matlab图像压缩_MIT线性代数笔记3.7（图像压缩，换基)

从前几讲SVD等就可以隐约感觉出，换基可以大幅度减少计算量，尤其是换成正交基，这一讲就讲两个非常好的基，傅里叶基和小波基。他们主要用于图像和视频压缩

图像压缩(Compression of images)

考虑一个图像压缩的例子： 我们有一张512x512的图像。在我们的标准基中，每个像素的标识就是像素中的灰度/颜色值。 这样一张图片就至少需要

的空间，太大了。换基！换什么基呢？比如这个傅里叶基(JPEG里就用的这种基)

傅里叶基

在JPEG标准中，图像被分解成8x8 的小方块，共64像素。每一个小方阵的亮度信息(原基)被换基。换基之后有一些系数很小的基向量(在图像中占的成本比例很低)就被删除(压缩)掉。从而达到压缩的目的：

图像压缩的过程

在视频压缩中，我们不仅仅要考虑每帧图像的压缩，还要考虑帧与帧之间的压缩。一帧和一帧之间的变换一般是连续的，这一帧和下一帧很可能很大一部分都一样，只有一部分会变，其余的部分不变。这样就给压缩提供了条件。

小波基(The Haar wavelet basis)

除了傅里叶基，还有一个基非常火爆： 小波基：

小波基

最近的JPEG标准已经使用小波基了。小波基基本是由一半1和一半-1组成的，而且两两基向量正交。性质非常之好。

压缩和矩阵

线性代数让我们可以选择一组很厉害的基，比如傅里叶基或者小波基，进行如下转换:

对于同一个变换，可以采用N多种基，这些基组成的矩阵是相似的

选择基需要:

• 这组基所组成的矩阵对于矩阵乘法和取逆要比较好算
• 转换后一些基的系数趋近于0，这样我们就可以把这些系数干成0，实现压缩的目的。

换基

假设W是由新的基下的每一个基作为列向量所组成的矩阵，x是旧基下的向量，那么x转到新基下的向量c可以表示为：

假设有一个线性变换T, A是描述这个线性变换的矩阵，工作在

这一组基下，B也是描述这个线性变换的矩阵，工作在另外一组基下

。事实上，A和B必然是相似矩阵！，有

习题

题1 验证小波基的正交性，调整他们的长度使得小波基长度为1

答 这题简直暴力透了，一点技术含量都没有。。上课的时候给的小波基如下：

可以验证第一列和后面所有列点积为0，你可以随便调一列和另外所有各列点积来验证正交性。然后第二问。。咋办?单位化呗。

例

回头再补，先直接看视频：https://www.bilibili.com/video/av36568126/?p=68

番外

写到这里感觉不过瘾，心理空空的，图像压缩这么一个厉害的应用题目到这里就完了？。抽空看了下matlab ，我打算用一个小例子来结束这一讲的笔记吧：matlab的 dct2函数

这是matlab2019 dct2的原生例子，描述的是利用dct(余弦变换将一副图像的高频分量去掉(低通滤波))。

clear;
clc;


RGB = imread('autumn.tif');
I = rgb2gray(RGB);

% 把I 进行dct变换
J = dct2(I);


figure
% 打印J(频谱图)
imshow(log(abs(J)),[])
colormap(gca,jet(64))
colorbar

%去掉高频分量
J(abs(J) < 20) = 0;

%逆变换成时域图像
K = idct2(J);

figure
imshowpair(I,K,'montage')
title('Original Grayscale Image (Left) and Processed Image (Right)');

原图和处理后的图如下：

原图经过DCT变换后的图像如下：

可以看到，绝大部分能量都集中在了低频部分，高频部分能量不多