使用Matlab实现JPEG压缩

最新推荐文章于 2023-03-07 08:55:04 发布

geekzph

最新推荐文章于 2023-03-07 08:55:04 发布

阅读量3.6w

点赞数 7

文章标签： matlab 压缩编码

本文链接：https://blog.csdn.net/geekzph/article/details/53105858

版权

本文介绍了使用Matlab进行JPEG图像压缩的过程，包括图像分割、DCT变换、量化和编码等步骤，通过关键代码展示了压缩与解压缩的实现，并提供了GitHub资源链接。

摘要由CSDN通过智能技术生成

一、图像压缩原理

图像分成 8*8 小块 –> DCT 变换 –>用量化表对其量化 –>编码生成压缩数据

二、具体压缩过程

1、将原始图像分为 8 * 8 的小块, 每个 block 里有 64 个像素。
2、将图像中每个 8 * 8 的 block 进行 DCT 变换。8 * 8 的图象经过 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。由于该低频分量包含了图象的主要信息(如亮度),而高频与之相比,就不那么重要了,所以我们可以忽略高频分量。
3、利用量化表抑制高频变量。量化操作,就是将某一个值除以量化表中对应的值。由于量化表左上角的值较小,右上角的值较大,这样就起到了保持低频分量,抑制高频分量的目的。压缩时候将彩色图像的颜色空间由 RGB 转化为 YUV 格式。其中 Y 分量代表了亮度信息,UV 分量代表了色差信息。相比而言,Y 分量更重要一些。我们可以对 Y 采用细量化,对 UV 采用粗量化,可进一步提高压缩比。所以量化表通常有两张,一张是针对 Y 的标准亮度量化表;一张是针对 UV 的标准色彩量化表。
4、经过量化之后右下角大部分数据变成了 0,左上角为非零数据。这时使用 Z 字型(如图所示)的顺序来重新排列数据生成一个整数数组,这样 0 就位于数组都后端。找到数组最后一个非零元素,将其后的数据都舍弃,并加上结束标志。

三、关键代码

Compress.m

function [comp_image_Y,comp_image_U,comp_image_V] = Compress(orig_image)
RGB=orig_image;
%下面是对 RGB 三个分量进行分离 
R=RGB(:,:,1);
G=RGB(:,:,2);
B=RGB(:,:,3);
%RGB->YUV Y=0.299*