浙江大學信息與電子工程學院2013屆工程技術實習報告PAGE1班級通信工程092姓名學號 第1頁實習報告1前言通信工程專業(yè)的的工程實習是一名普通的大學生在掌握了專業(yè)基礎知識之后，為了自己的人生規(guī)劃和步入社會準備的第一步，是一門人生的必修課，它是我們在真正迎接自己的人生目標之前的綜合實踐環(huán)節(jié)，是對我們專業(yè)知識的考量。其目的是通過實踐把我們的認知能力和專業(yè)能力透過動手做這個環(huán)節(jié)找到相通點，從而提高我們的認知能力與會使用專業(yè)知識解決實際問題的能力，使我們從大學所學的知識中找到自己的興趣，增強對本專業(yè)的部分課程的感性認識，了解我們自己適合的方向，為自己將來的目標打下堅實的基礎。2實習內容2.1圖像壓縮概論2.1.1圖像壓縮的概念減少表示數字圖像時需要的數據量。2.1.2圖像壓縮的基本原理去除多余數據.以數學的觀點來看,這一過程實際上就是將二維像素陣列變換為一個在統計上無關聯的數據集合。圖像壓縮是指以較少的比特有損或無損地表示原來的像素矩陣的技術,也稱圖像編碼。圖像數據之所以能被壓縮，就是因為數據中存在著冗余。圖像數據的冗余主要表現為：圖像中相鄰像素間的相關性引起的空間冗余；圖像序列中不同幀之間存在相關性引起的時間冗余；不同彩色平面或頻譜帶的相關性引起的頻譜冗余。數據壓縮的目的就是通過去除這些數據冗余來減少表示數據所需的比特數。由于圖像數據量的龐大,在存儲、傳輸、處理時非常困難,因此圖像數據的壓縮就顯得非常重要。信息時代帶來了“信息爆炸”，使數據量大增，因此，無論傳輸或存儲都需要對數據進行有效的壓縮。在遙感技術中，各種航天探測器采用壓縮編碼技術，將獲取的巨大信息送回地面。圖像壓縮是數據壓縮技術在數字圖像上的應用，它的目的是減少圖像數據中的冗余信息從而用更加高效的格式存儲和傳輸數據。2.1.3圖像壓縮基本方法：圖像壓縮可以是有損數據壓縮也可以是無損數據壓縮。對于如繪制的技術圖、圖表或者漫畫優(yōu)先使用無損壓縮，這是因為有損壓縮方法，尤其是在低的位速條件下將會帶來壓縮失真。如醫(yī)療圖像或者用于存檔的掃描圖像等這些有價值的內容的壓縮也盡量選擇無損壓縮方法。有損方法非常適合于自然的圖像，例如一些應用中圖像的微小損失是可以接受的（有時是無法感知的），這樣就可以大幅度地減小位速。無損圖像壓縮：1)行程長度編碼（RLE)2）LZW編碼（Lempel，Ziv，Welch三個發(fā)明人縮寫）3）霍夫曼編碼（Huffmanencoding）有損壓縮方法有：有損方法非常適合于自然的圖像，例如一些應用中圖像的微小損失是可以接受的（有時是無法感知的），這樣就可以大幅度地減小位速。1）色彩空間：這是化減到圖像中常用的顏色。所選擇的顏色定義在壓縮圖像頭的調色板中，圖像中的每個像素都用調色板中顏色索引表示。這種方法可以與抖動一起使用以模糊顏色邊界。2）色度抽樣：這利用了人眼對于亮度變化的敏感性遠大于顏色變化，這樣可以將圖像中的顏色信息減少一半甚至更多。3）變換編碼：這是最常用的方法。首先使用如離散余弦變換（DCT）或者小波變換這樣的傅立葉相關變換，然后進行量化和用熵編碼法壓縮。4）分形壓縮2.1.4圖像壓縮的主要目標就是在給定位速（bit-rate）或者壓縮比下實現最好的圖像質量。但是，還有一些其它的圖像壓縮機制的重要特性：可擴展編碼(Scalability)通常表示操作位流和文件產生的質量下降（沒有解壓縮和再壓縮）。可擴展編碼的其它一些叫法有漸進編碼（progressivecoding）或者嵌入式位流（embeddedbitstreams）。盡管具有不同的特性，在無損編碼中也有可擴展編碼，它通常是使用粗糙到精細像素掃描的格式。尤其是在下載時預覽圖像（如瀏覽器中）或者提供不同的圖像質量訪問時（如在數據庫中）可擴展編碼非常有用有幾種不同類型的可擴展性：質量漸進（Qualityprogressive）或者層漸進（layerprogressive）：位流漸進更新重建的圖像。分辨率漸進（Resolutionprogressive）：首先在低分辨率編碼圖像，然后編碼與高分辨率之間的差別。成分漸進（Componentprogressive）：首先編碼灰度數據，然后編碼彩色數據。感興趣區(qū)域編碼，圖像某些部分的編碼質量要高于其它部分，這種方法可以與可擴展編碼組合在一起（首先編碼這些部分，然后編碼其它部分）。元數據信息，壓縮數據可以包含關于圖像的信息用來分類、查詢或者瀏覽圖像。這些信息可以包括顏色、紋理統計信息、小預覽圖像以及作者和版權信息。2.1.5圖像壓縮目前的標準經典的視頻壓縮算法已漸形成一系列的國際標準體系，如H.26x系列建議，H.320系列建議以及MPEG系列建議等。2.1.6圖像壓縮效果的評估壓縮方法的質量經常使用峰值信噪比來衡量，峰值信噪比用來表示圖象有損壓縮帶來的噪聲。但是，觀察者的主觀判斷也認為是一個重要的、或許是最重要的衡量標準。2.2使用圖像比例變換縮放圖像數字圖像的比例縮放是指給定的圖像在X方向和Y方向按相同的比例縮放a倍，從而獲得一副新的圖像。并且如果x方向和y方向的縮放比例不同，會使得比例縮放后改變原始圖像像數間的相對位置，產生幾何畸變。設原始圖像中的點A0（X0,Y0）比例縮放后，在信徒中的對應點是A1（X1,Y1）,則兩點之間的關系可表示為若比例縮放所產生的圖像中的像素在原始圖像中沒有相對應的像素點時，就需要進行灰度值的插值運算，一般有以下兩種差值處理方法。1）直接賦值為和它最相近的像素灰度值，這種方法成為最鄰近差值法，該方法的主要優(yōu)點是簡單，計算量小，但是可能會產生馬賽克現象。2）通過其他的數學插值算法來計算相應的像素點的灰度值，這類方法處理效果好，但運算量會有所增加。該函數在圖像壓縮的時候，主要是根據周圍相近像素的顏色值進行刪除計算，最終達到壓縮圖片的目的。2.2.1實驗代碼源代碼I=imread('D:\cameraman.tif');imshow(I);X1=imresize(I,1)X2=imresize(I,0.8)X3=imresize(I,0.6)X4=imresize(I,0.4)X5=imresize(I,0.2)X6=imresize(I,0.09)X7=imresize(I,0.04)X8=imresize(I,0.03)X9=imresize(I,0.02)X10=imresize(I,0.01)subplot(3,3,1),imshow(X1),title('原始圖像')subplot(3,3,2),imshow(X2),title('縮小0.8倍')subplot(3,3,3),imshow(X3),title('縮小0.6倍')subplot(3,3,4),imshow(X4),title('縮小0.4倍')subplot(3,3,5),imshow(X5),title('縮小0.2倍')subplot(3,3,6),imshow(X6),title('縮小0.09倍')subplot(3,3,7),imshow(X7),title('縮小0.04倍')subplot(3,3,8),imshow(X8),title('縮小0.02倍')subplot(3,3,9),imshow(X9),title('縮小0.01倍')2.2.2實驗截圖2.3小波變換實現圖像壓縮小波變化通過多分辨分析過程將一幅圖像分成近似和細節(jié)兩部分，細節(jié)對應的是小尺度的順變，它在本尺度內很穩(wěn)定，因此將細節(jié)存儲起來，近似部分在下一個尺度進行分解，重復該過程即可，近似與細節(jié)在正交鏡像濾波器算法中分別對應于高通濾波和低通濾波，這種變換通過尺度去掉相關性。2.3.1實驗代碼利用wavedec2()函數對圖像進行小波分解,再用appcoef2()函數對分解的圖像進行重構,最后用wcodemat()函數進行量化編碼。源代碼clear;loadwbarb;subplot(3,3,1);image(X);colormap(map);title('原始圖像');disp('原始圖像X的大小：');whos('X');[c,s]=wavedec2(X,2,'bior3.7');cal=appcoef2(c,s,'bior3.7',1);ch1=detcoef2('h',c,s,1);cv1=detcoef2('v',c,s,1);cd1=detcoef2('d',c,s,1);a1=wrcoef2('a',c,s,'bior3.7',1);h1=wrcoef2('h',c,s,'bior3.7',1);v1=wrcoef2('v',c,s,'bior3.7',1);d1=wrcoef2('d',c,s,'bior3.7',1);c1=[a1,h1;v1,d1];ca1=appcoef2(c,s,'bior3.7',1);ca1=wcodemat(cal,440,'mat',0);ca1=0.8*cal;subplot(3,3,2);image(ca1);colormap(map);axissquare;title('第一次壓縮圖像0.8倍');disp('第一次壓縮圖像的大小');whos('ca1');ca2=appcoef2(c,s,'bior3.7',2);ca2=wcodemat(ca2,440,'mat',0);ca2=0.6*ca2;subplot(3,3,3);image(ca2);colormap(map);axissquare;title('第二次壓縮圖像0.6倍');disp('第二次壓縮圖像的大小');whos('ca2');ca3=appcoef2(c,s,'bior3.7',2);ca3=wcodemat(ca3,440,'mat',0);ca3=0.4*ca3;subplot(3,3,4);image(ca3);colormap(map);axissquare;title('第三次壓縮圖像0.4倍');disp('第三次壓縮圖像的大小');whos('ca3');ca3=appcoef2(c,s,'bior3.7',2);ca3=wcodemat(ca3,440,'mat',0);ca4=appcoef2(c,s,'bior3.7',2);ca4=wcodemat(ca4,440,'mat',0);ca4=0.2*ca4;subplot(3,3,5);image(ca4);colormap(map);axissquare;title('第四次壓縮圖像0.2倍');disp('第四次壓縮圖像的大小');whos('ca4');ca4=appcoef2(c,s,'bior3.7',2);ca4=wcodemat(ca4,440,'mat',0);ca5=appcoef2(c,s,'bior3.7',2);ca5=wcodemat(ca5,440,'mat',0);ca5=0.09*ca5;subplot(3,3,6);image(ca5);colormap(map);axissquare;title('第五次壓縮圖像0.09倍');disp('第五次壓縮圖像的大小');whos('ca5');ca5=appcoef2(c,s,'bior3.7',2);ca5=wcodemat(ca5,440,'mat',0);ca6=appcoef2(c,s,'bior3.7',2);ca6=wcodemat(ca6,440,'mat',0);ca6=0.04*ca6;subplot(3,3,7);image(ca6);colormap(map);axissquare;title('第六次壓縮圖像0.04倍');disp('第六次壓縮圖像的大小');whos('ca6');ca6=appcoef2(c,s,'bior3.7',2);ca6=wcodemat(ca6,440,'mat',0);ca7=appcoef2(c,s,'bior3.7',2);ca7=wcodemat(ca7,440,'mat',0);ca7=0.02*ca7;subplot(3,3,8);image(ca7);colormap(map);axissquare;title('第七次壓縮圖像0.02倍');disp('第七次壓縮圖像的大小');whos('ca7');ca2=appcoef2(c,s,'bior3.7',2);ca7=wcodemat(ca2,440,'mat',0);ca8=appcoef2(c,s,'bior3.7',2);ca8=wcodemat(ca8,440,'mat',0);ca8=0.01*ca8;subplot(3,3,9);image(ca8);colormap(map);axissquare;title('第八次壓縮圖像0.01倍');disp('第八次壓縮圖像的大小');whos('ca8');ca8=appcoef2(c,s,'bior3.7',2);ca8=wcodemat(ca8,440,'mat',0)2.3.2實驗截圖2.3.3實驗結果分析原始圖像X的大小：NameSizeBytesClassAttributesX256x256524288double第一次壓縮圖像的大小NameSizeBytesClassAttributesca1135x135145800double第二次壓縮圖像的大小NameSizeBytesClassAttributesca275x7545000double第三次壓縮圖像的大小NameSizeBytesClassAttributesca375x7545000double第四次壓縮圖像的大小NameSizeBytesClassAttributesca475x7545000double第五次壓縮圖像的大小NameSizeBytesClassAttributesca575x7545000double第六次壓縮圖像的大小NameSizeBytesClassAttributesca675x7545000double第七次壓縮圖像的大小NameSizeBytesClassAttributesca775x7545000double第八次壓縮圖像的大小NameSizeBytesClassAttributesca875x7545000double2.4JPEG圖像壓縮基于DCT的圖像壓縮在JPEG圖像壓縮法里，要將一幅彩色圖像進行壓縮編碼，首先將圖像RGB分量轉化為亮度分量和色差分量，然后將圖像分成8×8的象素塊，用正向二維DCT把每個塊轉變成64個DCT系數值,其中1個數值是直流(DC)系數,即8×8空域圖像子塊的平均值,其余的63個是交流(AC)系數,接下來對DCT系數進行Zig-Zag掃描和Huffman編碼，實現了圖像壓縮.2.4.1實驗代碼源代碼I=imread('D:\cameraman.tif');I=im2double(I);%圖像存儲類型轉換T=dctmtx(8);%離散余弦變換矩B=blkproc(I,[88],’P1*x*P2,T,T’);mask=[1111000011100000110000001000000000000000000000000000000000000000];B2=blkproc(B,[88],P1.*x,mask);%數據壓縮，丟棄右下角高頻數據I2=blkproc(B2,[88],P1*x*P2,T’T);%進行DCT反變換，得到壓縮后的圖像subplot(1,2,1);imshow(I);title('原圖')subplot(1,2,2);imshow(I2);title('壓縮后的圖像')2.4.2實驗截圖2.5分析比較數字圖像的比例壓縮:是指給定的圖像在X方向和Y方向按相同的比例縮放a倍，從而獲得一副新的圖像。并且如果x方向和y方向的縮放比例不同，會使得比例縮放后改變原始圖像像數間的相對位置，產生幾何畸變。若比例縮放所產生的圖像中的像素在原始圖像中沒有相對應的像素點時，就需要進行灰度值的插值運算，一般有以下兩種差值處理方法。直接賦值為和它最相近的像素灰度值，這種方法成為最鄰近差值法，該方法的主要優(yōu)點是簡單，計算量小，但是可能會產生馬賽克現象。通過其他的數學插值算法來計算相應的像素點的灰度值，這類方法處理效果好，但運算量會有所增加。小波變換圖像壓縮:將圖像的像素解相關的變換系數進行編碼，比對元像素本身編碼的效率更高。如果變換的基函數將大多數重要的可視信息壓縮到少量的系數中，則剩下的系數可以被粗略的量化或截取為0，而圖像幾乎沒有失真。它的壓縮比高，壓縮速度快，壓縮后能保持信號與圖像的特征不變，且在傳遞中抗干擾。JEPG圖像壓縮:JPEG是應用最廣泛的圖片格式之一，它采用一種特殊的有損壓縮算法，將不易被人眼察覺的圖像顏色刪除，從而能夠將圖像壓縮在很小的儲存空間，由于圖像中重復或不重要的資料會被丟失，因此也會造成圖像數據的損傷。但是JPEG壓縮技術十分先進，它用有損壓縮方式去除冗余的圖像數據，在獲得極高的壓縮率的同時能展現十分豐富生動的圖像，換句話說，就是可以用最少的磁盤空間得到較好的圖像品質。而且JPEG是一種很靈活的格式，具有調節(jié)圖像質量的功能，允許用不同的壓縮比例對文件進行壓縮，支持多種壓縮級別，壓縮比率通常在10∶1到40∶1之間。因此使得JPEG在短短的幾年內就獲得極大的成功，目前網站上百分之八十的圖像都是采用JPEG的壓縮標準。3實習總結（收獲）與體會剛接到任務時，我有點不知所措，因為雖然我上過編碼學的選修課，對某些特殊的編碼也不是很熟悉，但是通過在網上和圖書館搜集相關資料，我能基本運用編碼來壓縮圖像，結合過去一些學者對其的理解和自己對其中的認識形成一套體系，這個是很有難度的。但是我堅持了下來，翻閱了網上的資料終于對于各種編碼的壓縮效果的優(yōu)劣做出比較，但是英語給我?guī)砹瞬恍〉穆闊死盟阉鞑殚喯嚓P專業(yè)英語單詞還有結合自己的理解把其中的知識給融會貫通，通過六周的堅持與努力，我也逐漸找到了自己的大致方向，通過個人理解，摸索出一套適合自己的路。雖然我覺得這是一次不小的挑戰(zhàn)，但是只要能堅持，能做到問心無愧，我覺得自己在做的都是值得的，這次工程實習帶給我的是要用專業(yè)的思維去描述自己熟悉的對象，這是對我們大學四年來學習的挑戰(zhàn)，從中我發(fā)現了自己的優(yōu)勢還有不足，我一定在將來的崗位上克服這些缺點，發(fā)揚自己的優(yōu)勢，彌補自己的弱勢。4結束語（致謝）從剛開始接任務到結束雖然只有短短的六周，但是我從自己的堅持上找準了努力的方向，我們雖然不能讓自己變得完美，但是卻要往完美的方向前進。學習從來就是舉一反三的過程，我在學習編碼時的過程中遇到各種坎坷，但是我能明確目的，取長補短。等到了漫長的人生中，我們也需要有這種精神，一定要有堅定的信念。這次的課程設計我首先要感謝指導老師給我的指導；其次要感謝班級部分同學能給我提供可靠的支持。我的最終成果的成形離不開他們的幫助。最后謝謝各位老師！5參考文獻或附件[1]《數字圖像處理壓縮與識別技術》.電子科技大學出版社.李在銘.2000.[2]/servers/article/listArticle.asp?ID=1796實習報告英文摘要AbstractRemovingredundantdatatoamathematicalpointofview,thisprocessisactuallyatwo-dimensionalarrayofpixelsisconvertedintothestatisticaldataassociatedcollection.Imagecompressionmeansfewerbitslossyorlosslessrepresentsthetechnologyoftheoriginalmatrixofpixels,alsoknownasimageencoding.Thereasonwhytheimagedatacanbecompressedisbecausetheexistenceofredundantdata.Theredundancyoftheimagedatamainlyasfollows:betweentheadjacentpixelsintheimagecausedbythecorrelationspatialredundancy;correlationtimeredundancyexistsbetweenthedifferentframesintheimagesequence;differentcolorplaneor