《基于MATLAB的JPEG基本系统编码》由会员分享，可在线阅读，更多相关《基于MATLAB的JPEG基本系统编码（45页珍藏版）》请在金锄头文库上搜索。
1、摘 要本文介绍了基于MATLAB的JPEG基本系统编码。在图像传送过程中，经常采用JPEG格式对静止图像进行压缩编码。JPEG基本系统编码首先把灰度图像分成88的像素块，然后对各个像素块进行离散余弦变换得到变换系数后再进行量化。其次，对量化后的变换系数采用Z形扫描，得到直流系数和交流系数。接着，对直流系数采用预测编码，对交流系数采用可变长编码。最后，根据标准的Huffman编码进行熵编码，输出压缩图像的比特序列，从而实现图像压缩。在接收端，经过Huffman解码、直流系数和交流系数可变长解码以及反量化后，再进行离散余弦逆变换后得到重建图像。MATLAB仿真结果表明：重建图像与原始图像几乎没有任
2、何差异，能够满足人们的视觉需求。另外，数据压缩比在10倍左右且峰值信噪比均在30dB以上。因此，采用MATLAB实现JPEG基本系统编码具有方法简单、速度快、误差小等优点，能够大大提高图像压缩的效率和精度。关键词：JPEG；离散余弦变换； MATLAB；图形用户界面ABSTRACTThe JPEG basic system coding based on MATLAB is introduced in this paper. The JPEG format is usually used to compress static image during the process of image
3、transmission.The JPEG basic system coding divides the gray image into several sub-images of size 88 firstly. Discrete cosine transform is used to get the transform coefficient of sub-image and then the transform coefficient is quantized. Secondly, Z type scan is adopted to get direct current (DC) co
4、efficient and alternate current (AC) coefficient of the quantized transform coefficient. Thirdly, predictive coding and variable-length coding is used for DC and AC coefficient respectively. Finally, bit sequences of the compressed image are outputted by using entropy coding according to standard Hu
5、ffman coding. Then image compression is realized. The user gets the reconstructed image by Huffman decoding, variable-length decoding of DC and AC coefficient, dequantization and reverse discrete cosine transform sequentially.MATLAB results of simulation demonstrate that there is no difference betwe
6、en reconstructed image and original image and reconstructed image can satisfy human visual requirements. Additionally, compression ratio is about 10 and peak signal-to-noise ratio is all over than 30dB. Therefore, the realization of JPEG basic system coding using MATLAB is of such advantages as simp
7、le method, fast speed, small error and it can enhance the efficiency and accuracy of image compression greatly. Key words: JPEG; discrete cosine transform; MATLAB; graphical user interface目 录第1章 绪 论11.1 图像变换编码概述及目前状况11.2 论文结构2第2章 MATLAB简介32.1 MATLAB的发展简史32.2 MATLAB的特点32.2.1 MATLAB的功能32.2.2 MATLAB的技术
8、特点42.3 MATLAB图像类型52.4 GUI5第3章 变换编码73.1 变换编码的一般形式与意义73.2 基本原理73.2.1 正交变换的去相关性83.2.2 变换编码性能判断93.2.3 变换编码的特点113.3 最佳正交变换K-L变换11第4章 JPEG图像压缩134.1 JPEG概述134.2 JPEG图像编码算法的实现144.2.1离散余弦编码144.2.2 量化154.2.3编码164.2.4 JPEG图像数据压缩发展19第5章 MATLAB仿真215.1 系统模块图215.2 JPEG压缩编码的设计流程215.2.1 扫描顺序变换225.2.2 量化部分程序流程图225.2.
9、3 霍夫曼编码部分程序流程图225.3 图形用户界面设计25第6章 结论与展望296.1 结论296.2 不足之处及未来展望29参考文献31致 谢32附 录33第1章 绪 论1.1 图像变换编码概述及目前状况现实世界中的图像多为模拟图像，但是计算机只能处理数字信息，因此，必须将其数字化，转换成适合计算机存储和表示的形式，才能由计算机进行处理。为了便于信息交换和方便使用，数字图像必须以一定的格式存储，如常用的BMP、JPEG、GIF等图像文件格式。从颜色来看，数字图像又有线画稿、灰度图像、彩色图像、真彩色图像等种类。随着信息技术的发展，对静止图像和视频序列图像的压缩编码技术的应用越来越广泛，从家
10、庭娱乐到专业的通信设备、从廉价的消费电子产品到昂贵的专业级专用设备，应用的例子举不胜举，如VCD、DVD、可视电话、视频会议、IP上的视频服务、数字图书馆、数字电视、高清晰电视、数码照相机、数字图像监控等因此工业界对图像压缩专业人员的需求在不断地增长。长期以来，人们在自然界感受到的最主要的信息是视觉信息，但与此不同，在早期计算机和通信领域，能够处理和传输的主要是文字和声音。因此，早期的计算机和通信设备的处理能力跟人类的需求有相当大的差距。随着通信信道及计算机容量和速度的提高，图像信息已经成为通信和计算机系统的一种重要的处理对象。与文字信息不同，图像信息需要大的存储容量和宽的传输信道，尤其是在需
11、要实现大规模图像数据库或传输高分辨率实时图像序列的场合，即使以现在的技术，仍然难以满足原始数字图像存储和传输的需要(表1.1是几种常见视频图像源未经压缩的原始数据率)。正由于这种需求，使得图像压缩(编码)算法和技术成为近30年来非常活跃的一个研究领域。图像压缩的基本理论起源于20世纪40年代末香农(Shannon)的信息理论。香农的编码定理告诉我们，在不产生任何失真的前提下，通过合理的编码，对每一个信源符合分配不等长的码字，平均码长可以任意接近于信源的熵。在这个理论框架下，出现了几种不同的无失真信源编码方法，如Huffman编码、算术编码、字典编码等，这些方法可以应用于一幅数字图像，能获得一定
12、的码率压缩。但无失真编码的压缩率是很有限的，对较复杂的自然图像，压缩率一般不超过2。由于无失真信源编码压缩率的限制，使其难以满足大多数图像存储和传输的需要。根据应用的需求，人们对有失真压缩进行了广泛的研究。有失真压缩的目的是去除图像数据中的冗余信息和对视觉不重要的细节分量，以尽可能少的码字来表示所处理的图像。给定一幅数字图像，它的原始表示一般是空间像素阵列，这是它的空间域表示。在空间域表示中，相邻的像素之间存在很强的相关性，冗余信息分布在较大范围的空间像素集中，直接处理比较困难。最常用的处理方法是通过一种变换，将图像从空间域映射到变换域中，在变换域可以进行简捷和有效的处理。对于变换的第一种要求
13、是：将强相关的空间像素阵映射成完全不相关的、能量分布紧凑的变换系数阵，占少数的大的变换系数代表了图像中最主要的能量成分，占多数的小的变换系数表示了一些不重要的细节分量，通过量化去除小系数所代表的细节分量，用很少的码字来描述大系数所代表的主要能量成分，从而达到高的压缩比。这是用变换技术进行有失真编码能够达到高压缩比的主要原因。对于变换的第二种要求是：变换系数阵的物理含义要明确，使其容易与人们关于HVS(人类视觉系统)的知识相结合，以便有效地去除视觉冗余，尽可能地保留重要的视觉信息。具备最理想的去相关和最强的能量紧致特性的变换是KL(Karhunen Loeve)变换，KL变换使得变换系数之间是统
14、计不相关的。但KL变换的基是不固定的，由像素的相关系数矩阵的特征向量构成，特征分析的复杂性和需要额外存储变换基，使得KL变换的应用不现实。幸运的是，人们找到了KL变换的一个很好的逼近。对于强相关空间像素阵，人们发现DCT(discrete cosine transform，离散余弦变换)是KL变换的很好的逼近。DCT有固定的基和明确的物理含义，使得DCT广泛应用于图像压缩，成了变换编码的主要工具。20世纪80年代中期开始制定的静止图像压缩编码的国际标准JPEG采用了DCT变换编码为其核心算法，并被广泛地接受和应用。但是DCT变换编码也有难以克服的缺点。在实际应用中，为了便于实现和后处理，图像被
15、划分成88或1616的小块，对每一个块进行单独的变换和后处理。这种块之间的单独处理带来了压缩效率上的限制和块效应问题，尤其是当压缩倍数较高时，块效应成为限制DCT变换编码质量的主要因素。20世纪80年代后期，小波变换的发展提供了一种新的有效的多分辨信号处理工具，也为各种可分级图像编码算法的实现奠定了基础。小波变换应用在很多领域，最成功的应用领域之一就是图像压缩。小波变换的理论和算法明确地提出了一些有启发意义的思想，一个关键的思想是多分辨率分解，这个思想很好地利用在小波图像编码的研究中。小波图像压缩的研究表明，现代应用所需求的许多特征如多分辨、多层质量控制、嵌入式码流等与小波图像编码结构非常自然地融合在一起，在较大压缩比下，小波图像压缩的重构质量也明显好于DCT变换方法1。1.2 论文结构第1章主要介绍了图像变换编码及其目前状况；第2章简单阐述了MATLAB的相关内容，其中包括它的发展史、特点、功能、图像类型、图像用户界面等方面；第3章则讨论了静止图像的变换编码，这是传统变换方法的主要内容，也是构成目前多数图像编码标准的基础算法；第4章主要给出了一些JPEG图像压缩的标准，以及具体的JPEG图像编码算法的实现过程；第5章则用MATLAB对图
