matlab实现图像压缩编码

一、基于DCT的JPEG压缩（有损）

1. 核心步调

• 图像分块：将图像分别为8×8的小块。
  
• 离散余弦变换（DCT）：对每个块进行DCT变换。
  
• 量化：对DCT系数进行量化以减少高频信息。
  
• 熵编码：使用哈夫曼或算术编码压缩量化后的数据。
  

2. MATLAB代码实现

1. % 读取图像并转换为灰度图
2. img = imread('lena.jpg');
3. img_gray = rgb2gray(img);
4. img_double = im2double(img_gray); % 转换为double类型
6. % 定义JPEG量化表（标准亮度量化表）
7. Q = [16 11 10 16 24 40 51 61;
8.      12 12 14 19 26 58 60 55;
9.      14 13 16 24 40 57 69 56;
10.      14 17 22 29 51 87 80 62;
11.      18 22 37 56 68 109 103 77;
12.      24 35 55 64 81 104 113 92;
13.      49 64 78 87 103 121 120 101;
14.      72 92 95 98 112 100 103 99];
16. % 图像分块（8×8）
17. block_size = 8;
18. [rows, cols] = size(img_double);
19. num_blocks_row = floor(rows / block_size);
20. num_blocks_col = floor(cols / block_size);
21. blocks = mat2cell(img_double(1:num_blocks_row*block_size, 1:num_blocks_col*block_size), ...
22.                   repmat(block_size, 1, num_blocks_row), repmat(block_size, 1, num_blocks_col));
24. % DCT变换与量化
25. quantized_blocks = cell(size(blocks));
26. for i = 1:numel(blocks)
27.     block = blocks{i};
28.     dct_block = dct2(block); % DCT变换
29.     quant_block = round(dct_block ./ Q); % 量化
30.     quantized_blocks{i} = quant_block;
31. end
33. % 熵编码（使用MATLAB内置函数）
34. compressed_data = mat2huff(quantized_blocks(:)); % 哈夫曼编码
36. % 解码与重建（逆量化 + 逆DCT）
37. reconstructed_blocks = cell(size(quantized_blocks));
38. reconstructed_data = huff2mat(compressed_data); % 哈夫曼解码
39. reconstructed_data = reshape(reconstructed_data, size(quantized_blocks));
40. for i = 1:numel(blocks)
41.     quant_block = reconstructed_data{i};
42.     dequant_block = quant_block .* Q; % 反量化
43.     idct_block = idct2(dequant_block); % 逆DCT
44.     reconstructed_blocks{i} = idct_block;
45. end
47. % 合并分块并显示结果
48. reconstructed_img = cell2mat(reconstructed_blocks);
49. figure;
50. subplot(1,2,1); imshow(img_gray); title('原始图像');
51. subplot(1,2,2); imshow(reconstructed_img); title('重建图像');
53. % 计算PSNR
54. psnr_value = psnr(reconstructed_img, img_gray);
55. disp(['PSNR: ', num2str(psnr_value), ' dB']);

复制代码

3. 关键说明

• 量化表：决定压缩率和图像质量，可根据需求调整。
  
• 分块处理：mat2cell函数用于分块，idct2实现逆变换。
  
• 熵编码：使用MATLAB的mat2huff和huff2mat实现哈夫曼编码。
  

---

二、基于DPCM的哈夫曼编码（无损）

1. 核心步调

• 猜测编码：使用前一个像素猜测当前像素值，计算残差。
  
• 哈夫曼编码：对残差进行变长编码。
  
• 代码 图像压缩编码码matlab实现M编码、变换编码、算术编码、行程编码、Huffman编码、线性猜测编码
  

2. MATLAB代码实现

1. % 读取图像
2. img = imread('lena.jpg');
3. img_gray = rgb2gray(img);
4. img_gray = im2double(img_gray);
6. % DPCM编码
7. pred = zeros(size(img_gray));
8. diff = zeros(size(img_gray));
9. pred(1) = img_gray(1);
10. diff(1) = img_gray(1) - pred(1);
11. for i = 2:numel(img_gray)
12.     pred(i) = 0.5 * (img_gray(i-1) + img_gray(i)); % 线性预测
13.     diff(i) = img_gray(i) - pred(i);
14. end
16. % 哈夫曼编码
17. [dict, avglen] = huffmandict(unique(diff), ... % 生成哈夫曼字典
18.     arrayfun(@(x) normpdf(x, mean(diff(diff~=0)), std(diff(diff~=0))), unique(diff)));
19. compressed_data = huffmanenco(diff, dict);
21. % 解码
22. decoded_diff = huffmandeco(compressed_data, dict);
23. reconstructed_img = zeros(size(img_gray));
24. reconstructed_img(1) = img_gray(1);
25. for i = 2:numel(img_gray)
26.     reconstructed_img(i) = reconstructed_img(i-1) + decoded_diff(i);
27. end
29. % 显示结果
30. figure;
31. subplot(1,2,1); imshow(img_gray); title('原始图像');
32. subplot(1,2,2); imshow(reconstructed_img); title('DPCM重建图像');
33. psnr_value = psnr(reconstructed_img, img_gray);
34. disp(['PSNR: ', num2str(psnr_value), ' dB']);

复制代码

---

三、方法对比

方法压缩类型压缩率图像质量适用场景JPEG（DCT）有损高可控（依赖量化表）通用图像压缩DPCM+哈夫曼无损低完全保真医学图像、卫星图像

---

四、扩展方向

• 改进JPEG：引入熵编码优化（如算术编码）或自顺应量化表。
  
• 深度学习压缩：使用CNN学习图像特征进行端到端压缩。
  
• 混合压缩：联合有损和无损方法（如JPEG-LS）。
  

---

通过上述代码，您可以直接在MATLAB中实现图像压缩与重建，并通过调整参数（如量化表、猜测模型）优化性能。