【图像压缩】基于小波的图像压缩和子带编码（Matlab实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

基于小波的图像压缩和子带编码是一种常见的图像压缩技术，它利用小波变换将图像分解为不同频率的子带，然后对这些子带进行编码和量化，以实现图像的压缩。 小波变换是一种数学变换方法，它将信号分解为不同尺度和频率的成分。 在图像处理中，小波变换能够将图像分解为多个子带，每个子带对应不同频率的信息，包括低频和高频成分。 将图像通过小波变换分解为多个子带。 对每个子带进行编码和量化，通常采用熵编码等方法。 根据图像的重要性和压缩目标，调整不同子带的量化参数，以控制压缩比和图像质量之间的平衡。 存储或传输编码后的子带数据，以实现图像的压缩。基于小波的图像压缩和子带编码是一种常用的图像压缩技术，能够在保持一定图像质量的前提下实现较高的压缩比。在MATLAB中，可以利用内置的小波变换函数和编码工具来实现这种方法。

📚2 运行结果

主函数部分代码：

clear all;
close all;
X=imread('cameraman.tif');
X=X(1:256,1:256);
figure;
%load woman;
%subplot(2,1,1);
imshow(uint8(X));

[a1,a2]=size(X);
disp('The number of rows in input image are'); 
disp(a1);
disp('The number of coloums in input image are'); 
disp(a2);
figure;
title('Input image');
% Perform single-level decomposition 
% of X using haar. 
[cA1,cH1,cV1,cD1] = dwt2(X,'haar');
% Images coding. 
[C,S] = wavedec2(X,1,'haar');
A1 = wrcoef2('a',C,S,'haar',1);
H1 = wrcoef2('h',C,S,'haar',1); 
V1 = wrcoef2('v',C,S,'haar',1); 
D1 = wrcoef2('d',C,S,'haar',1); 
%Display the results of a first level decomposition.
colormap(gray);
subplot(2,2,1); image(wcodemat(A1,192));
title('Approximation A1')
subplot(2,2,2); image(wcodemat(H1,192));
title('Horizontal Detail H1')
subplot(2,2,3); image(wcodemat(V1,192));
title('Vertical Detail V1')
subplot(2,2,4); image(wcodemat(D1,192));
title('Diagonal Detail D1')
%disp(cod_cA1);

%Multi-level 1-D wavelet reconstruction.
re_ima1 = idwt2(cA1,cH1,cV1,cD1,'haar'); 
re_ima=uint8(re_ima1);
figure;
subplot(2,1,1);
imshow(uint8(X));
title('Input image');
subplot(2,1,2);
imshow(re_ima);
title('1-level reconstructed image');
figure;

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]杨红菊,吉昌.学习驱动的图像压缩算法研究[J/OL].计算机工程:1-10[2024-06-06].https://doi.org/10.19678/j.issn.1000-3428.0068782.

[2]段增辉,胡益诚,张旭博.基于长短注意力模块的深度学习图像压缩方法[J].信息技术与信息化,2024(04):110-113.

🌈4 Matlab代码实现