20强烈的反义词
23年4月18日发(作者：插菊花综合网站)图像压缩编解码实验（DCT编码+量化+熵编码（哈夫曼编
码））【MATLAB】
课程要求
Assignment IV Transform + Quantization + Entropy Coding
Input: an intra-frame or a residue picture after motion compensation.
Task: Code the input picture into a bitstream and decode the picture from the generated bitstream.
Specifications: Implement a transform-bad codec, consisting transform, quantization, and entropy coding. The block size
can be 8x8, 16x16, or other reasonable sizes. As in most existing image/video codecs, you can u 2D DCT. A simple
uniform quantizer c经典文章
ould be ud for verification purpo. For the entropy coding, you can u either Huffman coding or
arithmetic coding
README
运⾏main函数，注意main函数⽤到了下⾯的Normalize函数
指定待处理的图⽚，依次对图⽚进⾏⼀下变换:
⼀、灰度化
⼆、8 * 8 DCT变换(这⼀步r)如果加上⼀个掩模可以去除图⽚中⼈眼不敏感的⾼频分量，从⽽进⼀步压缩图⽚
三、量化处理（采⽤JPEG亮度量化表，将DCT举证除以量化码表），由于量化后有取整操作，因此是有损压缩图⽚
四、Huffman编码，编码得到的⽐特流序列⽐原序列更加短⼩，进⼀步提⾼传青岛港湾职业技术学院分数线
输效率
五、发送⽅⽐特流序列传输(将上⼀步得到的⽐特流进⾏传输)
%中间对⽐了直接传输图⽚的⽐特流长度和经过压缩变换得到的⽐特流长度
六、接收⽅接收⽐特流序列
七、解码，是Huffman编码的逆过程，得到量化后的序列
⼋、反量化处理，是第三步的逆过程，将量化后的矩阵乘以量化码表
九、反DCT变换得到图⽚就业指导论文
main函数:
1 clc;clear;
2
3 %采⽤JPEG亮度量化表
4 Q =[16 11 10 16 24 40 51 61
5 12 12 14 19 26 58 60 55
6 14 13 16 24 40 57 69 56
7 14 17 22 29 51 87 80 62
8 18 22 37 56 68 109 103 77
9 24 35 55 64 81 104 113 92
10 49 64 78 87 103 121 120 101
11 72 92 95 98 112 100 103 99];
12
13 X = 8;%分块⼤⼩
14
15 I=imread('');%读取图像
16 gray_img = rgb2gray(I);%灰度化
17
18
19 I_DCT = blkproc(gray_img,[X X],'dct2');%对图像进⾏DCT变换,
20
21 Iq = round(blkproc(I_DCT,[X X],'x./P1',Q));%量化处理
22
23 Iq = Iq + 120;%量化处理之后，序列的symbol取-120到+120之间，为了⽅便编码，将其平移到0-255的区间
24
25 %哈夫曼编码
25 %哈夫曼编码
26 [M,N] = size(Iq);
27 I1 = Iq(:);
28 P = zeros(1,256);
29 for i = 0:255
30 P(i+1) = length(find(I1 == i))/(M*N);
31 end
32 k = 0:255;
33 dict = huffmandict(k,P); %⽣成字典
34 enco = huffmanenco(I1,dict); %编码
35 %bitstream传输
36
37 %计算编码长度，计算压缩率
38 binaryComp = de2bi(enco);
39 encodedLen = numel(bi城镇职工基本医疗保险
naryComp);
40 imgLen = numel(de2bi(I1));
41 disp(strcat(['编码后传输的⽐特流长度为' num2str(encodedLen)]))
42 disp(strcat(['原图⽚⼆进制编码⽐特长度为' num2str(imgLen)]))
43 disp(strcat(['压缩率为' num2str(100*(imgLen-encodedLen)/imgLen) '%']))
44
45 %bitstream接收
46 %哈夫曼解码
47 deco = huffmandeco(enco,dict);
48 Idq = col2im(deco,[M,N],[M,N],'distinct')-120; %把向量重新转换成图像块，记得要把图像平移回去原来的区间；
49
50
51 I_rq = round(blkproc(Idq,[X X],'x.*P1',Q));%反量化
52
53 I_rDCT = round(blkproc(I_rq,[X X],'idct2'));%对图像进⾏DCT反变换
54
55 I_rDCT = Normalize(I_rDCT);%归⼀化到0-255区间
56
57
58
59 figure
60 subplot(1,2,1)
61 imshow(gray_img);
62 title('原图')
63
64
65 subplot(1,2,2)
66 %在matlab处理完数据好，我们希望显⽰或者imwrite写⼊图⽚时候，需要注意。如果直接对double之间的数据矩阵I运⾏imshow(I)，
67 %我们会发现有时候显⽰的是⼀个⽩⾊的图像。 这是因为imshow()显⽰图像时对double型是认为在0~1范围内，即⼤于1时都是显⽰为⽩⾊，
68 %⽽imshow显⽰uint8型时是0~255范围。所以对double类型的图像显⽰的时候，要么归⼀化到0~1之间，
69 %要么将double类型的0~255数据转为uint8类型
70 ims银河护卫队2下载
how(I_rDCT/255);
71 title('经压缩传输后解压的图像')
72
73
74
Normalize函数：
1 function OutImg = Normalize(InImg)
2 ymax=255;ymin=0;
3 xmax = max(max(InImg)); %求得InImg中的最⼤值
4 xmin = min(min(InImg)); %求得InImg中的最⼩值
5 OutImg = round((ymax-ymin)*(InImg-xmin)/(xmax-xmin) + ymin); %归⼀化并取整
6 end
