数字图像处理JPEG压缩举例说明
数字图像处理数字图像的压缩编码
debbie. bmp BMP是一种与设备无关的位图格式。 256×256，65KB 一般采用非压缩模 式
8
400×400，10.9KB，
原图像数据468KB
5.1.1 图像压缩编码的必要性
2000年5月植被指数遥感图.bmp，原图像数据976×720＝2MB
9
5.1.1 图像压缩编码的必要性
Buaa.jpg，0.98MB ,原图像数据1900×1560＝8.5MB
35
5.1.3 图像压缩编码的分类
3．按压缩方法进行分类
静图：静止图像（要求质量高） 动图：活动的序列图像（相对质量要求低，压缩 倍数要高）
36
5.1.3 图像压缩编码的分类
4．按失真与否进行分类
无失真压缩：经压缩后再恢复图像与原图像无任何 区别， 一般压缩倍数 < 2
有限失真压缩：单帧（静）4～20倍。图像序列 （x、y、t）50～200倍
像素相关性大：压缩潜力大
评价受人的影响大（军标）
4
5.1 概述
图像的特点
数据量大，为其存储、传输带来困难，需压缩
例：电话线传输速率一般为56kbit/s（波特率）
一幅彩色图像640×480×24bit = 7Mbit大小 1．传输一幅图像：时间约2分钟左右 如压缩20倍，传一幅图6s左右，可以接受，实用 2．实时传送：640×480×24bit×25帧/s=175Mbit/s，
小，这种信息就被称为视觉心理冗余。
33K
15K
28
5.1.2 图像压缩编码的可能性
图像无损压缩的原理
RGB RGB RGB RGB
RGB
RGB RGB
RGB
RGB RGB
数字图像处理中的图像压缩算法
数字图像处理中的图像压缩算法随着科技和计算机技术的不断发展，数字图像处理成为了一个非常重要的领域。
数字图像处理技术广泛应用于各个领域，如图像储存、通信、医疗、工业等等。
在大量的图像处理中，图像压缩算法是非常关键的一环。
本文将介绍一些数字图像处理中的图像压缩算法。
一、无损压缩算法1. RLE 算法RLE（Run Length Encoding）算法是常见的图像无损压缩算法之一，它的主要思想是将连续的像素值用一个计数器表示。
比如将连续的“aaaa”压缩成“a4”。
RLE 算法相对比较简单，适用于连续的重复像素值较多的图像，如文字图片等。
2. Huffman 编码算法Huffman 编码算法是一种将可变长编码应用于数据压缩的算法，主要用于图像无损压缩中。
它的主要思想是将频率较高的字符用较短的编码，频率较低的字符用较长的编码。
将编码表储存在压缩文件中，解压时按照编码表进行解码。
Huffman 编码算法是一种效率较高的无损压缩算法。
二、有损压缩算法1. JPEG 压缩算法JPEG（Joint Photographic Experts Group）压缩算法是一种在有损压缩中广泛应用的算法。
该算法主要是针对连续色块和变化缓慢的图像进行处理。
JPEG 压缩算法的主要思想是采用离散余弦变换（DCT）将图像分割成小块，然后对每个小块进行频率分析，去除一些高频信息，再进行量化，最后采用 Huffman 编码进行压缩。
2. MPEG 压缩算法MPEG（Moving Picture Experts Group）压缩算法是一种针对视频压缩的算法，它主要是对视频序列中不同帧之间的冗余信息进行压缩。
该算法采用了空间域和时间域的压缩技术，包括分块变换编码和运动补偿等方法。
在分块变换编码中，采用离散余弦变换或小波变换来对视频序列进行压缩，再通过运动估计和补偿等方法，去除冗余信息。
三、总结数字图像处理中的图像压缩算法有很多种，其中无损压缩算法和有损压缩算法各有特点。
数字图像处理中的图像压缩技术研究
数字图像处理中的图像压缩技术研究数字图像处理是指通过计算机技术对图像进行处理和分析，其中图像压缩技术是数字图像处理领域中的一个重要分支。
图像压缩技术的作用是将图像压缩成较小的数据量，方便图像的传输和存储。
本文将详细介绍数字图像处理中的图像压缩技术的研究。
一、图像压缩的概念图像压缩是指通过一定的技术手段将图像的数据量进行压缩，从而减小图像的体积，达到方便传输和存储的目的。
图像压缩主要分为有损压缩和无损压缩两种方式。
无损压缩是指在压缩图像的同时，不会对图像的质量造成影响，可以完全还原出原始的图像。
而有损压缩则是在压缩图像的过程中，会对图像的质量进行一定程度上的损失，但是压缩后的图像数据量会大大降低。
二、图像压缩技术的应用图像压缩技术在数字图像处理中有着广泛的应用。
首先，在图像的传输和存储过程中，若图像数据量过大，会导致传输时间长和存储空间不足等问题，将图像压缩后可以解决这些问题。
其次，在数字影像处理、电子商务、医学影像、视频会议等领域也有着重要的应用。
三、无损压缩技术1. Run-length Encoding （RLE）Run-length Encoding是一种基于像素行的无损压缩技术，它通过对图像中像素出现的连续长度进行编码来达到压缩图像的目的。
当像素值连续出现时，RLE算法只需要储存一个出现的值和像素值的个数，从而达到降低图像数据量的目的。
2. Huffman encodingHuffman encoding是一种基于概率的无损压缩技术，它可以通过编码表来描述图像中出现的像素。
在Huffman encoding中，出现频率较高的像素会使用较短的编码，而出现频率较低的像素则会使用较长的编码。
四、有损压缩技术1. Discrete Cosine Transform（DCT）DCT是一种基于频域的图像压缩方法，实现图像的有损压缩。
该方法将图像通过预处理分为不同的块，对每个块进行离散余弦变换，从而达到较好的压缩效果。
图像编码中的数据压缩技术介绍(三)
图像编码中的数据压缩技术介绍一、背景在数字时代，图像已经成为人们日常生活中不可或缺的一部分。
然而，随着图像数据的增多，存储和传输的需求也越来越大。
为了有效地处理这些图像数据，数据压缩技术应运而生。
二、数据压缩技术的意义数据压缩技术是将一幅图像中的冗余信息去除或者用更少的信息表示同样的内容，从而减小图像数据的存储和传输量。
通过数据压缩技术，不仅可以节省存储空间，还可以提高图像传输速度，降低传输带宽要求。
三、数据压缩的基本原理数据压缩大致可以分为有损压缩和无损压缩两种方法。
1. 无损压缩无损压缩技术是一种将图像数据压缩成更小的规模，但同时保持图像质量不受损的方法。
在无损压缩中，重要的是尽量减小图像数据的冗余度，以减少存储或传输所需的比特数。
最常用的无损压缩方法包括行程编码、霍夫曼编码和算术编码等。
2. 有损压缩有损压缩技术是一种在压缩图像数据时允许一定程度的图像质量损失的方法。
有损压缩方法通过削减图像数据中的冗余信息和不可见的细节来减小文件的大小。
最常用的有损压缩方法包括离散余弦变换和小波变换等。
四、经典的数据压缩算法1. JPEG压缩JPEG压缩是一种广泛应用于数字图像压缩的有损压缩算法。
它主要基于离散余弦变换（DCT）和量化的思想，通过对图像的频域表示进行量化和熵编码，实现对图像数据的压缩。
2. PNG压缩PNG压缩是一种广泛应用于无损图像压缩的算法。
它采用差分编码和行程编码的组合，通过对图像中连续相同像素值的区域进行编码和压缩，实现对图像数据的无损压缩。
五、新兴的数据压缩技术随着科技的发展，新兴的数据压缩技术也不断涌现。
1. 基于深度学习的数据压缩基于深度学习的数据压缩技术利用神经网络模型，通过学习图像数据的特征和规律，实现对图像数据的高效压缩和恢复。
这种方法具有较高的压缩率和较好的图像质量。
2. 全局优化的数据压缩全局优化的数据压缩技术是一种基于整个图像的全局信息进行编码和压缩的方法。
它能够更充分地利用图像中的冗余信息，并在压缩过程中保持图像的可视质量。
计算机图像处理中的图像压缩与图像恢复算法
计算机图像处理中的图像压缩与图像恢复算法图像压缩和图像恢复算法是计算机图像处理领域中非常重要的技术，它们可以对图像进行有效的压缩和恢复，实现图像数据在存储、传输和显示过程中的高效利用。
本文将介绍图像压缩与图像恢复算法的基本原理和常用方法。
一、图像压缩算法图像压缩算法是通过去除冗余信息和减少图像数据量来实现图像压缩的。
常见的图像压缩算法主要包括无损压缩和有损压缩两种。
1. 无损压缩算法无损压缩算法是指在图像压缩的过程中不丢失原始图像的任何信息，使得压缩后的图像与原始图像完全一致。
常用的无损压缩算法有：（1）Huffman 编码算法：通过构建霍夫曼树将出现频率较高的像素值赋予较短的编码长度，提高编码效率；（2）LZW 压缩算法：通过构建字典表来进行压缩，将图像中重复的像素值用较短的编码表示，进一步减少数据量。
2. 有损压缩算法有损压缩算法是在压缩的过程中有意丢失一定的图像信息，从而实现更高的压缩比。
常用的有损压缩算法有：（1）JPEG 压缩算法：通过离散余弦变换（DCT）将图像转化为频域表示，再利用量化和熵编码等技术对图像数据进行压缩；（2）Fractal 压缩算法：将图像分解为一系列局部细节，并利用自相似性进行压缩。
二、图像恢复算法图像恢复算法是指在图像受到损坏或失真后，通过一系列算法恢复出原始图像的过程。
常见的图像恢复算法主要包括插值算法和去噪算法。
1. 插值算法插值算法是一种用于根据已知图像信息来估计未知像素值的方法。
常见的插值算法有：（1）最近邻插值算法：根据离目标像素最近的已知像素值进行估计；（2）双线性插值算法：利用目标像素周围的已知像素值进行加权平均估计；（3）双三次插值算法：在双线性插值的基础上，通过考虑更多的邻域像素值进行估计。
2. 去噪算法去噪算法可以有效地去除图像中的噪声，恢复出原始图像的清晰度。
常见的去噪算法有：（1）中值滤波算法：利用像素周围邻域像素的中值来估计目标像素值，对于椒盐噪声和脉冲噪声有较好的去除效果；（2）小波去噪算法：利用小波变换将图像分解为不同的频率分量，通过阈值处理来剔除噪声。
七.图像压缩
像素之间具有很强的相关性。减少或去除其相关 性,获得信息压缩。（高阶熵）
通过去除冗余，对图像数据的无损信息压缩 仅仅通过去除冗余，压缩率远远不够
为什么图像可以压缩
有些信息即使损失了，对人的视觉效果影响不大 。人 眼对于图像上的许多变化不敏感
是任意接近于零的正数。
无损编码定理建立了为达到零编码－解码误差 ，独立编码每一个符号逼近的比特率下限。
图像压缩的理论基础和压缩极限
对离散有记忆信源，应将N个符号同时编码以逼
近比特率下限（如，当N阶Markov信源），或使信
源经变换为无记忆信源（消除相关性），每一个
符号独立编码逼近比特率下限。
图像压缩可能达到的最大压缩比C为:
去相关的方法
变换编码、预测编码、矢量量化编码、行程 编码等
多清晰度图像编码
小波变换图像编码, 子带编码
分形图像变换编码
数字图像压缩
引言
什么是图像压缩 图像压缩的必要性和可能性
理论基础
图像的无损压缩，香农信息熵第一定理 熵编码 图像的有损压缩，香农率失真理论基本方法 图像预测编码 图像变换编码
实验测试验证，高阶马尔可夫过程的高阶信息熵显然低 于其低阶熵。
如何使低阶熵接近高阶熵？关键是将图像消除其相关性。
无损编码理论和熵编码
图像编码的香农信息论第一定理 离散无记忆信源X无损编码所能达到的最小比特率为：
minR H X bits / symbol
此处，R是传输速率，H(x)是信源X的信息熵，
数字图像压缩
引言
什么是图像压缩 图像压缩的必要性和可能性
JPEG图像压缩算法基本介绍
JPEG图像压缩算法基本介绍JPEG压缩算法可以用失真的压缩方式来处理图像，但失真的程度却是肉眼所无法辩认的。
这也就是为什么JPEG会有如此满意的压缩比例的原因。
下面主要讨论，JPEG基本压缩法。
一、图像压缩算法之JPEG压缩过程JPEG压缩分四个步骤实现：1.颜色模式转换及采样；2.DCT变换；3.量化；4.编码。
二、图像压缩算法具体操作1、图像压缩算法之颜色模式转换及采样RGB色彩系统是我们最常用的表示颜色的方式。
JPEG采用的是YCbCr色彩系统。
想要用JPEG基本压缩法处理全彩色图像，得先把RGB颜色模式图像数据，转换为YCbCr颜色模式的数据。
Y代表亮度，Cb和Cr则代表色度、饱和度。
通过下列计算公式可完成数据转换。
Y=0.2990R+0.5870G+0.1140BCb=-0.1687R-0.3313G+0.5000B+128Cr=0.5000R-0.4187G-0.0813B＋128人类的眼晴对低频的数据比对高频的数据具有更高的敏感度，事实上，人类的眼睛对亮度的改变也比对色彩的改变要敏感得多，也就是说Y成份的数据是比较重要的。
既然Cb成份和Cr成份的数据比较相对不重要，就可以只取部分数据来处理。
以增加压缩的比例。
JPEG 通常有两种采样方式：YUV411和YUV422，它们所代表的意义是Y、Cb和Cr三个成份的数据取样比例。
2、图像压缩算法之DCT变换DCT变换的全称是离散余弦变换(Discrete Cosine Transform)，是指将一组光强数据转换成频率数据，以便得知强度变化的情形。
若对高频的数据做些修饰，再转回原来形式的数据时，显然与原始数据有些差异，但是人类的眼睛却是不容易辨认出来。
压缩时，将原始图像数据分成8*8数据单元矩阵，例如亮度值的第一个矩阵内容如下：JPEG将整个亮度矩阵与色度Cb矩阵，饱和度Cr矩阵，视为一个基本单元称作MCU。
每个MCU所包含的矩阵数量不得超过10个。
数字图像处理实例集锦
阈值分割
基于像素的聚类算法，适用于彩色图像分割
将像素点聚类成K个类别，使得同一类别内的像素点在颜色和空间上相近。通过迭代优化，将像素点归入最接近的类别，从而实现图像分割。
数字图像处理实例集锦
CATALOGUE
目录
图像增强 图像恢复 特征提取 图像分割 图像识别 图像压缩
01
图像增强
总结词
通过拉伸图像的灰度直方图，增强图像的对比度。
详细描述
直方图均衡化通过重新分配图像像素强度，使得图像的灰度级分布更均匀，从而提高图像的对比度。这种方法尤其适用于图像整体偏暗或对比度不足的情况。
03
优缺点： 优点是能够处理复杂背景和多目标分割；缺点是计算量大，需要确定初始区域数目和生长规则。
基于区域的分割
05
图像识别
总结词
人脸识别技术利用计算机算法对输入的人脸图像或视频流进行身份识别。
实现原理
人脸识别通常包括人脸检测和人脸特征提取两个步骤。人脸检测用于确定输入图像中的人脸位置，而人脸特征提取则通过算法提取出人脸的几何特征或纹理特征，用于比对。
应用场景
人脸识别技术广泛应用于智能手机解锁、银行ATM机、机场安检等领域，提高了安全性和便利性。
详细描述
人脸识别技术广泛应用于安全、门禁、移动支付等领域，通过比对人脸特征与数据库中存储的信息，实现快速的身份验证。
人脸识别
总结词：物体识别是计算机视觉领域的一个重要分支，旨在识别图像中的物体并对其进行分类。
优缺点： 优点是能够处理彩色图像，对噪声和光照变化有一定的鲁棒性；缺点是计算量大，需要预先确定聚类数目K。
JPEG是图像压缩编码标准
JPEG是图像压缩编码标准JPEG（Joint Photographic Experts Group）是一种常见的图像压缩编码标准，它是一种无损压缩技术，可以有效地减小图像文件的大小，同时保持图像的高质量。
JPEG压缩技术广泛应用于数字摄影、网页设计、打印和传真等领域，成为了图像处理中不可或缺的一部分。
JPEG压缩编码标准的原理是基于人眼对图像细节的感知特性，通过去除图像中的冗余信息和不可见细节，从而实现图像的压缩。
在JPEG压缩中，图像被分割成8x8像素的块，然后对每个块进行离散余弦变换（DCT），将图像从空间域转换到频域。
接着，对DCT系数进行量化和编码，最后使用熵编码对图像进行压缩。
这样的压缩方式可以显著减小图像文件的大小，同时保持图像的视觉质量。
JPEG压缩标准的优点之一是可以根据需要选择不同的压缩比，从而在图像质量和文件大小之间取得平衡。
在数字摄影中，用户可以根据拍摄场景和要求选择不同的压缩比，以满足对图像质量和文件大小的需求。
此外，JPEG格式的图像可以在不同的设备和平台上进行广泛的应用和共享，具有很好的兼容性。
然而，JPEG压缩也存在一些缺点。
由于JPEG是一种有损压缩技术，因此在高压缩比下会出现明显的失真和伪影。
特别是在连续的编辑和保存过程中，图像的质量会逐渐下降，出现“JPEG失真”。
因此，在图像处理中需要注意选择合适的压缩比，避免过度压缩导致图像质量下降。
另外，JPEG格式不支持透明度和动画等高级特性，对于一些特殊的图像处理需求可能不够灵活。
在这种情况下，可以考虑使用其他图像格式，如PNG和GIF，来满足特定的需求。
总的来说，JPEG作为一种图像压缩编码标准，具有广泛的应用和重要的意义。
它在数字摄影、网页设计、打印和传真等领域发挥着重要作用，为图像处理和传输提供了有效的解决方案。
然而，在使用JPEG格式进行图像处理时，需要注意选择合适的压缩比，避免过度压缩导致图像质量下降。
同时，也需要根据具体的需求考虑使用其他图像格式来满足特定的需求。
数字图像处理-JFIF文件格式-JPEG压缩编码
JFIF文件格式一般的JFIF文件由下面的9个部分组成：（字段偏移量字段长度（若未说明“长度不定”则表明在任何情况下长度均为所写的值）字段内容（若未说明“内容不定”则在任何情况下内容均为所写的值，为方便表示还可以把内容设为某值））,( 1 )图像开始SOI(Start of Image)标记0h 2字节0xFF D8( 2 )APP0标记(Marker)0h 2字节0xFF E0①APP0长度(length)（①~⑨九个字段的总长度）2h 2字节内容不定（①~⑨九个字段的总长度）②标识符(identifier)4h 5字节0x4A46494600即“JFIF0”③版本号(version)9h 2字节0x0102 JFIF的版本号目前基本上都是1.2④X和Y的密度单位(units=0：无单位；units=1：点数/英寸；units=2：点数/厘米)bh 1字节只有0，1，2三个值可选，其分别代表的意义如上]⑤X方向像素密度(X density)ch 2字节取值范围未知⑥Y方向像素密度(Y density)eh 2字节取值范围未知⑦缩略图水平像素数目(thumbnail horizontal pixels)10h 1字节取值范围未知⑧缩略图垂直像素数目(thumbnail vertical pixels)11h 1字节取值范围未知⑨缩略图RGB位图(thumbnail RGB bitmap)12h长度可能是3的倍数内容不定本段（APP0）可以包含图像的一个微缩版本，存为24位的RGB像素。
如果没有微缩图像（这种情况更常见），则⑦“缩略图水平像素数目”和⑧“缩略图垂直像素数目”的值均为0。
( 3 )APPn标记(Markers)，其中n=1～15(任选)①APPn长度(length)（①②两个字段的总长度）②详细信息(application specific information)对每个APP：若为APPN（N＝1～F（以16进制表示，N任选其中一个））·标记：mh 2字节0xFFEN·长度：(m+2)h 2字节内容不定（设为n（10进制））（本字段与下一字段的总长度）·详细信息：(m+4)h n－2字节（即长度减2）内容不定( 4 )一个或者多个量化表DQT(Difine Quantization Table)0h 2字节0xFF DB①量化表长度(quantization table length)（①~②两个字段的总长度）2h 2字节内容不定（①~②两个字段的总长度）②量化表(quantization table)A.P/T(高四位：精度，低四位：表ID)B.表项对每个量化表：· P/T(高四位：精度，低四位：表ID) mh 1字节精度, 0表示8 bit, 1表示16 bit；ID取值范围为0～3,否则错误·表项(m+1)h (64×(精度+1))字节内容长，故略( 5 )帧图像开始SOF0(Start of Frame)0h 2字节0xFF C0①帧开始长度(start of frame length)（①~⑥六个字段的总长度）2h 2字节内容不定（①~⑥六个字段的总长度）②精度(precision)，每个颜色分量每个像素的位数(bits per pixel per color component)4h 1字节每个样本位数,通常是8 (大多数软件不支持12和16)③图像高度(image height) 5h 2字节内容不定（如果不支持DNL就必须>0）④图像宽度(image width) 7h 2字节内容不定（如果不支持DNL就必须>0）⑤颜色分量数(number of color components)9h 1字节内容不定（灰度图是1, YCbCr/YIQ彩色图是3, CMYK彩色图是4，我们这里讨论的JFIF使用的是YCbCr，故这里颜色分量数为3）⑥对每个颜色分量(for each component)A.IDB.垂直方向的样本因子(vertical sample factor)C.水平方向的样本因子(horizontal sample factor) B、C共占用1字节，B占用低4位，C占用高4位）D.量化表号(quantization table#)JFIF格式使用的是YCbCr所以有3个分量（这里特别要注意的是颜色分量的ID号是有含义的，1代表Y，2代表Cb，3代表Cr，4代表I，5代表Q）：1)IDah 1字节0x01（高四位）水平（低四位）垂直样本因子bh共1字节0x227量化表号ch 1字节内容不定（本分量使用的量化表的ID号）2)IDdh 1字节0x02（高四位）水平（低四位）垂直样本因子eh共1字节0x11J量化表号fh 1字节内容不定（本分量使用的量化表的ID号）3)ID10h 1字节0x03（高四位）水平（低四位）垂直样本因子11h共1字节0x11量化表号12h 1字节内容不定（本分量使用的量化表的ID号）( 6 )一个或者多个霍夫曼表DHT(Difine Huffman Table)0h 2字节0xFF C4①霍夫曼表的长度(Huffman table length)（①~②两个字段的总长度）2h 2字节内容不定（①~②两个字段的总长度）②对每个霍夫曼表(一般情况下，霍夫曼表不止一个，但是绝对不多于4个)A.表号B.类型：AC或者DC(其中0：DC表，1：AC表)；A、B共占用1字节，A占用低4位，B占用高4位）C.长16个字节的编码，其代码代数和为接下来的编码的长度D.内容编码对每个霍夫曼表：·（高四位）类型和（低四位）表号：mh共1字节内容不定（有四个可能：0x00表示第0个DC表，0x01表示第1个DC表，0x10表示第0个AC表，0x11表示第1个AC表）·长16个字节的编码：(m+1)h 16字节内容不定（设这16个字节上数据之和为n）·内容编码：(m+17)h n字节内容长，故略)( 7 )定义重新开始间隔DRI(Difine Restart Interval)（在没有DRI标记，或间隔为零时，就不存在重新开始间隔和重开始标记）0h 2字节0xFF DD①长度2h 2字节0x0004（①~②两个字段的总长度）②MCU块的单元中的重新开始间隔4h 2字节内容不定（设为n，则意思是说，每n个MCU块就有一个RSTn标记。
图像JPEG压缩的matlab实现
图像JPEG压缩的matlab实现图像JPEG压缩的matlab实现图像JPEG压缩的matlab实现作者姓名：专业名称：信息⼯程指导教师：讲师摘要随着现代经济的发展，影像风暴已经席卷了我们的⽇常⽣活，图像对于⼈们已经息息相关。
⼈们对计算机实时处理图像的要求就相对有所提⾼。
现在我们就⾯对⼀个问题，如何在保证图像质量的前提下，同时能够考虑到实时性和⾼效性就成了⼀个⼤家关注的问题。
那么对图像数据信息进⾏必要的压缩，以便能够保证图像的快速存储和传输。
但是，我们通常看到的图像是⼀种重要的⼆维信号，所以它本⾝就包含⾮常庞⼤的数据量，为了快速存储和实时传输，就必须对图像信息进⾏相应的压缩处理。
新兴的数学⼯具是局域DCT变换是⼀种新兴的数学⼯具，在现在社会中，图像压缩技术现在正受到⼤量的关注与研究。
本次课题设计在分析近年来，在图像处理领域，对图像压缩普遍⽅法的基础之上，充分学习和分析了基于DCT变换的图像压缩的相关编码及其基本原理和实现步骤。
简单概述了图像压缩的基本原理以及发展现状和⽅向，全⾯分析了DCT变换算法以及思路，提出了采⽤DCT变换压缩的依据和优势。
本⽂同时也介绍了图像压缩过程的重要步骤——编码量的⽅法和原理。
为了⽅便简单,将使⽤MATLAB2010实现JPEG图像压缩的仿真。
在论⽂最后，将介绍仿真的过程以及仿真结果说明，阐述⽤MATLAB来实现离散余弦变换的图像压缩的基本过程，并总结相关⽅法的优缺点。
同时也将充分展⽰压缩前后的图像，并做相应的⽐较。
关键词：图像压缩DCT matlab仿真AbstractWith the development of modern economy, the storm has swept through the image of our daily life, people have been closely related to the image for the. People's requirements on image real-time processing is relatively improved. Now we face a problem, how to guarantee the quality of the image, at the same time can be old enough considering the real-time and efficiency has become an issue of concern. This information is certain to image compression and processing has become a very important link. However, the image is an important signal, due to the large amount of data, while the storage and transmission of the compressed. New mathematical tools are discrete cosine transform is a new mathematical tool, based on the discrete cosine transform image compression technology is now being a lot of attention and research.In this paper, based on the analysis of the general methods of image compression in recent years, the basic principles and implementation steps of image compression based on DCT transform are also discussed. In this paper, the principle and development of image compression are introduced briefly, and the DCT transform algorithm is analyzed and compared with other compression methods. The basis of DCT transform compression is proposed. The final step of the image compression process is to encode the quantized image. This. We use MATLAB6.5 to realize the simulation of JPEG image compression. The simulation results show that using MATLAB to achieve the image discrete cosine transform compression method is simple, fast, small error advantages, greatly improves the efficiency and accuracy of image compression.Keywords: DCT ,matlab,simulation image, compression⽬录图像JPEG压缩的matlab实现........................................................ I 摘要. (I)Abstract.......................................................................................... II ⽬录. (III)前⾔ (1)1 绪论 (3)1.1论⽂研究背景及意义 (3)1.2 JPEG图像的发展历史及简介 (4)1.3 JPEG图像在DCT中压缩的作⽤ (5)1.4 本⽂研究的主要内容 (6)2 图像压缩编码原理 (7)2.1 DCT变换的来源 (7)2.2基于DCT的JPEG图像压缩编码步骤 (8)2.3图像压缩处理技术基本理论 (9)3 图像压缩的MATLAB实现 (12)3.1离散余弦变换的定义及原理 (12)3.2离散余弦变换的算法实现 (13)3.3图形⽤户界⾯介绍 (14)3.3.1图像⽂件读取 (15)3.3.2图像⽂件输出 (16)4 运⾏结果及分析 (18)4.1 程序流程图 (18)4.2 MATLAB仿真结果 (19)4.3 实验结果及分析 (20)总结 (23)参考⽂献 (25)致谢 (26)附件1 图像JPEG压缩的matlab程序 (27)前⾔在当今，⼈们⼤多都都已经迈⼊了信息化的社会，信息交换技术已经发展出不同的形式，主要的信息分为三种形式：1.⽂字2.⾳频3.图像。
JPEG图像数据格式简明分析
总结
总的来说，JPEG图像数据格式凭借其高压缩比、兼容性强和适用范围广等优 点，成为图像处理、数字摄影、网络传输和科学数据可视化等领域的首选格式。 然而，我们也应意识到其存在的损失细节和速度较慢等缺点。未来，随着技术的 不断发展和新的图像格式的出现，JPEG可能会面临挑战。但就目前而言，JPEG仍 然是图像处理和存储领域的重要支柱。
3、离散余弦变换：接下来，图像数据将经过离散余弦变换（DCT）。DCT将 图像的像素值从空间域转换到频域，使得图像的能量集中在一些低频区域。
4、量化和编码：在完成DCT后，JPEG算法对DCT系数进行量化，将它们转换 为更小的值。然后对这些值进行编码，以产生最终的压缩数据。编码过程中使用 的哈夫曼编码（Huffman Coding）是一种无损压缩技术，它可以根据数据的统计 特性来生成更短的编码。
%读取原始图像
%将原始图像转换为灰度图像
%对灰度图像进行DCT变换
%设定量化表
quantization_table = [16 11 10 16 24 40 51 61;
12 12 14 19 26 58 60 55;
14 13 16 24 40 57 69 56;
14 17 22 29 51 87 80 62;
参考内容
JPEG静态图像压缩算法是一种重要的数字图像处理技术，它通过去除图像中 的冗余信息来减小图像的文件大小，从而方便了图像的存储和传输。JPEG算法采 用了一种基于离散余弦变换（DCT）的压缩方法，将图像数据转化为一种更有效 的表示形式，从而实现了图像的压缩。
JPEG算法主要由以下几个步骤构成：
组成结构
JPEG图像数据格式的组成结构包括三个主要部分：头部、图像部分和尾部。 头部包含关于图像的一些基本信息，如文件号、量化表、色彩空间等。图像部分 是实际的图像数据，包括经DCT变换和量化的像素值。尾部包含一些附加信息， 如压缩方法、图像大小等。
JPEG图像压缩编码原理及格式
图像灰度级gray(x,y)
JPEG中的余弦变换
对pic2进行DCT：
pic2
DCT:高频系数很小
JPEG中的余弦变换
pic3：
pic3
图像灰度级gray(x,y)
JPEG中的余弦变换
对pic3进行DCT：
pic3
DCT:高频系数较大一些
JPEG中的余弦变换
在JPEG进行余弦变换后，由8x8像素图像块获 得8x8个频域系数C(u,v)，如果存储64个频域系 数，则图像数据并不能压缩。
(DCT系数x1000)
DCT:高频系数很小
JPEG中的余弦变换
对pic0进行DCT：
pic0
DCT:高频系数很小
JPEG中的余弦变换
pic1：
pic1
图像灰度级gray(x,y)
JPEG中的余弦变换
对pic1进行DCT：
pic1
DCT:高频系数很小
JPEG中的余弦变换
pic2：
pic2
0
0
0
0
0
0
2
0
0
0
ห้องสมุดไป่ตู้
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
{74,33,31,-1,-2,-1,2,-2,-2,2,0,0,……,0};
由于大量的0连续排列，可以用“行程编码(Run Length Coding)”方法节约存贮空间。
静态图像压缩标准JPEG
02
JPEG压缩算法原理
离散余弦变换（DCT）
离散余弦变换（DCT）是一种将图像从空间域变换到频域的算法，通过将图像分解 为余弦函数的和，实现图像数据的压缩。
DCT将图像分为8x8的块，对每个块进行DCT变换，将每个像素点的灰度值转换 为一系列余弦函数的系数，保留主要的低频分量，去除次要的细节分量，达到压 缩的目的。
2
JPEG压缩算法能够有效地去除图像中的冗余信息， 减小图像文件大小，同时保持较高的图像质量。
3
在数字相机中，JPEG压缩技术广泛应用于各种型 号和品牌的相机中，成为存储图像的默认格式之 一。
网络传输中的JPEG图像压缩
01
在网络传输中，由于带宽限制 和传输效率的需求，需要对图 像进行压缩以减小传输时间和 数据量。
逐行采样（Progressive mode）
图像从粗糙到精细的顺序进行采样，先输出低分辨率的图像，然后逐渐增加分辨率。
顺序采样（Sequential mode）
图像按照像素的顺序逐行进行采样，每一行都采样一次。
分层采样（Tiled mode）
将图像分成若干个小的区域，每个区域独立进行采样。
量化表（Quantization Table）
静态图像压缩标准JPEG
• JPEG标准概述 • JPEG压缩算法原理 • JPEG标准的主要技术参数 • JPEG标准与其他图像压缩标准的比较 • JPEG标准的应用案例
01
JPEG标准概述
JPEG标准的发展历程
01
02
03
1986年
JPEG标准第一版发布，支 持基本压缩算法。
JPEG图像压缩算法及其实现
JPEG图像压缩算法及其实现⼀、JEPG压缩算法（标准）(⼀)JPEG压缩标准JPEG(Joint Photographic Experts Group)是⼀个由ISO/IEC JTC1/SC2/WG8和CCITT VIII/NIC于1986年底联合组成的⼀个专家组，负责制定静态的数字图像数据压缩编码标准。
迄今为⽌，该组织已经指定了3个静⽌图像编码标准，分别为JPEG、JPEG-LS和JPEG2000。
这个专家组于1991年前后指定完毕第⼀个静⽌图像压缩标准JPEG标准，并且成为国际上通⽤的标准。
JPEG标准是⼀个适⽤范围很⼴的静态图像数据压缩标准，既可⽤于灰度图像⼜可⽤于彩⾊图像。
JPEG专家组开发了两种基本的静⽌图像压缩算法，⼀种是采⽤以离散余弦变换(Discrete Cosine Transform, DCT)为基础的有损压缩算法，另⼀种是采⽤以预测技术为基础的⽆损压缩算法。
使⽤⽆损压缩算法时，其压缩⽐⽐较低，但可保证图像不失真。
使⽤有损压缩算法时，其算法实现较为复杂，但其压缩⽐⼤，按25：1压缩后还原得到的图像与原始图像相⽐较，⾮图像专家难于找出它们之间的区别，因此得到了⼴泛的应⽤。
JPEG有4种⼯作模式，分别为顺序编码，渐近编码，⽆失真编码和分层编码，他们有各⾃的应⽤场合，其中基于顺序编码⼯作模式的JPEG压缩系统也称为基本系统，该系统采⽤单遍扫描完成⼀个图像分量的编码，扫描次序从左到右、从上到下，基本系统要求图像像素的各个⾊彩分量都是8bit，并可通过量化线性地改变DCT系统的量化结果来调整图像质量和压缩⽐。
下⾯介绍图像压缩采⽤基于DCT的顺序模式有损压缩算法，该算法下的JPEG压缩为基本系统。
(⼆)JPEG压缩基本系统编码器JPEG压缩是有损压缩，它利⽤了⼈的视觉系统的特性，将量化和⽆损压缩编码相结合来去掉视觉的冗余信息和数据本⾝的冗余信息。
基于基本系统的JPEG压缩编码器框图如图1所⽰，该编码器是对单个图像分量的处理，对于多个分量的图像，则⾸先应将图像多分量按照⼀定顺序和⽐例组成若⼲个最⼩压缩单元（MCU），然后同样按该编码器对每个MCU各个分量进⾏独⽴编码处理，最终图像压缩数据将由多个MCU压缩数据组成。
JPEG图像压缩算法流程详解（转）
JPEG图像压缩算法流程详解（转）JPEG是Joint Photographic Exports Group的英⽂缩写，中⽂称之为联合图像专家⼩组。
该⼩组⾪属于ISO国际标准化组织，主要负责定制静态数字图像的编码⽅法，即所谓的JPEG算法。
JPEG专家组开发了两种基本的压缩算法、两种熵编码⽅法、四种编码模式。
如下所⽰：压缩算法：（1）有损的离散余弦变换DCT（Discrete Cosine Transform）（2）⽆损的预测压缩技术；熵编码⽅法：（1）Huffman编码；（2）算术编码；编码模式：（1）基于DCT的顺序模式：编码、解码通过⼀次扫描完成；（2）基于DCT的渐进模式：编码、解码需要多次扫描完成，扫描效果由粗到精，逐级递增；（3）⽆损模式：基于DPCM，保证解码后完全精确恢复到原图像采样值；（4）层次模式：图像在多个空间分辨率中进⾏编码，可以根据需要只对低分辨率数据做解码，放弃⾼分辨率信息；在实际应⽤中，JPEG图像编码算法使⽤的⼤多是离散余弦变换、Huffman编码、顺序编码模式。
这样的⽅式，被⼈们称为JPEG的基本系统。
这⾥介绍的JPEG编码算法的流程，也是针对基本系统⽽⾔。
基本系统的JPEG压缩编码算法⼀共分为11个步骤：颜⾊模式转换、采样、分块、离散余弦变换（DCT）、Zigzag 扫描排序、量化、DC系数的差分脉冲调制编码、DC系数的中间格式计算、AC系数的游程长度编码、AC系数的中间格式计算、熵编码。
下⾯，将⼀⼀介绍这11个步骤的详细原理和计算过程。
（1）颜⾊模式转换JPEG采⽤的是YCrCb颜⾊空间，⽽BMP采⽤的是RGB颜⾊空间，要想对BMP图⽚进⾏压缩，⾸先需要进⾏颜⾊空间的转换。
YCrCb 颜⾊空间中，Y代表亮度，Cr,Cb则代表⾊度和饱和度(也有⼈将Cb,Cr两者统称为⾊度)，三者通常以Y,U,V来表⽰，即⽤U代表Cb，⽤V代表Cr。
RGB和YCrCb之间的转换关系如下所⽰：Y = 0.299R+0.587G+0.114BCb = -0.1687R-0.3313G+0.5B+128Cr = 0.5R=0.418G-0.0813B+128⼀般来说，C 值 (包括 Cb Cr) 应该是⼀个有符号的数字, 但这⾥通过加上128，使其变为8位的⽆符号整数，从⽽⽅便数据的存储和计算。
JPEG图像的压缩与解压缩解读
JPEG压缩操作过程1. 为JPEG对象分配空间并初始化2. 指定图像输出目标3. 为压缩设定参数，包括图像大小，颜色空间4. 开始压缩5. 写入数据6. 压缩完毕7. 释放资源为JPEG对象分配空间并初始化压缩过程中使用的JPEG对象是一个jpeg_compress_struct的结构体。
同时还需要定义一个用于错误处理的结构体对象，IJG中标准的错误结构体是jpeg_error_mgr。
struct jpeg_compress_struct cinfo;struct jpeg_error_mgr jerr;然后是将错误处理结构对象绑定在JPEG对象上。
cinfo.err = jpeg_std_error(&jerr);这个标准的错误处理结构将使程序在出现错误时调用exit()退出程序，如果不希望使用标准的错误处理方式，则可以通过自定义退出函数的方法自定义错误处理结构，详情见文章后面的专门章节。
初始化cinfo结构。
jpeg_create_compress(&cinfo);指定图像输出目标利用标准C中的文件指针传递要输出的jpg文件。
FILE * outfile;if ((outfile = fopen(filename, "wb")) == NULL){return 0;}jpeg_stdio_dest(&cinfo, outfile);为压缩设定参数在开始压缩数据之前需要为压缩指定几个参数和缺省参数。
设定缺省参数之前需要指定的几个参数是：图像宽度cinfo.image_width，图像高度cinfo.image_height，图像的颜色通道数cinfo.input_components(比如RGB图像为3，灰度图为1)，图像颜色空间cinfo.in_color_space(比如真彩色JCS_RGB，灰度图JCS_GRAYSCALE)。
如：cinfo.image_width = 800;cinfo.image_height = 600;cinfo.input_components = 3;cinfo.in_color_space = JCS_RGB;//JCS_GRAYSCALE表示灰度图，JCS_RGB表示彩色图像然后是设定缺省设置jpeg_set_defaults(&cinfo);注意此处，在set default之前，必须设定in_color_space，因为某些缺省参数的设定需要正确的color space值。
jpg和png压缩的原理
jpg和png压缩的原理标题，JPG和PNG压缩的原理。
在数字图像处理中，JPG和PNG是两种常见的图像压缩格式，它们使用不同的压缩原理来减小图像文件的大小，同时尽量保持图像质量。
下面我们将介绍JPG和PNG压缩的原理。
JPG压缩的原理：JPG（Joint Photographic Experts Group）是一种有损压缩格式，它主要用于压缩照片和真彩色图像。
JPG压缩的原理是基于离散余弦变换（DCT），它将图像分成8x8像素的块，然后对每个块进行DCT变换，将图像转换成频域表示。
接着，JPG使用量化表对DCT 系数进行量化，通过舍弃一些高频信息和对低频信息进行更粗糙的量化来减小文件大小。
最后，JPG采用哈夫曼编码对量化后的数据进行编码，进一步减小文件大小。
由于这种有损压缩的原理，JPG 格式在压缩过程中会丢失一部分图像信息，因此会有一定的失真。
PNG压缩的原理：PNG（Portable Network Graphics）是一种无损压缩格式，它主要用于压缩图标、图形和文字等带有透明通道的图像。
PNG压缩的原理是基于预测编码和LZ77算法。
首先，PNG使用预测编码对图像进行预测，寻找图像中的重复模式和规律。
然后，PNG使用LZ77算法对图像数据进行压缩，通过寻找并替换重复出现的数据块来减小文件大小。
由于PNG是无损压缩，所以在压缩过程中不会丢失图像信息，因此压缩后的图像质量相对较高。
综上所述，JPG和PNG采用不同的压缩原理来实现图像压缩，JPG是有损压缩，适用于真彩色照片；而PNG是无损压缩，适用于图标和文字等带有透明通道的图像。
在选择图像压缩格式时，可以根据具体的应用场景和对图像质量的要求来进行选择。
简述jpeg压缩的流程和原理
简述jpeg压缩的流程和原理JPEG（Joint Photographic Experts Group）是一种常用的图像压缩格式。
它通过减少图像数据中的冗余信息来实现压缩，从而减小图像的文件大小，同时尽量保持图像的质量。
JPEG压缩的原理主要涉及离散余弦变换（Discrete Cosine Transform，DCT）和量化两个步骤。
下面将详细说明JPEG压缩的流程和原理。
压缩流程：1. 分块：将图像分为8x8大小的块，每个块包含64个像素。
2. 颜色空间转换：对于彩色图像，首先将其转换为亮度（Y）和色度（Cb和Cr）三个通道。
色度通道的分辨率比较低，因为人眼对亮度的敏感度要高于对颜色信息的敏感度。
3. DCT变换：对每个8x8的块进行DCT变换。
DCT变换将图像从像素域转换到频率域，提取图像中的频率信息。
4. 量化：对于DCT变换的系数，使用量化表对其进行量化。
量化表中由于包含了不同频率信息的权重，对高频信号的量化较为严格，对低频信号的量化较为宽松。
这样可以减少高频信号的细节信息，从而减少存储空间。
量化后的DCT系数除以相应的量化表值，然后四舍五入，并取整数部分。
5. 编码：将量化后的DCT系数进行熵编码，以进一步减小文件大小。
JPEG中使用的熵编码算法是基于哈夫曼编码的算法。
通过根据系数的出现概率来分配变长编码，出现概率较高的系数使用较短的编码，出现概率较低的系数使用较长的编码。
这样可以保证较常见的系数使用较短的编码，从而进一步减小文件大小。
6. 存储：将编码后的数据存储为JPEG文件。
解压缩流程：1. 读取：读取JPEG文件。
2. 解码：将文件中的编码数据还原为量化后的DCT系数。
3. 逆量化：对量化后的DCT系数进行逆量化操作，恢复DCT系数的值。
4. 逆DCT变换：对逆量化后的DCT系数进行逆DCT变换，从频率域恢复到像素域。
5. 颜色空间还原：对于彩色图像，将亮度（Y）和色度（Cb和Cr）三个通道合并，恢复为原始的RGB颜色空间。
jpeg压缩原理
1． JPEG的压缩原理ＪＰＥＧ的压缩原理其实上面介绍的那些原理的综合，博采众家之长，这也正是JPEＧ有高压缩比的原因.其编码器的流程为：图９。
3 ＪPEG编码器流程解码器根本上为上述过程的逆过程:图9。
4 解码器流程8×8的图象经过DCT变换后，其低频分量都集中在左上角，高频分量分布在右下角〔ＤCT 变换实际上是空间域的低通滤波器)。
由于该低频分量包含了图象的主要信息(如亮度〕,而高频与之相比，就不那么重要了,所以我们可以忽略高频分量,从而到达压缩的目的.如何将高频分量去掉,这就要用到量化,它是产生信息损失的根源。
这里的量化操作，就是将某一个值除以量化表中对应的值。
由于量化表左上角的值较小,右上角的值较大,这样就起到了保持低频分量，抑制高频分量的目的.ＪPEG使用的颜色是ＹＵV格式．我们提到过，Y分量代表了亮度信息，UV分量代表了色差信息。
相比而言,ＹＹ采用细量化，对ＵV采用粗量化，可进一步提高压缩比。
所以上面所说的量化表通常有两张,一张是针对Y的;一张是针对UV 的．上面讲了，经过DCＴ变换后，低频分量集中在左上角，其中F〔0，０〕〔即第一行第一列元素〕代表了直流〔ＤC)系数，即8×８8×8子块的ＤC系数相差很小,所以对它们采用差分编码ＤＰＣM，可以提高压缩比，也就是说对相邻的子块DC系数的差值进展编码。
8×８的其它6３个元素是交流(AC〕系数，采用行程编码。
这里出现一个问题：这６3个系数应该按照怎么样的顺序排列？为了保证低频分量先出现,高频分量后出现，以增加行程中连续“0〞的个数，这63个元素采用了“之〞字型〔Ziｇ—Zag〕的排列方法,如图9。
５所示.图９。
５ Zig—Ｚａｇ这63个ＡＣ系数行程编码的码字用两个字节表示,如下图。
图9.６行程编码上面，我们得到了DC码字和AＣ行程码字.为了进一步提高压缩比，需要对其再进展熵编码，这里选用Huｆｆman编码,分成两步:〔1)熵编码的中间格式表示对于ＡＣ系数，有两个符号。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
DCT变换的基本思路是将图像分解为8×8的子 块，并对每一个子块进行单独的DCT变换，然后 对变换结果进行量化、编码。 DCT变换可以消除图像的空间冗余， Huffman编码可以消除图像的信息熵冗余。 DCT 是无损的，它只将图像从空间域转换到变 换域上，使之更能有效地被编码。 图片的有损压缩主要是系数量化导致的。
用8x8的JEPG基线标准，压缩并重构下列子图
52 63 62 63 67 79 85 87 55 59 59 58 61 65 71 79 61 66 68 71 68 60 64 69 66 90 113 122 104 70 59 68 70 109 144 154 126 77 55 65 61 85 104 106 88 68 61 76 64 69 66 70 68 58 65 78 73 72 73 69 70 75 83 94
如DC系数的差分值（D）大于等于0，则尾码的码 字为差分值的原码；否则，取差分值的B位反码。
表8-12 图像分量为8位时DC系数差值的典型哈夫曼编码表
DC系数编码步骤
(1) 对差分值进行判断 如果差分值大于0，将差分值转换为二进制表示，并获得 差值所占的位数。例如，差值为5时，其二进制表示为101， 差分值得位数为3; 如果差分值小于0，则取绝对值后转换为二进制码表示， 再获得该编码值的反码。例如，差值为-5时，最后得反码为 010，差分值的位数为3。
6. DC编码 DCT变换的64个系数经量化后，其中F(0,0) 为直流系数DC，其余的63个为交流系数AC。DC 的大小反映了一个8×8数据块的平均亮度。 8×8相邻子块之间DC系数有很强的相关性， 所以JPEG对DC系数采用DPCM差分编码. 以前一数据块的同一分量的DC系数作为当 前块的预测值，再对当前块的实际值与预测值 的差值进行哈夫曼编码或算术编码。
0偏置转换后
-76 -65 -66 -65 -61 -49 -43 -41 -73 -69 -69 -70 -67 -63 -57 -49 -67 -62 -60 -57 -60 -68 -64 -59 -62 -38 -15 -6 -24 -58 -69 -60 -58 -19 16 26 -2 -51 -73 -63 -67 -43 -24 -22 -40 -65 -67 -52 -64 -59 -62 -58 -60 -70 -63 -50 -55 -56 -55 -59 -58 -53 -45 -34
• 频域变换
–频域变换产生64个系数，第一个系数称为 直流系数（DC系数），其余的63个系数称 为交流系数（AC系数）。
clear;clc; X=round(rand(4)*100);%随机生成的数据 A=zeros(4);%变换矩阵 for i=0:3 for j=0:3 if i==0 a=sqrt(1/4); else a=sqrt(2/4); end A(i+1,j+1)=a*cos(pi*(j+0.5)*i/4); %YY=dct2(X);%用matlab中的 end 函数进行DCT变换 end Y=A*X*A';%DCT变换
颜色的量化模板系数
17 18 24 47 99 99 99 99 18 21 26 66 99 99 99 99 24 26 56 99 99 99 99 99 47 66 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99
7.
AC编码
JPEG基本系统对63个AC系数采用行程编码，采用Z字形扫 描是为了增加0的行程长度，从而更有利于压缩数据。 AC系数编码可采用哈夫曼编码或算术编码。JPEG在对AC 系数进行Z行程编码后，将一个非零AC系数及其前面的0行程 长度称为一个组合，记为[NNNN/SSSS ]，将每个组合以 “[NNNN/SSSS]+尾码” 进行编码表示，其中，NNNN为0行程 的长度，SSSS表示尾码的有效位数，即当前非0系数所占的比 特数。 如果非零AC系数大于等于0，则尾码的码字为该系数的 原码，若AC系数小于0，则以该系数的反码表示。
71 123 163 105 141 171 160 104 71 82 69 77 93 112 118 83 47 41 48 147 171 108 90 87 45 20 65 152 160 91 100 88 19 30 120 167 145 127 93 68 37 48 78 108 133 81 70 59 92 148 103 75 85 58 57 53 182 177 159 140 168 82 56 47
81 129 149 102 138 166 153 103 77 78 49 74 87 109 117 87 54 40 48 150 171 111 99 95 46 22 72 150 162 95 106 94 23 41 139 169 148 132 104 83 49 57 99 119 139 102 88 74 95 104 74 66 86 83 71 63 162 144 125 95 130 88 66 56
123 123 88 74 44 83 117 158
167 220 126 152 177 164 119 128 113 101 110 131 141 118 62 74 186 199 140 132 126 45 105 179 190 125 136 118 74 185 209 193 161 132 108 87 148 166 180 132 113 94 103 85 91 107 109 98 89 131 114 82 118 108 100 85
1. 颜色空间转换 人眼对亮度更敏感，提取亮度特征，将 RGB 转 换为YCbCr模型，编码时对亮度采用特殊编码：
Y = 0.299R + 0.5870G + 0.1140B Cb = –0.1787R – 0.3313G +0.5000B +128 Cr = 0.5000R – 0.4187G – 0.0813B + 128
16 12 14 14 18 24 49 72 11 12 13 17 22 35 64 92 10 14 16 22 37 55 78 95 16 19 24 29 56 64 87 98 24 26 40 51 68 81 103 112 40 58 57 87 109 104 121 100 51 60 69 80 103 113 120 103 61 55 56 62 77 92 101 99
4.系数量化
1）正向量化： Squv=round(Suv/Quv) 其中： Suv是DCT系数， Quv量化模板系数 2）逆向量化： Ruv=SquvQuv 例：Sq(0,0)=round[-415/16] =round[-25.9]=-26 Ruv(0,0)=-26*16=-416
对于亮度和颜色使用不同的量化阈值模板，并取整 亮度的量化模板系数
由于只用4位表示0行程的长度，故在JPEG编码中，最大0行
程只能等于15。 当0行程长度大于16时，需要将其分开多次编码， 即对前面 的每16个0以“F/0”表示，对剩余的继续编码。
若DC系数的动态范围为-1024~1024，则差值的动 态范围可达-2047~+2047; 由于差分值范围太大，JPEG没有采用对每一个差 分值赋予一个码字，而是对码表进行了简化，采 用“前缀码（SSSS）+尾码”表示; 前缀码指明了尾码的有效位数B，可以根据差分值 从表8-12中查出前缀码对应的哈夫曼编码。尾码 的取值取决于DC系数的差值和前缀码;
颜色解码：
R =Y+1.40200(Cr–128) G=Y–0.34414(Cb–128)–0.71414(Cr–128) B = Y+1.77200(Cb–128)
转换公式中系数的来源
{(联合国)国际电信联盟—无线电部1982年制定的标准} ITU-RBT.601 建议书里面记载了五种色彩变换式，分别 是： 1. 模拟 RGB 讯号转为模拟 Y, (B-Y), (R-Y) 2. 模拟 (B-Y), (R-Y) 转为模拟 Cb, Cr 3. 模拟 YCbCr 数字化（取样、量化）成为数字 YCbCr 4. 模拟 RGB 数字化（取样、量化）成为数字 RGB 5. 数字 RGB 转为数字 YCbCr
ITU-RBT.601文档关于RGB到YUV的转换关系截图
2.数据分块 构造子图像级是2n的像素，通过减去2n-1，替换像素本 身 –对于 n=8 ，即将 0-255 的值域，通过减去 128 ，转换 为值域在-128-127之间的值 –目的：使像素的绝对值出现 3 位 10 进制的概率大大 减少
量化变换后的数组，比例化并消去系数
-26 1 -3 -4 1 0 0 0 -3 -2 1 1 0 0 0 0 -6 -4 5 2 0 0 0 0 2 0 -1 -1 0 0 0 0 2 0 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
利用matlab定义好的二维DCT变换F=Dct2(X)
正向DCT变换（N = 8）后变成
-415 7 -46 -50 11 -10 -4 -1 -29 -21 8 13 -8 1 -1 -1 -62 -62 77 35 -13 3 2 -1 25 9 -25 -15 -2 -3 -1 -2 55 11 -30 -9 -1 -1 2 -1 -20 -7 10 6 1 0 -3 -1 -1 -6 7 0 -4 2 1 0 3 6 -5 3 1 -1 -2 -1
实例：图片采用256*256尺寸bmp位图图像 通过量化阈值表，比例化并消去DCT变换后的系数， 降低高频部分 量化因子0.1 量化因子3