【图像压缩】基于游程编码实现图像压缩算法附matlab代码

简介: 【图像压缩】基于游程编码实现图像压缩算法附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

随着海量数据进入我们的生活,数据压缩成为计算机科学领域中十分活跃的论题,游程编码与哈夫曼编码是两种典型的无损压缩编码的方法.本文介绍基于游程编码实现图像压缩算法附matlab代码

⛄ 代码

clc;

clear all;

I = imread('F:\数字图像处理作业\实验四\lena.tif');%读入图像

figure,subplot(121),imshow(I),title('原图像');

%二值化阈值0.3

BW = imbinarize(I,0.2);%二值化

[zipped,info]=RLEencode(BW);%进行游程编码

unzipped = RLEdencode(zipped,info);%进行游程解码

subplot(122),imshow(uint8(unzipped)*255),title('经游程编解码后的图像');

cr1 = info.ratio;%压缩比


%游程编码函数

function [zipped,info]=RLEencode(vector)

[m,n]=size(vector);

vector=uint8(vector(:));

L=length(vector);

c=vector(1);

% e(1,1)=c;

%原始代码,这样会使 e 矩阵变成unit8(0-255),但e(:,2)中有大于255的数据,所以

%必须是double类型

e(1,1)=double(c);%必须是double类型,否则会使 e 矩阵变成uint类型,从而导致错误

e(1,2)=0;

t1=1;

for j=1:L

   if (vector(j)==c)

      e(t1,2) = e(t1,2)+1;%double类型

   else

       c=vector(j);

       t1=t1+1;

       e(t1,1)=double(c);%uint类型转换成double类型

       e(t1,2)=1;

   end

end

zipped=e;

info.rows=m;

info.cols=n;

[m,n]=size(e);

info.ratio=(info.rows*info.cols)/m*n;

end


%游程编码的解码函数

function unzipped=RLEdencode(zip,info)

% zip=uint8(zip);

%本处错误,不能将zip中的数据(double类型)转变成uint8(0-255)

%因为zip中的数据(double类型)有超过255的数据

[m,n]=size(zip);

unzipped=[];

for i=1:m

   section=repmat(zip(i,1),1,zip(i,2));

   unzipped=[unzipped section];

end

unzipped=reshape(unzipped,info.rows,info.cols);

end

⛄ 运行结果

⛄ 参考文献

[1] WEI Jia-yuan, 魏佳圆, WEN Yuan-yuan,等. 二值图像游程-Huffman编码方法研究及Matlab实现[C]// 中国电子学会空间电子学分会;中国宇航学会空间电子学专业委员会;中国工程院信息与电子工程学部. 中国电子学会空间电子学分会;中国宇航学会空间电子学专业委员会;中国工程院信息与电子工程学部, 2014.

[2] 赵婷婷. 基于游程编码的图像处理系统设计[J]. 经营管理者, 2010(11X):1.

[3] 李金泉, 臧淼, 李亮,等. 基于MATLAB的JPEG图像压缩编解码的设计与实现[J]. 中国信息化, 2012.

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料




相关文章
|
19天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
本研究基于MATLAB 2022a,使用GRU网络对QAM调制信号进行检测。QAM是一种高效调制技术,广泛应用于现代通信系统。传统方法在复杂环境下性能下降,而GRU通过门控机制有效提取时间序列特征,实现16QAM、32QAM、64QAM、128QAM的准确检测。仿真结果显示,GRU在低SNR下表现优异,且训练速度快,参数少。核心程序包括模型预测、误检率和漏检率计算,并绘制准确率图。
85 65
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
|
6天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于生物地理算法的MLP多层感知机优化matlab仿真
本程序基于生物地理算法(BBO)优化MLP多层感知机,通过MATLAB2022A实现随机数据点的趋势预测,并输出优化收敛曲线。BBO模拟物种在地理空间上的迁移、竞争与适应过程,以优化MLP的权重和偏置参数,提升预测性能。完整程序无水印,适用于机器学习和数据预测任务。
|
5天前
|
资源调度 算法 数据可视化
基于IEKF迭代扩展卡尔曼滤波算法的数据跟踪matlab仿真,对比EKF和UKF
本项目基于MATLAB2022A实现IEKF迭代扩展卡尔曼滤波算法的数据跟踪仿真,对比EKF和UKF的性能。通过仿真输出误差收敛曲线和误差协方差收敛曲线,展示三种滤波器的精度差异。核心程序包括数据处理、误差计算及可视化展示。IEKF通过多次迭代线性化过程,增强非线性处理能力;UKF避免线性化,使用sigma点直接处理非线性问题;EKF则通过一次线性化简化处理。
|
6天前
|
算法 数据安全/隐私保护
基于二次规划优化的OFDM系统PAPR抑制算法的matlab仿真
本程序基于二次规划优化的OFDM系统PAPR抑制算法,旨在降低OFDM信号的高峰均功率比(PAPR),以减少射频放大器的非线性失真并提高电源效率。通过MATLAB2022A仿真验证,核心算法通过对原始OFDM信号进行预编码,最小化最大瞬时功率,同时约束信号重构误差,确保数据完整性。完整程序运行后无水印,展示优化后的PAPR性能提升效果。
|
4天前
|
算法 数据安全/隐私保护 计算机视觉
基于sift变换的农田杂草匹配定位算法matlab仿真
本项目基于SIFT算法实现农田杂草精准识别与定位,运行环境为Matlab2022a。完整程序无水印,提供详细中文注释及操作视频。核心步骤包括尺度空间极值检测、关键点定位、方向分配和特征描述符生成。该算法通过特征匹配实现杂草定位,适用于现代农业中的自动化防控。
|
10天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-LSTM-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-LSTM-SAM网络时间序列预测算法。使用Matlab2022a开发,完整代码含中文注释及操作视频。算法结合卷积层提取局部特征、LSTM处理长期依赖、自注意力机制捕捉全局特征,通过粒子群优化提升预测精度。适用于金融市场、气象预报等领域,提供高效准确的预测结果。
|
3天前
|
机器学习/深度学习 资源调度 算法
基于入侵野草算法的KNN分类优化matlab仿真
本程序基于入侵野草算法(IWO)优化KNN分类器,通过模拟自然界中野草的扩散与竞争过程,寻找最优特征组合和超参数。核心步骤包括初始化、繁殖、变异和选择,以提升KNN分类效果。程序在MATLAB2022A上运行,展示了优化后的分类性能。该方法适用于高维数据和复杂分类任务,显著提高了分类准确性。
|
10天前
|
算法 数据安全/隐私保护
基于Big-Bang-Big-Crunch(BBBC)算法的目标函数最小值计算matlab仿真
该程序基于Big-Bang-Big-Crunch (BBBC)算法,在MATLAB2022A中实现目标函数最小值的计算与仿真。通过模拟宇宙大爆炸和大收缩过程,算法在解空间中搜索最优解。程序初始化随机解集,经过扩张和收缩阶段逐步逼近全局最优解,并记录每次迭代的最佳适应度。最终输出最佳解及其对应的目标函数最小值,并绘制收敛曲线展示优化过程。 核心代码实现了主循环、粒子位置更新、适应度评估及最优解更新等功能。程序运行后无水印,提供清晰的结果展示。
|
11天前
|
算法 数据挖掘 数据安全/隐私保护
基于CS模型和CV模型的多目标协同滤波跟踪算法matlab仿真
本项目基于CS模型和CV模型的多目标协同滤波跟踪算法,旨在提高复杂场景下多个移动目标的跟踪精度和鲁棒性。通过融合目标间的关系和数据关联性,优化跟踪结果。程序在MATLAB2022A上运行,展示了真实轨迹与滤波轨迹的对比、位置及速度误差均值和均方误差等关键指标。核心代码包括对目标轨迹、速度及误差的详细绘图分析,验证了算法的有效性。该算法结合CS模型的初步聚类和CV模型的投票机制,增强了目标状态估计的准确性,尤其适用于遮挡、重叠和快速运动等复杂场景。
|
9天前
|
算法 数据安全/隐私保护
基于Adaboost的数据分类算法matlab仿真
本程序基于Adaboost算法进行数据分类的Matlab仿真,对比线性与非线性分类效果。使用MATLAB2022A版本运行,展示完整无水印结果。AdaBoost通过迭代训练弱分类器并赋予错分样本更高权重,最终组合成强分类器,显著提升预测准确率。随着弱分类器数量增加,训练误差逐渐减小。核心代码实现详细,适合研究和教学使用。

热门文章

最新文章