基于小波变换的图像压缩算法任务书-图像压缩 FPGA

本书的内容分为基础理论、演进发展和典型应用三个部分。其中在基础理论部分,通过分析F0urier变换和Gabor变换的特点,说明小波变换的起源和发展,给出连续和离散小波变换的定义,介绍多分辨率分析的概念以及小波变换的快速算法;给出正交小波基、紧支集正交小波基和双正交小波基的构造方法。在演进发展部分,分别介绍小波包、第二代小波变换、多小波变换、球面小波和多尺度几何分析等理论和方法。在典型应用部分,给出基于小波变换的图像压缩方法,包括高效的小波图像压缩算法,另外,介绍基于小波变换的数字水印、指纹处理识别等典型应用。

通常进行小波压缩重构后的图像是与原图像相同尺寸的,除非你将其它高频系数都删去不用。压缩后的图像如果是xcomp的话,直接用size就行了吧。

据我所知xcomp应该不是重构后的图像,只是去噪后的图像,还得进行重构才能得到真正重构的图像。

那可能是我孤陋寡闻了,不过要评价是否被压缩了不是看图像的大小变了没有,而是看压缩后的图像占多少空间,即所占字节数,与原图所占空间相比,这样可以算出被压缩了多少了

那这样的话我看你要修改一下你的参数了,比如thr等应该是阈值吧。如果他里边的数据都成片的相同,应该说已经阈值分割了呀。那我就不太了解了。

1引言(Introduction)

在基于小波变换的图像压缩方案中,由Said和Pearlman提出的基于嵌入式编码思想的SPIHT算法【1被认为是目前国际上图像变换编码领域最先进的方法之一.虽然SPIHT算法在理论上是优秀卓越的编码算法,然而该算法在编码和解码过程中不仅需要消耗大量内存以保存重要系数和重要集合的坐标链表,而且存在多次重复运算,不利于硬件实时实现.

针对算法在硬什实现上的不足,众多学者提出了卓有成效的改进算法.其中,基于标志位图思想的改进SPIHT算法【】通过对小波变换系数采用标志位图代替原始SPIHT算法的三个大容量链表,大人降低了内存需求量;而采用并行处理的SPIHT编码结构【3】则以其处理速度快、实现复杂度小、无中间变量存储、具有一定抗误码扩散能力等特点大大提高了硬件实时处理速度和效率.

可见,算法【273】分别从硬件实现的内存需求量和实时实现角度对SPIHT算法进行了改进.然而在实际应用中,算法的硬件实现由计算复杂度、内存需求量和处理速度等多种冈素共同决定.如何在减小计算复杂度的前提下,同时降低内存需求量和实时处理速度,是算法硬件实现的难点.为此,本文提出了一种基_丁m―1wT的实时像压缩的FPGA设计方案.该方案在采用IB―IWT算法降低硬件实现的计算复杂度的基础上,整合了文f2,3]中的算法在硬件实现上的优势,充分利用FPGA的丰富资源.方案在硬件实现上的各指标(存储容量、运算速度和计算复杂度)都得到很火提高,非常适合实时处理.2实时图像压缩方案(Real-timeimagecorn-pressionscheme)基于小波变换的图像实时压缩方案是否适合硬件实时实现主要由以下两大因素决定:(1)小波变换的计算复杂度和内存需求量,(2)变换后小波系数编码的存储容量及实时处理速度.针对以上两大冈素,本文设计了基于IB―1wT的压缩编码方案对图像进行实时压缩.

2.1IB-IWT变换IB一T算法中的经典代表是LeGall(5,3)小波滤波器,其计算复杂度小、存储开销低、压缩效率高,已被JPEG2000标准采用.由于(5,3)小波变换是可逆的,因此,基丁定点运算的(5,3)小波常被用于图像无损压缩.(5,3)小波变换只有一次提升过程(一次预测和一次更新),其算法【4]为:

式中x(n)是原始信号,c[n]、din】分别为小波变换的低频和高频分量,符号“I.I”表示取整运算.由算法可以看出,(5,3)小波变换主要以加减运算为主,除法运算(除以2和除以4)在硬件中可通过“右移”操作快速实现.考虑到(5,3)小波实时性好、运算简单、易丁二硬件实现等特点,这里选用(5,3)整数小波变换进行变换分解.

2.2实现方案

在给出适合硬件实现的(5,3)小波变换方法后,我们将介绍变换后小波系数的编码方法.在此基础上,给出整个实时图像的压缩方案.在编码算法中,采用类似LZC(1istlesszerotreecoding)算法的3个标志位图、和EL(Fc图被用来指出重要系数的位置,图用来指出重要后代集合的位置,用来控制在当前门限下子集是否进行编码)【】实现了SPIHT算法使用三个大容量链表