基于小波变换的图像压缩——MATLAB

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。

】'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:
基于小波变换的图像压缩——MATLAB_第1张图片

你可能感兴趣的:(图像处理,MATLAB)