【图像压缩】基于matlab GUI小波变换图像压缩【含Matlab源码 609期】

一、简介

1974年，法国工程师J.Morlet首先提出小波变换的概念，1986年著名数学家Y.Meyer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的多尺度分析之后，小波分析才开始蓬勃发展起来。小波分析的应用领域十分广泛，在数学方面，它已用于数值分析、构造快速数值方法、曲线曲面构造、微分方程求解、控制论等。在信号分析方面的滤波、去噪声、压缩、传递等。在图像处理方面的图像压缩、分类、识别与诊断，去噪声等。本章将着重阐述小波在图像中的应用分析。
1 小波变换原理
小波分析是一个比较难的分支，用户采用小波变换，可以实现图像压缩，振动信号的分解与重构等，因此在实际工程上应用较广泛。小波分析与Fourier变换相比，小波变换是空间域和频率域的局部变换，因而能有效地从信号中提取信息。小波变换通过伸缩和平移等基本运算，实现对信号的多尺度分解与重构，从而很大程度上解决了Fourier变换带来的很多难题。
小波分析作一个新的数学分支，它是泛函分析、Fourier分析、数值分析的完美结晶；小波分析也是一种“时间—尺度”分析和多分辨分析的新技术，它在信号分析、语音合成、图像压缩与识别、大气与海洋波分析等方面的研究，都有广泛的应用。
（1）小波分析用于信号与图像压缩。小波压缩的特点是压缩比高，压缩速度快，压缩后能保持信号与图像的特征不变，且在传递中能够抗干扰。基于小波分析的压缩方法很多，具体有小波压缩，小波包压缩，小波变换向量压缩等。
（2）小波也可以用于信号的滤波去噪、信号的时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘检测等。
（3）小波分析在工程技术等方面的应用概括的包括计算机视觉、曲线设计、湍流、远程宇宙的研究与生物医学方面。
2 多尺度分析

3 图像的分解和量化

4 图像压缩编码

5 图像编码评价

二、源代码

unction varargout = multi_wavelet(varargin)

% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name',       mfilename, ...
                   'gui_Singleton',  gui_Singleton, ...
                   'gui_OpeningFcn', @multi_wavelet_OpeningFcn, ...
                   'gui_OutputFcn',  @multi_wavelet_OutputFcn, ...
                   'gui_LayoutFcn',  [] , ...
                   'gui_Callback',   []);
if nargin && ischar(varargin{1})
    gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
    [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
    gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT


% --- Executes just before multi_wavelet is made visible.
function multi_wavelet_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
% varargin   command line arguments to multi_wavelet (see VARARGIN)

% Choose default command line output for multi_wavelet
handles.output = hObject;

% Update handles structure
guidata(hObject, handles);

% UIWAIT makes multi_wavelet wait for user response (see UIRESUME)
% uiwait(handles.figure1);


% --- Outputs from this function are returned to the command line.
function varargout = multi_wavelet_OutputFcn(hObject, eventdata, handles) 
% varargout  cell array for returning output args (see VARARGOUT);
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure
varargout{1} = handles.output;


% --- Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton1 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
global I ;
[fname,pname]=uigetfile('*.*');
I=imread(strcat(pname,'\',fname));
[m,n,k]=size(I);
if k~=1
I=rgb2gray(I);
end
I=double(I);
axes(handles.axes1);
imshow(mat2gray(I));
title('原始图像的灰度图');

% --- Executes on selection change in popupmenu1.
function popupmenu1_Callback(hObject, eventdata, handles)
% hObject    handle to popupmenu1 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)

% Hints: contents = get(hObject,'String') returns popupmenu1 contents as cell array
%        contents{get(hObject,'Value')} returns selected item from popupmenu1

global I ;
w1=get(handles.popupmenu1,'value')
switch w1   %选择小波基
case 1
   w2= 'bior 3.7';
case 2
    w2='bior 1.1';
case 3    
    w2='bior 1.3';
case 4    
    w2='bior 1.5';
case 5    
   w2='bior 2.2';
case 6   
   w2='bior 2.4';
case 7   
   w2= 'bior 2.6';
case 8   
    w2='bior 2.8';
case 9    
    w2='bior 3.1';
case 10    
    w2='bior 3.3';
case 11    
    w2='bior 3.5';
case 12    
    w2='bior 3.9';
case 13    
    w2='bior 4.4';
case 14    
    w2='bior 5.5';
case 15    
    w2='bior 6.8';
case 16    
    w2='db1';
case 17    
    w2='db4';
case 18    
    w2='db15';
end
disp('压缩前图像的大小');%显示文字
whos('I')           %显示图像属性
% 进行二维小波变换 'bior3.7'
[a,b] = wavedec2(I, 3,w2); % 分三层，wavedec2：2维多层小波分解
% 提取各层低频信息
c1 = appcoef2( a, b,w2, 1 );%提取二维小波分解低频系数
axes(handles.axes18);
imshow(c1, []);
title('第一层低频部分：');
ca1=wcodemat(c1,440,'mat',0);   %对第一层信息进行量化编码
axes(handles.axes2);
imshow(ca1, []);
title('第一次压缩后图像：');
disp('第一次压缩图像的大小');%显示文字
whos('ca1');
c2= appcoef2( a, b,w2, 2 );
axes(handles.axes19);
imshow(c2, []);
title('第二层低频部分：');
ca2=wcodemat(c2,440,'mat',0);   %对第一层信息进行量化编码
axes(handles.axes6);

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
  
64
  
65
  
66
  
67
  
68
  
69
  
70
  
71
  
72
  
73
  
74
  
75
  
76
  
77
  
78
  
79
  
80
  
81
  
82
  
83
  
84
  
85
  
86
  
87
  
88
  
89
  
90
  
91
  
92
  
93
  
94
  
95
  
96
  
97
  
98
  
99
  
100
  
101
  
102
  
103
  
104
  
105
  
106
  
107
  
108
  
109
  
110
  
111
  
112
  
113
  
114
  
115
  
116
  
117
  
118
  
119
  
120
  
121
  
122
  
123
  
124
  
125
  
126
  
127
  
128
  
129
  
130
  
131
  
132
  
133
  
134
  
135
  
136
  
137
  
138
 

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/115107131