小波分析用于圖像壓縮的研究畢業(yè)論文-免費閱讀
【正文】 ,num2str(perf0),39。全局閾值化壓縮圖像39。subplot(121)。％得到信號的閾值，保留層數(shù)，小波樹優(yōu)化標準[thr,sorh,keepapp,crit]=ddencmp(39。,num2str(perfl21),39。])。xlabel([39。title(39。,c,s,39。%[c,s]=wavedec2(X,3,39。,39。)。,2,thr,sorh,keepapp)。cmp39。image(X)。)。mat39。第一次壓縮圖像的大小為：39。%改變圖像的高度ca1=*ca1。分解后低頻和高頻信息39。,c,s,39。,1)。a39。,c,s,1)。)%[c,s]=wavedec2(X,2,39。colormap(map)title(39。subplot(224)。title(39。)。rcv1(33:97,33:97)=zeros(65,65)。codch1=wcodemat(ch1,192)。根據(jù)這個標準確定的最優(yōu)小波樹可以使得壓縮過程的零系數(shù)成分最高，并且自動降低計算量。 基于小波包變換的圖像壓縮小波分析之所以在信號處理中有著強大的功能，是基于其分離信息的思想，分離到各個小波域的信息除了與其他小波域的關(guān)聯(lián)，使得處理的時候更為靈活。 利用二維小波分析進行圖像壓縮下面再給出用wdenemp函數(shù)對一個圖像()進行壓縮的程序。高分辨率(即高頻)子圖像上大部分點的數(shù)值都接近于0，越是高頻這種現(xiàn)象越明顯。本例只是為了演示小波分析應(yīng)用在圖像局部壓縮的方法，在實際的應(yīng)用中，可能不會只做一層變換，而且作用閾值的方式可能也不會是將局部細節(jié)系數(shù)全部清除，更一般的情況是在N層變換中通過選擇零系數(shù)比例或能量保留成分作用不同的閾值，實現(xiàn)分片的局部壓縮。小波分析用于圖像壓縮 基于小波變換的圖像局部壓縮基于離散余弦變換的圖像壓縮算法，其基本思想是在頻域?qū)π盘栠M行分解，去除信號點之間的相關(guān)性，并找出重要系數(shù)，濾掉次要系數(shù)，以達到壓縮的效果，但該方法在處理過程中并不能提供時域的信息，在我們比較關(guān)心時域特性的時候顯得無能為力。而且，作用的閾值可以是方向相關(guān)的，即在三個不同方向的細節(jié)系數(shù)上作用不同的閾值。對一個圖像來說，表現(xiàn)一個圖像最主要的部分是低頻部分，所以一個最簡單的壓縮方法是利用小波分解，去掉圖像的高頻部分而只保留低頻部分。具體程序清單見附錄⑶。全局閾值化方法作用的信息密度太大，不夠精細，所以很難同時獲得高的壓縮比和能量保留成分，在作用的分層閾值以后，性能明顯提高，因為分層閾值更能體現(xiàn)信號固有的時頻局部特性。對高頻成分很多的圖像，小波包的分解細節(jié)信息的特點尤其能發(fā)揮其優(yōu)勢。codcv1=wcodemat(cv1,192)。rcd1(33:97,33:97)=zeros(65,65)。subplot(221)。一層分解后各層系數(shù)圖像39。image(codrx),colormap(map)。原始圖像39。39。cv1=detcoef2(39。,c,s,39。v1=wrcoef2(39。39。)。subplot(223)。)。,0)。disp(39。colormap(map)title(39。,39。%將壓縮后的圖像與原始圖像相比較，并顯示出來subplot(222)。perf0disp(39。wv39。39。
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1