七彩建设集团官方网站,家装公司装修,装修报价单明细表,推广公司名字大全一、前言
目前在大量的灰度图像测试下#xff0c;基本确定变换系数ratio取值0-25之间时#xff0c;逆变化后的图还能基本保障效果#xff0c;而且越接近0效果越好。本文还是以lenna.bmp灰度图为例#xff0c;实验不再逆变换#xff0c;而是把变换后的数据直接输出为bmp的…一、前言
目前在大量的灰度图像测试下基本确定变换系数ratio取值0-25之间时逆变化后的图还能基本保障效果而且越接近0效果越好。本文还是以lenna.bmp灰度图为例实验不再逆变换而是把变换后的数据直接输出为bmp的灰度值通过观察变换后的图像思考两个问题 1、从变换后的图可以看出我的变换算法与 DCT变换、小波变换是完全不同的这里大家可以参考小波图像处理和 DCT图像处理也可以参考 图像DCT变换这里就不再把lenna.bmp在小波和DCT变换后的图重复贴出来。 2、设定ratio变换后通过统计和分析给出变换后各个字节值的统计值以及对应的直线散点图找出针对变换后的规律以及思考压缩方案。
二、不同变换参数下的图例
2.1ratio 5
实验方法是不进行逆变换直接把变换后的字节输出为bmp的灰度值也可以理解为频谱信息如下 从这个图不难看出通过我的变换算法变换后是和DCT、小波完全不同的结果。 DCT变换的频谱信息如下 小波变换的频谱信息如下 显然与DCT和小波变换是完全不同的而且无法通过频谱信息得出有效的结论所以只能从统计的角度给出各个符号出现的概率。
2.2ratio 101520
下图为ratio 10 下图为ratio 15 下图为ratio 20 通过实验我们能得到的唯一结论就是频谱信息越来越白这就是为什么前面的实验我一直都是以统计0xFF的数量来分析的。
三、不同变换参数下各字节统计值的散点图 不难得出各个值的统计特征基本相同而且0xFF、0x800xC00xE0以及其他的几个特殊的值会大量出现但是各个字节出现的位置是随机的不确定的。所以我的变换算法最适合采用类似哈夫曼编码、算术编码类的方式进行压缩即不同的字节值根据概率给定不同的码字以ratio20为例0xFF共有128384如果分配的码字为1那么利用哈夫曼编码至少可以压缩到16048个字节。 当然从优化的角度来讲也可以以行为单位或块为单位变换这个将放在后面作为图像压缩和视频压缩的优化方案中。 接下来我会采用加权概率模型的熵编码进行压缩实验。
