【正文】 學(xué)院領(lǐng)導(dǎo)對(duì)我們畢業(yè) 生的關(guān)懷，為畢業(yè)生提供了一個(gè)方便安靜的場(chǎng)所讓我們安心地寫論文 ， 在此表達(dá)誠(chéng)摯的謝意！ 最后，衷心的感謝我的家人，正是他們?cè)谖衣那髮W(xué)生涯中給予了我最大的關(guān)心和理解，并且始終竭盡全力為我提供最好的學(xué)習(xí)和生活條件，感謝他們始終如一的支持和鼓勵(lì)我！ 19 參考文獻(xiàn)： [1]常迥．信息理論基礎(chǔ)．北京：清華大學(xué)出版社， 1993， 34 [2]劉榴娣 劉明奇 黨 長(zhǎng)民．實(shí)用數(shù)字圖像處理．北京：北京理工大學(xué)出版社， 1998， 78 [3]常青 ． 數(shù)字圖像處理教程 ． 上海 ： 華東理工 出版社， 2020， 1422 [4]許錄平 ． 數(shù)字圖像處理 ．北京： 科學(xué) 出版社， 2020， 138 [5]朱雪龍．應(yīng)用信息論基礎(chǔ)．北京：清華大學(xué)出版社， 2020， 46 [6]楊杰 ． 數(shù)字圖像處理及 MATLAB實(shí)現(xiàn) ．北京： 電子工業(yè) 出版社， 2020， 121122 [7]陳書海 傅錄祥．實(shí)用數(shù)字圖像處理．北京：科學(xué)出版社， 2020， 180182 [8]趙榮椿．?dāng)?shù)字圖像處理導(dǎo)論．陜西：西北工業(yè)大學(xué)出版社， 1995， 143144 [9]朱虹 ．?dāng)?shù)字圖像處理 基礎(chǔ) ． 北京 ： 科學(xué) 出版社， 2020， 242243 [10]張弘 ．?dāng)?shù)字圖像處理 與分析 ． 北京 ： 機(jī)械工業(yè) 出版社， 2020， 164166 [11]朱虹．圖像數(shù)字處理基礎(chǔ)．北京：北京出版社， 2020， 2628 [12]石峰 莫忠息．信息理論基礎(chǔ)（第二版）．武漢：武漢大學(xué)出版社， 2020， 8283 [13]張輝 曹麗娜．通信原理．北京：科學(xué)出版社， 2020， 7980 [14] Mallat， S． A theory for multire solution signal deposition： the wavelet representation． IEEE Trans． On Pattern Anal And Mach． Intel， 1989， 11（ 7）， 674~693 [15]沈庭芝 方子文．?dāng)?shù)字圖像處理及模式識(shí)別．北京：北京理工大學(xué)出版社， 1998， 152153 [16]周蔭清．信息理論基礎(chǔ)（第 3版）．北京：北京航空航天大學(xué)出版社， 2020， 265268 [17]A． Garrido， N． Perez de la Blanca． Applying Deformable Templates for Cell Image Segmentation． Pattern Recogniton， 2020,33:821822 20 附錄 附錄 A 例 工作區(qū)數(shù)值 Name Value Min Max b1 55457 55457 55457 b2 10820 10820 10820 Fi 2253003 uint8 0 255 info1 11 struct info2 11 struct Ratio 附錄 B DCT壓縮例題工作區(qū)數(shù)值 Name Size Bytes Class B 4201680 5644800 double array B2 4201 680 5644800 double array I 4205603 5644800 double array I2 4201680 5644800 double array T 88 512 double array mask 88 512 double array 。沒有他們 ， 我的論文也不可能這么順利的就完成，通過與他們進(jìn)行學(xué)習(xí)交流 ，我的論文進(jìn)展順利，并最終按期完成。 通過實(shí)例我們看到，算術(shù)編碼 不需要預(yù)先定義概率模型 ，所以 具有較強(qiáng)相關(guān)性的圖片應(yīng)采用算術(shù)編碼，而相關(guān)性較小的單個(gè)信息源符號(hào)宜采用 Huffman編碼 。 對(duì)比來看， Huffman編碼 是一種最佳變長(zhǎng)碼，其平均碼長(zhǎng)接近于熵值 。前者解壓后可無失真地得到原圖像信息，稱為無損壓縮編碼；而后者只能得 到原圖像的近似，稱為有損壓縮編碼。 對(duì)圖像進(jìn)行子塊劃分的另一個(gè)好處是：它可以將傳輸誤差所造成的圖像損傷限制在子圖像的范圍之內(nèi)，從而避免誤碼的擴(kuò)散。然后是編碼，一般用變長(zhǎng)碼對(duì)量化后系數(shù)進(jìn)行解碼。在重建圖像進(jìn)行解碼（逆變換）時(shí)，所損失的將是一些不重要的信息，幾乎不會(huì)引起圖像的失真，圖像的變換編碼就是利用這些來壓縮圖像的，這種方法可以得到較高的壓縮比 [15]。) 16 圖 34 圖 35 通過分析 Matlab 工作區(qū)的數(shù)值，我們發(fā)現(xiàn)， 此類編碼方法 存在圖像失真， 但壓縮比 相對(duì) 較高， 對(duì)于要求保真度較低的圖像來說，此方法更合適，且在圖像保存與傳輸過程中，能更好的節(jié)約資源。qau139。P1*x*P239。 B2=blkproc(B,[8 8],39。P1*x*P239。)。 0 , 1 , 2 , , 1 )u M v N? ? ? ? DCT圖像壓縮可由下面 M 文件來實(shí)現(xiàn)， 比較 壓縮前 （圖 34）和壓縮后（圖35） 圖像 [14]。 圖 33 模 擬圖像經(jīng)采樣后成為離散化的亮度值然后分成一個(gè)個(gè)宏塊，而一個(gè)宏塊 又分成 88? 大小的塊，可以用一個(gè)矩陣來表示這個(gè)塊 [13]。 編碼過程中，如果某一步出錯(cuò)，后面的結(jié)果都會(huì)受到影響。這種模式特別適用于不便于進(jìn)行符號(hào)概率統(tǒng)計(jì)的實(shí)際場(chǎng)合中。 算術(shù)編碼過程不采用像 Huffman編碼那樣給符號(hào)值分配整數(shù)碼字的方法，而是把二進(jìn)制數(shù)所代表的 概率空間寬度疊加到代碼串中去，即由這樣的處理形成算術(shù)編碼過程。 第三個(gè)符號(hào)為“ c ”，編碼取值應(yīng)在 [,) 之中的 [,) 之間， 13 _ 0 . 0 4 0 . 4 0 . 0 4 0 . 0 5 6sN a r e a ? ? ? ? _ 0 . 0 4 0 . 8 0 . 0 4 0 . 0 7 2eN a r e a ? ? ? ? 以此類推，第四個(gè)符號(hào)“ c ”，編碼取值在 [,) 之中的 [,) 區(qū)間中，第五個(gè)符號(hào)“ d ”的編碼取值在 [, )之中的 [,) 區(qū)間內(nèi)。 各數(shù)據(jù)符號(hào)在半封閉實(shí)數(shù)區(qū)間 [0,1) 內(nèi)的賦值范圍設(shè)定為 [,)a? [,)b? [,)c? [,)d ? 為方便起見，再給出一組關(guān)系式 _ _ _s s lN a r e a F a r e a C fla g L? ? ? （ ） _ _ _e s rN a r e a F a r e a C fla g L? ? ? （ ） 式（ ）和式（ ）中， _ sN area 為新的子區(qū)間的起始位置； _ eN area 為新的子區(qū)間的結(jié)束位置； _ sF area 為前一子區(qū)間的起始位置； L 為前一子區(qū)間的長(zhǎng)度； _ lC flag 為當(dāng)前符號(hào)的區(qū)間左端； _ rC flag 為當(dāng)前符號(hào)的區(qū)間右端。采用算術(shù)編碼，每個(gè)符號(hào)的平均編碼長(zhǎng)度可以為小數(shù) [10]。再在該區(qū)間內(nèi)選擇 12 一個(gè)代表性的小數(shù)，轉(zhuǎn)化為二進(jìn)制碼作為實(shí)際的編碼輸出。但是 Huffman編碼只能分配一位 0 或一位 1 進(jìn)行編碼。第三，在實(shí)際應(yīng)用中， Huffman編碼的過程是十分耗時(shí)的，不能滿足某些場(chǎng)合的應(yīng)用，于是就需要提前建立一個(gè)通用碼表，編碼的時(shí)候不需要重新建立碼表，直接從已有的通用碼表中查出所需要的碼值即可，解碼時(shí)使用同樣碼表解碼就可以了。 采用 Huffman編碼的時(shí)候有三個(gè)問題需要注意。 1） Huffman編碼的平均 碼字 NH? ，是最接近熵的編碼。 按照上述的編碼過程和例題所給出的參數(shù)，其 Huffman編碼過程如圖 31 所示 圖 31 Huffman 編碼過程 最終編碼結(jié)果為： 1 1y? 2 001y ? 3 011y ? 4 0000y ? 5 0100y ? 6 0101y ? 7 00010y ? 8 00011y ? 實(shí)現(xiàn) Huffman編碼的基礎(chǔ)是統(tǒng)計(jì)原 數(shù)據(jù)集中各信號(hào)的概率分布。并按第（ 1）步 中的 方法重排，如此重復(fù)進(jìn)行 ， 直到只有兩個(gè)概率為止。 選擇合理的方法，不僅能滿足對(duì)圖片的編碼要求，而且能節(jié)約存儲(chǔ)空間或提高傳輸效率。 9 圖 23 圖 24 設(shè) ()klc 為數(shù)字圖像 的 第 k 個(gè)碼字 kC 的長(zhǎng)度（ kC 編碼成二進(jìn)制碼的位數(shù)）。 figure。 ratio=b1/b2。 info2=dir(39。 info1=dir(39。)。 運(yùn)行完成后， 工作 區(qū)各數(shù)值見 附錄 A。近些年來也出現(xiàn)了很多新的壓縮編碼方法，如使用人工神經(jīng)元網(wǎng)絡(luò)（ artificial neural work， ANN）的壓縮編碼算法、分形（ Fractal）、小波（ Wavelet）、基于對(duì)象（ Object Based）的壓縮編碼算法、基于模型 8 （ ModelBased）的壓縮編碼算法等。常用的預(yù)測(cè)編碼是差分脈沖編碼調(diào)制（ differential pulse code modulation， DPCM）。 按照?qǐng)D像壓縮的 方法原理 分 類 1） 像素編碼 所謂像素編碼就是無論像素之間的相關(guān)性如何，編碼時(shí)只對(duì)每個(gè)像素單獨(dú)處理。這實(shí)際屬于信息損失型。 有限失真編碼則是根據(jù)人眼視覺特征，在允許圖像產(chǎn)生一定失真的情況下（盡管這種失真常常不為人眼所覺察），利用圖像信息源在空間和時(shí)間上具有較大的相關(guān)性這一特點(diǎn)，通過某一種信號(hào)變換來消除信息源的相關(guān)性、減少 信號(hào)方 7 差，達(dá)到壓縮編碼的目的。 2） 信息損失型 以犧牲部分信息為代價(jià)，來獲取高壓縮比，也稱有損壓縮。常用的無失真編碼主要有 Huffman編碼、算術(shù)編碼和游程編碼。 圖像信號(hào)壓縮的分類 根據(jù)不同的目的和不同的應(yīng)用，圖像壓縮有不同的分類方法，比如可按壓縮前及解壓后的信息保持程度和圖像壓縮的方法原理來分類。記錄這四個(gè)數(shù)據(jù)便等于記錄了整幅圖像，于是完成了圖像數(shù)據(jù)壓縮。反之，沒有相關(guān)性的圖像 一般 不含有多余的信息。 但是 ，同一編碼方法，對(duì)于不同的圖像，可能會(huì)節(jié)省 bit 數(shù)，也可能會(huì)增加 bit 數(shù)。后者是對(duì)壓縮圖像進(jìn)行解壓以重建原圖像