一、本报告所用的一些基本原理
第一,虑噪过程。
巴特沃斯滤波器的特点是通频带内的频率响应曲线最大限度平坦,没有起伏,而在阻频带则逐渐下降为零。在振幅的对数对角频率的波得图上,从某一边界角频率开始,振幅随着角频率的增加而逐步减少,趋向负无穷大。
本程序通过不断调整通带截止频率、阻带下限截止频率、通带衰减及阻带衰减,力图使滤噪后的图像逼近未加噪图像。
第二,图像压缩思路。
图像信息的数据量非常的大,随着各种成像设备的分辨率不断提高,单幅图像所包含的数据量也越来越大,大数据量的图像信息会给存储器的存储容量、通信信道的带宽以及计算机的处理速度增加极大的压力。为了解决这个问题,必须对图像进行压缩处理
在本次数值分析的图像压缩课程模拟实践当中,原图是一个2000*3000的一个矩阵,这里就是一个10^6的一个很大的数据量,我们就要想办法在保证图像质量的前提下,尽可能的压缩图像,在实践当中分别选择了1/10、1/100、1/1000、1/10000进行练习。
我们小组在压缩实践中主要运用的思路是基于SVD算法的图像压缩,在进行1/10的压缩时,我们对2000*3000的矩阵进行20*30的分块,每一小块为一个100*100的矩阵,进行奇异值分解时,我们只选取了前5个奇异值,这样在传输过程中的数据量仅为K=100*5+5*5+5*100=1025,K/(100*100)近似等于1/10,这样在图像的传输过程中,就只需对U(:,1:5)、S(1:5,1:5)、V(:,1:5)'三个矩阵的数据进行传输,而不必在传输以前的矩阵数据,数据接收方只需对这三个矩阵进行处理,即可得到压缩了1/10后的图像。
在进行1/100的压缩时,对滤波后的图像矩阵整体进行奇异值分解,这一次取前12个奇异值,这样的数据量K=2000*12+12*12+12*3000=60144,K/(2000*3000)近似于1/100。
这样的思路在进行1/1000及更高比例的压缩时遇到了问题,因为要进行1/1000的压缩,只能取1个奇异值左后才能够满足压缩要求,但是这样压缩之后的图像却严重的失真了,原因当然是清楚的,对于2000个奇异值只取最大的1个奇异值,图像的很多东西就被丢弃了,这样图像压缩遇到了瓶颈,不得不停滞下来思考其他方法;经过小组成员之间的讨论和与其他小组的交流中,有了新的思路,先将2000*3000的滤波后矩阵进行200*300的分块,每一小块有100个数据,通过c=mean(CB(:))函数对每一小块的矩阵进行均值化处理,这样一个10*10的矩阵变成了一个均值c,再通过新矩阵赋值CD(i,j)=c,最后一个2000*3000的矩阵通过均值化处理再赋值变成了200*300的矩阵,在保持了图像的基本质量中图像已经压缩了1/100,后面只需对这200*300的矩阵压缩1/10即可达到压缩1/1000的要求,在显示回图像的过程中&#x