jpeg压缩算法matlab

Ⅰ matlab实验：图像H1.BMP 以JPEG 格式进行压缩，质量因子设为90，结果保存为JPG 图像J1，怎么实现

img=imread('H1.bmp');
imwirte(img, 'J1.jpg','jpg','quality',90)

Ⅱ 简述JPEG的压缩原理

JPEG压缩分四个步骤实现：
一、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+0.1140B Cb=-0.1687R-0.3313G+0.5000B+128 Cr=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。
二、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。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。例如，行和列采样的比例皆为4:2:2，则每个MCU将包含四个亮度矩阵，一个色度矩阵及一个饱和度矩阵。 当图像数据分成一个8*8矩阵后，还必须将每个数值减去128，然后一一代入DCT变换公式中，即可达到DCT变换的目的。图像数据值必须减去128，是因为DCT变换公式所接受的数字范围是在-128到+127之间。
三、量化：
图像数据转换为频率系数后，还得接受一项量化程序，才能进入编码阶段。量化阶段需要两个8*8矩阵数据，一个是专门处理亮度的频率系数，另一个则是针对色度的频率系数，将频率系数除以量化矩阵的值，取得与商数最近的整数，即完成量化。 当频率系数经过量化后，将频率系数由浮点数转变为整数，这才便于执行最后的编码。不过，经过量化阶段后，所有数据只保留整数近似值，也就再度损失了一些数据内容。
四、编码：
1、编码 Huffman编码无专利权问题，成为JPEG最常用的编码方式，Huffman编码通常是以完整的MCU来进行的。 编码时，每个矩阵数据的DC值与63个AC值，将分别使用不同的Huffman编码表，而亮度与色度也需要不同的Huffman编码表，所以一共需要四个编码表，才能顺利地完成JPEG编码工作。 DC编码 DC是彩采用差值脉冲编码调制的差值编码法，也就是在同一个图像分量中取得每个DC值与前一个DC值的差值来编码。DC采用差值脉冲编码的主要原因是由于在连续色调的图像中，其差值多半比原值小，对差值进行编码所需的位数，会比对原值进行编码所需的位数少许多。例如差值为5，它的二进制表示值为101，如果差值为-5，则先改为正整数5，再将其二进制转换成1的补数即可。所谓1的补数，就是将每个Bit若值为0，便改成1；Bit为1，则变成0。差值5应保留的位数为3，下表即列出差值所应保留的Bit数与差值内容的对照。
在差值前端另外加入一些差值的霍夫曼码值，例如亮度差值为5（101）的位数为3，则霍夫曼码值应该是100，两者连接在一起即为100101。下列两份表格分别是亮度和色度DC差值的编码表。根据这两份表格内容，即可为DC差值加上霍夫曼码值，完成DC的编码工作；
2、AC编码方式与DC略有不同，在AC编码之前，首先得将63个AC值按Zig-zag排序，即按照下图箭头所指示的顺序串联起来。 63个AC值排列好的，将AC系数转换成中间符号，中间符号表示为RRRR/SSSS，RRRR是指第非零的AC之前，其值为0的AC个数，SSSS是指AC值所需的位数，AC系数的范围与SSSS的对应关系与DC差值Bits数与差值内容对照表相似。 如果连续为0的AC个数大于15，则用15/0来表示连续的16个0，15/0称为ZRL（Zero Rum Length），而（0/0）称为EOB（Enel of Block）用来表示其后所剩余的AC系数皆等于0，以中间符号值作为索引值，从相应的AC编码表中找出适当的霍夫曼码值，再与AC值相连即可。 例如某一组亮度的中间符为5/3，AC值为4，首先以5/3为索引值，从亮度AC的Huffman编码表中找到1111111110011110霍夫曼码值，于是加上原来100（4）即是用来取[5，4]的Huffman编码1111111110011110100，[5，4]表示AC值为4的前面有5个零。 由于亮度AC，色度AC霍夫曼编码表比较长，在此省略去，有兴趣者可参阅相关书籍。 实现上述四个步骤，即完成一幅图像的JPEG压缩。

Ⅲ JPEG压缩编码算法的主要计算步骤哪些对图像的质量有损

JPEG压缩编码算法的主要计算步骤如下：
（1）正向离散余弦变换（FDCT）。 （2）量化（Quantization）。 （3）Z字形编码（Zigzag Scan）。 （4）使用差分脉冲编码调制（Differential Pulse Code Molation，DPCM)对直流系数(DC)进行编码。 （5）使用行程长度编码（Run-Length Encoding，RLE）对交流系数（AC）进行编码。  6）熵编码（Entropy Eoding）。
JPEG是有损编码，是在量化过程中取整而产生的。

Ⅳ C语言实现把一个JPG图片分解为两个图片，急！！谢谢

麻烦。。无聊。。
先找着jpg文件头格式。。
C打开文件。。找到数据部分。。
新建文件。。写入。。保存。。
综上所述：无聊+麻烦。

Ⅳ matlab求助!如何将处理的图片保存在磁盘里

有好多种方法:
1.saveas(h,'filename',format),
比如，saveas(h1,'aaa.jpg','jpg'),注意，‘filename'中的'.jpg'可加也可不加，加了的话一定要和后面的format一样，当不加的时候出来的文件没有图标，你还得再加，所以我一般都加。这个是可行的，我实现了
2.imwrite,
这个我没有实验成功，但是应该好使你可以查查帮助
3.print
print
filename
当然你可以加点参数
例:print
aa.jpg

Ⅵ 基于matlab的图像压缩算法有哪些

基于Matlab实现的经典的图像压缩算法，包括哈夫曼编码，算术编码、字典编码、行程编码-Lempel-zev
编码正交变换编码如DCT、子带编码
粒子、子采样、比特分配、矢量量化。

Ⅶ 有谁知道,JPEG压缩编码算法的主要步骤

JPEG压缩编码算法的主要计算步骤如下：

1.正向离散余弦变换(FDCT)。

2.量化(quantization)。

3.Z字形编码(zigzag scan)。

4.使用差分脉冲编码调制(differential pulse code molation，DPCM)对直流系数(DC)进行编码。

5.使用行程长度编码(run-length encoding，RLE)对交流系数(AC)进行编码。

6.熵编码(entropy coding)。

2. 量化

量化是对经过FDCT变换后的频率系数进行量化。量化的目的是减小非“0”系数的幅度以及增加“0”值系数的数目。量化是图像质量下降的最主要原因。

对于有损压缩算法，JPEG算法使用均匀量化器进行量化，量化步距是按照系数所在的位置和每种颜色分量的色调值来确定。因为人眼对亮度信号比对色差信号更敏感，因此使用了两种量化表：亮度量化值和色差量化值。此外，由于人眼对低频分量的图像比对高频分量的图像更敏感，因此图中的左上角的量化步距要比右下角的量化步距小。

3. Z字形编排

量化后的系数要重新编排，目的是为了增加连续的“0”系数的个数，就是“0”的游程长度，方法是按照Z字形的式样编排，如图5-17所示。这样就把一个8 ? 8的矩阵变成一个1 ? 64的矢量，频率较低的系数放在矢量的顶部。

4. 直流系数的编码

8 ? 8图像块经过DCT变换之后得到的DC直流系数有两个特点，一是系数的数值比较大，二是相邻8 ? 8图像块的DC系数值变化不大。根据这个特点，JPEG算法使用了差分脉冲调制编码(DPCM)技术，对相邻图像块之间量化DC系数的差值(Delta)进行编码，

Delta＝DC(0, 0)k-DC(0, 0)k-1 ........ (5-5)

5. 交流系数的编码

量化AC系数的特点是1 ? 64矢量中包含有许多“0”系数，并且许多“0”是连续的，因此使用非常简单和直观的游程长度编码(RLE)对它们进行编码。

JPEG使用了1个字节的高4位来表示连续“0”的个数，而使用它的低4位来表示编码下一个非“0”系数所需要的位数，跟在它后面的是量化AC系数的数值。

6. 熵编码

使用熵编码还可以对DPCM编码后的直流DC系数和RLE编码后的交流AC系数作进一步的压缩。

在JPEG有损压缩算法中，使用霍夫曼编码器来减少熵。使用霍夫曼编码器的理由是可以使用很简单的查表(lookup table)方法进行编码。压缩数据符号时，霍夫曼编码器对出现频度比较高的符号分配比较短的代码，而对出现频度较低的符号分配比较长的代码。这种可变长度的霍夫曼码表可以事先进行定义。

Ⅷ matlab图象重建是什么意思！

图像压缩是当今信息时代迫切需求的一门图像处理技术，它极大的减少了图像的数据量，为图像的存储，传输提供了方便。小波变换，是一种广泛用于图像压缩的方法。它能让图像按不同的分辨率分析。根据Mallat算法的思想，图像能分解成一个轮廓信号（低频子图）和水平，垂直，对角线三个方向上的细节信号（高频子图）。而轮廓信号又可以进一步分解。而图像的主要能量部分是低频部分，而且人眼视觉系统对低频部分更为敏感，所以可以对低频部分采用较低压缩比；对高频部分采用较大压缩比来进行压缩。
本文提出的是一种结合小波变换，DCT变换和矢量量化的压缩方法。根据人眼的视觉特性，首先对图像进行小波分解，然后，对低频分量进行压缩比不大的DCT变换；对不同方向不同分辨率的高频分量进行不同码字大小的矢量量化编码，然后对反变换和解码后的系数进行小波重构。矢量量化过程中的码书设计采用的是LBG算法。这样，根据对图像质量的不同要求，我们可以改变小波分解的层数，来得到不同压缩比的图像。本篇论文只对小波分解一层和两层后压缩进行了仿真和分析，表明该方案结合了各种压缩方法的优点，在满足图像质量的同时能得到较大的压缩比。目前，在包装装潢设计中常用的图形处理软件有Pho-toshop，CorelDraw，AutoCAD等。但是这些软件中很少涉及到对图像进行压缩处理，以满足图像进行传输和储存的需要。基于这一点考虑，在此尝试着用MATLAB编程来处理包装装潢图像的压缩，实现包装与计算机的紧密结合。
1 MATLAB
MATLAB是MathWorks公司推出的一套高性能的数值计算和可视化软件，它集数值分析、矩阵运算、信号处理和图像显示于一体，它附带的小波分析工具箱功能强大，可以完成小波分析的绝大部分工作。MATLAB工具箱的出现避免了程序设计中的重复性劳动，缩短了开发周期，降低了成本，因而受到工科院校师生和研究人员的青睐。
在介绍利用MATLAB小波工具压缩图像的文献中，总是将真彩色RGB图像转换为灰度级索引图像进行处理．经过这种处理以后，图像的存储数据能得到一定的压缩，但由压缩后的数据难以恢复成理想的彩色图像。文中用MATLAB中有关函数处理图像压缩，而且由压缩后的数据可以还原出图像．实验结果表明，还原出的图像效果是理想的。文中主要以lena图像的处理为例，对它进行二进小波多层分解后，将低频和高频近似的系数矩阵作相应的处理，来研究用MATLAB中的小波工具箱压缩图像的方法。
2 图像压缩方法
在实际应用中，首先需要从图像文件中读取图像数据．MATLAB使用imreed（）函数完这一任务．例如，在电脑D盘中有一彩色图像文件picl．jps，则可由下述语句读取：
X＝imread（′D:\picl．jpg′）；
MATLAB图像处理工具箱支持4种基本图像类型：索引图像、灰度图像、二进制图像和RGB图像．MATLAB直接从图像文件中读取的图像为RGB图像．它存储在三维数组中。这个三维数组有3个面，依次对应子红（Red）、绿（Green）、蓝（Blue）3种颜色，而面中的数据则分别是这3种颜色的强度值，面中的元素对应于图像中的像素点。
索引图像数据包括图像矩阵X与颜色图数组map，其中颜色图map是按图像中颜色值进行排序后的数组。对于每个像素，图像矩阵X包含一个值，这个值就是颜色图数组map中的索引。颜色图map为m×3双精度矩阵，各行分别指定红、绿、蓝（R、G、B）单色值，map=〔RGB〕，R、C、B为值域为〔0，1〕的实数值，m为索引图像包含的像素个数．然后可根据情况采用不同的小波函数，进行索引图像的分解压缩。这里对上面产生的索引图像X用dbl小波进行2层分解。
〔c，l〕＝wavedec2（X，2，′dbl′）。
在这里，一个索引图像作小波分解后，可得到一系列不同分辨率的子图像，不同分辨率的子图像对应的频率是不相同的．高分辨率（即高频细节）子图像上大部分点的数值接近于0，越是高频这种现象越明显．对一个图像来说，表现一个图像最主要的部分是低频（即近似）部分。
多层小波分解的所有成分系数均保存在向量c中，低频近似与高频细节的系数需从向量C中提取。MATLAB分别使用appcoet2（）和detcoef2（）函数来完成这一工作。这种方法是对低频和高频部分进行处理，因而提取低频和高频近似系数。
cAl=appcoef2（c，1，′dbl，′1）；cH1=detcoef2（′h′，c,1，1）；
cDl=detcoef2（′d′，c，l，1）；cVl=detcoef2（′v′，c，l，1）。
matlab实现离散余弦变换压缩（JPEG压缩原理）

JPEG图像压缩算法：
输入图像被分成8*8或16*16的小块，然后对每一小块进行二维DCT（离散余弦变换）变换，变换后的系数量化、编码并传输；
JPEG文件解码量化了的DCT系数，对每一块计算二维逆DCT变换，最后把结果块拼接成一个完整的图像。在DCT变换后舍弃那些不严重影响图像重构的接近0的系数。
DCT变换的特点是变换后图像大部分能量集中在左上角，因为左上放映原图像低频部分数据，右下反映原图像高频部分数据。而图像的能量通常集中在低频部分。

实例程序：
function Jpeg
I=imread('D:\MATLAB7\toolbox\images\imdemos\cameraman.tif');
%该图片在安装matlab的目录中找，原图为灰度图象
I=im2double(I);%图像存储类型转换
T=dctmtx(8);%离散余弦变换矩阵
B=blkproc(I,[8 8],'P1*x*P2',T,T');
%对原图像进行DCT变换
mask=[1 1 1 1 0 0 0 0
1 1 1 0 0 0 0 0
1 1 0 0 0 0 0 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 0 0
0 0 0 0 0 0 0 0];
B2=blkproc(B,[8 8],'P1.*x',mask);
%数据压缩，丢弃右下角高频数据
I2=blkproc(B2,[8 8],'P1*x*P2',T',T);
%进行DCT反变换，得到压缩后的图像
imshow(I)
title('原始图像')
figure;
imshow(I2)
title('压缩后的图像')

参考资料：http://..com/question/42730132.html

Ⅸ 简述JPEG压缩算法

首先你需要了解几个概念，有损压缩，量化，行程编码。
对一副图片来说，bitmap就是原始格式，没经过任何压缩的。
量化就是把所有0-255的像素值进行归类，然后分成尽量少的积累，这要存储量就小很多了，对于JEPG来说量化是有损压缩的起源。
最后就是对所有的已经归类过的点进行行程编码，然后就压缩完了

Ⅹ JPEG压缩编码算法的主要步骤是什么其中哪些步骤是有损的，那些是无损的

JPEG压缩编码算法的主要计算步骤如下：
1、正向离散余弦变换(FDCT)。
2、量化(quantization)。
3、Z字形编码(zigzag scan)。
4、使用差分脉冲编码调制(differential pulse code molation，DPCM)对直流系数(DC)进行编码。
5、使用行程长度编码(run-length encoding，RLE)对交流系数(AC)进行编码。
6、熵编码(entropy coding)。