0

我是一个新手，使用 Matlab 编写有损图像压缩脚本。

我的第一步是对图像进行全级别处理，我正在使用以下脚本进行此操作。

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，并根据元素增加的绝对值对元素进行排序，同时保留前 5% 的元素。

以下脚本执行此操作：-

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，我想反转这个过程，得到哈尔系数设置为 70% 的原始图像。

任何指针都会很棒。

4

1 回答 1

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相反的顺序恢复过程并期望一些量化误差。

首先你恢复量化

% 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))

然后你反转 haar 阶段（就像你在代码中所做的那样）

AR(1:N,1:N) = T'*P'*B(1:N,1:N)*P'*T

通常去量化过程取量化间隔的中心（而不是极端之一，在这种情况下，因为你使用了 ceil 函数，所以你可以使用它来获得更好的结果。

ln = q*lmaxt/127 - 0.5
于 2016-01-21T15:00:29.773 回答