【图像压缩】基于小波结合spiht实现图像压缩附matlab代码

于 2023-06-16 20:13:55 发布
阅读量114 收藏 2
点赞数
分类专栏： 图像处理 文章标签： matlab 开发语言
本文链接：https://blog.csdn.net/m0_60703264/article/details/131253117
版权
文章介绍了小波变换与SPIHT算法结合用于图像压缩的原理和流程。SPIHT算法通过小波系数的排序和阈值化实现高效编码，结合小波变换能提供高压缩比和良好图像质量。编码和解码过程包括小波变换、编码、量化、压缩比控制以及解码恢复。提供的代码示例展示了MATLAB中SPIHT编码器的部分实现。
摘要由CSDN通过智能技术生成

​✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

1.原理

小波变换与SPIHT（Set Partitioning in Hierarchical Trees）算法可以结合来实现图像压缩。

首先，小波变换将图像分解为不同频率的子带。这种分解可以提取出图像的局部细节和整体特征。常用的小波变换包括离散小波变换（DWT）和连续小波变换（CWT）。

接下来，SPIHT算法通过对小波系数进行编码和量化来实现压缩。该算法利用小波系数的统计特性和零树结构，逐渐减小编所需的比特数。具体而言，SPIHT算法采用排序和阈值化操作，将小波系数划分为重要系数和次要系数，并按照一定规则进行编码。该算法能够实现高压缩比和保持较好的图像质量。

最后，解码过程中使用相应的解码算法对经过编码和量化的数据进行恢复，从而得到原始图像。

小波结合SPIHT实现图像压缩的优点是可以在较高的压缩比下保持相对较好的图像质量。此外，由于SPIHT利用了零树结构，还能够实现快速的编码和解码过程，适用于实时应用和存储有限的资源环境。

2 算法流程

下面是使用小波变换和SPIHT算法实现图像压缩的基本流程：

  1. 将原始图像进行小波变换：使用离散小波变换（DWT）将原始图像分解为不同频率的子带。常用的小波函数包括Haar、Daubechies、Symlet等。

  2. 对小波系数进行码：对小波变换后得到的子带系数应用SPIHT算法进行编码。SPIHT算法通过排序和阈值化操作，将小波系数划分为重要系数和次要系数，并按照一定规则进行编码。编码过程中，采用漂移编码来减小位数。

  3. 量化：对编码后的小波系数进行量化操作，将系数的值映射到离散的取值范围内。量化可以去除掉一些细微的细节信息，从而减少数据的存储和传输成本。

  4. 压缩比控制：根据需要设定压缩比例，调整编码过程中的阈值或量化步长，以控制压缩后的图像质量和所占空间大小。

  5. 解码恢复：使用相应的解码算法将编码后的数据进行还原，得到经过解码的小波系数。

  6. 反向小波变换：对解码后的小波系数进行反向离散小波变换（IDWT），将小波系数重新组合成压缩后的图像。

最终，得到的图像是经过小波变换和SPIHT编码压缩的结果。需要注意的是，由于量化操作和压缩比控制，压缩后的图像可能会有一定程度的质量损失，因此可以根据需求适当地调整压缩参数以在图像质量和压缩率之间进行平衡。

⛄ 部分代码

function out = func_MySPIHT_Enc(m, max_bits, block_size, level)

% Matlab implementation of SPIHT (without Arithmatic coding stage)

%

% Encoder

%

% input:    m : 小波域输入图像

%           max_bits : 可用的最大比特数

%           block_size : 图像尺寸

%           level : 小波分解层数

%

% output:   out :输出比特流

%-----------   Initialization  -----------------

bitctr = 0;

out = 2*ones(1,max_bits);

n_max = floor(log2(abs(max(max(m)'))));

Bits_Header = 0;

Bits_LSP = 0;

Bits_LIP = 0;

Bits_LIS = 0;

%-----------   output bit stream header   ----------------

% 图像大小, 比特面数目, 小波分解层数 

out(1,[1 2 3]) = [size(m,1) n_max level]; bitctr = bitctr + 24;

index = 4;

Bits_Header = Bits_Header + 24;

%-----------   Initialize LIP, LSP, LIS   ----------------

temp = [];

bandsize = 2.^(log2(size(m, 1)) - level + 1);

temp1 = 1 : bandsize;

for i = 1 : bandsize

    temp = [temp; temp1];

end

LIP(:, 1) = temp(:);

temp = temp';

LIP(:, 2) = temp(:);

LIS(:, 1) = LIP(:, 1);

LIS(:, 2) = LIP(:, 2);

LIS(:, 3) = zeros(length(LIP(:, 1)), 1);

pstart = 1;

pend = bandsize / 2;

for i = 1 : bandsize / 2

    LIS(pstart : pend, :) = [];

    pdel = pend - pstart + 1;

    pstart = pstart + bandsize - pdel;

    pend = pend + bandsize - pdel;

end

LSP = [];

n = n_max;

%-----------   coding   ----------------

while(bitctr < max_bits)

        

    % Sorting Pass

    LIPtemp = LIP; temp = 0;

    for i = 1:size(LIPtemp,1)

        temp = temp+1;

        if (bitctr + 1) >= max_bits

            if (bitctr < max_bits)

                out(length(out))=[];

            end

            return

        end

        if abs(m(LIPtemp(i,1),LIPtemp(i,2))) >= 2^n % 1: positive; 0: negative

            out(index) = 1; bitctr = bitctr + 1;

            index = index +1; Bits_LIP = Bits_LIP + 1;

            sgn = m(LIPtemp(i,1),LIPtemp(i,2))>=0;

            out(index) = sgn; bitctr = bitctr + 1;

            index = index +1; Bits_LIP = Bits_LIP + 1;

            LSP = [LSP; LIPtemp(i,:)];

            LIP(temp,:) = []; temp = temp - 1;

        else

            out(index) = 0; bitctr = bitctr + 1;

            index = index +1;

            Bits_LIP = Bits_LIP + 1;

        end

    end

    

    LIStemp = LIS; temp = 0; i = 1;

    while ( i <= size(LIStemp,1))

        temp = temp + 1;

        if LIStemp(i,3) == 0

            if bitctr >= max_bits

                return

            end

            max_d = func_MyDescendant(LIStemp(i,1),LIStemp(i,2),LIStemp(i,3),m);

            if max_d >= 2^n

                out(index) = 1; bitctr = bitctr + 1;

                index = index +1; Bits_LIS = Bits_LIS + 1;

                x = LIStemp(i,1); y = LIStemp(i,2);

                

                if (bitctr + 1) >= max_bits

                    if (bitctr < max_bits)

                        out(length(out))=[];

                    end

                    return

                end

                if abs(m(2*x-1,2*y-1)) >= 2^n

                    LSP = [LSP; 2*x-1 2*y-1];

                    out(index) = 1; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                    sgn = m(2*x-1,2*y-1)>=0;

                    out(index) = sgn; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                else

                    out(index) = 0; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                    LIP = [LIP; 2*x-1 2*y-1];

                end

                

                if (bitctr + 1) >= max_bits

                    if (bitctr < max_bits)

                        out(length(out))=[];

                    end

                    return

                end

                if abs(m(2*x-1,2*y)) >= 2^n

                    LSP = [LSP; 2*x-1 2*y];

                    out(index) = 1; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                    sgn = m(2*x-1,2*y)>=0;

                    out(index) = sgn; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                else

                    out(index) = 0; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                    LIP = [LIP; 2*x-1 2*y];

                end

                

                if (bitctr + 1) >= max_bits

                    if (bitctr < max_bits)

                        out(length(out))=[];

                    end

                    return

                end

                if abs(m(2*x,2*y-1)) >= 2^n

                    LSP = [LSP; 2*x 2*y-1];

                    out(index) = 1; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                    sgn = m(2*x,2*y-1)>=0;

                    out(index) = sgn; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                else

                    out(index) = 0; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                    LIP = [LIP; 2*x 2*y-1];

                end

                

                if (bitctr + 1) >= max_bits

                    if (bitctr < max_bits)

                        out(length(out))=[];

                    end

                    return

                end

                if abs(m(2*x,2*y)) >= 2^n

                    LSP = [LSP; 2*x 2*y];

                    out(index) = 1; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                    sgn = m(2*x,2*y)>=0;

                    out(index) = sgn; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                else

                    out(index) = 0; bitctr = bitctr + 1;

                    index = index +1; Bits_LIS = Bits_LIS + 1;

                    LIP = [LIP; 2*x 2*y];

                end

                

                if ((2*(2*x)-1) < size(m) & (2*(2*y)-1) < size(m))

                    LIS = [LIS; LIStemp(i,1) LIStemp(i,2) 1];

                    LIStemp = [LIStemp; LIStemp(i,1) LIStemp(i,2) 1];

                end

                LIS(temp,:) = []; temp = temp-1;

                

            else

                out(index) = 0; bitctr = bitctr + 1;

                index = index +1; Bits_LIS = Bits_LIS + 1;

            end

        else

            if bitctr >= max_bits

                return

            end

            max_d = func_MyDescendant(LIStemp(i,1),LIStemp(i,2),LIStemp(i,3),m);

            if max_d >= 2^n

                out(index) = 1; bitctr = bitctr + 1;

                index = index +1;

                x = LIStemp(i,1); y = LIStemp(i,2);

                LIS = [LIS; 2*x-1 2*y-1 0; 2*x-1 2*y 0; 2*x 2*y-1 0; 2*x 2*y 0];

                LIStemp = [LIStemp; 2*x-1 2*y-1 0; 2*x-1 2*y 0; 2*x 2*y-1 0; 2*x 2*y 0];

                LIS(temp,:) = []; temp = temp - 1;

            else

                out(index) = 0; bitctr = bitctr + 1;

                index = index +1; Bits_LIS = Bits_LIS + 1;

            end

        end

        i = i+1;

    end

    

    % Refinement Pass

    temp = 1;

    value = floor(abs(2^(n_max-n)*m(LSP(temp,1),LSP(temp,2))));

    while (value >= 2^(n_max+1) & (temp <= size(LSP,1)))

        if bitctr >= max_bits

            return

        end

        s = bitget(value,n_max+1);

        out(index) = s; bitctr = bitctr + 1;

        index = index +1; Bits_LSP = Bits_LSP + 1;

        temp = temp + 1;

        if temp <= size(LSP,1)

            value = floor(abs(2^(n_max-n)*m(LSP(temp,1),LSP(temp,2))));

        end

    end

    

    n = n - 1;

end

⛄ 运行结果

⛄ 参考文献

[1] 逯仁虎.基于整数小波变换的无人机侦查图像的压缩[D].哈尔滨理工大学,2010.DOI:10.7666/d.y1838416.

[2] 胡晖.基于小波变换的医学图像压缩研究[D].武汉理工大学,2010.DOI:CNKI:CDMD:2.2010.166098.

[3] 甘宸伊姚远杨彦伟刘小兵高荣.基于小波变换的图像压缩中小波基的评价与选取[J].四川兵工学报, 2016, 037(012):105-107,149.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料

 

Matlab科研辅导帮
关注
专栏目录
【图像压缩】基于matlab小波变换图像压缩【含Matlab源码 879期】
订阅付费专栏（初级版），可赠送该付费专栏任意代码1份；
05-05 3519
小波变换图像压缩 完整代码，直接运行，适合小白！可提供运行操作视频！
使用小波的图像压缩：此代码使用小波压缩图像。 灰度和 RGB 图像都可以应用，一些-matlab开发
06-01
针对所设计的算法进行了以下实现步骤，该算法基于二维小波。 1.读取灰度或RGB图像的图像。 2.如果图像是RGB，则将图像转换为灰度。 3. 使用小波对 N 级的图像进行分解。 4. 选择和分配一个小波进行压缩。 5. 使用 Birge-Massart 策略生成阈值系数。 6. 使用小波进行图像压缩。 7. 计算并显示压缩图像、保留能量和零系数等结果。 8、基于小波分解结构对图像进行解压。 9. 绘制重建图像。 10、计算并显示原始图像、压缩图像和解压缩图像的大小。
基于spiht算法的图像压缩：用于开发spiht算法的matlab程序在所有情况下都必须比jpeg版本好得多。-matlab开发
06-01
SPIHT 方法不是传统图像压缩方法的简单扩展，而是该领域的一个重要进步。 该方法值得特别关注，因为它提供了以下内容： 最高图像质量逐行图像传输完全嵌入的编码文件简单的量化算法快速编码/解码完全自适应无损压缩精确的比特率编码错误保护 编码/解码速度SPIHT 过程代表了一种非常有效的熵编码形式。 演示程序使用两种编码形式显示了这一点：二进制未编码（非常简单）和基于上下文的自适应算术编码（复杂）。 令人惊讶的是，压缩的差异很小，表明没有必要使用慢速方法（并且还为它们支付版税！）。 使用霍夫曼代码的快速版本也已成功测试，但尚未公开。 压缩简单性的一个直接结果是更高的编码/解码速度。 SPIHT 算法几乎是对称的，即编码时间几乎等于解码时间。 （复杂的压缩算法的编码时间往往比解码时间长得多。） 我们的一些演示程序广泛使用浮点运算，并且在某些 CPU 中可能会更慢（当人们想用奇怪的 16 bpp
基于SPIHT算法实现图像压缩附matlab代码.zip
05-20
1.版本：matlab2019a，不会运行可私信 2.领域：【图像压缩】 3.内容：基于SPIHT算法实现图像压缩附matlab代码.zip 4.适合人群：本科，硕士等教研学习使用
【图像压缩】基于matlab GUI多级树集合分裂排序spiht图像压缩（含PSNR）【含Matlab源码 2688期】
最新发布
订阅付费专栏（初级版），可赠送该付费专栏任意代码1份；
06-11 223
多级树集合分裂排序spiht图像压缩（含PSNR） 完整代码，直接运行，适合小白！可提供运行操作视频！
小波图像压缩
11-19
小波图像压缩
小波变换在图像压缩中的应用
Embed98
10-08 3090
小波变换在图像压缩中的应用 施吉鸣 摘要：近十几年来小波理论研究已成为应用数学的一个新方向。作为数学工具，小波被迅速应用到图像和语音分析等众多领域。本文试图从工程和实验角度出发，较为直观地探讨小波变换在图像压缩中的应用。关键词：小波 变换 重构 图像压缩 1、小波概述     小波（wavelet)是定义在有限间隔且平均值为0的函数，小波函数多以开发者名字命名，如图
通过MATLAB对比SPIHT小波编解码和97小波编解码图像解压缩,最后输出PSNR,含仿真操作录像
03-27
2.领域：小波编解码图像压缩解压缩。 3.内容：通过MATLAB对比SPIHT小波编解码和97小波编解码图像解压缩,最后输出PSNR。 %----------- Coding ---------------- img_enc = func_SPIHT_Enc(I_W, max_bits, nRow*n...
spiht.zip_bldwt_spiht matlab_spiht图像压缩_图像压缩
09-23
在MATLAB环境中实现SPIHT图像压缩，可以方便地进行图像处理和仿真。 首先，我们来详细了解一下SPIHT算法的核心概念。SPIHT算法基于小波系数的重要性排序，通过迭代过程来确定哪些系数需要编码。它采用了一种称为...
关于小波变换的图像压缩代码.m
06-18
这是利用小波变换进行压缩图像处理的代码，对数字图像处理有很大的帮助
小波变换的图像压缩算法源代码
09-16
小波变换的图像压缩算法源代码小波变换的图像压缩算法源代码小波变换的图像压缩算法源代码小波变换的图像压缩算法源代码
MATLAB 基于小波变换图像压缩方法的代码
04-07
这个文件适合基于小波变换图像压缩方法，对图像进行小波变换的压缩！希望你能用的到！
基于小波变换的图像压缩与matlab仿真
08-27
小波分析是一个比较难的分支，用户采用小波变换，可以实现图像压缩，振动信号的分解与重构等，因此在实际工程上应用较广泛。小波分析与Fourier变换相比，小波变换是空间域和频率域的局部变换，因而能有效地从信号中提取信息。小波变换通过伸缩和平移等基本运算，实现对信号的多尺度分解与重构，从而很大程度上解决了Fourier变换带来的很多难题。 小波分析作一个新的数学分支，它是泛函分析、Fourier分析、数值分析的完美结晶；小波分析也是一种“时间—尺度”分析和多分辨分析的新技术，它在信号分析、语音合成、图像压缩与识别、大气与海洋波分析等方面的研究，都有广泛的应用。
基于SPIHT-DWT变换的图像压缩解压缩matlab仿真+仿真操作录像
10-16
总的来说，"基于SPIHT-DWT变换的图像压缩解压缩matlab仿真"是一个涵盖了小波理论、压缩编码策略以及MATLAB编程的综合性课题，适合对图像处理、信号处理和计算机视觉感兴趣的本硕学生深入研究。通过实际操作和仿真，...
spihtprogramming.rar_SPIHT_matlab 图像压缩_图像压缩
07-15
在MATLAB环境中实现SPIHT图像压缩，通常涉及以下几个关键步骤： 1. **小波分解**：SPIHT使用离散小波变换（DWT）将原始图像分解为多个分辨率级别。DWT通过一系列上采样和下采样的滤波器组操作，将图像分解为低频...
小波变换图像压缩学习
weixin_45178274的博客
04-02 2338
小波变换将图像的像素解相关的变换系数进行编码，比经典编码的效率更高，而且几乎没有失真，在应用中易于考虑人类的视觉特性，从而成为图像压缩编码的主要技术之一。小波变换在信号的高频部分可以取得较好的时间分辨率：在信号的低频部分，可以取得较好的频率分辨率，从而能有效地从信号（如语音、图像等）中提取信息，达到数据压缩的目的。游程长度编码压缩数据是十分有效又简便的，但压缩比的大小是与图的复杂程度成反比的，在变化多的部分，游程数就多，变化少的部分游程数就少，图件越简单，压缩效率就越高。，从而可以聚焦到对象的任意细节。
【图像压缩】基于SPIHT算法实现图像压缩附matlab代码
matlab_dingdang的博客
05-19 581
1 简介 多级树集合分裂（Set Partitioningin Hierarchi⁃cal Trees，SPIHT）算法相比嵌入式零树小波（Em⁃bedded Zero Wavelet，EZW）和优化截取内嵌码块编码（Embedded Block Coding with Optimized Trunca⁃tion，EBCOT）节省了大量硬件资源和内存单元，具有很好的渐进传输特性。另外，SPIHT算法的复杂度较低，峰值信噪比较高，是FPGA系统实现医学图像编码压缩的较好选择。 2 部分代码 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Matlab科研辅导帮

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值