基于MATLAB的图像压缩处理技术

基于 MATLAB的图像压缩处理技术

刘彦一

北方自动控制技术研究所

摘要：图像处理技术不断发展创新，在图像压缩处理中，MATLAB软件已得到推广和应用，运算功能、模拟功能强大，在复杂图像处理中优势显著，能够显著提升图像处理效率。本文选择真彩色RGB图像作为研究对象，在此基础上转换为彩色索引图像矩阵，然后再进行二进小波多层分解，对于低频近似的系数矩阵进行截取处理，同时对索引图像的颜色图进行优化处理，压缩比比较高，同时压缩速度快。

关键词：图像压缩处理；MATLAB；应用

图像处理领域学科类型多，涉及光学、电子技术、计算机技术等等，在工业生产、医疗、科学技术、教育等多个领域的应用范围广泛，专业性比较强。近年来，Matlab软件已得到推广应用，Matlab软件的语法结构简单，数值计算、图像处理和图形绘制等功能均比较好，同时还可显著提升图像可视化效果。因此，对基于MATLAB的图像压缩处理技术进行深入研究迫在眉睫。

一、图像处理的涵义

（一）图像处理。在图像处理中，数据量庞大，并且相关技术水平有待提升，因此图像处理难度较大。随着计算机技术的不断发展，图像处理技术也随之创新，在图像获取中，可利用相机、摄影机、扫描仪等多种设备，通过利用各类仪器设备可获得数字图像，同时完成图像采集。

（二）图像处理目的。图像处理的作用在于提升图像品质，在处理过程中消除不需要的部分，便于观察和识别图像。现如今，图像处理要求显著提升，在图像传输和保存中会占用大量资源，基于此，压缩编码随之产生，通过对图像进行压缩处理，能够有效节约图像储存空间，促进图像信息传输速度的提升。图像中所包含的特征信息比较多，通过利用计算机软件，可显著提升图片识别准确性。另外，为保证图像信息安全性，可对图像进行加密处理，避免在图像传输过程中造成隐私泄露问题^[1]。

二、MATLAB图像处理工具箱主要功能

（一）图像变换。在图像变换中，通过采用正交变换方式，包括傅里叶变换、余弦变换等，将图像从时间域转变至频率域，进而显著提升原图像质量，在此过程中，可利用MATLAB软件中的多种函数，如fft2（）函数、dct2（）函数等。

（二）图像增强。在整个图像中，部分区域具有特殊意义，对此，可进行图像增强处理，据此更好的关注图像重点，并进行处理分析。低域图像增强方法，可分为两种类型，包括空间域和变换域。

（三）图像压缩。如果图像数据量比较大，则可进行图像压缩，进而达到去冗余化作用，减少图像存储空间，同时显著缩短图像传输所需时间。在图像压缩处理中，也可利用MATLAB中的多种函数，如imratio（）。

（四）图像分割。在图像研究中，需提取出图像中的某个部分，对此，需对图像进行分割处理。在图像分割处理中，可采用多种处理方法，包括灰度阈值法、边缘法、边界法等等，利用MATLAB软件中的edge（）等函数，即可完成图像分割处理^[2]。

三、图像压缩处理方法

（一）小波编码的基本思想。对于原始图像，采用二维小波变换处理方式进行转换，形成小波域上的小波系数，再针对小波系数进行量化编码。在对原始图像进行小波变换处理后，原始图像中的能量即可集中于少部分小波系数。因此，在原始图像系数量化处理中，可去除某个阀值以下的系数，仅可保留部分能量比较大的小波系数，据此完成图像压缩处理。

（二）小波压缩的原理。在小波压缩处理中，可利用可逆嵌入小波压缩算法CREW，在静止图像压缩处理中，可将CREW算法作为重要基础。

通过对小波换算中的算法进行分析，对于小波变换方式，可分为S变换和TS变换两种：

S变换：

TS变换：

对于图像，可划分为4个层次，由于TS变换的去相关性比较好，因此，在第一层次、第二层次以及垂直方向的第三层次、第四层次水平方向，均可开展TS变换，而对于其余部分，可进行S变换。

在小波系数排列过程中，可将小波树划分为多个编码单元，对于小波系数，可采用光栅扫描方式进行排列。

在二进制值熵编码过程中，在对待编码符号进行编码时，二进制编码方式有两种类型：第一，二进制算术编码；第二为有限状态机（FSM）编码器。

四、MATLAB在图像压缩处理中的应用

在MATLAB软件的实际应用中，在图像文件的基础上，可读取图像数据，利用Matlab软件中的imread（）函数即可完成上述处理。比如，在计算机F盘中，某个文件夹中存储彩色图像1.jpg，在图像处理中，可采用以下语句：

；

在图像处理中应用Matlab，该图像处理工具箱所能够处理的图像类型有四种，具体包括索引图像、二进制图像、灰度图像以及RGB图像。通过利用Matlab读取彩色图像，即可读取出RGB图像，并存储在三维数组中，三维数组包含3个面，与红（Red）、绿（Green）、蓝（Blue）三种颜色相对应，另外，面中的数据指的是三个颜色的强度值，面中的元素和图像中的像素点相对应。

在小波工具箱的实际应用中，即可对索引图像进行处理，如果真彩色RGB图像为非索引，则需将彩色图像转变为索引图像，然后再进行图像处理。对于上述图像压缩处理任务，可采用Matlab软件中的rgb2ind（）函数完成，比如，根据上述例子进行分析：

；

索引图像数据包含两个部分，其一为图像矩阵x，其二为颜色图数组map，对于颜色图map，可根据图像中的颜色值进行排序。在各个像素图像矩阵x中包含一个值，即map中的索引。颜色图map指的是m*3双精度矩阵，对于各行，可分别制定色值，包括红、绿、蓝，map=[RGB]，R、G、B的值域在[0，1]之间。m指的是索引图像中像素的数量。可根据实际需要选择应用小波函数，对索引图像进行压缩处理。比如，针对上述例子所形成的索引图像x，可采用db1小波进行分解处理：

；

在对索引图像进行小波分解处理后，即可获得分辨率有所不同的子图像，而子图像分辨率不同，所对应的频率也有一定区别。如果子图像分辨率比较高，则大部分点的数值接近0。在图像分析中，低频部分可展现出图像的特征，因此，在图像压缩处理中，可应用小波分解法进行处理，去除图像中的高频部分，与此同时保留低频部分^[3]。

在对图像进行多层小波分解处理后，对于所有成分系数，均可保存在向量c中。在图像处理中，可应用Matlab软件中的appcoef2（）函数以及detcoef2（）函数完成图像处理。通过应用Matlab软件，可对低频相似部分进行处理，在具体的处理过程中，仅需提取低频近似系数：

；

为了提升压缩比，在对图像进行压缩处理后，利用图像数据，即可还原出彩色图像，对于所提取的低频近似系数，还可采用截取处理方式提升压缩效果。

在低频近似系数ca1矩阵的基础上，可采用二进小波分解处理方式，选择左上角子矩阵：

； ；

当数据相同时，可应用uint8格式，与双精度格式相比，能够有效节约存储空间，经济性比较高。在Matlab软件中，当索引图像颜色图在256行以内时，对于图像矩阵，可采用uint8格式进行存储，另外，还可采用双精度格式进行存储。对于在应用上述处理方式后所形成的彩色索引图像，可采用经济性比较好的方式进行存储，提升图像压缩效果。

总结：

综上所述，本文主要对基于MATLAB软件的图像处理方法进行了详细探究。在图像处理中，MATLAB数字图像处理工具箱中的函数类型比较多，在图像变换、增强、压缩以及分割处理中，均可利用MATLAB程序，提升数字图像处理效果。

参考文献

[1]戚晓晶.基于图像修复的图像编码技术[J].数字通信世界，2018，000（001）：242.

[2]关雪梅.基于Matlab的小波变换图像压缩算法研究[J].赤峰学院学报：自然科学版，2018，34（9）：2.

[3]张银慧.基于MATLAB的数字图像JPEG压缩编码实现[J].电脑迷，2018（2）：1.