小波分析在基于Matlab的图像压缩中的实现

　　中图分类号:TP391　　文献标识码:A　　文章编号:1009-2552(2009)04-0066-04

小波分析在基于Matlab的图像压缩中的实现

董文汇,袁星煜

(中国地质大学地下信息探测技术与仪器教育部重点实验室,北京100083)

摘　要:小波变换的压缩技术为多分辨分析、时—频域分析和子带编码建立了统一的分析方法,

利用小波分析技术的这些优越性对图像进行二维离散小波分解,分离出图像的高频部分和低频部分,可以有效地对图像进行压缩和去除噪声,从而得到在失真较小情况下的图像的最高压缩比。利用小波进行图像压缩的方法通过在Matlab的环境下进行实验得出。关键词:小波;Matlab软件;图像压缩;噪声

RealizationofimagecompressionwithwanalysisbasedonDONGWen2hui,YXyu

(KeyLaboratoryofUndergroundInformationTMinistryofEducation,

ChinaUniversityofG,BChina)

Abstract:Waveletanalysisformulti2resolutionanalysis,time2frequency

analysisandinnertube,theimagecanbeisolatedtohigh2frequencyandlowfrequencywavelet.Thismakesafoundationforimagecompressionandnoiseremgetscompressionratioimageinthecaseofsmalldistortion.TheimagecompressionbasedontheMatlabsoftwareispresented.

Keywords:waveletanalysis;Matlabsoftware;imagecompression;noise

0　引言

图形图像信息在现代生活中占据着举足轻重的地位,然而,图像的数据量是相当巨大的,如此大的数据量给图像的存储、传送带了很大的困难。图像压缩就是在明显失真的前提下,将数据量很大的原图压缩转换成另一种相对占用空间较小的格式。

基于小波变换的压缩方法本质是用多尺度或多分辨率方法对图像进行分解。分解后图像被分成了低频分量、水平方向的高频分量、垂直方向以及对角方向的高频分量,然后利用人眼对对角方向的高频分量、水平和垂直方向的高频分量、低频分量的灵敏度的依次增加来对图像压缩。进行多级分辨率分解后,数据量的取舍可以逐渐增大,因此获得的压缩比会相应的增大。由于小波变换本身的特性及其所具有的与人眼的视觉特性相结合的性质,使得小波变换在很多方面超过了传统的离散余弦等变换。—66

—

1　小波变换在图像压缩中的应用

在图像压缩进行小波变换时要选好一个小波函数,用两种很简单的运算方法“二进制膨胀”与“整数平移”,通过这种膨胀和平移运算对信号进行多尺度的细致分析。其中多尺度分析方法是关键的部分,二维离散小波变换对图像的多尺度分解,将图像分解成一个简单的多层次框架,即图像的多分辨率表示。这种方法的每一个分量具有独特的频率特性和空间取向特性,这些特性为图像的分析和压缩处理提供了良好的基础。每次小波分解将当前图像分解成四块子图,其中一块对应平滑板块,另外三块对应细节板块。由于小波变换的减抽样性质,经若干次

收稿日期:2008-10-28

作者简介:董文汇(1983-),女,中国地质大学(北京)地球物理与信

息技术学院在读硕士,研究方向为信息与通信工程、地球物理信息技术。