使用Haar变换的图像压缩

我是一个使用Matlab编写有损图像压缩脚本的新手。使用Haar变换的图像压缩

我的第一步是对图像进行完整级别的处理，我正在使用以下脚本进行处理。

clearvars all; 
N = 256; 

A=imread('test.jpg'); 
A=double(rgb2gray(A)); 
A=imresize(A,[N,N],'bicubic'); 
image(A);axis equal;colormap hsv;%gray(256) ;% display matrix as density plot 

B = A; 

while N>1 

Q = [1 1;1 -1]; 
I = eye(N/2); 
T = 1.414 * kron(I,Q); 
II=eye(N) 
I1= II(1:2:N,:); 
I2=II(2:2:N,:); 
P= [I1;I2]; 
%create transfer matrix N X N 
B(1:N,1:N) = P*T*A(1:N,1:N)*T'*P'; 
%AR(1:N,1:N) = T'*P'*B(1:N,1:N)*P'*T 
N = N/2; 
end 

imagesc(B); 
drawnow;

此外，我想申请量化和对数阈值，并根据同时保留那些在顶部5％的增加的绝对值排序的元素。

下面的脚本这是否： -

cutoff = 80; 
% Decide what fraction of coeffs you want to set to % zero, 
% this fraction is the variable ?cutoff?. ..... 
%(1);imagesc(A);colormap gray(256) 
len = 7; 
% Wavelet transform A -> B 
X = sort(abs(B(:))); 
thresh = X(ceil(cutoff*len^2)); 
maximum=X(len^2); 
lmaxt= log2(maximum/thresh); 
% Thresholding & Quantization 
for i = 1:len 
for j = 1:len 
    if(abs(B(i,j)) > thresh) 
    sign = B(i,j)/abs(B(i,j)); 
    ln = log2(abs(B(i,j))/thresh); 
    q = ceil(127*ln/lmaxt); Bq(i,j) = sign*q; 
else 
    Bq(I,j) = 0; 
    end 
end 
end 

figure;(2); spy(Bq)

现在，我想逆转这一过程，并设置为70％的哈尔系数得到原始图像。

任何指针都会很棒。

来源

2016-01-20 Abhishek

如果应用间隔长度大于1的量化，则无法恢复原始图像。您所能做的最好的方法是以反转顺序恢复进程，并期望出现一些量化错误。

首先你恢复量化

% For all pixels (i,j) s.t. Bq(i,j) > 0 
sign = Bq(i,j)/abs(Bq(i,j)); 
q = abs(q) 
% To revert q = ceil(127*ln/lmaxt); 
ln = q*lmaxt/127 
B(i,j) = sign * thresh * pow(2, abs(ln))

然后你反转哈尔阶段（如您在代码中有）

AR(1:N,1:N) = T'*P'*B(1:N,1:N)*P'*T

通常情况下，量化过程是由以量化区间的中心（而不是其中一个极限，因为您使用了ceil函数，所以在这种情况下最大），所以您可以使用它来取得稍好的结果。

ln = q*lmaxt/127 - 0.5

来源

2016-01-21 15:00:29 mhernandez

使用Haar变换的图像压缩

回答

相关问题