dct图像压缩matlab

⑴ matlab dct2函数怎么实现

dct2
二维离散余弦变换

语法
B=dct2(A)
B=dct2(A,m,n)
B=dct2(A,[m,n])

描述
B=dct2(A)返回A的二维离散余弦变换。矩阵B和A的大小一样，并包含离散余弦变换系数
B=dct2(A,m,n)是在变换以前用0对矩阵A进行填充，填充到m*n的大小。如果m或者n比A相应的小，dct2会将A缩短。
B=dct2(A,[m,n])同上面一样。

支持多类
A既可以是数字型的，也可以是逻辑型的，返回的矩阵B是双精度的。

算法
离散余弦变换（DCT）同离散傅里叶变换有很近的关系。它是一种分开的线性变换；就是说，这个二维变换等价于一个，单独作用于一个维度的一维DCT，并紧接着作用于另外一个维度的一维DCT。对于输入图像A和输出图像B，二维DCT的定义为，

其中M和N分别是A的行和列。如果你把DCT作用于实数数据，结果也是实数的。DCT倾向于集中信息，从而对图像压缩有用。

例子
下面的命令计算了一张秋天的图像的离散余弦变换。注意到大部分的能量集中在了左上角。
RGB=imread('autumu.tif');
I=rgb2gray(RGB);
J=dct2(I);
imshow(log(abs(J)),[]),colormap(jet(64)),colorbar

现在将DCT矩阵中值大小小于10的设为0，然后用逆DCT函数idct2对图像进行重建。
J(abs(J)<10)=0;
K=idct2(J);
imshow(I)
figure,imshow(K,[0,255])

也可以参看
fft2,idtc2,ifft2

⑵ 怎样在matlab中进行图像压缩，并保留dct系数

来隔壁，我手把手教你A=im2double(imread('Barbara256.bmp'));D=dctmtx(size(A,1));dct=D*A*D';figure,imshow(dct);hist(dct)

⑶ matlab图象重建是什么意思！

图像压缩是当今信息时代迫切需求的一门图像处理技术，它极大的减少了图像的数据量，为图像的存储，传输提供了方便。小波变换，是一种广泛用于图像压缩的方法。它能让图像按不同的分辨率分析。根据Mallat算法的思想，图像能分解成一个轮廓信号（低频子图）和水平，垂直，对角线三个方向上的细节信号（高频子图）。而轮廓信号又可以进一步分解。而图像的主要能量部分是低频部分，而且人眼视觉系统对低频部分更为敏感，所以可以对低频部分采用较低压缩比；对高频部分采用较大压缩比来进行压缩。
本文提出的是一种结合小波变换，DCT变换和矢量量化的压缩方法。根据人眼的视觉特性，首先对图像进行小波分解，然后，对低频分量进行压缩比不大的DCT变换；对不同方向不同分辨率的高频分量进行不同码字大小的矢量量化编码，然后对反变换和解码后的系数进行小波重构。矢量量化过程中的码书设计采用的是LBG算法。这样，根据对图像质量的不同要求，我们可以改变小波分解的层数，来得到不同压缩比的图像。本篇论文只对小波分解一层和两层后压缩进行了仿真和分析，表明该方案结合了各种压缩方法的优点，在满足图像质量的同时能得到较大的压缩比。目前，在包装装潢设计中常用的图形处理软件有Pho-toshop，CorelDraw，AutoCAD等。但是这些软件中很少涉及到对图像进行压缩处理，以满足图像进行传输和储存的需要。基于这一点考虑，在此尝试着用MATLAB编程来处理包装装潢图像的压缩，实现包装与计算机的紧密结合。
1 MATLAB
MATLAB是MathWorks公司推出的一套高性能的数值计算和可视化软件，它集数值分析、矩阵运算、信号处理和图像显示于一体，它附带的小波分析工具箱功能强大，可以完成小波分析的绝大部分工作。MATLAB工具箱的出现避免了程序设计中的重复性劳动，缩短了开发周期，降低了成本，因而受到工科院校师生和研究人员的青睐。
在介绍利用MATLAB小波工具压缩图像的文献中，总是将真彩色RGB图像转换为灰度级索引图像进行处理．经过这种处理以后，图像的存储数据能得到一定的压缩，但由压缩后的数据难以恢复成理想的彩色图像。文中用MATLAB中有关函数处理图像压缩，而且由压缩后的数据可以还原出图像．实验结果表明，还原出的图像效果是理想的。文中主要以lena图像的处理为例，对它进行二进小波多层分解后，将低频和高频近似的系数矩阵作相应的处理，来研究用MATLAB中的小波工具箱压缩图像的方法。
2 图像压缩方法
在实际应用中，首先需要从图像文件中读取图像数据．MATLAB使用imreed（）函数完这一任务．例如，在电脑D盘中有一彩色图像文件picl．jps，则可由下述语句读取：
X＝imread（′D:\picl．jpg′）；
MATLAB图像处理工具箱支持4种基本图像类型：索引图像、灰度图像、二进制图像和RGB图像．MATLAB直接从图像文件中读取的图像为RGB图像．它存储在三维数组中。这个三维数组有3个面，依次对应子红（Red）、绿（Green）、蓝（Blue）3种颜色，而面中的数据则分别是这3种颜色的强度值，面中的元素对应于图像中的像素点。
索引图像数据包括图像矩阵X与颜色图数组map，其中颜色图map是按图像中颜色值进行排序后的数组。对于每个像素，图像矩阵X包含一个值，这个值就是颜色图数组map中的索引。颜色图map为m×3双精度矩阵，各行分别指定红、绿、蓝（R、G、B）单色值，map=〔RGB〕，R、C、B为值域为〔0，1〕的实数值，m为索引图像包含的像素个数．然后可根据情况采用不同的小波函数，进行索引图像的分解压缩。这里对上面产生的索引图像X用dbl小波进行2层分解。
〔c，l〕＝wavedec2（X，2，′dbl′）。
在这里，一个索引图像作小波分解后，可得到一系列不同分辨率的子图像，不同分辨率的子图像对应的频率是不相同的．高分辨率（即高频细节）子图像上大部分点的数值接近于0，越是高频这种现象越明显．对一个图像来说，表现一个图像最主要的部分是低频（即近似）部分。
多层小波分解的所有成分系数均保存在向量c中，低频近似与高频细节的系数需从向量C中提取。MATLAB分别使用appcoet2（）和detcoef2（）函数来完成这一工作。这种方法是对低频和高频部分进行处理，因而提取低频和高频近似系数。
cAl=appcoef2（c，1，′dbl，′1）；cH1=detcoef2（′h′，c,1，1）；
cDl=detcoef2（′d′，c，l，1）；cVl=detcoef2（′v′，c，l，1）。
matlab实现离散余弦变换压缩（JPEG压缩原理）

JPEG图像压缩算法：
输入图像被分成8*8或16*16的小块，然后对每一小块进行二维DCT（离散余弦变换）变换，变换后的系数量化、编码并传输；
JPEG文件解码量化了的DCT系数，对每一块计算二维逆DCT变换，最后把结果块拼接成一个完整的图像。在DCT变换后舍弃那些不严重影响图像重构的接近0的系数。
DCT变换的特点是变换后图像大部分能量集中在左上角，因为左上放映原图像低频部分数据，右下反映原图像高频部分数据。而图像的能量通常集中在低频部分。

实例程序：
function Jpeg
I=imread('D:\MATLAB7\toolbox\images\imdemos\cameraman.tif');
%该图片在安装matlab的目录中找，原图为灰度图象
I=im2double(I);%图像存储类型转换
T=dctmtx(8);%离散余弦变换矩阵
B=blkproc(I,[8 8],'P1*x*P2',T,T');
%对原图像进行DCT变换
mask=[1 1 1 1 0 0 0 0
1 1 1 0 0 0 0 0
1 1 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0];
B2=blkproc(B,[8 8],'P1.*x',mask);
%数据压缩，丢弃右下角高频数据
I2=blkproc(B2,[8 8],'P1*x*P2',T',T);
%进行DCT反变换，得到压缩后的图像
imshow(I)
title('原始图像')
figure;
imshow(I2)
title('压缩后的图像')

参考资料：http://..com/question/42730132.html

⑷ 各位大神，快帮帮我吧。是关于MATLAB的DCT图像压缩。

%IMG=imread('c.jpg');
IMG=imread('lena.jpg');
figure
imshow(IMG,[0,255]);%
title('原始图像');

I=rgb2gray(IMG);
J=dct2(I);
figure
subplot(1,2,1);
imshow(J,[0,255]);
title('dct变换图像');
colormap(jet(256));

J(abs(J)<10)=0;
subplot(1,2,2);
imshow(J,[0,255]);
title('dct-10变换图像');
colormap(jet(256));

K=idct2(J);
figure;
imshow(K,[0,255]);
title('dct2逆变换图像');

⑸ MATLAB编写基于离散正弦变换(DCT)的图像压缩程序

I=imread('cameraman.tif')
I=im2double(I) %转换图像矩阵为双精度型。
T=dctmtx(8) %产生二维DCT变换矩阵
%计算二维DCT，矩阵T及其转置是DCT函数P1*X*P2的参数
B=blkproc(I,[8,8],'P1*x*P2',T,T') %二值掩模，用来压缩DCT系数，只留下DCT系数中左上角的10个
mask=[1 1 1 1 0 0 0 0
1 1 1 0 0 0 0 0
1 1 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 ]
B2=blkproc(B,[8 8],'P1.*x',mask) %只保留DCT变换的10个系数
I2=blkproc(B2,[8 8],'P1*x*P2',T',T) %重构图像
subplot(1,2,1)
imshow(I)
title('原始图像');
subplot(1,2,2)
imshow(I2);
title('压缩图像');
我这个程序也是改了后的，不过我运行过了，图片压缩效果都能出来，就是压缩比没有变小，我也不知道为什么，如果有人给决绝了麻烦通知一下，我邮箱[email protected]

⑹ 用c或matlab语言编程实现基于dct与基于dwt的图像压缩编码方法，并对比两者的性能。

课程设计 这要很大的投入呢 如果要做得好的话 真的很不容易 看看有谁做过的了 可以直接给你 编写一个 真的有要很多经历 祝你好运哦

⑺ 如何用MATLAB进行图像压缩

1、首先在电脑中双击matlab软件，使用语句：x=0:0.2:7*pi：创建一个一维数组，表示三维离散序列图的在x轴上的分布范围。

⑻ matlab 图像dct变换

[A,map]=imread('******');
%显示原图
imshow(A,map),
title('原图');
image=double(A);
N=8;
for x=1,
a(x)=sqrt(1/N);
end,
for x=2:8,
a(x)=sqrt(2/N);
end,
%dct
rimage=zeros(8,8);
for x=1:32,
for y=1:32,
for u=1:N,
for v=1:N,
for i=1:N,
for j=1:N,
rimage(i,j)=image(i+(x-1)*8,j+(y-1)*8);
b(i,j)=rimage(i,j).*cos((2*(i-1)+1)*(u-1)*pi/(2*N)).*cos((2*(j-1)+1)*(v-1)*pi/(2*N));
end,
end,
d(u,v)=sum(sum(b,1),2);
C(u,v)=a(u).*a(v).*d(u,v);
end,
end,
xhimage{x,y}=C;
end,
end,
aa=zeros(8,8);
b1=zeros(256,256);
for x=1:32,
for y=1:32,
aa=xhimage{x,y};
for i=1:8,
for j=1:8,
b1(i+(x-1)*8,j+(y-1)*8)=aa(i,j);
end,
end,
end,
end,
figure,imshow(uint8(b1));title('DCT');

⑼ 请帮忙在网上找基于Matalb的图象压缩技术方面的资料！！！越多越好，视情况给分...

matlab实现离散余弦变换压缩（JPEG压缩原理）

JPEG图像压缩算法：
输入图像被分成8*8或16*16的小块，然后对每一小块进行二维DCT（离散余弦变换）变换，变换后的系数量化、编码并传输；
JPEG文件解码量化了的DCT系数，对每一块计算二维逆DCT变换，最后把结果块拼接成一个完整的图像。在DCT变换后舍弃那些不严重影响图像重构的接近0的系数。
DCT变换的特点是变换后图像大部分能量集中在左上角，因为左上放映原图像低频部分数据，右下反映原图像高频部分数据。而图像的能量通常集中在低频部分。

实例程序：
function Jpeg
I=imread('D:\MATLAB7\toolbox\images\imdemos\cameraman.tif');
%该图片在安装matlab的目录中找，原图为灰度图象
I=im2double(I);%图像存储类型转换
T=dctmtx(8);%离散余弦变换矩阵
B=blkproc(I,[8 8],'P1*x*P2',T,T');
%对原图像进行DCT变换
mask=[1 1 1 1 0 0 0 0
1 1 1 0 0 0 0 0
1 1 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0];
B2=blkproc(B,[8 8],'P1.*x',mask);
%数据压缩，丢弃右下角高频数据
I2=blkproc(B2,[8 8],'P1*x*P2',T',T);
%进行DCT反变换，得到压缩后的图像
imshow(I)
title('原始图像')
figure;
imshow(I2)
title('压缩后的图像')