压缩比，又能保证有较好的图像质量，应用MATLAB仿真出来的结果较好的反应了其编码算法原理。
关键词：图像压缩 DCT变换 MATLAB
Abstract
??
Image compression is a process about the least amount of data to show the original image information as much as possible. For images, if the requirement of high-speed and real-time transmission and a large amount of storage, we need to compress the image data, if the image data compression and transmission, can transmit more information of the image, also can increase the ability of communication. Transform coding is that each pixel in the image from a space to another space. Coding an image and then quantization and coding operation according to the transformed signal.
This paper puts forward DCT transform for image compression coding algorithm based on study, and experimental simulation using MATLAB, focuses on process and compression coding method, a detailed analysis of principle and mathematical derivation of the DCT transform coding, quantization, entropy coding module and the function of each module, DCT transform for image the compression method is simple, convenient and based on, which can ensure a higher compression ratio, but also ensure a better image quality, the application of MATLAB simulation results reflect the coding algorithm.
Key word：Image compression DCT transform MATLAB
基于DCT变换的图像压缩及matlab仿真
一．图像压缩编码的概念
压缩的理论基础是信息论，从信息论的角度来看，压缩就是去掉信息中的冗
余，即保留不确定的信息，去掉确定的信息(可推知的)，也就是用一种更接近信息本质的描述来代替原有冗余的描述。这个本质的东西就是信息量(即不确定因素)。
二．图像编码的分类
图像编码压缩的方法目前有很多，其分类方法根据出发点不同而有差异。根据解压重建后的图像和原始图像之间是否具有误差（对原图像的保真程度），图像编码压缩分为无误差（亦称无失真、无损、信息保持）编码和有误差（有失真或有损）编码两大类。
无损压缩（冗余度压缩、可逆压缩）：是一种在解码时可以精确地恢复原图像，没有任何损失的编码方法，但是压缩比不大，通常只能获得1~5倍的压缩比。用于要求重建后图像严格地和原始图像保持相同的场合，例如复制、保存十分珍贵的历史、文物图像等。
有损压缩（不可逆压缩）：只能对原始图像进行近似的重建，而不能精确复原，适合大数工用于存储数字化了的模拟数据。压缩比大，但有信息损失，本文采用有损压缩。
三．编码压缩系统介绍
（1）编码压缩系统
基于DCT编码的压缩过程简化图
(2)DCT变换
离散余弦变换(DCT)是一种与离散傅立叶变换紧密相关的正交变换,8×8的二维离散余弦变换可以将图像的空间表达式转换到频率域,只用少量的数据点来表达图像,用f(x,y)表示8×8的图像块象素值,F(u,v)表示二维离散余弦变换后的值,具体表达式如下:
(1.1)
()
()()
()()()?
?
?
?
?
?+
+
=∑∑
==
7
7
16
1
2
cos
16
1
2
cos
,
4
1
,
x y
v
u
v
y
u
x
y
x
f
C
C
v
u
F
π
π
其反变换如下式:
(1.2) 其中,
(1.3)
通过对8*8的图像块进行二维DCT变换，可以把每个图像块转化成64个DCT 系数值，其中一个数值是直流（DC）系数，即8*8图像空域块的平均值，体现了图像中的低频分量；其余63个是交流（AC）系数，体现了图像的高频细节部分。（3）量化
在DCT处理中得到的64个数据中，低频分量包含了图像亮度等主要信息。在从空间域到频域的变换中，图像中的缓慢变化比快速变化更易引起人眼的注意，所以在重建图像时，低频分量的重要性高于高频分量。因而在编码时可以忽略高频分量，即减小非“0”系数的幅度以及增加“0”值系数的数目，从而达到压缩的目的，这也是量化的根据和目的，也是图像质量下降的最主要原因。在JPEG标准中，用具有64个独立元素的量化表来规定DCT域中相应的64个系数的量化精度，使得对某个系数的具体量化阶取决于人眼对该频率分量的视觉敏感程度。量化就是用DCT变换后的系数除以量化表中相对应的量化阶后四舍五入取整。由于量化表中左上角的值较小，而右下角的值较大，因而起到了保持低频分量、抑制高频分量的作用。
(4)编码
1、“Z”字型扫描
量化后的数据本来已经可以直接进行游程编码,但为了提高游程编码的效率,我们必须尽量增加零游程的长度。基于量化后系数的排列特征,采用“Z”字型扫描能有效增加零游程的长度。“Z”字型扫描轨迹如图所示:
()
()()
()()(
)
?
?
?
?
?
?+
+
=∑∑
==
7
7
16
1
2
cos
16
1
2
cos
,
4
1
,
x y
v
u
v
y
u
x
y
x
F
C
C
y
x
F
π
π
()()
()
()
??
?
?
?
=
=
=
其他情况
当
1
u
2
2
v
C
C
v
u
2、哈夫曼(Huffman)编码及解码
哈夫曼编码是1952年由Huffman提出的编码方法,基本思想是根据源数据符合出现的概率大小进行编码,出现概率大的符号分配越短的码字,出现概率越小的符号分配越长的码字,从而达到用尽量少的比特数表示数据源,标准哈夫曼编码步骤如下:
(1)统计数据源符号出现的概率,得到不同概率的信息符号;
(2)将数据源符号按概率递减顺序排列;
(3)把两个最小概率相加作为新符号的概率,并按(2)重排;
(4)重复(1)、(2),直到概率为1;
(5)在每次合并信源时,将合并的信源分别赋“0”和“1”;
(6)寻找从每一信源符号到概率为1处的路径,记录路径上的“0”和“1”;
(7)从树根开始写出每一符号的“0”、“1”。用标准哈夫曼编码对图像进行编码时效率很高,但需要对原始图像扫描两遍,第一遍要精确统计出每个像素值出现的概率,第二遍是建立哈夫曼树并编码,数据压缩和解压速度较慢,因此,出现了一种改良的哈夫曼编码,它的变长码字不是实时产生而是一个固定的表,在编码和解码过程中不用计算符号概率和排序,直接查表得到,但这个表必须经过大量的统计工作并精心设计才能达到较高的编码效率。在静态图像压缩国际标准(JPEG标准)中,专家组已经对大量自然图像进行了统计,得到了适合于静态自然图像编码的哈夫曼表,在实际编码过程中,我们可直接应用此表进行编码和解码。四．MATLAB仿真代码
五．结论
实验四、图像的几何变换与彩色处理 一、实验目的 1理解和掌握图像的平移、垂直镜像变换、水平镜像变换、缩放和旋转的原理和应用； 2熟悉图像几何变换的MATLAB操作和基本功能 3 掌握彩色图像处理的基本技术 二、实验步骤 1 启动MATLAB程序，读入图像并对图像文件分别进行平移、垂直镜像变换、水平镜像变换、缩放和旋转操作 %%%%%%平移 >> flowerImg=imread('flower.jpg'); >> se=translate(strel(1),[100 100]); >> img2=imdilate(flowerImg,se); >> subplot(1,2,1); >> imshow(flowerImg); >> subplot(1,2,2); >> imshow(img2);
I1=imread('flower.jpg'); I1=double(I1); H=size(I1); I2(1:H(1),1:H(2),1:H(3))=I1(H(1):-1:1,1:H(2),1:H(3)); I3(1:H(1),1:H(2),1:H(3))=I1(1:H(1),H(2):-1:1,1:H(3)); Subplot(2,2,1); Imshow(uint8(I1)); Title('原图'); Subplot(2,2,2); Imshow(uint8(I3)); Title('水平镜像'); Subplot(2,2,3); Imshow(uint8(I2)); Title('垂直镜像'); img1=imread('flower.jpg'); figure,imshow(img1); %%%%%%缩放 img2=imresize(img1,0.25); figure,imshow(img2); imwrite(img2,'a2.jpg');
实验三基于DCT的数字图像压缩及Matlab实现兰州大学信息学院08级通信工程一班赵军伟 一、课程设计的目的和要求等内容 实验目的:掌握基于DCT变换的图像压缩的基本原理及其实现步骤；通过使用MATLAB，对同一幅原始图像进行压缩，进一步掌握DCT和图像压缩。 实验要求： 1、学生在实验操作过程中自己动手独立完成，2人为1组。 2、上机过程中由指导老师检查结果后方可做其他内容。 3、完成实验报告：按照实验的每个题目的具体要求完成 二、基本原理或方法 （一）图像压缩基本原理 图像数据压缩的目的是在满足一定图像质量的条件下，用尽可能少的比特数来表示原始图像，以提高图像传输的效率和减少图像存储的容量，在信息论中称为信源编码。图像压缩是通过删除图像数据中冗余的或者不必要的部分来减小图像数据量的技术，压缩过程就是编码过程，解压缩过程就是解码过程。压缩技术分为无损压缩和有损压缩两大类，前者在解码时可以精确地恢复原图像，没有任何损失；后者在解码时只能近似原图像，不能无失真地恢复原图像。 假设有一个无记忆的信源,它产生的消息为{ai},1≤i≤N,其出现的概率是已知的,记为P(ai)。则其信息量定义为: 由此可见一个消息出现的可能性越小，其信息量就越多，其出现对信息的贡献量越大，反之亦然。 信源的平均信息量称为“熵”（entropy），可以表示为： 对上式取以2为底的对数时，单位为比特（bits）：
根据香农（Shannon）无噪声编码定理，对于熵为H的信号源，对其进行无失真编码所可能达到的最低比特数为，这里为一任意小的正数，因此可能达到的最大压缩比为： 其中B是原始图像的平均比特率。 在图像压缩中，压缩比是一个重要的衡量指标。可以定义压缩比为： （二）图像压缩的基本模型 图像编码包括两个阶段，前一个阶段就是利用预测模型或正交模型对图像信号进行变换；后一个阶段是利用已变换信号的统计特性，对其分配适当的代码来进行编码传输。 编码器与解码器的结构分别如图(a)、(b)。 在发送端，输入的原始图像首先经过DCT变换后，其低频分量都集中在左上角，高频分量分布在右下角（DCT变换实际上是空间域的低通滤波器）。由于该低频分量包含了图像的主要信息，而高频分量与之相比就不那么重要了，所以可以忽略高频分量，从而达到压缩的目的。将高频分量去掉就要用到量化，这是产生信息损失的根源。 “量化”的主要任务是用有限个离散电平来近似表达已抽取出的信息。在此采用均匀量化，通过改变程序中的量化因子Q的值以得到不同压缩比的图像。Huffman编码时，首先对经DCT变换及量化后的图像收据扫描一遍，计算出各种像素出现的概率；然后按概率的大小指定不同长度的唯一码字，由此得到一张Huffman表。编码后的图像记录的是每个像素的码字，而码字与量化后像素值的对应关系记录在码表中。生成的一维字符矩阵即为实际中要传输的序列，压缩后
基于MATLAB的图像复原 摘要 随着信息技术的发展，数字图像像已经充斥着人们身边的任意一个角落。由于图像的传送、转换，或者其他原因，可能会造成图像的降质、模糊、变形、质量下降、失真或者其他情况的图像的受损。本设计就针对“图像受损”的问题，在MATLAB环境中实现了利用几何失真校正方法来恢复被损坏的图像。几何失真校正要处理的则是在处理的过程，由于成像系统的非线性，成像后的图像与原图像相比，会产生比例失调，甚至扭曲的图像。 图像复原从理论到实际的操作的实现，不仅能改善图片的视觉效果和保真程度，还有利于后续的图片处理，这对医疗摄像、文物复原、视频监控等领域都具有很重要的意义。 关键字：图像复原；MATLAB；几何失真校正
目录 摘要 (1) 1 MATLAB 6.x 信号处理 (1) 2 图像复原的方法及其应用 (13) 2.1 图像复原的方法 (13) 2.2 图像复原的应用 (14) 3 几何失真校正实现 (15) 3.1 空间变换 (15) 3.1.1 已知()y x r,和()y x s,条件下的几何校正 (16) 3.1.2 ()y x r,和()y x s,未知条件下的几何失真 (16) 3.2 灰度插值 (17) 3.3 结果分析 (19) 参考文献 (20) 附录 (21)
1 MATLAB 6.x信号处理 （1）对MATLAB 6 进行了简介，包括程序设计环境、基本操作、绘图功能、M文件以及MATLAB 6 的稀疏矩阵这五个部分。MATLAB的工作环境有命令窗口、启动平台、工作空间、命令历史记录与当前路径窗口这四部分。M文件的编辑调试环境有四个部分的设置，分别是：Editor/Debugger的参数设置，字体与颜色的设置，显示方式的设置，键盘与缩进的设置。MATLAB采用路径搜索的方法来查找文件系统的M文件，常用的命令文件组在MATLAB文件夹中，其他M文件组在各种工具箱中。基本操作主要是对一些常用的基本常识、矩阵运算及分解、数据分析与统计这三方面进行阐述。MATLAB的基本操作对象时矩阵，所以对于矩阵的输入、复数与复数矩阵、固定变量、获取工作空间信息、函数、帮助命令进行了具体的描述。矩阵运算是MATLAB的基础，所有参与运算的数都被看做为矩阵。MATLAB中共有四大矩阵分解函数：三角分解、正交分解、奇异值分解以及特征值分解。数据分析与统计包括面向列的数据分析、数据预处理、协方差矩阵与相关系数矩阵、曲线拟合这四部分。MATLAB 中含有丰富的图形绘制寒素，包括二维图形绘制、三维图像绘制以及通用绘图工具函数等，同时还包括一些专业绘图函数，因此其具有很强大的绘图功能。简单的二维曲线可以用函数plot来绘制，而简单的三维曲线图则用plot3来绘制。在绘制图形时，MATLAB自动选择坐标轴表示的数值范围，并用一定的数据间隔标记做标注的数据，当然自己也可以指定坐标轴的范围与数据间隔。专业的绘图函数有绘梯度图制条形图、饼图、三维饼图、箭头图、星点图、阶梯图以及等高线。M文件时用户自己通过文本编辑器或字处理器生成的，且其之间可以相互调用，用户可以根据自己的需要，自我编写M文件。M文件从功能上可以分为底稿文件与函数文件两类，其中底稿文件是由一系列MATLAB语句组成的，而函数文件的第一行必须包含关键字“function”，二者的区别在于函数文件可以接受输入参数，并可返回输出参数，而底稿文件不具备参数传递的功能；在函数文件中定义及使用的变量大都是局部变量，只在本函数的工作区内有效，一旦退出该函数，即为无效变量，而底稿文件中定义或使用的变量都是全局变量，在退出文件后仍为有效变量。稀疏矩阵是一种特殊类型的矩阵，
通信专业课程设计一 太原科技大学 课程设计（论文） 设计(论文)题目：基于DCT的图像压缩及Matlab实现 姓名____ 学号_ 班级_ 学院____ 指导教师____ 2010年12月31日
太原科技大学课程设计（论文）任务书 学院（直属系）：时间： 学生姓名指导教师 设计（论文）题目基于DCT的图像压缩及Matlab实现 主要研究内容 掌握DCT变换实现图像压缩的基本方法，在不损害图像信源的有效信息量的情况下保证图像的质量，在MATLAB环境中进行图像压缩技术的仿真，并对仿真结果进行分析。 研究方法 主要运用实验法与观察法，通过编写程序实现对图像的DCT变换，观察图像结果进而实现对DCT变换的研究。 主要技术指标(或研究目标) 利用DCT变换编码方法进行图像压缩，提高信息传输的有效性及通信质量。 教研室 意见 教研室主任（专业负责人）签字：年月日
目录 摘要.............................................................................................................................................II 第1章绪论. (1) 第2章DCT变换概述 (2) 2.1DCT函数介绍 (2) 2.2DCT变换介绍 (2) 2.2.1DCT变换原理 (2) 2.2.2DCT变换编码的步骤 (3) 第3章程序运行及结果分析 (5) 3.1程序代码 (5) 3.2运行结果分析 (7) 第4章结论 (11) 参考文献 (12)
目录 1 引言 (1) 2 基于MATLAB的FFT算法实现 (2) 2.1系统总体流程图 (2) 2.2 FFT运算规律及编程思想 (2) 2.2.1图像信号的采集 (2) 2.2.2 DIT-FFT算法的基本原理 (3) 2.2.3 FFT算法的运算规律及编程思想 (5) 3 Matlab程序实现 (7) 3.1程序运行结果 (7) 3.2对比结果分析 (8) 4 系统人机对话界面 (9) 4.1 GUI简介 (9) 4.2 界面设计 (9) 4.3 运行调试 (10) 5 Matlab软件简介 (11) 6 心得体会 (12) 参考文献 (13) 附录Ⅰ (14) 附录Ⅱ (18)
1 引言 MATLAB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks 公司出品的商数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。 MATLAB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单独提供的专用MATLAB 函数集）扩展了MATLAB 环境，以解决这些应用领域内特定类型的问题。它以矩阵运算为基础，把计算、可视化、程序设计融合在一个简单易用的交互式工作环境中，是一款数据分析和处理功能都非常强大的工程适用软件。它可以将声音文件变换为离散的数据文件，然后利用其强大的矩阵运算能力处理数据，如数据滤波、傅立叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱位语音信号分析提供了十分丰富的功能函数，利用这些功能函数可以快捷而又方便的完成语音信号的处理和分析以及信号的可视化。数字信号处理是MATLAB重要应用的领域之一。 对于有限长序列x(n),若要求其N点的傅里叶变换（DFT）需要经过2N次复数乘法运算和N*(N-1)次复数加法运算。随着N的增加，运算量将急剧增加，而在实际问题中，N往往是较大的，如当N=1024时，完成复数乘法和复数加法的次数分别为百万以上，无论是用通用计算机还是用DSP芯片，都需要消耗大量的时间和机器内存，不能满足实时的要求。因此，DFT的这种运算只能进行理论上的计算，不适合对实时处理要求高的场合。因此，研究作为DSP的快速算法的FFT是相当必要的，快速傅里叶变换（FFT）是为提高DFT运算速度而采用的一种算法，快速算法的种类很多，而且目前仍在改进和提高，它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。基于本学期所学的DIT-FFT的运算规律和编程思想以及Matlab的学习和使用，本课设要求在Matlab环境下编写基2 DIT-FFT算法实现对离散信号的快速傅里叶变换，再与Matlab软件自带的FFT函数实现对离散信号的傅里叶变换进行比较，如果得到的频谱相同，那么我们编写的程序就是正确的。本次课程设计是实现对选定图片进行FFT计算、还原（IFFT计算），并与系统FFT函数做对比，进行分析。如果有能力可以选做系统人机对话界面。用GUI界面完成人机交互方便使用的。本课程设计主要是对数字信号的分析。
数字图像处理课程设计 题目图像的几何变换重建 系 (部) 信息工程系 班级 姓名 学号 指导教师 2013 年 12 月 16 日至 12 月 27 日共 2 周 2013年 12 月 27 日
数字图像处理课程设计任务书
课程设计成绩评定表
目录 1 引言 (4) 1.1课程设计的目的.......................... 错误！未定义书签。 1.2课程设计的任务.......................... 错误！未定义书签。 1.3课程设计的要求.......................... 错误！未定义书签。 1.4开发工具................................ 错误！未定义书签。2设计内容 (4) 2.1设计内容 (4) 2.2 系统框图 (4) 3 设计方案 (5) 3.1功能模块的划分 (5) 3.2算法描述 (5) 3.3实现主要功能的原理和方法 (8) 3.3.1最近邻域插值法 (8) 3.3.2双线性插值法 (8) 4功能模块的具体实现 (10) 4.1 模块功能 (10) 4.2流程图 (11) 4.3程序清单及各模块的实现效果图 (11) 4.4 系统仿真与调试 (21) 5 总结与体会 (22) 参考文献 (22) 附录 (23)
1 引言 2设计内容 2.1设计内容 我选取的是图像的几何变换，设计内容如下， (1)能够读取和存储图像。 (2)实现图像的平移、缩放、旋转几何变换。 (3)分别采用最近邻插值和双线性插值技术进行图像重建。 (4)编写代码实现上述功能。 图2-1系统框图 本次课设所做的图像几何变换包括平移变换、缩放变换和旋转变换。缩放变换和旋转变换均用双线性插值变换和最近邻插值变换两种方法来做，对图像进行处理后再存储。
最常用的一些图像处理Matlab源代 码 #1：数字图像矩阵数据的显示及其傅立叶变换 #2：二维离散余弦变换的图像压缩 #3：采用灰度变换的方法增强图像的对比度 #4：直方图均匀化 #5：模拟图像受高斯白噪声和椒盐噪声的影响 #6：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 #7：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 #8：图像的自适应魏纳滤波 #9：运用5种不同的梯度增强法进行图像锐化 #10：图像的高通滤波和掩模处理 #11：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 #12：利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理 1.数字图像矩阵数据的显示及其傅立叶变换 f=zeros(30,30); f(5:24,13:17)=1; imshow(f, 'notruesize'); F=fft2(f,256,256); % 快速傅立叶变换算法只能处矩阵维数为2的幂次，f矩阵不 % 是，通过对f矩阵进行零填充来调整 F2=fftshift(F); % 一般在计算图形函数的傅立叶变换时，坐标原点在 % 函数图形的中心位置处，而计算机在对图像执行傅立叶变换 % 时是以图像的左上角为坐标原点。所以使用函数fftshift进 %行修正，使变换后的直流分量位于图形的中心； figure,imshow(log(abs(F2)),[-1 5],'notruesize');
2 二维离散余弦变换的图像压缩I=imread('cameraman.tif'); % MATLAB自带的图像imshow(I); clear;close all I=imread('cameraman.tif'); imshow(I); 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); % 此处为点乘(.*) I2=blkproc(B2,[8 8], 'P1*x*P2',T',T); figure,imshow(I2); % 重建后的图像 3.采用灰度变换的方法增强图像的对比度I=imread('rice.tif'); imshow(I); figure,imhist(I); J=imadjust(I,[0.15 0.9], [0 1]); figure,imshow(J); figure,imhist(J);
Matlab数字图像处理实验指导 实验目的： 通过实验，深入理解和掌握图像处理的基本技术，提高动手实践能力。 实验环境： Matlab变成 实验一图像的几何变换 实验内容：设计一个程序，能够实现图像的各种几何变换。 实验要求：读入图像，打开图像，实现图像的平移变换、比例缩放、转置变换、镜像变换、旋转变换等操作。 实验原理： 图像几何变换又称为图像空间变换，它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置。学习几何变换的关键就是要确定这种空间映射关系，以及映射过程中的变化参数。 几何变换不改变图像的像素值，只是在图像平面上进行像素的重新安排。一个几何变换需要两部分运算：首先是空间变换所需的运算，如平移、镜像和旋转等，需要用它来表示输出图像与输入图像之间的（像素）映射关系；此外，还需要使用灰度插值算法，因为按照这种变换关系进行计算，输出图像的像素可能被映射到输入图像的非整数坐标上。 设原图像f(x0,y0)经过几何变换产生的目标图像为g(x1,y1),则该空间变换（映射）关系可表示为： x1=s(x0,y0) y1=t(x0,y0) 其中，s(x0,y0)和t(x0,y0)为由f(x0,y0)到g(x1,y1)的坐标换变换函数。 一、图像平移 图像平移就是将图像中所有的点按照指定的平移量水平或者垂直移动。
二、图像镜像 镜像变换又分为水平镜像和垂直镜像。水平镜像即将图像左半部分和右半部分以图像竖直中轴线为中心轴进行对换；而竖直镜像则是将图像上半部分和下半部分以图像水平中轴线为中心轴进行对换。 三、图像转置 图像转置是将图像像素的x坐标和y坐标呼唤。图像的大小会随之改变——高度和宽度将呼唤。
数字图像处理论文--图像的几何变换及其MATLAB实现 学院：理学院专业：信息与计算科学 班级：信计1012 姓名： 学号：任课老师： 集美大学理学院 二○一三年十一月二十八日
目录 摘要 (1) 一、何谓数字图像处理 (1) 二、数字图像几何变换简介 (1) 三、MATLAB图像处理工具介绍 (1) 四、图像几何变换的MATLAB实现 (2) 4.1图像几何变换的概述 (2) 4.2 图像的平移变换 (2) 4.3 图像的比例缩放 (4) 4.4 图像的镜像变换 (5) 4.5 图像的旋转变换 (7) 4.6 图像的剪取 (8) 五、图像几何变换的应用以及技术局限 (10) 参考文献 (10)
摘要：图像变换就是把图像从空间域转换到变换域（如频率域）的过程。图像变换可以使人们从另一角度来分析图像信号的特性，利用变换域中特有的性质，使图像处理过程更加简单、有效。图像变换是许多图像处理与分析技术的基础，而几何变换是图像变换中最基础也是应用最广泛的技术之一，本文基于MATLAB的图像处理工具，通过改变图像像素的空间位置或估算新空间位置上的像素值，从而实现图像的平移、缩放、旋转、镜像变换、图像插值等几何变换。 关键字：图像变换、几何变换、MATLAB 一、何谓数字图像处理 数字图像处理（Digital Image Processing），就是利用数字计算机或则其他数字硬件，对从图像信息转换而得到的电信号进行某些数学运算，以提高图像的实用性。例如从卫星图片中提取目标物的特征参数，三维立体断层图像的重建等。总的来说，数字图像处理包括点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。 二、数字图像几何变换简介[3] 今天数字技术时代，我们身边接触到很多的数字图像，而对数字图像的处理往往会遇到需要对图像进行几何变换的一些问题。图像几何变换是图像显示技术中的一个重要组成部分。在图像几何变换中主要包括图像的缩放、旋转、移动、剪取等内容。无论照片、图画、书报、还是医学X光和卫星遥感图像等领域都会用到这些技术。通过图像的几何变换技术，可以显著提高图像处理效率和质量，为更进一步的图像处理奠定基础。 三、MATLAB图像处理工具介绍[1] MATLAB全称是Matrix Laboratory（矩阵实验室），一开始它是一种专门用于矩阵数值
一种基于MATLAB的JPEG图像压缩具体实现方法 说明：该方法主要是对FPGA硬件实现编码的一个验证，MATLAB处理时尽量选择了简单化和接近硬件实现需要。 JPEG编码解码流程：BMP图像输入、8*8分块、DCT变换、量化、Zig_Zag 扫描、获取DC/AC系数中间格式、Huffman熵编码、DC/AC系数Huffman熵解码，反zig_zag扫描、反量化、反DCT变换、8*8组合、解码图像显示。 下面根据具体代码解释实现过程。 1.BMP图像输入 A=imread('messi_b.bmp'); %读取BMP图像矩阵 R=int16(A(:,:,1))-128; %读取RGB矩阵，由于DCT时输入为正负输入， G=int16(A(:,:,2))-128； %使得数据分布围-127——127 B=int16(A(:,:,3))-128; 通过imread函数获取BMP图像的R、G、B三原色矩阵，因为下一步做DCT 转换，二DCT函数要求输入为正负值，所以减去128，使得像素点分布围变为-127~127，函数默认矩阵A的元素为无符号型（uint8），所以如果直接相减差值为负时会截取为0，所以先用int16将像素点的值转为带符号整数。网上很多都提到了第一步的YUV转换，但是由于MATLAB在实验时YUV转换后色差失真比较严重，这里没有进行YUV转换。个人理解为YUV转换后经过非R/G/B原理显示器显示效果可能会比较好，或者如果图像有色差可以选择YUV调整。为了方便，读入的图像像素为400*296，是8*8的50*37倍，所以代码里没有进行8*8的整数倍调整。 2. 8*8分块 R_8_8=R(1:8,1:8);%取出一个8*8块 这里以R色压缩解码为例，后边解释均为R色编码解码过程，最后附全部代码。R_8_8为： 3.DCT变换 R_DCT=dct2(R_8_8); 使用MATLAB函数dct2进行DCT变换，也可使用DCT变换矩阵相乘的方法，即R_DCT=A* R_8_8*A T，其中A为DCT变换矩阵。R_DCT为：
图像读入 ●从图形文件中读入图像imread Syntax: A = imread(, fmt) ：指定的灰度或彩色图像文件的完整路径和文件名。 fmt:指定图形文件的格式所对应的标准扩展名。如果imread没有找到所制定的文件,会尝试查找一个名为的文件。 A：包含图像矩阵的矩阵。对于灰度图像,它是一个M行N列的矩阵。如果文件包含RGB 真彩图像,则是m*n*3的矩阵。 ●对于索引图像，格式[X, map] = imread(, fmt) X：图像数据矩阵。 MAP：颜色索引表 图像的显示 ●imshow函数：显示工作区或图像文件中的图像 ●Syntax： imshow(I) %I是要现实的灰度图像矩阵 imshow(I,[low high]，param1, val1, param2, val2,...) %I是要现实的灰度图像矩阵，指定要显示的灰度范围，后面的参数指定显示图像的特定参数 imshow(RGB) imshow(BW) imshow(X,map) %map颜色索引表 imshow() himage = imshow(...)
●操作：读取并显示图像 I=imread('C:\Users\fanjinfei\Desktop\baby.bmp');%读取图像数据 imshow(I);%显示原图像 图像增强 一．图像的全局描述 直方图（Histogram）：是一种对数据分布情况的图形表示，是一种二维统计图表，它的两个坐标分别是统计样本和该样本对应的某个属性的度量。 图像直方图（Image Histogram）：是表示数字图像中亮度分布的直方图，用来描述图象灰度值，标绘了图像中每个亮度值的像素数。 灰度直方图：是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。描述了一幅图像的灰度级统计信息。是一个二维图，横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。 归一化直方图：直接反应不同灰度级出现的比率。纵坐标表示具有各个灰度级别的像素在图像中出现的概率。 图像的灰度直方图：是一个离散函数，表示图像每一灰度级与该灰度级出现概率的对应关系。 图像的灰度直方图运算： imhist()函数，其横坐标表示像素的灰度级别，纵坐标为像素点的个数。 ●Imhist函数=Display histogram of image data显示灰度直方图的函数 ●Syntax： ①imhist(I) % I为要计算的灰度直方图图像 ②imhist(I, n) % n指定的灰度级的数目，表示所有灰度级均匀分布在n个小区间内。 ③imhist(X, map) ④[counts,x] = imhist(...) %counts直方图数据向量。counts(i)第i个灰度区间中的像素数目。x是保存了对应的灰度小区间的向量。 注意：若调用时不接受这个函数的返回值，则直接显示直方图；在得这些返回数据之后，也可以使用stem(x,counts)手绘直方图。 ●例1：显示某一图像的灰度直方图
第 25卷第 4期《新疆师范大学学报》 (自然科学版 V o l . 25, N o . 4 2006年12月 Journal of X injiang N o r m al U niversity D ec . 2006 (N atural Sciences Editi on 图像几何变换的理论及 M A TLAB 实现 古丽娜 1, 2, 木妮娜 3 (1. 西北师范大学教育技术与传播学院 , 甘肃兰州 730070; 2. 新疆师范大学教育科学学院 , 新疆乌鲁木齐 830054; 3. 新疆师范大学数理信息学院 , 新疆乌鲁木齐830054 α 摘要 :, 。在图像几何变换中主要包括图像的缩放、图像的旋转、、 (主要包括图像的缩放、旋转、 , A 。 关键词 :; 缩放 ; 旋转 ; 移动 ; 剪取 T P 391. 4文献标识码 : A 文章编号 : 1008296592(2006 20420024205 1引言 从 20世纪 60年代美国航空和太空总署 (N A SA 的喷气推进实验室第一次使用计算机对太空船发回的大批月球图片进行处理到信息技术不断提高的今天 , 数字图像的应用处理技术得到了广泛的应用 , 形成了自己的技术特色和完善的学科体系。 我们在处理图像时往往会遇到需要对图像进行几何变换的一些问题。图像几何变换是图像显示技术中的一个重要组成部分 , 也是我们学习和探讨的一个重要课题。在图像几何变换中主要包括图像的缩放、旋转、移动、剪取等内容。其中使用最频繁的是图像的缩放和旋转 , 不论照片、图画、书报、还是医学 X 光和卫星遥感图像都会用到这两项技术。
一种基于MATLAB的JPEG图像压缩具体实现方法说明：该方法主要是对FPGA硬件实现编码的一个验证，MATLAB处理时尽量选择了简单化和接近硬件实现需要。 JPEG编码解码流程：BMP图像输入、8*8分块、DCT变换、量化、Zig_Zag 扫描、获取DC/AC系数中间格式、Huffman熵编码、DC/AC系数Huffman熵解码，反zig_zag扫描、反量化、反DCT变换、8*8组合、解码图像显示。 下面根据具体代码解释实现过程。 1.BMP图像输入 A=imread('messi_b.bmp'); %读取BMP图像矩阵 R=int16(A(:,:,1))-128; %读取RGB矩阵，由于DCT时输入为正负输入，G=int16(A(:,:,2))-128；%使得数据分布范围-127——127 B=int16(A(:,:,3))-128; 通过imread函数获取BMP图像的R、G、B三原色矩阵，因为下一步做DCT 转换，二DCT函数要求输入为正负值，所以减去128，使得像素点分布范围变为-127~127，函数默认矩阵A的元素为无符号型（uint8），所以如果直接相减差值为负时会截取为0，所以先用int16将像素点的值转为带符号整数。网上很多都提到了第一步的YUV转换，但是由于MATLAB在实验时YUV转换后色差失真比较严重，这里没有进行YUV转换。个人理解为YUV转换后经过非R/G/B原理显示器显示效果可能会比较好，或者如果图像有色差可以选择YUV调整。为了方便，读入的图像像素为400*296，是8*8的50*37倍，所以代码里没有进行8*8的整数倍调整。 2.8*8分块 R_8_8=R(1:8,1:8);%取出一个8*8块 这里以R色压缩解码为例，后边解释均为R色编码解码过程，最后附全部代码。R_8_8为： 3.DCT变换 R_DCT=dct2(R_8_8); 使用MATLAB函数dct2进行DCT变换，也可使用DCT变换矩阵相乘的方法，即R_DCT=A*R_8_8*A T，其中A为DCT变换矩阵。R_DCT为：
实验一Matlab图像处理基础及图像灰度变换 一、实验目的 了解Matlab平台下的图像编程环境，熟悉Matlab中的DIP (Digital Image Processing)工具箱；掌握Matlab中图像的表示方法，图像类型、数据类型的种类及各自的特点，并知道怎样在它们之间进行转换。掌握Matlab环境下的一些最基本的图像处理操作，如读图像、写图像、查看图像信息和格式、尺寸和灰度的伸缩等等；通过实验掌握图像直方图的描绘方法，加深直方图形状与图像特征间关系间的理解；加深对直方图均衡算法的理解。 二、实验内容 1．从硬盘中读取一幅灰度图像； 2．显示图像信息，查看图像格式、大小、位深等内容； 3．用灰度面积法编写求图像方图的Matlab程序，并画图； 4．把第3步的结果与直接用Matlab工具箱中函数histogram的结果进行比较，以衡量第3步中程序的正确性。 5．对读入的图像进行直方图均衡化，画出处理后的直方图，并比较处理前后图像效果的变化。 三、知识要点 1.Matlab6.5支持的图像图形格式 TIFF, JEPG, GIF, BMP, PNG, XWD (X Window Dump)，其中GIF不支持写。 2.与图像处理相关的最基本函数 读：imread; 写：imwrite; 显示：imshow; 信息查看：imfinfo; 3.Matlab6.5支持的数据类 double, unit8, int8, uint16, int16, uint32, int32, single, char (2 bytes per element), logical. 4.Matlab6.5支持的图像类型 Intensity images, binary images, indexed images, RGB image 5.数据类及图像类型间的基本转换函数 数据类转换：B = data_class_name(A);
一.图像几何变化 (1)放大，缩小，旋转 程序： I=imread('111.jpg'); J=imresize(I,1.5); L=imresize(I,0.75); K=imrotate(I,35,'bilinear'); subplot(221),subimage(I); title('原图像'); subplot(222),subimage(J); title('放大后图像'); subplot(223),subimage(L); title('缩小后图像'); subplot(224),subimage(K);title('旋转后图像'); 二．图像频域变换 （1）傅里叶变换 真彩图像灰度图像傅里叶变换谱程序：I=imread('111.jpg'); figure(1); imshow(I); B=rgb2gray(I); figure(2);
imshow(B) D=fftshift(fft2(B)); figure(3); imshow(log(abs(D)),[ ]); （2）离散余弦变换 真彩图灰度图进行离散余弦变换后程序： RGB=imread('111.jpg'); figure(1); imshow(RGB); G=rgb2gray(RGB); figure(2); imshow(G); DCT=dct2(G); figure(3); imshow(log(abs(DCT)),[]); 三．图像增强： （1）指数变换 程序：
f=imread('111.jpg') f=double(f); g=(2^2*(f-1))-1; f=uint8(f); g=uint8(g); subplot(1,2,1),subimage(f); subplot(1,2,2),subimage(g); （2）直方图均衡 程序： I=imread('111.jpg'); I=rgb2gray(I); figure subplot(221);imshow(I); subplot(222);imhist(I) I1=histeq(I); figure; subplot(221);imshow(I1) subplot(222);imhist(I1) （3）空域滤波增强 锐化滤波（Roberts算子Sobel算子拉普拉斯算子）
数字图像处理 题目基于LBG算法的矢量量化 图像压缩编码实验 院（系）名称 专业名称 学生姓名 学生学号 指导教师 2012年5月15日 摘要 在航天、军事、气象、医学、多媒体等领域中经常需要大量存储和传输各种静态图像和视频图像。为了提高传输效率和减少存储空
间，必须采取有效的压缩编码算法消除图像中所包含的各种冗余信息并在给定的失真条件下使用尽量少的比特数来描述图像。要想得到好的性能编码，仅采用标量量化是不可能的，而矢量量化（VQ)作为一种高效的数据压缩技术，其突出优点是压缩比大以及解码算法简单，已被广泛应用于图像压缩领域。本实验采用LBG算法得图像压缩所需要的码书，通过码书实现图像压缩编码。大量实验结果表明：LBG算法对初始码书依赖性大，对于给定的码字大小，码书越大，压缩比越低，但重建图像质量越好；码书相同时码字较小的编码性能较优。 关键字：矢量量化（VQ)、LBG算法、码书、压缩比、码字
一、实验原理 矢量量化： 当把多个信源符号联合起来形成多维矢量，再对矢量进行标量量化时自由度将更大，同样的失真下，量化基数可进一步减少，码率可进一步压缩。这种量化叫矢量量化。 LGB 算法： 一种有效和直观的矢量量化码书设计算法——LBG 算法(也叫GLA 算法)是由Linde 、Buzo 和Gray 于1980年首先提出来的。该算法基于最佳矢量量化器设计的最佳划分和最佳码书这两个必要条件，且是Lloyd 算法在矢量空间的推广，其特点为物理概念清晰、算法理论严密及算法实现容易。 针对训练矢量集为{}110,,,-=M x x x X ，其LBG 算法的具体步骤如下： 步骤1：给定初始码书{}) 0(1)0(1)0(0)0(,,,-=N y y y C ，令迭代次数 0=n ，均失真∞→-)1(D ，给定相对误差门限)10(<<εε。 步骤2：用码书)(n C 中的各码字作为质心，根据最佳划分原则把训 练矢量集X 划分为N 个胞腔{}) (1)(1)(0)(,,,n N n n n S S S S -= ，)(n i S 满足 {} X v y v d y v d v S n j N j n i n i ∈==-≤≤ ),,(min ),(|)(1 0)()( 步骤3：计算平均失真 ∑ -=-≤≤=1 )(1 0) (),(min 1M i n j i N j n y x d M D 判断相对误差是否满足 ε≤--)()()1(/)(n n n D D D 若满足，则停止算法，码书)(n C 就是所求的码书。否则，转步骤4。
院（系、所）信息与机电学院专业通信与信息系统考试科目数字压缩第三学期研究生姓名张鹏学号 122201115
考试成绩 导师评语： 导师签字 年月日 摘要 图像压缩是关于用最少的数据量来表示尽可能多的原图像的信息的一个过程。对于图像来说，如果需要进行快速或实时传输以及大量存储，就需要对图像数据进行压缩，如果图像数据压缩后再传输，就可以传输更多的图像信息，也就可以增加通信的能力。变换编码是把图像中的各个像素从一种空间变换到另一种空间．然后针对变换后的信号进行量化与编码操作的一种图象压缩编码技术。
本文提出了基于DCT变换的图像压缩编码算法进行研究，并用MATLAB进行实验仿真，重点介绍了压缩编码的具体过程和方法 ,详细介绍了编码中DCT变换、量化、熵编码等模块的原理和数学推导以及各模块的功能分析，基于DCT 变换的图像压缩方法简单、方便,既能保证有较高的压缩比，又能保证有较好的图像质量，应用MATLAB仿真出来的结果较好的反应了其编码算法原理。 关键词：图像压缩 DCT变换 MATLAB Abstract ?? Image compression is a process about the least amount of data to show the original image information as much as possible. For images, if the requirement of high-speed and real-time transmission and a large amount of storage, we need to compress the image data, if the image data compression and transmission, can transmit more information of the image, also can increase the ability of communication. Transform coding is that each pixel in the image from a space to another space. Coding an image and then quantization and coding operation according to the transformed signal. This paper puts forward DCT transform for image compression coding algorithm based on study, and experimental simulation using MATLAB, focuses on process and compression coding method, a detailed analysis of principle and mathematical derivation of the DCT transform coding, quantization, entropy coding module and the function of each module, DCT transform for image the compression method is simple, convenient and based on, which can ensure a higher compression ratio, but also ensure a better image quality, the application of MATLAB simulation results reflect the coding algorithm. Key word：Image compression DCT transform MATLAB 基于DCT变换的图像压缩及matlab仿真 一．图像压缩编码的概念 压缩的理论基础是信息论，从信息论的角度来看，压缩就是去掉信息中的冗
基于MATLAB 的图像压缩处理及其实现 一．图像压缩的概念 从实质上来说，图像压缩就是通过一定的规则及方法对数字图像的原始数据进行组合和变换，以达到用最少的数据传输最大的信息。 二．图像压缩的基本原理 图像数据之所以能被压缩，就是因为数据中存在着大量冗余信息，另外还有相当数量的不相干信息，这为数据压缩技术提供了可能。 数据压缩技术就是利用数据固有的冗余性和不相干性，将一个大的数据文件转化成较小的文件，图像技术压缩就是要去掉数据的冗余性。 图像数据的冗余主要表现为：图像中相邻像素间的相关性引起的空间冗余；图像序列中不同帧之间存在相关性引起的时间冗余；不同彩色平面或频谱带的相关性引起的频谱冗余。 由于图像数据量的庞大,在存储、传输、处理时非常困难,因此图像数据的压缩就显得非常重要。
三．图像的编码质量评价 在图像编码中，编码质量是一个非常重要的概念，怎么样以尽可能少的比特数来存储或传输一幅图像，同时又让接收者感到满意，这是图像编码的目标。对于有失真的压缩算法，应该有一个评价准则，用来对压缩后解码图像质量进行评价。常用的评价准则有两种：一种是客观评价准则；另一种是主观评价准则。主观质量评价是指由一批观察者对编码图像进行观察并打分，然后综合所有人的评价结果，给出图像的质量评价。而对于客观质量评价，传统的编码方法是基于最小均方误差(MSE)和峰值信燥比(PSNR)准则的编码方法，其定义如下 MSE= (1) PSNR=101g( (2) 式中：Nx，Nr图像在x方向和Y方向的像素数，f(i,j)——原图像像素的灰度值，f(i,j)--处理后图像像素的灰度值。对于主观质量，客观质量评价能够快速有效地评价编码图像的质量，但符合客观质量评价标准的图像不一定具有较好的主观质量，原因是均方误差只是从总体上反映原始图像和压缩图像的差别，但对图像中的所有像点同等对待，因此并不能反映局部和人眼的视觉特性。对于图像信号，人眼是最终的信号接受者，因此在压缩时不仅要以MSE作为评价标准，还应当考虑到人的主观视觉特性。