Истинное сжатие изображений с помощью вейвлетов
wcompress('c',X,SAV_FILENAME,COMP_METHOD)
wcompress(...,'ParName1',ParVal1,'ParName2',ParVal2,...)
[COMPRAT,BPP] = wcompress('c',...)
XC = wcompress('u',SAV_FILENAME)
XC = wcompress('u',SAV_FILENAME,'plot')
XC = wcompress('u',SAV_FILENAME,'step')
wcompress команда выполняет или сжатие или несжатие черно-белых или цветных изображений.
Больше теоретической информации об истинном сжатии находится в Сжатии Вейвлета для Изображений Руководства пользователя Wavelet Toolbox™.
wcompress('c',X,SAV_FILENAME,COMP_METHOD) сжимает изображение X использование метода сжатия COMP_METHOD.
Сжатое изображение сохранено в файле SAV_FILENAME. У вас должно быть разрешение записи в текущей рабочей директории, или MATLAB® изменит директорию в tempdir и запишите .wtc файл в той директории. X может быть или 2D массив, содержащий индексируемое изображение или трехмерный массив uint8 содержа изображение истинного цвета. Оба размер строки и столбца изображения должны быть степенями двойки.
wcompress('c',FILENAME,...) загружает изображение X из файла FILENAME который является файлом Поддерживаемого формата MATLAB (MSF): MAT-файл или другие файлы изображений (см. imread).
wcompress('c',I,...) преобразует индексируемое изображение X = I{1} к истинному цвету отображают Y использование палитры map = I{2} и затем сжатия Y.
Данные записаны в .wtc файлы используют uint64 точность. В релизах до R2016b данные были записаны с помощью uint32 . Если на ваш код плохо влияет это изменение, используйте legacy опция, чтобы сжаться и распаковать ваши данные с помощью предыдущего поведения.
wcompress('c',X,SAV_FILENAME,COMP_METHOD,'legacy')Допустимые методы сжатия разделены на три категории.
Прогрессивные содействующие методы значения (PCSM):
Имя MATLAB | Имя метода сжатия |
|---|---|
'ezw' | Встроенный вейвлет Zerotree |
'spiht' | Установите разделение в иерархических деревьях |
'stw' | Вейвлет дерева ориентации в пространстве |
'wdr' | Сокращение различия в вейвлете |
'aswdr' | Адаптивно отсканированное сокращение различия в вейвлете |
'spiht_3d' | Установите Разделение В Иерархических Деревьях, 3D для изображений истинного цвета |
Для получения дополнительной информации об этих методах смотрите ссылки и особенно Уокера и также Саида и Перлмена.
Содействующие методы задания порога (CTM-1):
Имя MATLAB | Имя метода сжатия |
|---|---|
'lvl_mmc' | Пороговая обработка поддиапазона коэффициентов и Кодирование методом Хаффмана |
Для получения дополнительной информации об этом методе смотрите ссылку Странга и Нгуена.
Содействующие методы задания порога (CTM-2):
Имя MATLAB | Имя метода сжатия |
|---|---|
'gbl_mmc_f' | Глобальная пороговая обработка коэффициентов и зафиксированное кодирование |
'gbl_mmc_h' | Глобальная пороговая обработка коэффициентов и Кодирование методом Хаффмана |
Дискретное Преобразование Вейвлета использует periodized дополнительный режим.
Все методы сжатия используют параметры, которые имеют значения по умолчанию. Можно изменить эти значения с помощью следующего синтаксиса:
wcompress(...,'ParName1',ParVal1,'ParName2',ParVal2,...)
Некоторые параметры связаны с отображением или с функциональностями преобразования данных. Другие соединяются с самим процессом сжатия.
'ParName' = 'wname' или 'WNAME' определяет имя вейвлета.
ParVal вектор символов или строковый скаляр (см. waveletfamilies). Значением по умолчанию для является bior4.4
'ParName' = 'level' или 'LEVEL' устанавливает уровень разложения.
ParVal целое число, таким образом что: 1 ≤ level ≤ levmax который является максимальным возможным уровнем (см. wmaxlev).
Уровень по умолчанию зависит от метода:
- для методов PCSM level равно levmax.
- для CTM уровень методов равен fix(levmax/2)
ParName' = 'it' или 'IT' Преобразование Типа изображения наборов.
ParVal должно быть одно из следующего:
'n' : никакое преобразование (значение по умолчанию), тип изображения (истинный цвет или шкала полутонов) автоматически обнаруживается.
'g' : полутоновый тип преобразования.
'c' : тип преобразования цвета (RGB uint8).
'ParName' = 'cc' или 'CC' устанавливает параметр Преобразования цветов если X изображение истинного цвета.
ParVal должно быть одно из следующего:
'rgb' или 'none' : Никакое преобразование (значение по умолчанию).
'yuv' : Цветовое пространство YUV преобразовывает.
'klt' : Karhunen-Loeve преобразовывают.
'yiq' : Цветовое пространство YIQ преобразовывает.
'xyz' : Цветовое пространство CIEXYZ преобразовывает.
'ParName' = 'maxloop' или 'MAXLOOP' определяет максимальный номер шагов для алгоритма сжатия.
ParVal должно быть положительное целое число или Inf (значение по умолчанию равняется 10).
Любой из следующих параметров может использоваться:
'ParName' = 'bpp' или 'BPP' устанавливает отношение бита на пиксель.
ParVal должно быть таково что 0 ≤ ParVal ≤ 8 (шкала полутонов) или 24 (истинный цвет).
'ParName' = 'comprat' или 'COMPRAT' устанавливает коэффициент сжатия.
ParVal должно быть таково что 0 ≤ ParVal ≤ 100.
Могут использоваться два параметра. Первое связано с порогом, и вторым является количество классов для квантования.
Первый может быть выбран среди пяти после параметров:
'ParName' = 'threshold' или 'THRESHOLD' устанавливает пороговое значение для сжатия.
ParVal должно быть положительное (или нуль) вещественное число.
'ParName' = 'nbcfs' или 'NBCFS' определяет номер сохраненных коэффициентов в разложении вейвлета.
ParVal должно быть целое число, таким образом что: 0 ≤ ParVal ≤ общее количество коэффициентов разложения вейвлета.
'ParName' = 'percfs' или 'PERCFS' устанавливает процент сохраненных коэффициентов в разложении вейвлета.
ParVal должно быть вещественное число, таким образом что: 0 ≤ ParVal ≤ 100.
'ParName' = 'bpp' или 'BPP' устанавливает отношение бита на пиксель.
ParVal должно быть таково что: 0 ≤ ParVal ≤ 8 (шкала полутонов) или 24 (истинный цвет)
'ParName' = 'comprat' или 'COMPRAT' устанавливает коэффициент сжатия.
ParVal должно быть таково что: 0 ≤ ParVal ≤ 100.
Второй параметр определяет номер классов для квантования:
'ParName' = 'nbclas' или 'NBCLAS' определяет номер классов.
ParVal должно быть вещественное число, таким образом что: 2 ≤ ParVal ≤ 200.
'ParName' = 'plotpar' или 'PLOTPAR' устанавливает параметр графика.
ParVal должно быть одно из следующего:
'plot' or 0: графики только сжатое изображение.
'step' or 1: отображения каждый шаг процесса кодирования (только для методов PCSM).
[COMPRAT,BPP] = wcompress('c',...) возвращает коэффициент сжатия COMPRAT и bit_per_pixel отношение BPP.
XC = wcompress('u',SAV_FILENAME) распаковывает файл SAV_FILENAME, который содержит сжатое изображение и возвращает изображение XC. В зависимости от начальной буквы сжатое изображение, XC может быть 2D массив, содержащий или индексируемое изображение или трехмерный массив uint8 содержа изображение истинного цвета.
XC = wcompress('u',SAV_FILENAME,'plot') строит несжатое изображение.
XC = wcompress('u',SAV_FILENAME,'step') показывает постепенное несжатие, только для методов PCSM.
В этом примере показано, как сжать и распаковать изображение jpeg arms.jpg.
Используйте вейвлет дерева ориентации в пространстве ('stw') метод сжатия и сохраняет сжатый образ к файлу.
wcompress('c','arms.jpg','comp_arms.wtc','stw');
Загрузите сохраненное изображение и отобразите постепенное несжатие, чтобы произвести несжатое изображение.
wcompress('u','comp_arms.wtc','step');
Этот пример показывает, как сжать изображение jpeg с помощью адаптивно отсканированного метода сжатия сокращения различия в вейвлете ('aswdr'). Цвет преобразования ('cc') использование Karhunen-Loeve преобразовывает ('kit'). Максимальное количество циклов ('maxloop') установлен в 11 и тип графика ('plotpar') набор должен продвинуться посредством сжатия. Покажите коэффициент сжатия (cratio) и отношение бита на пиксель (bpp), которые указывают на качество сжатия.
[cratio,bpp] = wcompress('c','woodstatue.jpg','woodstatue.wtc', ... 'aswdr','cc','klt','maxloop',11,'plotpar','step'); cratio bpp
cratio =
3.0792
bpp =
0.7390
Загрузите сжатое изображение и шаг посредством процесса несжатия.
wcompress('u','woodstatue.wtc','step');
В этом примере показано, как сжать полутоновое изображение с помощью разделения набора в иерархических деревьях ('spiht') метод сжатия. Это также вычисляет среднеквадратичную погрешность (MSE) и пиковый сигнал к шумовому отношению (PSNR) ошибочные значения. Вы используете эти две меры, чтобы определить количество ошибки между двумя изображениями. PSNR выражается в децибелах.
Загрузите изображение и сохраните его в файле.
load mask; [cr,bpp] = wcompress('c',X,'mask.wtc','spiht','maxloop',12)
cr = 2.8610
bpp = 0.2289
Загрузите сохраненное изображение из файла, распакуйте его и удалите файл.
Xc = wcompress('u','mask.wtc'); delete('mask.wtc')
Отобразите исходные и сжатые изображения.
colormap(pink(255)) subplot(1,2,1); image(X); title('Original image') axis square subplot(1,2,2); image(Xc); title('Compressed image') axis square
Вычислите MSE и PSNR.
D = abs(X-Xc).^2; mse = sum(D(:))/numel(X)
mse = 33.6564
psnr = 10*log10(255*255/mse)
psnr = 32.8601
В этом примере показано, как сжать изображение истинного цвета с помощью разделения набора в иерархических деревьях - 3D ('spiht_3D') метод сжатия.
Загрузите, сожмите и сохраните изображение в файле. Постройте исходные и сжатые изображения. Отобразите коэффициент сжатия ('cratio') и биты на пиксель ('bpp'), которые указывают на качество сжатия.
load mask; X = imread('wpeppers.jpg'); [cratio,bpp] = wcompress('c',X,'wpeppers.wtc','spiht','maxloop',12)
cratio = 1.6549
bpp = 0.3972
Xc = wcompress('u','wpeppers.wtc'); delete('wpeppers.wtc')
Отобразите исходные и сжатые изображения.
subplot(1,2,1) image(X) title('Original image') axis square subplot(1,2,2) image(Xc) title('Compressed image') axis square
Вычислите среднеквадратичную погрешность (MSE) и ошибочные значения пикового отношения сигнал-шум (PSNR). Вы используете эти две меры, чтобы определить количество ошибки между двумя изображениями. PSNR выражается в децибелах.
D = abs(double(X)-double(Xc)).^2; mse = sum(D(:))/numel(X)
mse = 26.7808
psnr = 10*log10(255*255/mse)
psnr = 33.8526
Кристоф, E., К. Мэйлхес, П. Дюамель (2006), “Адаптация zerotrees использование представлений двоичной цифры со знаком для кодирования трехмерного изображения”, Журнал EURASIP на Обработке изображений и Обработке видеоданных, 2007, чтобы появиться в специальном выпуске на Вейвлетах в Кодировании источника, Коммуникациях, и Сетях, бумаге ID 54679.
Мизити, M., И. Мизити, Г. Оппенхейм, J.-M. Poggi (2007), Вейвлеты и их приложения, Ряд DSP ISTE.
Саид А., В.А. Перлмен (1996), “Новое, быстро, и эффективный кодек изображений на основе разделения набора в иерархических деревьях”, Сделка IEEE на Схемах и Системах для Видео Технологии, Издания 6, № 3, стр 243–250.
Шапиро Дж.М. (1993), “Кодирование встроенного изображения с помощью zerotrees коэффициентов вейвлета”, Сигнал Сделки IEEE P Proc., Издание 41, № 12, стр 3445–3462.
Странг, Г.; Т. Нгуен (1996), вейвлеты и наборы фильтров, Wellesley-Кембриджское нажатие.
Уокер Дж.С. (1999), “Основанное на вейвлете Сжатие изображения”, Висконсинский университет, О-Клэр, Висконсин, США, Подраздел книги Нажатия CRC: Преобразуйте и Сжатие данных. Краткая информация о Вейвлетах и Их Научные Приложения.