『壹』 通過小波變換怎麼樣能夠改進圖像壓縮的質量和大小
1.如果你要找論文，請到到中國知網資料庫http://dlib.cnki.net/kns50/
或者維普資料庫http://202.120.203.253:8088/index.asp，資料庫里多的是。
2. 圖像的小波變換的提出的其中一個原因是，JPEG在低碼率下存在方塊效應等缺點，為了克服這些缺點而提出了圖像經過小波變換後壓縮。而且相對於DCT變換，DWT變換後壓縮的效果更佳，因為在小波域不僅有頻域還有空域信息。
3. 三言兩語很難說清的，找本教科書看看就明白了
『貳』 求教matlab小波變換ebcot演算法的圖像壓縮
clear all Y=imread('5.PNG'); [X,map]=gray2ind(Y,256); subplot(1,2,1); image(X); colormap(map); title('原始圖像'); %採用默認的全局閾值 [thr,sorh,keepapp,crit]=ddencmp('cmp','wp',X); %圖像進行壓縮 Xc=wpdencmp(X,sorh,3,'bior3.1'
『叄』 緊急求助:在MTLAB下實現用小波變換對圖像進行壓縮處理的一個實例。包括完整的程序。
I=imread('cameraman.tif');
xd=im2double(I) ;
[m,n]=size(I); % 求出規范化矩陣x的行列數
%xd=double(x); % 將矩陣x的數據格式轉換為適合數值處理的double格式
for i=1:2
[dLL,dHL,dLH,dHH]=dwt2(xd,'db1'); % 矩陣小波分解
tmp=[dLL,dHL;dLH,dHH]; % 將分解系數存入緩存矩陣
xd=dLL; % 將緩存矩陣左上角部分的子矩陣作為下一層分解的源矩陣
[row,col]=size(tmp); % 求出緩存矩陣的行列數
y(1:row,1:col)=tmp; % 將緩存矩陣存入輸出矩陣的相應行列
end
yd=uint8(y); % 將輸出矩陣的數據格式轉換為適合顯示圖像的uint8格式
for i=1:2 % 對矩陣 yd 進行分界線處理，畫出分解圖像的分界線
m=m-mod(m,2);
n=n-mod(n,2);
yd(m/2,1:n)=255;
yd(1:m,n/2)=255;
m=m/2;n=n/2;
end
wname='db1'
n=2;
[c,s] = wavedec2(I,n,wname);
alpha = 1.5; m = 2.7*prod(s(1,:));
[thr,nkeep] = wdcbm2(c,s,alpha,m)
% Compression
[xd,cxd,sxd,perf0,perfl2] = wdencmp('lvd',c,s,wname,n,thr,'h');
%使用第二個axes
I2 = uint8(xd)
%axes(handles.axes2);
subplot(1,2,1);
imshow(I);
title('原始圖像');
subplot(1,2,2)
imshow(I2);
title('壓縮圖像');
『肆』 小波變換在高光譜影像處理中的應用
小波分析在遙感圖像處理中的應用起步比較晚，主要是對圖像進行二維小波變換和重構，常用於一般遙感圖像壓縮、圖像去噪、圖像融合、圖像紋理特徵和邊緣特徵分析、圖像插值處理、多衛星數據融合、圖像數據分類等方面。
由於小波變換具有多解析度分析的特點，在時、頻兩域都具有表徵信號局部特徵的能力，對高光譜波譜維進行小波分解能夠同時保留信號高頻與低頻信息，精細地描述光譜的波峰和波谷等曲線特性，自動消除數據中的異常值，大大減少了特徵光譜維數（Kaewpi－jit，2003），因而有利於高光譜後續處理。如基於小波變換，可提取信號在不同分級上的小波分量特徵值，可利用特徵值匹配方法實現了高光譜影像的分類（李新雙等，2006）。結合小波變換的特點和非監督正交子空間迭代分解的方法，也可利用基於光譜維的小波低頻系數特徵或高頻特徵系數，進行混合像元投影迭代分解或亞像素目標識別（吳波等，2005；路威等，2005a）。孫桂玲等（2006）對典型地物的高光譜數據採用小波變換的分析方法，根據小波分解後的高頻信息中包含重要信息的特點，提出了一種能夠比較精確的提取出地物光譜各個吸收帶的中心波長的光譜特徵提取方法。
相對來說，小波變換在高光譜影像處理中主要用於高光譜影像數據的壓縮（王晉等，2006）、融合、去噪（路威等，2005b；吳傳慶等，2005）、影像分類、小波神經網路分類、影像亞像素目標識別、特徵提取等。小波變換在高光譜影像數據的光譜分析和光譜特徵提取中的應用還比較少，這方面應用以對各個像元或參考目標的高光譜數據進行小波變換為基礎，主要用於光譜特徵提取、目標識別與分類和高光譜遙感影像亞像素目標識別。
『伍』 matlab中圖像壓縮技術是怎麼實現的
基於小波分析的圖像壓縮方法很多 , 有小波包最好基方法 、小波域紋理模型方法 、變換零樹壓縮 、小波變換向量量化壓縮等等，不過具體理論都是差不多的，區別是演算法方式不同，有興趣的可以去matlab的網站去看看 http://www.ilove matlab .cn 一個圖像作小波分解後 , 可得到一系列不同解析度的子圖像 ,不同解析度的子圖像對應的頻率是 不相同的 。高解析度 ( 即高頻) 子圖像上大部分點的數值都接近於 0 , 越是高頻這種現象越明顯 。對一 個圖像來說 ,表現一個圖像最主要的部分是低頻部分 ,所以一個最簡單的壓縮方法是利用小波分解 ,去 掉圖像的高頻部分而只保留低頻部分 。 下面具體介紹利用 MA TLAB[ 2 ] 中二維小波分析一個圖像 ( 即一個二維信號 , 設文件名為 wbarb. mat) 進行圖像壓縮的實例 。圖像壓縮可按如下程序進行處理 。 程序清單 : clear %清除 MA TLAB 工作環境中現有的變數 load wbarb ; %裝入圖像 %顯示圖像 subplot ( 221) ;image ( X) ; colormap ( map ) title ( 』原始圖像』 ;) axis square disp ( 』壓縮前圖像 X 的大小 : 』 ;) Whos ( 』』X ) %= = = = = = = = = = = = = = = = = = %對圖像用 bior3. 7 小波進行 2 層小波分解 [ c ,s ] = wavedec2 ( X ,2 ,』bior3. 7』 ;) %對圖像用 bior3. 7 小波進行 2 層小波分解 [ c ,s ] = wavedec2 ( X ,2 ,』 bior3. 7』 ; ) %提取小波分解結構中第 1 層的低頻系數和高 頻系數 cal = appcoef2 ( c ,s ,』 bior3. 7』 ,l) ; ch1 = detcoef2 ( 』h' ,c ,s ,1) ; %水平方向 cv1 = detcoef2 ( 』V 』,c ,8 ,1) ; %垂直方向 cdl = detcoef2 ('d',C ,S ,1) ; %斜線方向 %分別對各頻率成份進行重構 al = wrcoef2 ( 'a',c ,s ,』bior3. 7』 ,1) ; h1 = wrcoef2 ( 』h』,c ,s ,』bior3. 7』 ,1) ; v1 = wrcoef2 ( 』v』,c ,s ,』bior3. 7』 ,1) ; dl = wrcoef2 ( 』d』,c ,s ,』bior3. 7』 ,1) ; c1 = [ al ,hl ,v1 ,d1」; %顯示分解後各頻率成份的信息 subplot ( 222) ; image ( c1) ; axis squaretitle ( 』分解後低頻和高頻信息』 ;) %= = = = = = = = = = = = = = = = = = = %下面進行圖像壓縮處理 %保留小波分解第一層低頻信息 , 進行圖像的壓縮 %第 1 層的低頻信息即為 cal , 顯示第 1 層的低頻信息 %首先對第 1 層信息進行量化編碼它處理即可獲得較好的壓縮效果 。在上面的例 子中,我們還可以只提取小波分解第 3 、4 … 層的低頻信息 ,從理論上說 ,我們可以獲得任意壓縮比的壓 縮圖像 。由此可以看出 , 小波分析用於圖像壓縮具有明顯的優點 。 在利用二維小波變換進行圖像壓縮時需要說明的是 : 小波變換為圖像從空間域交換到時間域提供 了一種非常有效的方法 , 它的作用與以前在圖像壓縮中所用到的離散餘弦變換 ( DCT) 、傅里葉變換等 的作用類似 。但是 ,要很好地進行圖像的壓縮 ,需要綜合地利用多種其它技術 , 特別是數據編碼與解碼 演算法等 ,所以利用小波分析進行圖像壓縮往往是藉助小波分析和許多其它相關技術共同完成的 。
『陸』 小波如何圖像壓縮
小波圖像壓縮有兩個主要因素，一個是濾波器，另一個是壓縮編碼演算法。
單靠小波變換後，用濾波器濾掉 次要信號，再反變換回來，圖像文件大小不會變的。
DWT 適合 圖像壓縮。
Coheb 和 Daubechies 等人的 9-7基 曾是許多人的首選。這些年有無新進展，我不清楚。
『柒』 基於小波變換的圖像壓縮方法（求個程序啊！用matlab實現圖片無損壓縮，一種演算法即可）
clear all
Y=imread('5.PNG');
[X,map]=gray2ind(Y,256);
subplot(1,2,1);
image(X);
colormap(map);
title('原始圖像');
%採用默認的全局閾值
[thr,sorh,keepapp,crit]=ddencmp('cmp','wp',X);
%圖像進行壓縮
Xc=wpdencmp(X,sorh,3,'bior3.1',crit,thr,keepapp);
%顯示壓縮結果
subplot(1,2,2);
image(Xc);
colormap(map);
title('全局閾值壓縮圖像');
『捌』 誰會用matlab實現小波變換對圖片的壓縮處理
subplot(1,2,1);
imshow(I);
title('原始圖像');
subplot(1,2,2)
imshow(I2);
title('壓縮圖像');