第三章MATLAB优化算法案例分析与应用第3章基于小波变换的图像压缩与MATLAB实现

第三章MATLAB优化算法案例分析与应用1974年，法国工程师J.Morlet首先提出小波变换的概念，1986年著名数学家Y.Meyer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的多尺度分析之后，小波分析才开始蓬勃开展起来。小波分析的应用领域十分广泛，在数学方面，它已用于数值分析、构造快速数值方法、曲线曲面构造、微分方程求解、控制论等。在信号分析方面的滤波、去噪声、压缩、传递等。在图像处理方面的图像压缩、分类、识别与诊断，去噪声等。本章将着重阐述小波在图像中的应用分析。

第三章MATLAB优化算法案例分析与应用3.1小波变换原理

第三章MATLAB优化算法案例分析与应用3.2多尺度分析分解公式：重构公式：

第三章MATLAB优化算法案例分析与应用3.3图像的分解和量化图3-1小波压缩图像的算法流程

第三章MATLAB优化算法案例分析与应用3.4图像压缩编码

第三章MATLAB优化算法案例分析与应用3.4.1图像编码评价

第三章MATLAB优化算法案例分析与应用3.5图像压缩与MATLAB实现图像能够进行压缩的主要原因如下：〔1〕原始图像信息存在着很大的冗余度，数据之间存在着相关性，如相连间像素之间色彩的相关性等，这些冗余的信息将会产生额外的编码，浪费占用资源，如果去掉这些冗余信息，就会减少信息所占的空间。〔2〕在多媒体系应用领域中，人眼作为图像信息的接收端，人视觉对于边缘急剧变化不敏感〔视觉掩盖效果〕，人眼对图像的亮度信息较敏感，而对颜色分辨率弱等，因此在高压缩比下，再经解压缩后的图像信号仍让人比较满意。〔3〕只要损失的数据不太影响人眼主观接受的效果，即可觉得这个压缩方法可行。

第三章MATLAB优化算法案例分析与应用图3-3静止图像压缩

第三章MATLAB优化算法案例分析与应用

第三章MATLAB优化算法案例分析与应用图3-7Haar小波图像压缩

第三章MATLAB优化算法案例分析与应用图3-8Bior一级小波分解

第三章MATLAB优化算法案例分析与应用图3-10bior小波图像压缩