小波变换在图像压缩中应用

科技信息 Ｏ高校讲台。

绷ＣＥ＆ＴＥＣＩ悄０ＬＯＧＹ玳ＦＯ蹦ＡⅡ０Ｎ

２００７年第２４期

小波变换在图像压缩中的应用

李娟

（山东教育学院物理科学与技术系

山东济南２５００１３）

摘要：小渡变换在数字化图象的压缩中起着极其重要的作用。本文在简单阐述小波变换基本理论和Ｍａｌｌａｔ算法基本思想的基础上．着重利用Ｍａｔｌａｂ软件研究了小波变换在图像压缩技术中的具体应用，结合实例给出了具体程序，并对程序进行了详细说明。

关键词：图像压缩；小渡变换；多分辨分析；Ｍａｌｌａｔ算法

１．引言

随着多媒体应用的普及和数字视频技术的发展．以及网络上图像传输的增多，对图像的处理变得越来越重要。图像的数字化是必然的趋势，但是经过数字化的图像所占的数据量相当庞大，而信道带宽和

，

（３）伸自自性：巾（ｔ）ＥＶｆｃ＝｝巾（２ｔ）ＥＶ卜ｌ

（４）平移不变性：牵（ｔ）ＥＶｆ§弗（卜２卜１ｋ）ＥＶｊ，Ｖｋ∈ｚ

（５）斑ｅｓｚ基存在性：存在巾（ｔ）∈Ｖｏ，使得｛巾（２１ｔ—ｋ））ｋ。。构成Ｖｉ的ｍｅｓｚ基。

．

存储空间的限制又给实际应用带来了很大的困难，所以图像压缩已成为现代信息社会急待解决的问题。

小波变换的理论是２０世纪８０年代后期兴起的新的数学分支．素有“数学显微镜”的美称。它是继１８２２年傅立叶提出傅立叶变换之后又一里程碑式的研究成果，解决了很多傅立叶变换不能解决的难题。小波变换可以使得信号的低频长时特性和高频短时特性同时得到处理，具有良好的局部化性质，能有效地克服傅氏变换在处理非平稳复杂信号时存在的局限性，具有极强的自适应性。因此在图像处理中具有极好应用价值。

２．小波变换基础，

２．１小波（ｗａ＂ｌｅｔ），即小区域的波。小波函数的确切定义为：设霉

在定义中，Ｖｉ对应于２＿分辨率，在有些文献中，Ｖ；对应于２ｊ分辨率，这时，性质（１）和（３）中子空问的下标要做相应的变化。

３．Ｍａ¨ａｔ算法Ｍａｌｌ８ｔ使用多分辨分析的概念统一了各种具体小波基的构造方法，并由此提出了现今广泛使用的Ｍａｌｌ８ｔ快速小波分解和重构算法．它在小波分析中的地位与快速傅里叶变换在傅里叶分析中的地位相当。

Ｍａｌｌａｔ算法是将酿Ｒ）上的多分辨分析记为｛｛ＶｊｊＥｚＪ；巾（ｘ）｝，尺度方

程和小渡方程为巾（ｘ）＝、／丁∑ｈ。巾（２ｘ—ｎ）和皿（ｘ）＝、／虿∑ｇＩ＿巾（２ｘ－ｎ）

ＥＺ

ｎ

Ｅ

Ｚ

（ｔ）为一平方可积函数，也即皿（Ｉ）∈Ｌ２（Ｒ），若其傅里叶变换叩（∞）满足条

其中，系数关系是瓯＝（一１）“ｉ．，ｋ∈ｚ，对任意的整数ｊ和ｋ，沿用

】

ｌ

件：ｆ』！剑一ｄ∞＜＊

ＪＨ

记号札（ｘ）＝２争巾（２ｊ—ｎ），扎（ｘ）＝２丁屯（２ｊ—ｋ）

∞

则称９（ｔ）为一个基本小波或小波母函数，并称上式为小波函数的可容许性条件。

２．２连续小波的定义：将小波母函数皿ｍ伸缩因子为ａ．平移因子为ｆ，令其平移伸缩后的函数为皿盯（ｔ），则有：

Ｖｊ＝｛焉忑再ｉｉ云），Ｗｊ＝｛可乃丽歪虿），Ｌ２（Ｒ）键Ｗｊ＝｛瓦万瓦）对于任意信号ｆ（ｘ）∈Ｌ２（Ｒ）引入记号ｑ＝Ｊ。ｆ（ｘ）而（ｘ）ｄｘ，电＝Ｊ。ｆ（ｘ）

尘，＾（ｘ）ｄ】【称为ｆ（ｘ）的尺度系数和小波系数，同时，将ｆ（ｘ）在闭子空间ｖｊ和Ｗｊ上的正交投影记为￡（ｘ）和＆（ｘ），这样

划ｔ）＝ａ‘瞰！＝！－），ａ＞０，Ｔ∈Ｒ

．一ａ

一睾

则称，ｐ。（ｔ）为连续小波基函数。

小波函数多以开发者的名字命名。常用的如图１：

‘（ｘ）＝．互ｑ电＾（ｘ）埚（ｘ）＝．二屯ｑ么（ｘ）

根据空间正交值和分解关系Ｖ泸Ｖ。ｏＷｊ，可得‘＋一（ｘ）＝‘（ｘ）＋昏（ｘ），因

此，信号的尺度变换系数和小波变换系数之间的关系现在可以写成

．．＿。●ｔ

≤田

’，毒

’●§

Ｏ－ｏ●呻Ｉ

１

乙ｃⅢ屯。＾（ｘ）＝三ｃ仙札（ｘ）＋二ｄｊ＾ｑ么（ｘ）

ｋＥ

Ｚ

ｋ

ＥＺ

ｋ

Ｅ

Ｚ

Ｈ铺∥卜渡函数Ｉｏｒｌｅｔ小渡函数

小波变换用于图像编码的基本思想就是把二维图像ｆ（ｘＪ）进行分解后，得到不同分辨率、不同频率的子图像。然后再对子图像做不同策略的量化和编码处理ｏ

４．运用ＭａｔＩａｂ小波工具箱进行图像分解并压缩

根据Ｍａｌｌａｔ算法将函数ｆ（ｘ，ｙ）分解成不同通道成分，每次小波分解将图像分解成四块子图，其中一块对应的称为平滑图像，另三块对应的称为细节图像，也就是说图像经过小波变换后被分割成四个分量：水平边缘、垂直边缘、对角边缘和亮度分量．亮度分量部分还可以继续分解。在变换的每一个层次．图像都被分解成为四个四分之一大

ｄ

ｏ●

●

鼍ｅ”ｒ小液函数

圈１

神卜波函数

●

ｏ●格

ｃｏｉｆ２小渡函败

常用的小渡函数

２．３连续小波变换：将任意吹Ｒ）空间中的函数ｆ（ｔ）在小波基下进行

展开，称这种展开为函数ｆ（￡）的连续小波变换（ＣｏｎｔｉｎｕｅＷａｙｅｌｅｔ

小的图像。这四个图像中的每一个都是由原图与一个基图像内积后。在ｘ和ｙ方向都经过２倍的间隔抽样而成的。对于后继的层次（ｊ＞１），都以完全相同的方式分解而构成四个在尺度上的更小的图像。如图２所示。

∞２

１Ｉ

０１２０３２

Ｔｒａｎ８ｆｏｍ。简记为ＣＶ汀），其表达式为：

州ａ，帕＝姐ｔ），叱（ｔ）＞＝ｉ净Ｊ。ｆ（ｔ）咿（孚）ｄｔ

２．４多分辨分析：空间Ｌ２（Ｒ）的多分辨分析是指构造该空问内一个子空间列｛Ｖ；｝Ⅲ，使其具有以下性质：

（１）单调性（包容性）：…ｃＶ２ｃＶＩｃＶｏｃＶ＿ｌｃＶ－２ｃ…

ｒ－

、

ｏ

．

．Ｉ平滑Ｑ０１７Ｉ平滑∞１

图２

『平滑Ｑ１１平滑Ｑ３ｌ

Ｑ２２

平滑Ｑｌｌ平滑Ｑ３１

平滑凹ｌ

图像的小波分解树结构示意图

（２）逼近性：ｃｌｏ∞｛Ｕｖ，｝－Ｌ‘（Ｒ），ｎＶｆ＝（ｏ）

由于小波变换的减抽样性质，经若干次小波分解后。平滑图像系数和所有的细节图像系数个数之和等于原始图像系数个数，因此总数据量未变，即小波变换本身并没有压缩功能，但因为经过小波变换的

万方数据　

１７３

科技信息

。高校讲台ｏ

ＳＣｍＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹ矾Ｆ０贴谯ＴＩＯＮ２００７年第２４期

图像具有与原始图像不同的特性，由此可将它用于图像压缩。小波变换后的图像能量主要集中于低频的亮度分量部分，而水平、垂直和对角线部分的能量则较少，只是体现了原始图像在这三个方向的边缘信息。

对所得的四个子图。根据人的视觉要求和心理特点分别作不同策略的量化和编码处理。人眼对亮度图像部分的信息特别敏感，对这一部分的压缩应尽可能减少失真或者无失真．如采取余弦变换，并结合

％

＞＞ｃａ２＝ａｐｐｅｏｅｆ２（ｃ，ｓ，“ｏｒ３．７ｊ２）；％保留小波分解第２层低频信息．进行图像压缩

＞＞ｃａ２＝ｗｃｏｄｅｍａｔ（ｃａ２，４４０，，ｍｔ’＇ｏ）；％对第２层低频信息进行

量化编码

＞＞ｃａ２：ｏ．２５＋ｃａ２：

Ｈｕ‰蛐编码进行压缩：对细节图像可以采用压缩比较高的编码方

案。采取去掉高频成分。阌值量化和均匀量化等等。最筒单的压缩是去掉全部细节信息。只保留平滑信息，不需要经过其他处理即可获得良好的压缩效果。理论上可以获得任意压缩比的压缩图像，可见，小波变换用于图像压缩具有明显的优点。

下面的实例是基于二维小波分析对图像进行压缩。一个图像作小波分解后．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）子图像上大部分点都接近于Ｏ，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部分，所以一个最简单的压缩方法是利用小波分解，去掉图像的高频部分而只保留低频部分。图像压缩可按如下Ｍａｔｌａｂ程序进行处理。

＞＞Ｘ＝ｉｍｒｅａｄ（‘ｎｏｗｅＬｔｉｆ’）；＞＞蚰ｖｅ

ｎｏｗｅｒ．Ｈ１８ｔ：

＞＞ｓｕｂｐｌｏｔ（２，２，４）；ｉｍ８９ｅ（ｃａ２）；块显示第二次压缩图像

＞＞“ｉ８ｓｑｕａ坪；

％将图像窗口分为四块，第四

％横轴和纵轴的比例为ｌ：１

％给第四幅图像加标题＞＞ｔｉｎｅ（’第二次压缩图像，）；

＞＞ｄｉｓｐ（７第二次压缩图像的大小：，；％显示文字信息＞＞ｗｈｏｓ（，ｃａ２’；％显示第二次压缩图像的大小可以看出．第一次压缩我们是提取原始图像中小波分解第一层的低频信息，此时压缩效果较好，压缩比较小（约为ｌ，３）；第二次压缩是提取第一层分解低频部分的低频部分（即小波分解第二层的低频部分），其压缩比比较大ｆｌ，１２），压缩效果在视觉上也基本过得去，它不需要经过其他处理即可获得较好的压缩效果。

在工作窗口（命令窗口）得到以下结果：原始图像Ｘ的大小：

％将图像读入ｍａｄａｂ

Ｎ锄ｅ

Ｘ

Ｓｉｚｅ２５８ｘ３５０

ｉｓ

Ｂｙｔ∞Ｃｌ∞ｓ９０３００

ｕｓｉｎｇ

％保存．眦ｔ文件

％显示图像％载人图像

ｕｉｎｔ８觚ａｙ

＞＞ｉｍｓｈｏｗ（Ｘ）；

Ｇ眦ｌｄｔｏｔａｌ９０３００ｅｌｅｍｅｎｔｓ

９０３００ｂｙｔｅｓ

＞＞ｃＩｅ筑

＞＞Ｉｏａｄｎｏｗｅｒ：

第一次压缩图像的大小：

Ｎ∞ｅ

ｃａｌ

Ｓｉ∞１３６ｘ１８２

Ｂ”ｅｓＣｌ鹊ｓ１９８０１６

ｄｏｕｂｌｅ

ａｎ．ａｙ

＞＞¨ｂｐｌｏｔ（２，２，１）；ｉｍａｇｅ（Ｘ）；％将图像窗口分为四块，第一块显示原始图像

＞＞ｔｉｔｌｅ（’原始图像１；％给第一幅图像加标题

＞＞ｄｉｓｐ（’原始图像Ｘ的大小：ｍ％显示文字信息＞＞ｗｈｏｓ（‘Ｘ’）；％显示原始图像的大小＞＞ａｘｉ８ｓｑｕａｒｅ；％横轴和纵轴的比例为１：１

％

Ｇ哪ｄ

ＮⅢｅ

ｃａ２

ｔｏｔ嗣ｉ８２４７５２ｅｌｅｍｅｎｔｓｕｓｉｎｇ１９８０１６ｂｙｔｅ８

第二次压缩图像的大小：

Ｓｉ∞ＢｙｔｅｓＣｌ粕８７５ｘ９８ｔｏｔａｌ

ｉ８

５８８００ｄｏｕｂｌｅ

ｕｓｉｎｇ

ａ珊ｙ

Ｇｍｄ

７３５０ｅｌｅｍｅｎｔｓ

５８８００ｂｖｔｅｓ

图３为原始图像、分解图像和Ｍａｔｌａｂ环境下小波压缩后的图像。

＞＞［ｃ，８】＝ｗａｖｅｄｅｃ２（）（，２，，ｂｉｏｒ３．７’；％将图像进行多尺度二维小波分解．小波基为ｂｉｏｒ３．７

＞＞ｅ８１＝ａｐｐｃｏｅ也（ｃ，８，，ｂｉ∞３．７ｊ１）；％提取二维小波分解低频系数

＞＞ｃｈｌ＝ｄｅｔｃｏｅｆ２（１ｌｊｃ＇ｓ，１）．数水平分量

＞＞ｃｖｌ＝ｄｅｔｃｏｅ位（，ｖ二ｃ，ｓ，１）；垂直分量一

％提取二维小波分解高频系％提取二维小波分解高频系数

％提取二维小波分解高频系＞＞ｃｄｌ＝ｄｅ【ｃ∞ｆ２（，ｄｊｃ，８，１）；

数对角分量

＞＞ａｌ＝ｗｒｃｏｅ岔（，ａ，＇ｃ一，，ｂｉｏｒ３．７，’１）；％对二维小波低频系数进行单支重构

＞＞ｈｌ＝ｗｒｃｏｅＱ（１Ｉｊｏ，ｓ，飞ｉｏｒ３．７，．１）；％对二维小波高频系数水平分量进行单支重构

＞＞ｖ１＝ｗｒｃｏｅｆ２（，ｖ’，ｅ，８，，ｂｉｏｒ３．７ｊ１）；％对二维小波高频系数垂直

‘

分量进行单支重构

＞＞ｄ１＝ｗｒｃｏｅｆ２（，ｄ，＇ｃ，８，，ｂｉｏｒ３．７ｊ１）；％对二维小波高频系数对角分量进行单支重构

＞＞ｃｌ＝【ａｌ，ｈ１；ｖｌ，ｄｌ】；＞＞Ⅻｂｐｌｏｔ（２，２，２）；ｉｍａｇｅ（ｃ１）；块显示分解图像

＞＞“ｉ８ｓｑｕａＩｅ；

％显示分解后图像矩阵

％将图像窗口分为四块，第二％横轴和纵轴的比例为ｌ：ｌ

％给第二幅图像加标题

图３原始图像、分解图像和ＭａｔＩａｂ环境下小波压缩后的图像５．结论

’

利用Ｍａｔｌａｂ程序中的小波包进行图像压缩时，随着所选用的分解小波、分解层次和量化阚值的不同所得的结果不同，且实现起来也较为简单。

图像压缩是一个很有发展前途的研究领域。将小波分析引入图像压缩的研究范畴。当一个图像作小波分解后．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。而且小波分析能使压缩比高、压缩速度快，压缩后能保持信号与图像的特征基

＞＞ｔｉⅡｅ（’分解后低频和高频信息，）；

本不变，在数字图像处理中具有很强的实用价值。《

参考文献

［１］［美］ＤａｖｉｄＳ．ＴａｕｂｍｎＭｉｃｈａｅｌＷ．Ｍａｒｃｅｕｉｎ，魏江力，柏正尧等译．ＪＰＥＧ２０００图像压缩基础、标准和实践［Ｍ］，北京：电子工业出版社，

２０（）４．４．

。殇＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝：＝＝＝＝＝＝＝＝：＝＝＝＝＝

＞＞ｃａｌ＝ａｐｐｃ∞ｆ２（ｃ，ｓ，，ｂｉｏｒ３．７ｊ１）；％保留小波分解第ｌ层低频信息．进行图像压缩

＞＞ｃ８１＝ｗｃｏｄｅｍｔ（ｃａｌ，４４０，，ｍｔ，＇ｏ）；％对第ｌ层的低频信息进行量化编码

＞＞ｃａｌ＝０．５卑ｃａｌ：

＞＞ｓｕｂｐｌｏｔ（２，２，３）；ｉＩＩｍｇｅ（ｃａｌ）；块显示第一次压缩图像

＞＞ｔｉｄｅ（’第一次压缩图像’；

％将图像窗口分为四块，第三

［２］彭玉华．小波变换与工程应用［Ｍ］，北京：科学出版社，１９９９．

［３］李新，李飞．，Ｊ、波变换及其在图像压缩中的应用［Ｊ］．长春立理工大学学报．２００３．６．

［４］董长虹主编．Ｍ训ａｂ图像处理与应用［Ｍ］，北京：国防工业出版社，

２００４．１．

％绘第三幅图像加标题

＞＞ｄｉｓｐ（‘第一次压缩图像的大小：’）；％显示文字信息

％显示第一次压缩图像的大小＞＞ｗｈ州‘ｃａｌ’）；

＞＞懿ｊｓ

ｓｑｕａｒｅ；

％横轴和纵轴的比例为１：ｌ

［５］詹扬，李志荣．小波变换在数字图像处理中的应用［Ｊ］．南阳师范学

院学报．２００５．９．

１７４

万方数据　

小波变换在图像压缩中的应用

作者：作者单位：刊名：英文刊名：年，卷(期)：

李娟

山东教育学院物理科学与技术系,山东,济南,250013科技信息（科学·教研）

SCIENCE & TECHNOLOGY INFORMATION2007(24)

参考文献(5条)

1.詹扬;李志荣 小波变换在数字图像处理中的应用[期刊论文]-南阳师范学院学报 2005(09)2.董长虹 Matlab图像处理与应用 2004

3.李新;李飞 小波变换及其在图像压缩中的应用 2003(06)4.彭玉华 小波变换与工程应用 1999

5.David S.Taubman;Michael W.Marcellin;魏江力;柏正尧 JPEG2000图像压缩基础、标准和实践 2004

本文读者也读过(10条)

1. 刘枫.李正文.LIU Feng.LI Zhen-wen 一种提高静止图像压缩比的压缩算法[期刊论文]-物探化探计算技术2001,23(2)

2. 杨轶群.曲馨 基于小波变换的图像压缩方法研究[期刊论文]-硅谷2010(7)

3. 林克正.李殿璞.华克强.LINKe-zheng.LIDian-pu.HUAKe-qiang 图像小波去噪的算子描述[期刊论文]-哈尔滨理工大学学报2000,5(3)

4. 晁玉宁 基于MATLAB的小波变换在图象压缩中的应用研究[期刊论文]-福建电脑2008,24(4)5. 臧景峰 基于小波变换图像压缩方法研究[期刊论文]-长春理工大学学报2003,26(3)

6. 柳斌.田金文.柳健.Liu Bin.Tian Jinwen.Liu Jian 一种基于零树量化的小波变换图像压缩方法[期刊论文]-华中理工大学学报2000,28(3)

7. 许志影.李晋平.崔若飞 小波变换及其在数字图像处理中的应用[期刊论文]-河北理工学院学报2003,25(4)8. 詹扬.李志荣.ZHAN Yang.LI Zhi-rong 小波变换在数字图像处理中的应用[期刊论文]-南阳师范学院学报2005,4(9)

9. 张培珍.杨根源.平殿发.徐圣良.Zhang Peizhen.Yang Genyuan.Ping Dianfa.Xu Shengliang 一种改进的小波变换图像压缩方法[期刊论文]-舰船电子工程2008,28(10)

10. 李自光.孙天野.LI Zi-guang.SUN Tian-ye 嵌入式小波零树图像编码算法的Matlab编程实现[期刊论文]-中国工程机械学报2007,5(4)

本文链接：/Periodical_kjxx200724130.aspx

本文来源：https://www.bwwdw.com/article/r9hm.html