把图片压缩 matlab,用MATLAB实现JPEG压缩过程
用MATLABA实现简易的JPEG压缩，不包括最后的编码部分，因为编码比较复杂。。。改天再研究
代码如下，分成三个m函数，直接运行JPEGEncodeDecode函数即可：
编解码函数：
function
JPEGEncodeDecode
%UNTITLED7 Summary
of this function goes here
% Detailed
explanation goes here
img=imread('bridge.bmp');
subplot(121);imshow(img);title('原图'); %显示原图
img_ycbcr =
rgb2ycbcr(img); % rgb->yuv
[row,col,~]=size(img_ycbcr); % 取出行列数，~表示3个通道算1列
%对图像进行扩展
row_expand=ceil(row/16)*16; %行数上取整再乘16，及扩展成16的倍数
if
mod(row,16)~=0 %行数不是16的倍数，用最后一行进行扩展
for i=row:row_expand
img_ycbcr(i,:,:)=img_ycbcr(row,:,:);
end
end
col_expand=ceil(col/16)*16; %列数上取整
if
mod(col,16)~=0 %列数不是16的倍数，用最后一列进行扩展
for j=col:col_expand
img_ycbcr(:,j,:)=img_ycbcr(:,col,:);
end
end
%对Y,Cb,Cr分量进行4:2:0采样
Y=img_ycbcr(:,:,1); %Y分量
Cb=zeros(row_expand/2,col_expand/2); �分量
Cr=zeros(row_expand/2,col_expand/2); %Cr分量
for
i=1:row_expand/2
for
j=1:2:col_expand/2-1 %奇数列
Cb(i,j)=double(img_ycbcr(i*2-1,j*2-1,2));
Cr(i,j)=double(img_ycbcr(i*2-1,j*2+1,3));
end
end
for
i=1:row_expand/2
for
j=2:2:col_expand/2 %偶数列
Cb(i,j)=double(img_ycbcr(i*2-1,j*2-2,2));
Cr(i,j)=double(img_ycbcr(i*2-1,j*2,3));
end
end
%分别对三种颜色分量进行编码
Y_Table=[16 11 10 16 24 40 51 61
12 12 14 19 26 58 60 55
14 13 16 24 40 57 69 56
14 17 22 29 51 87 80 62
18 22 37 56 68 109 103 77
24 35 55 64 81 104 113 92
49 64 78 87
103 121 120 101
72 92 95 98
112 100 103 99];%亮度量化表
CbCr_Table=[17, 18,
24, 47, 99, 99, 99, 99;
18, 21, 26, 66, 99, 99, 99, 99;
24, 26, 56, 99, 99, 99, 99, 99;
47, 66, 99 ,99, 99, 99, 99, 99;
99, 99, 99, 99, 99, 99, 99, 99;
99, 99, 99, 99, 99, 99, 99, 99;
99, 99, 99, 99, 99, 99, 99, 99;
99,
99, 99, 99, 99, 99, 99, 99];%色差量化表
Qua_Factor=0.5;%量化因子,最小为0.01,最大为255,建议在0.5和3之间,越小质量越好文件越大
%对三个通道分别DCT和量化
Y_dct_q=Dct_Quantize(Y,Qua_Factor,Y_Table);
Cb_dct_q=Dct_Quantize(Cb,Qua_Factor,CbCr_Table);
Cr_dct_q=Dct_Quantize(Cr,Qua_Factor,CbCr_Table);
%对三个通道分别反量化和反DCT
Y_in_q_dct=Inverse_Quantize_Dct(Y_dct_q,Qua_Factor,Y_Table);
Cb_in_q_dct=Inverse_Quantize_Dct(Cb_dct_q,Qua_Factor,CbCr_Table);
Cr_in_q_dct=Inverse_Quantize_Dct(Cr_dct_q,Qua_Factor,CbCr_Table);
%恢复出YCBCR图像
YCbCr_in(:,:,1)=Y_in_q_dct;
for
i=1:row_expand/2
for j=1:col_expand/2
YCbCr_in(2*i-1,2*j-1,2)=Cb_in_q_dct(i,j);
YCbCr_in(2*i-1,2*j,2)=Cb_in_q_dct(i,j);
YCbCr_in(2*i,2*j-1,2)=Cb_in_q_dct(i,j);
YCbCr_in(2*i,2*j,2)=Cb_in_q_dct(i,j);
YCbCr_in(2*i-1,2*j-1,3)=Cr_in_q_dct(i,j);
YCbCr_in(2*i-1,2*j,3)=Cr_in_q_dct(i,j);
YCbCr_in(2*i,2*j-1,3)=Cr_in_q_dct(i,j);
YCbCr_in(2*i,2*j,3)=Cr_in_q_dct(i,j);
end
end
I_in=ycbcr2rgb(YCbCr_in);
I_in(row+1:row_expand,:,:)=[];%去掉扩展的行
I_in(:,col+1:col_expand,:)=[];%去掉扩展的列
subplot(122);imshow(I_in);title('重构后的图片');
end
DCT和量化函数：
function
[Matrix]=Dct_Quantize(I,Qua_Factor,Qua_Table)
%UNTITLED Summary
of this function goes here
% Detailed
explanation goes here
I=double(I)-128; %层次移动128个灰度级，详见书本P401
�t2变换：把ImageSub分成8*8像素块，分别进行dct2变换，得变换系数矩阵Coef
I=blkproc(I,[8 8],'dct2(x)');
Qua_Matrix=Qua_Factor.*Qua_Table; %量化矩阵
I=blkproc(I,[8
8],'round(x./P1)',Qua_Matrix); %量化，四舍五入
Matrix=I; %得到量化后的矩阵
end
反量化和反DCT函数：
function [ Matrix ]
= Inverse_Quantize_Dct( I,Qua_Factor,Qua_Table )
%UNTITLED3 Summary
of this function goes here
% Detailed
explanation goes here
Qua_Matrix=Qua_Factor.*Qua_Table; %反量化矩阵
I=blkproc(I,[8
8],'x.*P1',Qua_Matrix);%反量化，四舍五入
[row,column]=size(I);
I=blkproc(I,[8
8],'idct2(x)'); �T反变换
I=uint8(I+128);
for
i=1:row
for j=1:column
if I(i,j)>255
I(i,j)=255;
elseif I(i,j)<0
I(i,j)=0;
end
end
end
Matrix=I; %反量化和反Dct后的矩阵
end
运行结果：
