基于小波变换的图像压缩

最新推荐文章于 2025-10-16 14:14:58 发布

原创

最新推荐文章于 2025-10-16 14:14:58 发布 · 6.1k 阅读

42 ·

CC 4.0 BY-SA版权

文章标签：

#其他

该文详细介绍了基于小波变换的图像压缩技术，包括图像的多级小波分解、系数量化和编码过程。小波分解将图像分为LL、HL、LH和HH四个子带，低频部分（LL）包含主要信息，高频部分（HL、LH、HH）则包含细节和边缘。提出了三种压缩方案：舍高频取低频、阈值法和截取法。阈值法通过设定阈值保留重要系数，而截取法则保留最大比例的系数。这些方法在图像质量和压缩率之间寻找平衡。

基于小波变换的图像压缩
是指对图像应用小波变换算法来进行多分辨率分解，通过对小波系数进行编码来实现图像压缩。

处理流程为

   1，对图像进行多级小波分解，得到相应的小波系数；

   2，对每层小波系数进行量化，得到量化系数对象；

   3，对量化后的系数对象进行编码，得到压缩结果。

在这里插入图片描述

   图像矩阵是二维矩阵，假设图像矩阵大小为N*N，且n=2^n，那么经过一层小波变换后，原始图像便分解为4个分辨率为原来尺寸1/2的子带区域（LL,HL,LH,HH），分别包含了相应频带的小波系数。这一过程相当于在水平、垂直方向上进行隔点采样。下一步是进一步进行的2级小波分解。

LL频带保持了原始图像的内容信息，图像的能量集中于次频带。对于图像水平、垂直方向均进行低通滤波得到；

HL频带保持了图像水平方向上的高频边缘信息。对图像水平方向高通滤波和垂直方向低通滤波得到；

LH频带保持了图像垂直方向上的高频边缘信息。对图像水平方向低通滤波和垂直方向高通滤波得到；

HH频带保持了图像在对角线方向上的高频信息。对图像水平、垂直方向均进行高通滤波得到。

一个图像经过小波分解后，可以得到一系列不同分辨率的子图像，不同分辨率的子图像对应的频率也不同。高分辨率（即高频）子图像上大部分点的数值都接近于0，分辨率越高，这种现象越明显。要注意的是，在N级二维小波分解中，分解级别越高的子图像，频率越低。子图像HL2、LH2、HH2的频率要比子图像HL1、LH1、HH1的频率低，相应地分辨率也较低。根据不同分辨率下小波变换系数的这种层次模型，我们可以得到以下三种简单的图像压缩方案。

方案一：舍高频，取低频
一幅图像最主要的表现部分是低频部分，因此我们可以在小波重构时，只保留小波分解得到的低频部分，