本科实验报告
课程名称： 数字图像处理
实验项目： 实验三 图像压缩编码技术
实验地点： 起点机房
专业班级： 通信1002 学号：
学生姓名： 邢增瑛
指导教师： 续欣莹
20xx年 6 月 9 日
实验三 图像压缩编码技术
一、实验目的
1、理解有损压缩和无损压缩的概念；
2、理解图像压缩的主要原则和目的；
3、了解几种常用的图像压缩编码方式；
4、利用MATLAB程序进行图像压缩编码。
二、实验原理
1、图像压缩原理
图像压缩主要目的是为了节省存储空间，增加传输速度。图像压缩的理想标准是信息丢失最少，压缩比例最大。不损失图像质量的压缩称为无损压缩，无损压缩不可能达到很高的压缩比；损失图像质量的压缩称为有损压缩，高的压缩比是以牺牲图像质量为代价的。压缩的实现方法是对图像重新进行编码，希望用更少的数据表示图像。
信息的冗余量有许多种，如空间冗余，时间冗余，结构冗余，知识冗余，视觉冗余等，数据压缩实质上是减少这些冗余量。高效编码的主要方法是尽可能去除图像中的冗余成分，从而以最小的码元包含最大的图像信息。
编码压缩方法有许多种，从不同的角度出发有不同的分类方法，从信息论角度出发可分为两大类。
（1）冗余度压缩方法，也称无损压缩、信息保持编码或熵编码。具体说就是解码图像和压缩编码前的图像严格相同，没有失真，从数学上讲是一种可逆运算。
（2）信息量压缩方法，也称有损压缩、失真度编码或烟压缩编码。也就是说解码图像和原始图像是有差别的，允许有一定的失真。
应用在多媒体中的图像压缩编码方法，从压缩编码算法原理上可以分为以下3类：
（1）无损压缩编码种类
哈夫曼（Huffman）编码，算术编码，行程（RLE）编码，Lempel zev编码。
（2）有损压缩编码种类
预测编码，DPCM，运动补偿；
频率域方法：正交变换编码(如DCT)，子带编码；
空间域方法：统计分块编码；
模型方法：分形编码，模型基编码；
基于重要性：滤波，子采样，比特分配，向量量化；
（3）混合编码。
有JBIG，H.261，JPEG，MPEG等技术标准。
本实验主要利用MATLAB程序进行赫夫曼（Huffman）编码和行程编码（Run Length Encoding， RLE）。
三、实验步骤
1打开计算机，启动MATLAB程序；
2选择一幅图像，并进行赫夫曼和行程编码压缩处理；
3 将原图像在Photoshop软件中打开，分别以不同的位图文件格式进行“另保存”，比较它们的数据量。
4记录和整理实验报告
四、实验仪器
1计算机；
2 MATLAB、Photoshop等程序；
3移动式存储器（软盘、U盘等）。
4记录用的笔、纸。
五、实验报告内容
1、霍夫曼编码
主程序
X=imread('5.gif');
data=uint8(X);
[zipped,info]=huffencode(data);
unzipped=huffdecode(zipped,info);
subplot(121);imshow(X);
subplot(122);imshow (unzipped);
cr=info.ratio
whos I unzipped zipped
子程序：
huffencode
function [zipped,info]=huffencode(vector)
if ~isa(vector,'uint8')
error('input argument must be a uint8 vector');
end
[m,n]=size(vector);
vector=vector(:)';
f=frequency(vector); %计算各符号出现的概率
symbols=find(f~=0);
f=f(symbols);
[f,sortindex]=sort(f);
%将符号按照出现的概率大小排序
symbols=symbols(sortindex);
len=length(symbols);
symbols_index=num2cell(1:len);
codeword_tmp=cell(len,1);
while length(f)>1 %生产Huffman树，得到码字编码表
index1=symbols_index{1};
index2=symbols_index{2};
codeword_tmp(index1)=addnode(codeword_tmp(index1),uint8(0)); codeword_tmp(index2)=addnode(codeword_tmp(index2),uint8(1)); f=[sum(f(1:2)) f(3:end)];
symbols_index=[{[index1,index2]} symbols_index(3:end)];
[f,sortindex]=sort(f);
symbols_index=symbols_index(sortindex);
end
codeword=cell(256,1);
codeword(symbols)=codeword_tmp;
len=0;
for index=1:length(vector) %得到整个图像所有比特数
len=len+length(codeword{double(vector(index))+1});
end
string=repmat(uint8(0),1,len);
pointer=1;
for index=1:length(vector) %对输入图像进行编码 code=codeword{double(vector(index))+1}; len=length(code);
string(pointer+(0:len-1))=code;
pointer=pointer+len;
end
len=length(string);
pad=8-mod(len,8);
%非8整数倍时，最后补pad个0
if pad>0
string=[string uint8(zeros(1,pad))]; end
codeword=codeword(symbols);
codelen=zeros(size(codeword));
weights=2.^(0:23);
maxcodelen=0;
for index=1:length(codeword)
len=length(codeword{index});
if len>maxcodelen
maxcodelen=len;
end
if len>0
code=sum(weights(codeword{index}==1)); code=bitset(code,len+1);
codeword{index}=code;
codelen(index)=len;
end
end
codeword=[codeword{:}];
%计算压缩后的向量
cols=length(string)/8;
string=reshape(string,8,cols);
weights=2.^(0:7);
zipped=uint8(weights*double(string));
%码表存储到一个稀疏矩阵
huffcodes=sparse(1,1);
for index=1:nnz(codeword)
huffcodes(codeword(index),1)=symbols(index); end
%填写解码时所需的结构信息
info.pad=pad;
info.huffcodes=huffcodes;
info.ratio=cols./length(vector);
info.length=length(vector);
info.maxcodelen=maxcodelen;
info.rows=m;
info.cols=n;
%huffdecode函数对输入矩阵vector进行Huffman编码，
%返回解压后的图像数据
End
huffdecode
function vector=huffdecode(zipped,info,image)
if~isa(zipped,'uint8')
error('input argument must be a uint8 vector');
end
%产生0，1序列，每位占一个字节
len=length(zipped);
string=repmat(uint8(0),1,len.*8);
bitindex=1:8;
for index=1:len
string(bitindex+8.*(index-1))=uint8(bitget(zipped(index),bitindex)); end
string=logical(string(:)');
len=length(string);
%开始解码
weights=2.^(0:51);
vector=repmat(uint8(0),1,info.length);
vectorindex=1;
codeindex=1;
code=0;
for index=1:len
code=bitset(code,codeindex,string(index));
codeindex=codeindex+1;
byte=decode(bitset(code,codeindex),info);
if byte>0
vector(vectorindex)=byte-1;
codeindex=1;
code=0;
vectorindex=vectorindex+1;
end
end
%vector=reshape(vector,info.rows,info.cols);
%函数addnode添加节点
End
frequency
function f=frequency(vector)
if~isa(vector,'uint8')
error('input argument must be a uint8 vector');
end
f=repmat(0,1,256);
len=length(vector);
for index=0:255
f(index+1)=sum(vector==uint8(index));
end
f=f./len;
%函数decode返回码字对应的符号
End
decode
function byte=decode(code,info)
byte=info.huffcodes(code);
end
addnode
function codeword_new=addnode(codeword_old,item)
codeword_new=cell(size(codeword_old));
for index=1:length(codeword_old)
codeword_new{index}=[item codeword_old{index}];
end
%函数frequency计算各符号出现的概率
End
2、行程编码
主程序：
I=imread('5.gif');%读入图像数据
[zipped,info]=RLEncode(I);%调用RLE进行编码
unzipped=RLEdecode(zipped,info);%调用解码程序进行编码
%显示原始图像和经编码解码后的图像，显示压缩比，并计算均方根误差得erms=0,表示ELE是无失真编码
subplot(121);imshow(I);
subplot(122);imshow(unzipped);
%erms=compare(I(:),unzipped(:))
cr=info.ratio
whos I unzipped zipped
子程序：
RLEncode
function[zipped,info]=RLEncode(vector)
[m,n]=size(vector);
vector=vector(:)';
L=length(vector);
c=vector(1);e(1,1)=c;e(1,2)=0;%e(:,1)存放灰度，e(:,2)存放行程 t1=1
for j=1:L
if((vector(j)==c))
e(t1,2)=double(e(t1,2))+1;
else
c=vector(j);
t1=t1+1;
e(t1,1)=c;
e(t1,2)=1;
end
end
zipped=e;
info.rows=m;
info.cols=n;
[m,n]=size(e);
info.ratio=m*n/(info.rows*info.cols);
RLEecode
function unzipped=RLEecode(zip,info)
zip=uint8(zip);
[m,n]=size(zip);
unzipped=[];
for i=1:m
section=repmat(zip(i,1),1,double(zip(i,2)));
unzipped=[unzipped section];
end
unzipped=reshape(unzipped,info.rows,info.cols);%程序结束
六、思考题
1．图像中哪些信息是主要的，哪些信息是次要的？
答：需要传达给别人的部分是主要的。其他是次要的。例如肖像图片，肖像部分是主要的，其背景是次要的。为了证明当时的场景，场景就是主要的了，而人物就变成次要的。描述风景，人物是次要的，背景是主要的。主要和次要是相对的。没有绝对的主要，也没有绝对的次要。
2．简述赫夫曼编码和行程编码的原理。
答：赫夫曼编码：先统计数据中各字符出现的概率，再按字符出现频率高低的顺序分别赋以由短到长的代码，从而保证文件整体的大部分字符是由较短的编码所构成。
行程编码：行程编码又称行程长度编码（Run Length Encoding， RLE）， 是一种熵编码，其编码原理是将具有相同值的连续串用其串长和一个代表值来代替， 该连续串就称为行程，串长称为行程长度。
本科实验报告
课程名称： 数字图像处理
实验项目： 实验四 图像分割
实验地点： 起点机房
专业班级： 通信1002 学号：
学生姓名： 邢增瑛
指导教师： 续欣莹
20xx年 6 月 9 日
实验四 图像分割
一、实验目的
理解和掌握图像分割的基本理论和算法，练习使用形态学、区域、边界和阀值的方法结合图像增强复原的相关知识点对图像进行分割处理。
二、实验原理
1、膨胀和腐蚀是二值形态学的基本操作，其中膨胀是是将与目标区域的背景点合并到该目标物中，使目标物边界向外部扩张的处理；而腐蚀则是一种消除连通域的边界点，使边界向内收缩的处理。贴标签是对不同连通域区分和标记的基本算法。
两者数学表达如下：
膨胀：C?A?B
腐蚀：C?A?B
2、图象分割是按照某些特性(如灰度级,频谱,颜色，纹理等)将图象划分成一些区域，在这些区域内其特性是相同的或者说是均匀的，两个相邻区域彼此特性则是不同的，其间存在着边缘或边界。按照使用图像的特点可以分为两类： 利用区域间灰度不连续性――基于边界检测
利用区域内灰度的相似性――基于区域分割
三、 实验步骤
1、打开计算机，安装和启动MATLAB程序；程序组中“work”文件夹中应有待处理的图像文件；
2、对于血细胞图像
a) 对图像进行去噪、增强处理；
b) 运用全局阀值进行二值化（参考教材244页，例9.7, 例9.8, 例9.9）； c) 用膨胀腐蚀等形态学方法将血细胞分成不同的连通域（参考教材284页，例10.9、10.10），并使用贴标签的方式对连通域进行统计和标记。
3、记录和整理实验报告。
四、实验仪器
1、计算机；
2、MATLAB程序；
3、记录用的笔、纸。
五、实验报告内容
1、迭代阈值二值化
程序：
I = imread('eight.tif');
J = imnoise(I, 'salt & pepper',0.02);
subplot(231);imshow(I);title('原图像');
subplot(232);imshow(J);title('加椒盐噪声后的图像'); k = medfilt2(J,[5 5]);
subplot(233);imshow(k);title('5x5模板中值滤波') f = double(k);
T=(min(f(:))+max(f(:)))/2;
done = false;
i=0;
while ~done
r1=find(f<=T);
r2=find(f>T);
Tnew=(mean(f(r1))+mean(f(r2)))/2; done = abs(Tnew-T)<1;
T=Tnew;
i=i+1;
end
f(r1)=0;
f(r2)=1;
subplot(234);imshow(f);title('迭代阈值二值化图像'); se=strel('ball',8,8);
f1=imdilate(I,se);
subplot(235)
imshow(f1);title('膨胀后图像');
f2=im2bw(f1);
[f2,N]=bwlabel(f2,8);
subplot(236)
imshow(f2);title('分割标记后图像');
2. Otsu方法二值化图像
程序：
I = imread('eight.tif');
J = imnoise(I, 'salt & pepper',0.02);
subplot(231);imshow(I);title('原图像');
subplot(232);imshow(J);title('加椒盐噪声后的图像'); k = medfilt2(J,[5 5]);
subplot(233);imshow(k);title('5x5模板中值滤波') T=graythresh(k);
g=im2bw(f,T);
subplot(234);imshow(g);title('Otsu方法二值化图像'); se=strel('ball',8,8);
f1=imdilate(I,se);
subplot(235)
imshow(f1);title('膨胀后图像');
f2=im2bw(f1);
[f2,N]=bwlabel(f2,8);
subplot(236)
imshow(f2);title('分割标记后图像');
六、思考题
1、除了形态学方法用其他方法如何实现图像分割？
答：阈值分割：图像分割的经典方法是基于灰度阈值的分割方法，它通过设置阈值，把像素点按灰度级分若干类，从而实现图像分割；
区域分割：利用的是图像的空间性质，认为分割出来的属于同一区域的像素应具有相似的性质；
运动分割：研究对象通常是图像序列，图像序列的每一幅为一帧，不同时刻采集的多帧图像中包含了存在于相机与景物之间的相对运动信息。
2、图像预处理的作用是什么？
答：去除噪声，增强图像，以得到对具体应用来说视觉效果更好更有用的图像。
本科实验报告
课程名称： 数字图像处理
实验地点： 起点机房
专业班级： 通信1002 学号： 2010001293
学生姓名： 邢增瑛
指导教师：
20xx年 6 月 9 日
