【文章內(nèi)容簡(jiǎn)介】 (n/16)。I(1:16*m16,1:16*n16) = 0。I(1:m,1:n) = Is。Ns = 0。Nb = 0。fprintf(outfp,39。原始圖像的灰度值為：\n39。)。for i = 1:16*m16 for j = 1:16*n16 fprintf(outfp,39。%39。,I(i,j))。 end fprintf(outfp,39。\n39。)。endfor i = 1:2*m16 for j = 1:2*n16 Ns = Ns + 1。 Small(1:8,1:8,Ns) = I(8*i7:8*i,8*j7:8*j)。 endendfprintf(outfp,39。\n原始圖像所分成的子圖個(gè)數(shù)為：%\n39。,Ns)。for i = 1:m16 for j = 1:n16 Nb = Nb + 1。 Big(1:16,1:16,Nb) = I(16*i15:16*i,16*j15:16*j)。 endendfprintf(outfp,39。\n原始圖像所分成的父圖個(gè)數(shù)為：%\n39。,Nb)。for i = 1:Nb for j = 1:8 for k = 1:8 Temp4 = Big(2*j1:2*j,2*k1:2*k,i)。 Big2(j,k,i) = sum(Temp4(:))/4。 end endendfor i = 1:Nb Temp8 = Big2(1:8,1:8,i)。 TrBig(1:8,1:8,i*87) = Temp8。 TrBig(1:8,1:8,i*86) = fliplr(Temp8)。 TrBig(1:8,1:8,i*85) = flipud(Temp8)。 TrBig(1:8,1:8,i*84) = rot90(Temp8)。 TrBig(1:8,1:8,i*83) = rot90(rot90(Temp8))。 TrBig(1:8,1:8,i*82) = rot90(rot90(rot90(Temp8)))。 TrBig(1:8,1:8,i*81) = Temp839。 TrBig(1:8,1:8,i*8) = rot90(flipud(Temp8))。endfprintf(outfp,39。\n各子圖對(duì)應(yīng)的參數(shù)及父圖位置為：\n39。)。for i = 1:Ns Temp8 = reshape(Small(1:8,1:8,i),1,64)。 for j = 1:8*Nb Temp = reshape(TrBig(1:8,1:8,j),1,64)。 Temps = (64*sum(Temp8.*Temp) sum(Temp8)*sum(Temp)) .... / (64*sum(Temp.^2) (sum(Temp))^2)。 Tempo = (sum(Temp8) Temps*sum(Temp)) / 64。 Temph = sum((Temps*Temp + Tempo Temp8).^2)。 %Temph = (sum(Temp8.^2) Temps*(Temps*sum(Temp.^2) .... % 2*sum(Temp8.*Temp) + 2*Tempo*sum(Temp)) + .... % Tempo*(64*Tempo 2*sum(Temp8))) / 64。 if j == 1 Hmin = Temph。 Fs(i) = Temps。 Fo(i) = Tempo。 XY(i) = ceil(j/8)。 Tw(i) = mod(j,8)。 else if Temph Hmin Hmin = Temph。 Fs(i) = Temps。 Fo(i) = Tempo。 XY(i) = ceil(j/8)。 Tw(i) = mod(j,8)。 end end endfprintf(outfp,39。s值：% o值：% XY值：% Tw值：%\n39。,...Fs(i),Fo(i),XY(i),Tw(i))。endfprintf(outfp,39。\n解碼過(guò)程：39。)。Inew(1:16*m16,1:16*n16) = 0。 % 解碼過(guò)程for n = 1:8 Nr = 1。 fprintf(outfp,39。\n迭代過(guò)程%：\n39。,n)。 for i = 1:16*m16 for j = 1:16*n16 fprintf(outfp,39。%39。,Inew(i,j))。 end fprintf(outfp,39。\n39。)。endfor i = 1:2*m16 for j = 1:2*n16 Tx = ceil(XY(Nr)/n16)。 Ty = XY(Nr) (Tx1)*n16。 Temp16 = Inew(16*Tx15:16*Tx,16*Ty15:16*Ty)。 Temp8 = m16to8(Temp16)。 switch Tw(Nr) case 0 Temp8 = rot90(flipud(Temp8))。 case 1 Temp8 = Temp8。 case 2 Temp8 = fliplr(Temp8)。 case 3 Temp8 = flipud(Temp8)。 case 4 Temp8 = rot90(Temp8)。 case 5 Temp8 = rot90(rot90(Temp8))。 case 6 Temp8 = rot90(rot90(rot90(Temp8)))。 case 7 Temp8 = Temp839。 end Inew(8*i7:8*i,8*j7:8*j) = Fs(Nr)*Temp8 + Fo(Nr)。 Nr = Nr + 1。 end end endIgray = mat2gray(I)。Inew = mat2gray(Inew)。subplot(1,2,1),imshow(Igray)。subplot(1,2,2),imshow(Inew)。fclose(outfp)。函數(shù)m16to8（將16*16的圖象塊通過(guò)平均變成8*8的圖象塊）：function y=m16to8(x)y=zeros(8,8)。for i=1:8 for j=1:8 a=x(2*i1:2*i,2*j1:2*j)。 y(i,j) = sum(a(:))/4。 endend五、仿真結(jié)果 原圖（具體數(shù)據(jù)見(jiàn)附錄） s:：比度調(diào)節(jié)系數(shù) o：亮度調(diào)節(jié)系數(shù) XY：大區(qū)域編號(hào) Tw：變換方式第五章 結(jié)論10多年來(lái)，雖然分形圖像自動(dòng)編碼和解碼不斷改進(jìn)．但仍然不夠成熟，產(chǎn)生的壓縮比不夠高，壓縮效果還不十分理想，在當(dāng)前圖像壓縮編碼中還不能占據(jù)主導(dǎo)地位。國(guó)際標(biāo)準(zhǔn)MPEG4中已經(jīng)把小波列了進(jìn)去，但分形不在其中。靜態(tài)圖像壓縮標(biāo)準(zhǔn)JPEG2000是完全使用小波的圖像編碼方法，也沒(méi)有把分形列進(jìn)去。但我們應(yīng)該看到分形圖像壓縮方法的優(yōu)勢(shì)和巨大潛力。 l 分形圖像壓縮既考慮局部與局部，又考慮局部與整體之間的相關(guān)性，適合于自相似或自仿射的圖像壓縮，而自然界中存在大量的自相似或自仿射的幾何形狀。因此，它的適應(yīng)范圍很廣。 l 分形圖像壓縮（當(dāng)前尚須人工干預(yù)）能獲得相當(dāng)高的壓縮比(10000：1甚至更高)和很好的壓縮效果，具有很大的潛力。 l 分形解碼時(shí)能放大到任意大的尺寸，且保持精細(xì)的結(jié)構(gòu)。 l 在高壓縮比的情況下，分形圖像壓縮自動(dòng)編碼能有很高的信噪比和很好的視覺(jué)效果，這是其它方法不能相比的。 因此．分形圖像壓縮是一個(gè)有潛力、有發(fā)展前途的壓縮方法。 分形圖像壓縮編碼研究發(fā)展趨勢(shì)將有如下幾個(gè)方面： l 分形編碼在人工干預(yù)條件下能夠達(dá)到相當(dāng)高的壓縮比。但對(duì)于如何去掉人工干預(yù)則需研究給定的圖像，實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)確定分形生長(zhǎng)模型、 L系統(tǒng)、IFS碼和RIFS碼等，尋找新的壓縮模型和新的突破點(diǎn)。 l 綜合分析當(dāng)前自動(dòng)編碼的各種改進(jìn)算法，在此基礎(chǔ)上，繼續(xù)尋找加快編碼速度、提高壓縮比、改善壓縮效果的突破性的改進(jìn)方法。 l 研究按分形維數(shù)分割圖像、將分形維數(shù)相同的區(qū)域塊用分形方法進(jìn)行編碼的理論、方法和實(shí)現(xiàn)的算法。 l 繼續(xù)研究分形編碼與其它編碼方法相結(jié)合的新的編碼方法。 研究新的度量相似性的準(zhǔn)則，在保持壓縮比的前提下，降低恢復(fù)圖像的失真率。參考文獻(xiàn)[1] 遲健男,宋春林,楊旭,一種新的快速分形圖像壓縮方法,遼寧省交通高等專科學(xué)校學(xué)報(bào), 6(1):2124 [2] Hurtgen B,Mols P,Simon S F. Fratcal transform coding of color Vis Commun Image Process,1994,2308:16831691 [3] . van Hateren and A. van der Schaaf, Independent ponent filters of natural images pared with simple cells in primary visual cortex. it . B, 265:359366, 1998. [4] 吳蓓,翟娟娟,李曉輝,基于視覺(jué)特性的分形圖像壓縮編碼,信息技術(shù),2002,10 [5] K. Koroutchev and J. Dorronsoro, Hashlike Fractal Image Compression with Linear Execution Time, Iberian Conference on Pattern Recognition and Image Analysis, IbPRIA 2003. [6] 萬(wàn)衛(wèi)兵,施鵬飛,基于分形和小波的混合圖像壓縮,中國(guó)體視學(xué)與圖像分析, 12(3):4550 [7] D. Saupe, R. Hamzaoui, and H. Hartenstein, Fractal image pression: an introductory overview, in: Fractal Models for Image Synthesis, Encoding, and Analysis, D. Saupe and J. Hart (eds.), SIGGRAPH 39。96, New Orleans, 1996. 附 錄注： s:：比度調(diào)節(jié)系數(shù) o：亮度調(diào)節(jié)系數(shù) XY：大區(qū)域編號(hào) Tw：變換方式Tw值： 0為矩陣0度旋轉(zhuǎn) Tw值： 4為矩陣180度旋轉(zhuǎn)Tw值： 1為矩陣垂直中線反射 Tw值： 5為矩陣270度旋轉(zhuǎn)Tw值： 2為矩陣水平中線反射 Tw值： 6為矩陣相對(duì)45度反射Tw值： 3為矩陣90度旋轉(zhuǎn) Tw值： 7為矩陣相對(duì)135度反射仿真實(shí)驗(yàn)分形圖像壓縮數(shù)據(jù)：s值： o值： XY值： 103 Tw值： 6s值： o值： XY值： 76 Tw值： 0s值： o值： XY值： 107 Tw值： 2s值： o值： XY值： 70 Tw值： 7s值： o值： XY值： 50 Tw值： 6s值： o值： XY值： 107 Tw值： 2s值： o值： XY值： 118 Tw值： 0s值： o值： XY值： 116 Tw值： 6s值： o值： XY值： 108 Tw值： 3s值： o值： XY值： 116 Tw值： 3s值： o值： XY值： 92 Tw值： 0s值： o值： XY值： 26 Tw值： 3s值： o值： XY值： 86 Tw值： 5s值： o值： XY值： 101 Tw值： 3s值： o值： XY值： 11 Tw值： 7s值： o值： XY值： 50 Tw值： 6s值： o值： XY值： 84 Tw值： 1s值： o值： XY值： 80 Tw值： 2s值： o值： XY值： 118 Tw值： 0s值： o值： XY值： 45 Tw值： 6s值： o值： XY值： 107 Tw值： 4s值： o值： XY值： 27 Tw值： 1s值： o值： XY值： 1 Tw值： 7s值： o值： XY值： 118 Tw值： 1s值：