声振论坛

 找回密码
 我要加入

QQ登录

只需一步,快速开始

查看: 3534|回复: 3

[转帖]小波图像分解与合成(例子)

[复制链接]
发表于 2005-11-23 08:59 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有账号?我要加入

x
% 该函数是根据对所输入的png格式的真彩图像、小波类型(db9或haar)<BR>% 和相应的阈值进行了三级非标准小波harr或db9的分解和重构,从而达到了对原图像的压缩处理的<BR>% 目的。它首先把通过原图像分离后的某颜色分量作为二维图像矩阵,通过调用自定义的二维离散<BR>% 小波变换函数mydwt2(),并依据指定的小波基函数'wavename'进行二维离散的行、列小波变换,<BR>% 得到了经变换后的相应颜色分量的近似分量% cA,水平细节分量cH,垂直细节分量cV,对角细节<BR>% 分量cD和中间分量cM,然后调用自定义的图像输出函数outrgb分别把中间分量以及cA、cH、cV、<BR>% cD合并后的图像阵进行R、G、B合成输出图像文件,其中某颜色分量的cA又做为下一级二维离散的<BR>% 行、列小波分解的输入图像阵,如此共完成三次。<BR>% 其次,把经过三级非标准小波分解后的各颜色分量的各级水平细节分量、垂直细节分量、对角细<BR>% 节分量矩阵通过调用自定义函数make_0()完成了相应矩阵元素数值小于阀值系数的个数统计,并<BR>% 对它们进行小于阀值系数元素置0处理,且把分量尽数返回,以便三级的非标准小波重构处理。<BR>% 最后,将返回得到的各颜色分量的第三级水平细节分量、垂直细节分量、对角细节分量矩阵和第<BR>% 三级分解后的近似分量作为参数,通过调用自定义的二维离散小波反变换函数myidwt2()进行二维<BR>% 离散的列、行重构,得到了经重构后的近似分量cA 和中间分量cM,把该中间分量cM以及近似分量<BR>% cA分别和经置0处理后第二级cH、cV、cD行列扩展,同时进行R、G、B合成,后调用自定义的图像<BR>% 输出函数outrgb()输出图像文件。其中各颜色分量的cA又做为下一级二维离散的列、行小波重构<BR>% 的输入图像阵,如此共完成三次。最终得到了压缩处理的图像文件。<BR><BR>% 读入图像文件<BR>picchar=strcat(mypic,'.png')<BR>pic=imread(picchar);<BR>pic=double(pic);<BR><BR>% 对原真彩图像进行R、G、B分离<BR>cAr0=pic(:,:,1);cAg0=pic(:,:,2);cAb0=pic(:,:,3);<BR><BR>% 第1级非标准分解<BR>[cAr1,cHr1,cVr1,cDr1,cMr1] = mydwt2(cAr0,wavename);<BR>[cAg1,cHg1,cVg1,cDg1,cMg1] = mydwt2(cAg0,wavename);<BR>[cAb1,cHb1,cVb1,cDb1,cMb1] = mydwt2(cAb0,wavename);<BR><BR>% 输出经第1级非标准分解后的图像文件<BR>outrgb(cMr1,cMg1,cMb1,wavename,threshold,'_1_row');<BR>outrgb(merge(cAr1,cHr1,cVr1,cDr1),merge(cAg1,cHg1,cVg1,cDg1),merge(cAb1,cHb1,...<BR>    cVb1,cDb1),wavename,threshold,'_1_col');<BR><BR>% 第2级非标准分解<BR>[cAr2,cHr2,cVr2,cDr2,cMr2] = mydwt2(cAr1,wavename);<BR>[cAg2,cHg2,cVg2,cDg2,cMg2] = mydwt2(cAg1,wavename);<BR>[cAb2,cHb2,cVb2,cDb2,cMb2] = mydwt2(cAb1,wavename);<BR>% 输出经第2级非标准分解后的图像文件<BR>outrgb(merge(cMr2,cHr1,cVr1,cDr1),merge(cMg2,cHg1,cVg1,cDg1),merge(cMb2,cHb1,...<BR>    cVb1,cDb1),wavename,threshold,'_2_row');<BR>outrgb(merge(merge(cAr2,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cAg2,cHg2,...<BR>    cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cAb2,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...<BR>    ),wavename,threshold,'_2_col');<BR><BR>% 第3级非标准分解<BR>[cAr3,cHr3,cVr3,cDr3,cMr3] = mydwt2(cAr2,wavename);<BR>[cAg3,cHg3,cVg3,cDg3,cMg3] = mydwt2(cAg2,wavename);<BR>[cAb3,cHb3,cVb3,cDb3,cMb3] = mydwt2(cAb2,wavename);<BR><BR>% 输出经第2级非标准分解后的图像文件<BR>outrgb(merge(merge(cMr3,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cMg3,cHg2,...<BR>    cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cMb3,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...<BR>    ),wavename,threshold,'_3_row');<BR>outrgb(merge(merge(merge(cAr3,cHr3,cVr3,cDr3),cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),...<BR>    merge(merge(merge(cAg3,cHg3,cVg3,cDg3),cHg2,cVg2,cDg2),cHg1,cVg1,cDg1),...<BR>    merge(merge(merge(cAb3,cHb3,cVb3,cDb3),cHb2,cVb2,cDb2),cHb1,cVb1,cDb1),...<BR>wavename,threshold,'_3_col');<BR><BR>% 统计经过三级非标准小波分解后的各颜色分量的各级水平细节分量、垂直细节分量、对<BR>% 角细节分量的相应矩阵元素数值小于阀值系数的个数,并对它们进行小于阀值系数元素<BR>% 置0处理。<BR>zeronum=0;<BR>[cHr3,cVr3,cDr3,cHr2,cVr2,cDr2,cHr1,cVr1,cDr1,num_0]=make_0(cHr3,cVr3,cDr3,...<BR>    cHr2,cVr2,cDr2,cHr1,cVr1,cDr1,threshold);<BR>zeronum=zeronum+num_0;<BR>[cHg3,cVg3,cDg3,cHg2,cVg2,cDg2,cHg1,cVg1,cDg1,num_0]=make_0(cHg3,cVg3,cDg3,...<BR>    cHg2,cVg2,cDg2,cHg1,cVg1,cDg1,threshold);<BR>zeronum=zeronum+num_0;<BR>[cHb3,cVb3,cDb3,cHb2,cVb2,cDb2,cHb1,cVb1,cDb1,num_0]=make_0(cHb3,cVb3,cDb3,...<BR>    cHb2,cVb2,cDb2,cHb1,cVb1,cDb1,threshold);<BR>zeronum=zeronum+num_0;<BR>% 把0的总数写入文本文件<BR>zerotxt=strcat(wavename,'_',threshold,'_','zero','.txt')<BR>csvwrite(zerotxt,zeronum);<BR><BR>% 第1级非标准重构<BR>[cAr2,cMr3] = myidwt2(cAr3,cHr3,cVr3,cDr3,wavename);<BR>[cAg2,cMg3] = myidwt2(cAg3,cHg3,cVg3,cDg3,wavename);<BR>[cAb2,cMb3] = myidwt2(cAb3,cHb3,cVb3,cDb3,wavename);<BR><BR>% 输出经第1级非标准重构后的图像文件<BR>outrgb(merge(merge(cMr3,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cMg3,cHg2,...<BR>    cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cMb3,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...<BR>    ),wavename,threshold,'_1_icol');<BR>outrgb(merge(merge(cAr2,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cAg2,cHg2,...<BR>    cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cAb2,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...<BR>    ),wavename,threshold,'_1_irow')<BR><BR>% 第2级非标准重构<BR>[cAr1,cMr2] = myidwt2(cAr2,cHr2,cVr2,cDr2,wavename);<BR>[cAg1,cMg2] = myidwt2(cAg2,cHg2,cVg2,cDg2,wavename);<BR>[cAb1,cMb2] = myidwt2(cAb2,cHb2,cVb2,cDb2,wavename);<BR><BR>% 输出经第2级非标准重构后的图像文件<BR>outrgb(merge(cMr2,cHr1,cVr1,cDr1),merge(cMg2,cHg1,cVg1,cDg1),merge(cMb2,cHb1,...<BR>    cVb1,cDb1),wavename,threshold,'_2_icol');<BR>outrgb(merge(cAr1,cHr1,cVr1,cDr1),merge(cAg1,cHg1,cVg1,cDg1),merge(cAb1,cHb1,...<BR>    cVb1,cDb1),wavename,threshold,'_2_irow');<BR><BR>% 第3级非标准重构<BR>[cAr0,cMr1] = myidwt2(cAr1,cHr1,cVr1,cDr1,wavename);<BR>[cAg0,cMg1] = myidwt2(cAg1,cHg1,cVg1,cDg1,wavename);<BR>[cAb0,cMb1] = myidwt2(cAb1,cHb1,cVb1,cDb1,wavename);<BR><BR>% 输出经第3级非标准重构后的图像文件,即最终图像文件<BR>outrgb(cMr1,cMg1,cMb1,wavename,threshold,'_3_icol');<BR>outrgb(cAr0,cAg0,cAb0,wavename,threshold,'_result');<BR>
<br> %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%<BR>function [cA,cH,cV,cD,cM]=mydwt2(mypic_RGB,wavename)<BR>%此函数是利用MATLAB工具箱提供的一维离散小波变换函数dwt()对传递进来的图像矩阵mypic_RGB<BR>% 进行相应的小波类型分解处理,其中参数wavename是小波类型。它借助于使用了指定的小波基函<BR>% 数'wavename' 的dwt()首先对图像矩阵进行行分解,而后进行列分解。生成了近似分量cA,水平<BR>% 细节分量cH,垂直细节分量cV,对角细节分量cD和中间分量cM<BR><BR>% 变量初始化<BR>cA=[];cH=[];cV=[];cD=[];cM=[];cAm=[];cDm=[];<BR><BR>% 进行逐行行分解变换<BR>% cA1,cD1为临时近似,细节分量,把两分量进行列数扩展合成为中间分量矩阵以便输出<BR>x=size(mypic_RGB);<BR>for i=1:x(1)<BR>[cA1,cD1]=dwt(mypic_RGB(i,:),wavename);<BR>cAm=[cAm;cA1];cDm=[cDm;cD1];<BR>end<BR>cM=[cAm,cDm];<BR><BR>% 对两临时分量进行逐列列分解变换,最后生成近似分量cA,水平细节分量cH,垂直细节分量cV,对<BR>% 角细节分量cD<BR>cAm=cAm';cDm=cDm';<BR>x=size(cAm);<BR>for i=1:x(1)<BR>[cA1,cD1]=dwt(cAm(i,:),wavename);<BR>cA=[cA;cA1];cV=[cV;cD1];<BR>end<BR>x=size(cDm);<BR>for i=1:x(1)<BR>[cA1,cD1]=dwt(cDm(i,:),wavename);<BR>cH=[cH;cA1];cD=[cD;cD1];<BR>end<BR>% 转置矩阵<BR>cA=cA';cH=cH';cV=cV';cD=cD';<BR>
<p><BR> %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%<BR>function [mypic_RGB,cM]=myidwt2(cA,cH,cV,cD,wavename)<BR>% 此函数实现了二维离散小波反变换,即重构。它是利用MATLAB工具箱所提供的一维离散小波反变<BR>% 换函数idwt()对传递进来的近似分量cA、水平细节分量cH、垂直细节分量cV和对角细节分量cD进<BR>% 行相应的小波类型重构处理,其中参数wavename是小波类型。它借助于使用了指定的小波基函数<BR>% 'wavename'的idwt()首先对四个分量矩阵进行列反变换,而后行反变换。重构出中间过程图像矩<BR>% 阵cM和原始图像矩阵mypic_RGB。<BR><BR>cA1=[];cD1=[];<BR><BR>% 进行逐列列重构变换,得到过程矩阵cA1、cD1,再对它们列数扩展合成为中间图阵cM<BR>cA=cA';cH=cH';cV=cV';cD=cD';<BR>mypic_RGB=[];<BR>x=size(cA);<BR>for i=1:x(1)<BR>temp=idwt(cA(i,:),cV(i,:),wavename);<BR>cA1=[cA1;temp];<BR>end<BR>x=size(cH);<BR>for i=1:x(1)<BR>temp=idwt(cH(i,:),cD(i,:),wavename);<BR>cD1=[cD1;temp];<BR>end<BR><BR>cA1=cA1';<BR>cD1=cD1';<BR>cM=[cA1,cD1];<BR>% 对上述得到的分量cA1、cD1作为过程细节分量进行逐行行重构变换,得到图像矩阵mypic_RGB<BR>x=size(cA1);<BR>for i=1:x(1)<BR>temp=idwt(cA1(i,:),cD1(i,:),wavename);<BR>mypic_RGB=[mypic_RGB;temp];<BR>end<BR><BR><BR> %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%<BR>function []=outrgb(pic_R,pic_G,pic_B,wavename,threshold,level)<BR>% 该函数确定了图像在各像素位置上的红、绿、蓝的强度值组合。实现了R、G、B各分量组合后所<BR>% 成的真彩图像的文件输出<BR>temp=size(pic_R);<BR>pic=zeros(temp(1),temp(2),3);<BR>for i=1:temp(1);<BR>for j=1:temp(2);<BR>pic(i,j,1)=pic_R(i,j);<BR>pic(i,j,2)=pic_G(i,j);<BR>pic(i,j,3)=pic_B(i,j);<BR>end<BR>end<BR><BR>%输出RGB图像,即真彩图像。<BR>imwrite(pic/255,strcat('pic','_',wavename,'_',threshold,level,'.png'));<BR><BR>
<p> %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%<BR>function [cH3,cV3,cD3,cH2,cV2,cD2,cH1,cV1,cD1,count]...<BR>              =make_0(cH3,cV3,cD3,cH2,cV2,cD2,cH1,cV1,cD1,threshold)<BR>% 该函数功能是本课程役计的关键,它完成了对经过三级非标准分解后各分量图矩阵中所有元素数<BR>% 值小于阀值的进行置0处理,为后面进行三级非标准重构原始图像从而实现图像压缩奠定了基础。<BR>% 输入经过非标准分解后颜色分量的各级的水平细节分量、垂直细节分量、对角细节分量和阀值<BR>% threshold其中数字表示非标准处理的级别。输出各分量图矩阵中所有元素数值小于阀值系数置<BR>% 0处理后所对应的各级的水平细节分量、垂直细节分量、对角细节分% 量,并统计它们系数为0个<BR>% 数count。<BR>threshold_num=str2num(threshold);<BR>count=0;<BR><BR>% 借助临时分量对第三级非标准分解的水平细节分量、垂直细节分量、对角细节分量进行行、列数<BR>% 扩展合成cM_matrix3,并对数值小于阀值系数进行置0处理,并统计矩阵元素数值小于阀值系数的<BR>% 个数。<BR>cM_cA3=cD3<BR>cM_cA3=zeros(size(cM_cA3,1),size(cM_cA3,2));<BR>num=size(cM_cA3,1)*size(cM_cA3,2);<BR>cM_matrix3=[cM_cA3,cH3;cV3,cD3];<BR>cM_size=size(cM_matrix3);<BR>for i=1:cM_size(1)<BR>for j=1:cM_size(2)<BR>if abs(cM_matrix3(i,j))&lt;=threshold_num<BR>count=count+1;<BR>cM_matrix3(i,j)=0;<BR>end<BR>end<BR>end<BR>% 对所合成的cM_matrix3重新分离出置0处理后的水平细节分量、垂直细节分量和对角细节分量,并<BR>% 精确了矩阵元素数值小于阀值系数的数目。<BR>cH3=cM_matrix3;cV3=cM_matrix3;cD3=cM_matrix3;<BR>cH3(1+size(cM_cA3,1):2*size(cM_cA3,1),:)=[];cH3(:,1:size(cM_cA3,2))=[];<BR>cV3(1:size(cM_cA3,1),:)=[];cV3(:,1+size(cM_cA3,2):2*size(cM_cA3,2))=[];<BR>cD3(1:size(cM_cA3,1),:)=[];cD3(:,1:size(cM_cA3,2))=[];<BR>count=count-num;<BR><BR>% 借助临时分量对第二级非标准分解的水平细节分量、垂直细节分量、对角细节分量进行行、列数<BR>% 扩展合成cM_matrix2,并对数值小于阀值系数进行置0处理,并统计矩阵元素数值小于阀值系数的 % 个数。<BR>cM_cA2=cD2<BR>cM_cA2=zeros(size(cM_cA2,1),size(cM_cA2,2));<BR>num=size(cM_cA2,1)*size(cM_cA2,2);<BR>cM_matrix2=[cM_cA2,cH2;cV2,cD2];<BR>cM_size=size(cM_matrix2);<BR>for i=1:cM_size(1)<BR>for j=1:cM_size(2)<BR>if abs(cM_matrix2(i,j))&lt;=threshold_num<BR>count=count+1;<BR>cM_matrix2(i,j)=0;<BR>end<BR>end<BR>end<BR>% 对所合成的cM_matrix2重新分离出置0处理后的水平细节分量、垂直细节分量和对角细节分量,并<BR>% 精确了矩阵元素数值小于阀值系数的数目。<BR>cH2=cM_matrix2;cV2=cM_matrix2;cD2=cM_matrix2;<BR>cH2(1+size(cM_cA2,1):2*size(cM_cA2,1),:)=[];cH2(:,1:size(cM_cA2,2))=[];<BR>cV2(1:size(cM_cA2,1),:)=[];cV2(:,1+size(cM_cA2,2):2*size(cM_cA2,2))=[];<BR>cD2(1:size(cM_cA2,1),:)=[];cD2(:,1:size(cM_cA2,2))=[];<BR>count=count-num;<BR><BR>% 借助临时分量对第一级非标准分解的水平细节分量、垂直细节分量、对角细节分量进行行、列数<BR>% 扩展合成cM_matrix1,并对数值小于阀值系数的元素进行置0处理,且统计矩阵元素数值小于阀值<BR>% 系数的个数。<BR>cM_cA1=cD1<BR>cM_cA1=zeros(size(cM_cA1,1),size(cM_cA1,2));<BR>num=size(cM_cA1,1)*size(cM_cA1,2);<BR>cM_matrix1=[cM_cA1,cH1;cV1,cD1];<BR>cM_size=size(cM_matrix1);<BR>for i=1:cM_size(1)<BR>for j=1:cM_size(2)<BR>if abs(cM_matrix1(i,j))&lt;=threshold_num<BR>count=count+1;<BR>cM_matrix1(i,j)=0;<BR>end<BR>end<BR>end<BR>% 对所合成的cM_matrix1重新分离出置0处理后的水平细节分量、垂直细节分量和对角细节分量,并<BR>% 精确了矩阵元素数值小于阀值系数的数目。<BR>cH1=cM_matrix1;cV1=cM_matrix1;cD1=cM_matrix1;<BR>cH1(1+size(cM_cA1,1):2*size(cM_cA1,1),:)=[];cH1(:,1:size(cM_cA1,2))=[];<BR>cV1(1:size(cM_cA1,1),:)=[];cV1(:,1+size(cM_cA1,2):2*size(cM_cA1,2))=[];<BR>cD1(1:size(cM_cA1,1),:)=[];cD1(:,1:size(cM_cA1,2))=[];<BR>count=count-num;<BR><BR>
<p> 
<p> %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%<BR>function pic=merge(cA,cH,cV,cD)<BR>% 该函数实现了对传入的四个参数矩阵cA,cH,cV,cD合并,其中cA,cH,cV,cD分别代表左上角、右上<BR>% 角、左下角、右下角矩阵,合并结果为输出矩阵pic<BR><BR>% 取得四个参数矩阵行、列两维的最大分别值row_max和col_max<BR>temp1=size(cA);temp2=size(cH);temp3=size(cV);temp4=size(cD);<BR>row_max=max([temp1(1),temp2(1),temp3(1),temp4(1)]);<BR>col_max=max([temp1(2),temp2(2),temp3(2),temp4(2)]);<BR>% pic=zeros(2*row_max,2*col_max);<BR>% 与最大分别值row_max和col_max比较,对左上角矩阵扩展置0<BR>if temp1(1)&lt;row_max|temp1(2)&lt;col_max<BR>cA(row_max,col_max)=0;<BR>end<BR>% 与最大分别值row_max和col_max比较,对右上角矩阵扩展置0<BR>if temp2(1)&lt;row_max|temp2(2)&lt;col_max<BR>cH(row_max,col_max)=0;<BR>end<BR>% 与最大分别值row_max和col_max比较,对左下角矩阵扩展置0<BR>if temp3(1)&lt;row_max|temp3(2)&lt;col_max<BR>cV(row_max,col_max)=0;<BR>end<BR>% 与最大分别值row_max和col_max比较,对右下角矩阵扩展置0<BR>if temp4(1)&lt;row_max|temp4(2)&lt;col_max<BR>cD(row_max,col_max)=0;<BR>end<BR>% 合并左上角、右上角、左下角、右下角矩阵生成输出pic矩阵<BR>pic=[cA,cH;cV,cD];
回复
分享到:

使用道具 举报

发表于 2006-4-19 20:28 | 显示全部楼层
xiexie校长
发表于 2012-4-9 09:23 | 显示全部楼层
好长,眼睛都看花了!
不过还是谢谢分享!!
发表于 2012-6-8 00:58 | 显示全部楼层
  1. % 该函数是根据对所输入的png格式的真彩图像、小波类型(db9或haar)
  2. % 和相应的阈值进行了三级非标准小波harr或db9的分解和重构,从而达到了对原图像的压缩处理的
  3. % 目的。它首先把通过原图像分离后的某颜色分量作为二维图像矩阵,通过调用自定义的二维离散
  4. % 小波变换函数mydwt2(),并依据指定的小波基函数'wavename'进行二维离散的行、列小波变换,
  5. % 得到了经变换后的相应颜色分量的近似分量% cA,水平细节分量cH,垂直细节分量cV,对角细节
  6. % 分量cD和中间分量cM,然后调用自定义的图像输出函数outrgb分别把中间分量以及cA、cH、cV、
  7. % cD合并后的图像阵进行R、G、B合成输出图像文件,其中某颜色分量的cA又做为下一级二维离散的
  8. % 行、列小波分解的输入图像阵,如此共完成三次。
  9. % 其次,把经过三级非标准小波分解后的各颜色分量的各级水平细节分量、垂直细节分量、对角细
  10. % 节分量矩阵通过调用自定义函数make_0()完成了相应矩阵元素数值小于阀值系数的个数统计,并
  11. % 对它们进行小于阀值系数元素置0处理,且把分量尽数返回,以便三级的非标准小波重构处理。
  12. % 最后,将返回得到的各颜色分量的第三级水平细节分量、垂直细节分量、对角细节分量矩阵和第
  13. % 三级分解后的近似分量作为参数,通过调用自定义的二维离散小波反变换函数myidwt2()进行二维
  14. % 离散的列、行重构,得到了经重构后的近似分量cA 和中间分量cM,把该中间分量cM以及近似分量
  15. % cA分别和经置0处理后第二级cH、cV、cD行列扩展,同时进行R、G、B合成,后调用自定义的图像
  16. % 输出函数outrgb()输出图像文件。其中各颜色分量的cA又做为下一级二维离散的列、行小波重构
  17. % 的输入图像阵,如此共完成三次。最终得到了压缩处理的图像文件。

  18. % 读入图像文件
  19. picchar=strcat(mypic,'.png')
  20. pic=imread(picchar);
  21. pic=double(pic);

  22. % 对原真彩图像进行R、G、B分离
  23. cAr0=pic(:,:,1);cAg0=pic(:,:,2);cAb0=pic(:,:,3);

  24. % 第1级非标准分解
  25. [cAr1,cHr1,cVr1,cDr1,cMr1] = mydwt2(cAr0,wavename);
  26. [cAg1,cHg1,cVg1,cDg1,cMg1] = mydwt2(cAg0,wavename);
  27. [cAb1,cHb1,cVb1,cDb1,cMb1] = mydwt2(cAb0,wavename);

  28. % 输出经第1级非标准分解后的图像文件
  29. outrgb(cMr1,cMg1,cMb1,wavename,threshold,'_1_row');
  30. outrgb(merge(cAr1,cHr1,cVr1,cDr1),merge(cAg1,cHg1,cVg1,cDg1),merge(cAb1,cHb1,...
  31. cVb1,cDb1),wavename,threshold,'_1_col');

  32. % 第2级非标准分解
  33. [cAr2,cHr2,cVr2,cDr2,cMr2] = mydwt2(cAr1,wavename);
  34. [cAg2,cHg2,cVg2,cDg2,cMg2] = mydwt2(cAg1,wavename);
  35. [cAb2,cHb2,cVb2,cDb2,cMb2] = mydwt2(cAb1,wavename);
  36. % 输出经第2级非标准分解后的图像文件
  37. outrgb(merge(cMr2,cHr1,cVr1,cDr1),merge(cMg2,cHg1,cVg1,cDg1),merge(cMb2,cHb1,...
  38. cVb1,cDb1),wavename,threshold,'_2_row');
  39. outrgb(merge(merge(cAr2,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cAg2,cHg2,...
  40. cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cAb2,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...
  41. ),wavename,threshold,'_2_col');

  42. % 第3级非标准分解
  43. [cAr3,cHr3,cVr3,cDr3,cMr3] = mydwt2(cAr2,wavename);
  44. [cAg3,cHg3,cVg3,cDg3,cMg3] = mydwt2(cAg2,wavename);
  45. [cAb3,cHb3,cVb3,cDb3,cMb3] = mydwt2(cAb2,wavename);

  46. % 输出经第2级非标准分解后的图像文件
  47. outrgb(merge(merge(cMr3,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cMg3,cHg2,...
  48. cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cMb3,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...
  49. ),wavename,threshold,'_3_row');
  50. outrgb(merge(merge(merge(cAr3,cHr3,cVr3,cDr3),cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),...
  51. merge(merge(merge(cAg3,cHg3,cVg3,cDg3),cHg2,cVg2,cDg2),cHg1,cVg1,cDg1),...
  52. merge(merge(merge(cAb3,cHb3,cVb3,cDb3),cHb2,cVb2,cDb2),cHb1,cVb1,cDb1),...
  53. wavename,threshold,'_3_col');

  54. % 统计经过三级非标准小波分解后的各颜色分量的各级水平细节分量、垂直细节分量、对
  55. % 角细节分量的相应矩阵元素数值小于阀值系数的个数,并对它们进行小于阀值系数元素
  56. % 置0处理。
  57. zeronum=0;
  58. [cHr3,cVr3,cDr3,cHr2,cVr2,cDr2,cHr1,cVr1,cDr1,num_0]=make_0(cHr3,cVr3,cDr3,...
  59. cHr2,cVr2,cDr2,cHr1,cVr1,cDr1,threshold);
  60. zeronum=zeronum+num_0;
  61. [cHg3,cVg3,cDg3,cHg2,cVg2,cDg2,cHg1,cVg1,cDg1,num_0]=make_0(cHg3,cVg3,cDg3,...
  62. cHg2,cVg2,cDg2,cHg1,cVg1,cDg1,threshold);
  63. zeronum=zeronum+num_0;
  64. [cHb3,cVb3,cDb3,cHb2,cVb2,cDb2,cHb1,cVb1,cDb1,num_0]=make_0(cHb3,cVb3,cDb3,...
  65. cHb2,cVb2,cDb2,cHb1,cVb1,cDb1,threshold);
  66. zeronum=zeronum+num_0;
  67. % 把0的总数写入文本文件
  68. zerotxt=strcat(wavename,'_',threshold,'_','zero','.txt')
  69. csvwrite(zerotxt,zeronum);

  70. % 第1级非标准重构
  71. [cAr2,cMr3] = myidwt2(cAr3,cHr3,cVr3,cDr3,wavename);
  72. [cAg2,cMg3] = myidwt2(cAg3,cHg3,cVg3,cDg3,wavename);
  73. [cAb2,cMb3] = myidwt2(cAb3,cHb3,cVb3,cDb3,wavename);

  74. % 输出经第1级非标准重构后的图像文件
  75. outrgb(merge(merge(cMr3,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cMg3,cHg2,...
  76. cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cMb3,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...
  77. ),wavename,threshold,'_1_icol');
  78. outrgb(merge(merge(cAr2,cHr2,cVr2,cDr2),cHr1,cVr1,cDr1),merge(merge(cAg2,cHg2,...
  79. cVg2,cDg2),cHg1,cVg1,cDg1),merge(merge(cAb2,cHb2,cVb2,cDb2),cHb1,cVb1,cDb1...
  80. ),wavename,threshold,'_1_irow')

  81. % 第2级非标准重构
  82. [cAr1,cMr2] = myidwt2(cAr2,cHr2,cVr2,cDr2,wavename);
  83. [cAg1,cMg2] = myidwt2(cAg2,cHg2,cVg2,cDg2,wavename);
  84. [cAb1,cMb2] = myidwt2(cAb2,cHb2,cVb2,cDb2,wavename);

  85. % 输出经第2级非标准重构后的图像文件
  86. outrgb(merge(cMr2,cHr1,cVr1,cDr1),merge(cMg2,cHg1,cVg1,cDg1),merge(cMb2,cHb1,...
  87. cVb1,cDb1),wavename,threshold,'_2_icol');
  88. outrgb(merge(cAr1,cHr1,cVr1,cDr1),merge(cAg1,cHg1,cVg1,cDg1),merge(cAb1,cHb1,...
  89. cVb1,cDb1),wavename,threshold,'_2_irow');

  90. % 第3级非标准重构
  91. [cAr0,cMr1] = myidwt2(cAr1,cHr1,cVr1,cDr1,wavename);
  92. [cAg0,cMg1] = myidwt2(cAg1,cHg1,cVg1,cDg1,wavename);
  93. [cAb0,cMb1] = myidwt2(cAb1,cHb1,cVb1,cDb1,wavename);

  94. % 输出经第3级非标准重构后的图像文件,即最终图像文件
  95. outrgb(cMr1,cMg1,cMb1,wavename,threshold,'_3_icol');
  96. outrgb(cAr0,cAg0,cAb0,wavename,threshold,'_result');

  97. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  98. function [cA,cH,cV,cD,cM]=mydwt2(mypic_RGB,wavename)
  99. %此函数是利用MATLAB工具箱提供的一维离散小波变换函数dwt()对传递进来的图像矩阵mypic_RGB
  100. % 进行相应的小波类型分解处理,其中参数wavename是小波类型。它借助于使用了指定的小波基函
  101. % 数'wavename' 的dwt()首先对图像矩阵进行行分解,而后进行列分解。生成了近似分量cA,水平
  102. % 细节分量cH,垂直细节分量cV,对角细节分量cD和中间分量cM

  103. % 变量初始化
  104. cA=[];cH=[];cV=[];cD=[];cM=[];cAm=[];cDm=[];

  105. % 进行逐行行分解变换
  106. % cA1,cD1为临时近似,细节分量,把两分量进行列数扩展合成为中间分量矩阵以便输出
  107. x=size(mypic_RGB);
  108. for i=1:x(1)
  109. [cA1,cD1]=dwt(mypic_RGB(i,:),wavename);
  110. cAm=[cAm;cA1];cDm=[cDm;cD1];
  111. end
  112. cM=[cAm,cDm];

  113. % 对两临时分量进行逐列列分解变换,最后生成近似分量cA,水平细节分量cH,垂直细节分量cV,对
  114. % 角细节分量cD
  115. cAm=cAm';cDm=cDm';
  116. x=size(cAm);
  117. for i=1:x(1)
  118. [cA1,cD1]=dwt(cAm(i,:),wavename);
  119. cA=[cA;cA1];cV=[cV;cD1];
  120. end
  121. x=size(cDm);
  122. for i=1:x(1)
  123. [cA1,cD1]=dwt(cDm(i,:),wavename);
  124. cH=[cH;cA1];cD=[cD;cD1];
  125. end
  126. % 转置矩阵
  127. cA=cA';cH=cH';cV=cV';cD=cD';


  128. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  129. function [mypic_RGB,cM]=myidwt2(cA,cH,cV,cD,wavename)
  130. % 此函数实现了二维离散小波反变换,即重构。它是利用MATLAB工具箱所提供的一维离散小波反变
  131. % 换函数idwt()对传递进来的近似分量cA、水平细节分量cH、垂直细节分量cV和对角细节分量cD进
  132. % 行相应的小波类型重构处理,其中参数wavename是小波类型。它借助于使用了指定的小波基函数
  133. % 'wavename'的idwt()首先对四个分量矩阵进行列反变换,而后行反变换。重构出中间过程图像矩
  134. % 阵cM和原始图像矩阵mypic_RGB。

  135. cA1=[];cD1=[];

  136. % 进行逐列列重构变换,得到过程矩阵cA1、cD1,再对它们列数扩展合成为中间图阵cM
  137. cA=cA';cH=cH';cV=cV';cD=cD';
  138. mypic_RGB=[];
  139. x=size(cA);
  140. for i=1:x(1)
  141. temp=idwt(cA(i,:),cV(i,:),wavename);
  142. cA1=[cA1;temp];
  143. end
  144. x=size(cH);
  145. for i=1:x(1)
  146. temp=idwt(cH(i,:),cD(i,:),wavename);
  147. cD1=[cD1;temp];
  148. end

  149. cA1=cA1';
  150. cD1=cD1';
  151. cM=[cA1,cD1];
  152. % 对上述得到的分量cA1、cD1作为过程细节分量进行逐行行重构变换,得到图像矩阵mypic_RGB
  153. x=size(cA1);
  154. for i=1:x(1)
  155. temp=idwt(cA1(i,:),cD1(i,:),wavename);
  156. mypic_RGB=[mypic_RGB;temp];
  157. end


  158. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  159. function []=outrgb(pic_R,pic_G,pic_B,wavename,threshold,level)
  160. % 该函数确定了图像在各像素位置上的红、绿、蓝的强度值组合。实现了R、G、B各分量组合后所
  161. % 成的真彩图像的文件输出
  162. temp=size(pic_R);
  163. pic=zeros(temp(1),temp(2),3);
  164. for i=1:temp(1);
  165. for j=1:temp(2);
  166. pic(i,j,1)=pic_R(i,j);
  167. pic(i,j,2)=pic_G(i,j);
  168. pic(i,j,3)=pic_B(i,j);
  169. end
  170. end

  171. %输出RGB图像,即真彩图像。
  172. imwrite(pic/255,strcat('pic','_',wavename,'_',threshold,level,'.png'));



  173. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  174. function [cH3,cV3,cD3,cH2,cV2,cD2,cH1,cV1,cD1,count]...
  175. =make_0(cH3,cV3,cD3,cH2,cV2,cD2,cH1,cV1,cD1,threshold)
  176. % 该函数功能是本课程役计的关键,它完成了对经过三级非标准分解后各分量图矩阵中所有元素数
  177. % 值小于阀值的进行置0处理,为后面进行三级非标准重构原始图像从而实现图像压缩奠定了基础。
  178. % 输入经过非标准分解后颜色分量的各级的水平细节分量、垂直细节分量、对角细节分量和阀值
  179. % threshold其中数字表示非标准处理的级别。输出各分量图矩阵中所有元素数值小于阀值系数置
  180. % 0处理后所对应的各级的水平细节分量、垂直细节分量、对角细节分% 量,并统计它们系数为0个
  181. % 数count。
  182. threshold_num=str2num(threshold);
  183. count=0;

  184. % 借助临时分量对第三级非标准分解的水平细节分量、垂直细节分量、对角细节分量进行行、列数
  185. % 扩展合成cM_matrix3,并对数值小于阀值系数进行置0处理,并统计矩阵元素数值小于阀值系数的
  186. % 个数。
  187. cM_cA3=cD3
  188. cM_cA3=zeros(size(cM_cA3,1),size(cM_cA3,2));
  189. num=size(cM_cA3,1)*size(cM_cA3,2);
  190. cM_matrix3=[cM_cA3,cH3;cV3,cD3];
  191. cM_size=size(cM_matrix3);
  192. for i=1:cM_size(1)
  193. for j=1:cM_size(2)
  194. if abs(cM_matrix3(i,j))<=threshold_num
  195. count=count+1;
  196. cM_matrix3(i,j)=0;
  197. end
  198. end
  199. end
  200. % 对所合成的cM_matrix3重新分离出置0处理后的水平细节分量、垂直细节分量和对角细节分量,并
  201. % 精确了矩阵元素数值小于阀值系数的数目。
  202. cH3=cM_matrix3;cV3=cM_matrix3;cD3=cM_matrix3;
  203. cH3(1+size(cM_cA3,1):2*size(cM_cA3,1),:)=[];cH3(:,1:size(cM_cA3,2))=[];
  204. cV3(1:size(cM_cA3,1),:)=[];cV3(:,1+size(cM_cA3,2):2*size(cM_cA3,2))=[];
  205. cD3(1:size(cM_cA3,1),:)=[];cD3(:,1:size(cM_cA3,2))=[];
  206. count=count-num;

  207. % 借助临时分量对第二级非标准分解的水平细节分量、垂直细节分量、对角细节分量进行行、列数
  208. % 扩展合成cM_matrix2,并对数值小于阀值系数进行置0处理,并统计矩阵元素数值小于阀值系数的 % 个数。
  209. cM_cA2=cD2
  210. cM_cA2=zeros(size(cM_cA2,1),size(cM_cA2,2));
  211. num=size(cM_cA2,1)*size(cM_cA2,2);
  212. cM_matrix2=[cM_cA2,cH2;cV2,cD2];
  213. cM_size=size(cM_matrix2);
  214. for i=1:cM_size(1)
  215. for j=1:cM_size(2)
  216. if abs(cM_matrix2(i,j))<=threshold_num
  217. count=count+1;
  218. cM_matrix2(i,j)=0;
  219. end
  220. end
  221. end
  222. % 对所合成的cM_matrix2重新分离出置0处理后的水平细节分量、垂直细节分量和对角细节分量,并
  223. % 精确了矩阵元素数值小于阀值系数的数目。
  224. cH2=cM_matrix2;cV2=cM_matrix2;cD2=cM_matrix2;
  225. cH2(1+size(cM_cA2,1):2*size(cM_cA2,1),:)=[];cH2(:,1:size(cM_cA2,2))=[];
  226. cV2(1:size(cM_cA2,1),:)=[];cV2(:,1+size(cM_cA2,2):2*size(cM_cA2,2))=[];
  227. cD2(1:size(cM_cA2,1),:)=[];cD2(:,1:size(cM_cA2,2))=[];
  228. count=count-num;

  229. % 借助临时分量对第一级非标准分解的水平细节分量、垂直细节分量、对角细节分量进行行、列数
  230. % 扩展合成cM_matrix1,并对数值小于阀值系数的元素进行置0处理,且统计矩阵元素数值小于阀值
  231. % 系数的个数。
  232. cM_cA1=cD1
  233. cM_cA1=zeros(size(cM_cA1,1),size(cM_cA1,2));
  234. num=size(cM_cA1,1)*size(cM_cA1,2);
  235. cM_matrix1=[cM_cA1,cH1;cV1,cD1];
  236. cM_size=size(cM_matrix1);
  237. for i=1:cM_size(1)
  238. for j=1:cM_size(2)
  239. if abs(cM_matrix1(i,j))<=threshold_num
  240. count=count+1;
  241. cM_matrix1(i,j)=0;
  242. end
  243. end
  244. end
  245. % 对所合成的cM_matrix1重新分离出置0处理后的水平细节分量、垂直细节分量和对角细节分量,并
  246. % 精确了矩阵元素数值小于阀值系数的数目。
  247. cH1=cM_matrix1;cV1=cM_matrix1;cD1=cM_matrix1;
  248. cH1(1+size(cM_cA1,1):2*size(cM_cA1,1),:)=[];cH1(:,1:size(cM_cA1,2))=[];
  249. cV1(1:size(cM_cA1,1),:)=[];cV1(:,1+size(cM_cA1,2):2*size(cM_cA1,2))=[];
  250. cD1(1:size(cM_cA1,1),:)=[];cD1(:,1:size(cM_cA1,2))=[];
  251. count=count-num;



  252.  

  253. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  254. function pic=merge(cA,cH,cV,cD)
  255. % 该函数实现了对传入的四个参数矩阵cA,cH,cV,cD合并,其中cA,cH,cV,cD分别代表左上角、右上
  256. % 角、左下角、右下角矩阵,合并结果为输出矩阵pic

  257. % 取得四个参数矩阵行、列两维的最大分别值row_max和col_max
  258. temp1=size(cA);temp2=size(cH);temp3=size(cV);temp4=size(cD);
  259. row_max=max([temp1(1),temp2(1),temp3(1),temp4(1)]);
  260. col_max=max([temp1(2),temp2(2),temp3(2),temp4(2)]);
  261. % pic=zeros(2*row_max,2*col_max);
  262. % 与最大分别值row_max和col_max比较,对左上角矩阵扩展置0
  263. if temp1(1)<row_max|temp1(2)<col_max
  264. cA(row_max,col_max)=0;
  265. end
  266. % 与最大分别值row_max和col_max比较,对右上角矩阵扩展置0
  267. if temp2(1)<row_max|temp2(2)<col_max
  268. cH(row_max,col_max)=0;
  269. end
  270. % 与最大分别值row_max和col_max比较,对左下角矩阵扩展置0
  271. if temp3(1)<row_max|temp3(2)<col_max
  272. cV(row_max,col_max)=0;
  273. end
  274. % 与最大分别值row_max和col_max比较,对右下角矩阵扩展置0
  275. if temp4(1)<row_max|temp4(2)<col_max
  276. cD(row_max,col_max)=0;
  277. end
  278. % 合并左上角、右上角、左下角、右下角矩阵生成输出pic矩阵
  279. pic=[cA,cH;cV,cD];
复制代码

点评

赞成: 5.0
赞成: 5
辛苦了!!赞一个!  发表于 2012-6-8 16:21
您需要登录后才可以回帖 登录 | 我要加入

本版积分规则

QQ|小黑屋|Archiver|手机版|联系我们|声振论坛

GMT+8, 2024-11-11 01:14 , Processed in 0.072071 second(s), 21 queries , Gzip On.

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表