我是一名新手,使用Matlab为有损图像压缩编写脚本。
我的第一步是对图像进行全面处理,我正在使用以下脚本进行处理。
clearvars all;
N = 256;
A=imread('test.jpg');
A=double(rgb2gray(A));
A=imresize(A,[N,N],'bicubic');
image(A);axis equal;colormap hsv;%gray(256) ;% display matrix as density plot
B = A;
while N>1
Q = [1 1;1 -1];
I = eye(N/2);
T = 1.414 * kron(I,Q);
II=eye(N)
I1= II(1:2:N,:);
I2=II(2:2:N,:);
P= [I1;I2];
%create transfer matrix N X N
B(1:N,1:N) = P*T*A(1:N,1:N)*T'*P';
%AR(1:N,1:N) = T'*P'*B(1:N,1:N)*P'*T
N = N/2;
end
imagesc(B);
drawnow;
此外,我想应用量化和对数阈值,并根据它们增加的绝对值对元素进行排序,同时保留前5%的元素。
以下脚本可以: -
cutoff = 80;
% Decide what fraction of coeffs you want to set to % zero,
% this fraction is the variable ?cutoff?. .....
%(1);imagesc(A);colormap gray(256)
len = 7;
% Wavelet transform A -> B
X = sort(abs(B(:)));
thresh = X( ceil( cutoff*len^2));
maximum=X(len^2);
lmaxt= log2(maximum/thresh);
% Thresholding & Quantization
for i = 1:len
for j = 1:len
if(abs(B(i,j)) > thresh)
sign = B(i,j)/abs(B(i,j));
ln = log2(abs(B(i,j))/thresh);
q = ceil( 127*ln/lmaxt); Bq(i,j) = sign*q;
else
Bq(I,j) = 0;
end
end
end
figure;(2); spy(Bq)
现在,我想颠倒过程并获得原始图像,并将haar系数设置为70%。
任何指针都会很棒。
答案 0 :(得分:1)
如果应用间隔长度大于1的量化,则无法恢复原始图像。您可以做的最好的事情是以反向顺序恢复过程并期望出现一些量化错误。
首先恢复量化
% For all pixels (i,j) s.t. Bq(i,j) > 0
sign = Bq(i,j) / abs(Bq(i,j));
q = abs(q)
% To revert q = ceil(127*ln/lmaxt);
ln = q*lmaxt/127
B(i,j) = sign * thresh * pow(2, abs(ln))
然后你颠倒了haar阶段(正如你在代码中所做的那样)
AR(1:N,1:N) = T'*P'*B(1:N,1:N)*P'*T
通常,逆量化过程是以量化间隔的中心(而不是极值之一,在这种情况下是你使用ceil函数的最大值),所以你可以使用更好的结果。
ln = q*lmaxt/127 - 0.5