【图像处理】基于离散余弦变换和小波变换的图像压缩（matlab实现）

最新推荐文章于 2025-12-10 17:56:33 发布

原创最新推荐文章于 2025-12-10 17:56:33 发布 · 396 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#图像处理 #人工智能

本文介绍了离散余弦变换(DCT)在图像压缩中的原理，涉及8x8像素块的处理、DCT变换的应用以及如何通过保留重要系数实现压缩。还展示了Matlab代码示例，包括读取原始图像、基于DCT的压缩操作和结果可视化。

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

💥1 概述

DCT是一种将图像转换为频域表示的方法，常被用于图像和音频压缩。在DCT压缩中，图像被分成小的块，通常是8x8像素的块。然后，对每个块应用DCT变换，将其转换为频域表示。由于自然图像中的信息通常在低频部分集中，DCT变换将图像的能量主要集中在较低频的系数上。通过保留较大的DCT系数，可以保留主要的图像信息，而舍弃较小的系数则可以实现压缩。量化和熵编码等技术也通常与DCT一起使用，以进一步提高压缩效率。

📚2 运行结果

主函数部分代码：

clc; clear;
%% Read the original image
fig_original = double(imread('data/lenna.tif')) / 255;
imwrite(fig_original, 'data/lenna.png');

%% Image compression based on DCT
% The original image
figure('Name', 'Image compression based on DCT');
subplot(2, 3, 1);
imshow(fig_original, []);

% Zonal mask
zonal_mask = [8:-1:1]' * [8:-1:1] > 30;
zonal_output = dct(fig_original, zonal_mask);
subplot(2, 3, 2);
imshow(zonal_output, []);
imwrite(zonal_output, 'data/zonal_output.png');
zonal_difference = difference(fig_original, zonal_output);
subplot(2, 3, 5);
imshow(zonal_difference, []);
imwrite(zonal_difference, 'data/zonal_difference.png');

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]Tello-Cifuentes L ,Marulanda J ,Thomson P . Detection and classification of pavement damages using wavelet scattering transform, fractal dimension by box-counting method and machine learning algorithms[J]. Road Materials and Pavement Design,2024,25(3).