根据上一篇文章提及的改进算法步骤,编写了如下主要代码,其他的相关程序,例如childMat()、coef_DOL()、SnOut()、fracnum2bin()等函数的代码,请参阅我之前发布的SPIHT算法过程详解与Matlab实现的文章,主要代码如下:
function RecIm=spiht(Im,imDim,codeDim,decodeDim)
global rMat cMat
% ----- 起始时间 ----- %
strtime=cputime;
[rMat,cMat]=size(Im);
% ----- 小波分解 ----- %
DecIm=mywavedec2(Im,imDim);
% ----- M_SPIHT Coding ----- %
[T,SnList,RnList]=spihtcoding(DecIm,codeDim);
% ----- M_SPIHT Decoding ----- %
DecodeMat=spihtdecoding(T,SnList,RnList,decodeDim);
% ----- 小波重构 -----%
RecIm=mywaverec2(DecodeMat,imDim,decodeDim);
% ----- 运行时间 ----- %
runtime=cputime-strtime
function [T,SnList,RnList]=spihtcoding(DecIm,codeDim)
% 函数 SPIHTCODING() 是SPIHT算法的编码主程序
% 输入参数:DecIm ——小波分解系数矩阵;
% imDim ——小波分解层数;
% codeDim ——编码级数。
% 输出参数:T —— 初始阈值,T=2^N,N=floor(log2(max{|c(i,j)|})),c(i,j)为小波系数矩阵的元素
% SnList —— 排序扫描输出位流
global Mat rMat cMat
% Mat是输入的小波分解系数矩阵,作为全局变量,在编码的相关程序中使用
% rMat、cMat是Mat的行、列数,作为全局变量,在编码、解码的相关程序中使用
%-----------------------%
% ----- Threshold ----- %
%-----------------------%
Mat=DecIm;
MaxMat=max(max(abs(Mat)));
N=floor(log2(MaxMat));
T=2^N;
% 公式:N=floor(log2(max{|c(i,j)|})),c(i,j)为小波系数矩阵的元素
%----------------------------------%
% ----- Output Intialization ----- %
%----------------------------------%
SnList=[];
RnList=[];
FlagCoef=zeros(rMat,cMat);
FlagDch=zeros(rMat/2,cMat/2);
FlagLch=zeros(rMat/2,cMat/2);
FlagLch(1,1)=1;
scanorder=listorder(rMat/2,cMat/2,1,1);
%-------------------------%
% ----- Coding Loop ----- %
%-------------------------%
for d=1:codeDim
Sn=[];
Rn=[];
% 对系数C(0,0)单独编码
if FlagCoef(1,1)==1
[biLSP,Np]=fracnum2bin(abs(Mat(1,1)),N);
Rn=[Rn,biLSP(Np)];
else
[isImt,Sign]=SnOut([1 1],N);
if isImt
Sn=[Sn,1,Sign];
FlagCoef(1,1)=1;
else
Sn=[Sn,0];
end
end
% 扫描 FlagDch
for i=1:rMat*cMat/4
rD=scanorder(i,1);
cD=scanorder(i,2);
if FlagDch(rD,cD)==1
chO=coef_DOL(rD,cD,'O');
row=size(chO,1);
for j=1:row
rO=chO(j,1);
cO=chO(j,2);
if FlagCoef(rO,cO)==1
[biLSP,Np]=fracnum2bin(abs(Mat(rO,cO)),N);
Rn=[Rn,biLSP(Np)];
else
[isImt,Sign]=SnOut([rO,cO],N);
if isImt
Sn=[Sn,1,Sign];
FlagCoef(rO,cO)=1;
else
Sn=[Sn,0];
end
end
end
end
end
% 扫描 FlagLch
for i=1:rMat*cMat/4
rL=scanorder(i,1);
cL=scanorder(i,2);
if FlagDch(rL,cL)==0
chD=coef_DOL(rL,cL,'D');
isImt=SnOut(chD,N);
if isImt
Sn=[Sn,1];
FlagDch(rL,cL)=1;
chO=coef_DOL(rL,cL,'O');
row=size(chO,1);
for j=1:row
rO=chO(j,1);
cO=chO(j,2);
[isImt,Sign]=SnOut([rO,cO],N);
if isImt
Sn=[Sn,1,Sign];
FlagCoef(rO,cO)=1;
else
Sn=[Sn,0];
end
end
chL=coef_DOL(rL,cL,'L');
if isempty(chL)
FlagLch(rL,cL)=0;
else
isImt=SnOut(chL,N);
if isImt
Sn=[Sn,1];
FlagLch(rL,cL)=1;
chO=coef_DOL(rL,cL,'O');
row=size(chO,1);
for j=1:row
rO=chO(j,1);
cO=chO(j,2);
FlagLch(rO,cO)=1;
end
else
Sn=[Sn,0];
end
end
else
Sn=[Sn,0];
end
end
end
N=N-1;
SnList=[SnList,Sn,7];
RnList=[RnList,Rn,7];
% 数字‘7’作为区分符,区分不同编码级的Rn、Sn位流
end
function DecodeMat=spihtdecoding(T,SnList,RnList,decodeDim)
% 函数 SPIHTDECODING() 是SPIHT算法的解码主程序
% 输入参数:T —— 初始阈值,T=2^N,N=floor(log2(max{|c(i,j)|})),c(i,j)为小波系数矩阵的元素
% SnList —— 排序扫描输出位流
% RnList —— 精细扫描输出位流
% decodeDim —— 解码级数
% 输出参数:DecodeMat —— 解码后重构的小波系数矩阵
global rMat cMat
% rMat、cMat是Mat的行、列数,作为全局变量,在编码、解码的相关程序中使用
%-------------------------------------------%
% ----- Decoding Input Initialization ----- %
%-------------------------------------------%
N=log2(T);
% 获取初始阈值的指数-N
DecodeMat=2^(N-decodeDim)*rand(rMat,cMat);
% 初始化重构矩阵为一个随机矩阵,其元素最大值小于最高级解码阈值的二分之一
% 这样就可以保证未被扫描赋值的区域有一定的灰度,避免重构图像出现色块
Sn=[];
FlagCoef=zeros(rMat,cMat);
FlagDch=zeros(rMat/2,cMat/2);
FlagLch=zeros(rMat/2,cMat/2);
FlagLch(1,1)=1;
scanorder=listorder(rMat/2,cMat/2,1,1);
%-------------------------%
% ----- Decoding Loop ----- %
%-------------------------%
for d=1:decodeDim
[Sn,SnList]=getflow(SnList);
[Rn,RnList]=getflow(RnList);
% 对系数C(1,1)单独编码
if FlagCoef(1,1)==1
[DecodeMat,Rn]=decRefine(DecodeMat,Rn,N,1,1);
else
if Sn(1)==1
Sn(1)=[];
if Sn(1)==1
Sn(1)=[];
DecodeMat(1,1)=1.5*2^N;
else
Sn(1)=[];
DecodeMat(1,1)=-1.5*2^N;
end
FlagCoef(1,1)=1;
else
Sn(1)=[];
DecodeMat(1,1)=0;
end
end
% 扫描 FlagDch
for i=1:rMat*cMat/4
rD=scanorder(i,1);
cD=scanorder(i,2);
if FlagDch(rD,cD)==1
chO=coef_DOL(rD,cD,'O');
row=size(chO,1);
for j=1:row
rO=chO(j,1);
cO=chO(j,2);
if FlagCoef(rO,cO)==1
[DecodeMat,Rn]=decRefine(DecodeMat,Rn,N,rO,cO);
else
if Sn(1)==1
Sn(1)=[];
if Sn(1)==1
Sn(1)=[];
DecodeMat(rO,cO)=1.5*2^N;
else
Sn(1)=[];
DecodeMat(rO,cO)=-1.5*2^N;
end
FlagCoef(rO,cO)=1;
else
Sn(1)=[];
DecodeMat(rO,cO)=0;
end
end
end
end
end
% 扫描 FlagLch
for i=1:rMat*cMat/4
rL=scanorder(i,1);
cL=scanorder(i,2);
if FlagDch(rL,cL)==0
if Sn(1)==1
Sn(1)=[];
FlagDch(rL,cL)=1;
chO=coef_DOL(rL,cL,'O');
row=size(chO,1);
for j=1:row
rO=chO(j,1);
cO=chO(j,2);
if Sn(1)==1
Sn(1)=[];
if Sn(1)==1
Sn(1)=[];
DecodeMat(rO,cO)=1.5*2^N;
else
Sn(1)=[];
DecodeMat(rO,cO)=-1.5*2^N;
end
FlagCoef(rO,cO)=1;
else
Sn(1)=[];
DecodeMat(rO,cO)=0;
end
end
chL=coef_DOL(rL,cL,'L');
if isempty(chL)
FlagLch(rL,cL)=0;
else
if Sn(1)==1
Sn(1)=[];
FlagLch(rL,cL)=1;
chO=coef_DOL(rL,cL,'O');
row=size(chO,1);
for j=1:row
rO=chO(j,1);
cO=chO(j,2);
FlagLch(rO,cO)=1;
end
else
Sn(1)=[];
end
end
else
Sn(1)=[];
end
end
end
N=N-1;
end
我使用的是Matlab r2007b,小波分解用的是自己编写的Haar二维小波分解程序。对一幅64*64的Girl灰度图像进行SPIHT编码、解码,程序给运行结果:
1、按照我前天的文章《多级树集合分裂(SPIHT)算法的过程详解和Matlab实现(2)数学表述》介绍的SPIHT算法步骤编写的程序来进行编、解码,3级小波分解和重构,7级编码,7级解码,程序运行时间是:
runtime = 6.8281
2、按照本文所提到的改进算法编写的上述程序来编、解码,同样是3级小波分解和重构,7级编码,7级解码,程序运行时间是:
runtime = 9.5313
编解码速度反而下降了,这里的原因是什么呢?欢迎有兴趣的朋友发表评论或者Email交流!
分享到:
相关推荐
这是一个spiht算法的改进程序,是由matlab实现,比spiht算法的psnr有很大提高
基于SPIHT经典编码算法,实现了图像ROI的编码压缩,并评价性能
SPIHT编解码源码,有详细的注释,已经在matlab上验证过
SPIHT编解码算法设计.doc
基于分形与SPIHT算法的图像压缩技术研究
多级树集合分裂(SPIHT)算法的过程详解与Matlab实现实例演示
基于改进的SPIHT图像压缩算法,胡晖,卢珏,针对SPIHT算法中的零树结构以及分集判断规则所产生的冗余对编码效果的影响,本文提出了一种改进算法。通过改变原算法的初始化步骤�
该代码是基于小波的spiht编码和解码算法~
小波变换,SPIHT编码,压缩效率比较高
matlab开发-SPIHT算法图像压缩。在所有情况下,用于开发SPIHT算法的matlab程序都必须比jpeg版本好得多。
针对渐进式图像传输算法都受限于庞大的内存空间和计算复杂度,提出一种基于SPIHT的改进型算法——静止图像编码方法,即对变换后的小波系数高频区块进行细分,并对不同频率图像块分别设置阈值,采取新的阈值判别策略...
基于小波变换的静态图像压缩,小波变换、图像压缩、分层小波树集合分割算法、SPIHT。图像经过离散余弦变换(DCT)或者小波变换之后,得到的DCT系数或小波系数需要进行组织分配,从而达到压缩的目的。然后采用编码...
通过改进SPIHT,能过达到图像的重构效果,提高编解码的效率。
基于HVS模型的SPIHT图像压缩算法,余楚才,李雷,针对SPIHT压缩算法对所有子带进行同等重要的编码的缺点以及SAR图像自身能量分布均匀的特点,提出一种基于视觉模型的压缩算法,对不同
3.内容:基于状态表STS-SPIHT的图像压缩算法matlab仿真 4.运行注意事项:注意MATLAB左侧当前文件夹路径,必须是程序所在文件夹位置,具体可以参考视频录。 5.适用人群:本硕博等科研学习参考使用。
本代码为MATLAB代码,是经典的图像压缩算法SPIHT算法的完整实现。包含了该算法的全过程,能正常运行。
2.领域:小波编解码图像压缩解压缩。 3.内容:通过MATLAB对比SPIHT小波编解码和97小波编解码图像解压缩,最后输出PSNR。 %----------- Coding ---------------- img_enc = func_SPIHT_Enc(I_W, max_bits, nRow*n...
在matlab中实现了对SPIHT算法的编写
此处共享基于状态表的 SPIHT (STS) 图像压缩算法的 MATLAB 文件。 与 SPIHT 相比,STS 算法在压缩效率、复杂度和内存需求方面表现出更好的性能。 即使在更高的比特率下,它也会超过 JPEG2000。