多媒体数据压缩实验报告

多媒体数据压缩实验报告篇一：多媒体实验报告_文献压缩

课程设计报告

实验题目：文献压缩程序

姓名：指导教师：学院：计算机学院专业：计算机科学与技术学号：

提交报告时间：月日

四川大学

一，需求分析：

有两种形式的重复存在于计算机数据中，文献压缩程序就是对这两种重复进行了压

缩。

一种是短语形式的重复，即三个字节以上的重复，对于这种重复，压缩程序用两个数字：1.重复位置距现在压缩位置的距离；2.重复的长度，来表达这个重复，假设这两个数字各占一种字节，于是数据便得到了压缩。

第二种重复为单字节的重复，一种字节只有256种可能的取值，因此这种重复是必然的。给256种字节取值重新编码，使出现较多的字节使用较短的编码，出现较少的字节使用较长的编码，这样一来，变短的字节相对于变长的字节更多，文献的总长度就会减少，并且，字节使用比例越不均匀，压缩比例就越大。

编码式压缩必须在短语式压缩之后进行，由于编码式压缩后，原先八位二进制值的字节就被破坏了，这样文献中短语式重复的倾向也会被破坏（除非先进行解码）。另外，短语式压缩后的成果：那些剩余的未被匹配的单、双字节和得到匹配的距离、长度值仍然含有取值分布不均匀性，因此，两种压缩方式的次序不能变。

本程序设计只做了编码式压缩，采用Huffman编码进行压缩和解压缩。Huffman编码是一种可变长编码方式，是二叉树的一种特殊转化形式。编码的原理是：将使用次数多的代码转换成长度较短的代码，而使用次数少的能够使用较长的编码，并且保持编码的唯一可解性。根据ascii码文献中各ascii字符出现的频率状况创立Huffman树，再将各字符对应的哈夫曼编码写入文献中。同时，亦可根据对应的哈夫曼树，将哈夫曼编码文献解压成字符文献.

一、概要设计：

压缩过程的实现:

压缩过程的流程是清晰而简朴的:1.创立Huffman树2.打开需压缩文献

3.将需压缩文献中的每个ascii码对应的huffman编码按bit单位输出生成压缩文献压缩结束。

其中，环节1和环节3是压缩过程的核心。

?环节1:这里所要做工作是得到Huffman数中各叶子结点字符出现的频率并进行创立.统计字符出现的频率能够有诸多办法:如每次创立前扫描被创立的文献，“实时”的生成各字符的出现频率;或者是创立前即做好统计.这里采用的是前一种办法。

?环节3:将需压缩文献中的每个ascii码对应的huffman编码按bit单位输出.这是本压缩程序中最核心的部分:这里涉及“转换”和“输出”两个核心环节：“转换”部分大可不必去通过遍历Huffman树来找到每个字符对应的哈夫曼编码，能够将每个Huffman码值及其对应的ascii码寄存于以下所示的结构体中：

解压缩过程的实现:

如果说,压缩的过程能够通过查找codeList来加速实现的话，而解压缩则必须通过查找huffman树才干加以实现.查找的过程是简朴的，能够根据

huffman树的性质来做，当haffCode的现在bit位为0时，则向左枝展开搜索;现在bit位为1时，则向右枝展开搜索，当碰到叶子结点时，则输出haffCode对应的asciiCode。

二、具体设计：

核心算法源程序：

Huffman树建立源程序：

//-------------------------------------------------------------//huffmantree.h//霍夫曼树

#ifndefHUFFMANTREE#defineHUFFMANTREE

#defineDefaultsize300

#include#include"bintree.h"#include"heap.h"

classCode{

public:

intcode;Code*link;

Code(intc=0,Code*l=NULL):code(c),link(l){};};

classCharNameNode{

public:

unsignedcharcharname;//要这样才行Code*link;

CharNameNode(unsignedcharc=0,Code*l=NULL):charname(c),link(l){};};

template

classHuffmanTree:publicBinaryTree{

public:

intkey;

HuffmanTree(){};

HuffmanTree(HuffmanTree&ht1,HuffmanTree&ht2){

Typetemp=0;//可能有变key=ht1.key+ht2.key;

root=newBinTreeNode(0,Copy(ht1.root),Copy(ht2.root));}

voidBuild(int*fr,Type*value,intn,HuffmanTree&newtree);

voidPath(BinTreeNode*start,Code*first,Code*last,CharNameNode*Node,int&i);//一种数组};

template

voidHuffmanTree::Build(int*fr,Type*value,intn,HuffmanTree&newtree)

{//fr为value(值)对应的权

inti;

HuffmanTreefirst,second;

HuffmanTreeNode[Defaultsize];MinHeap>hp;assert(n>=0&&nNode[i].root=newBinTreeNode(value[i],NULL,NULL);Node[i].key=fr[i];}

hp=MinHeap>(Node,n);for(i=0;ihp.RemoveMin(first);hp.RemoveMin(second);

HuffmanTree*temp=newHuffmanTree(first,second);hp.Insert(*temp);}

hp.RemoveMin(newtree);}

template

voidHuffmanTree::Path(BinTreeNode*start,Code*first,Code*last,CharNameNode*Node,int&i)//一种数组{

if(start==NULL)return;

//if(start->GetData()!=0)//是叶结点严重错误，可能叶结点也是0！！if(start->GetLeft()==NULL&&start->GetRight()==NULL){

Node[i].charname=start->GetData();Node[i].link=NULL;if(first==NULL)return;

Node[i].link=newCode(first->code);Code*p=first->link,*q=Node[i].link;while(p!=NULL){

q->link=newCode(p->code);q=q->link;p=p->link;}

q->link=NULL;i++;return;}

Code*temp=newCode;//进入左子树assert(temp);if(first==NULL)

first=last=temp;else{

last->link=temp;last=last->link;}

Path(start->GetLeft(),first,last,Node,i);

last->code=1;

Path(start->GetRight(),first,last,Node,i);temp=first;

if(first==last){

deletelast;

first=last=NULL;return;}

while(temp->link!=last)temp=temp->link;

temp->link=NULL;deletelast;last=temp;}

#endif

实现二叉树的算法源程序：

//---------------------------------------------------------------------//bintree.h

//用指针实现的二叉树

//Type类型必须有重载>及＝运算

#ifndefBINTREE#defineBINTREE

#include#include

intMax(inta,intb){

returna>b?a:b;}

templateclassBinaryTree;

template

e>classBinTreeNode{

friendclassBinaryTree;public:

BinTreeNode():leftchild(NULL),rightchild(NULL){};

BinTreeNode(Typeitem,BinTreeNode*left=NULL,BinTreeNode*right=NULL)

:data(item),leftchild(left),rightchild(right){};TypeGetData()const{returndata;}

BinTreeNode*GetLeft()const{returnleftchild;}BinTreeNode*GetRight()const{returnrightchild;}voidSetData(constType&item){data=item;}

voidSetLeft(BinTreeNode*L){leftchild=L;}voidSetRight(BinTreeNode*R){rightchild=R;}private:

BinTreeNode*leftchild,*rightchild;Typedata;

篇二：多媒体实验报告二图片的压缩解决

计算机科学与技术学院

XX-XX年第1学期

《多媒体技术》

实验二：图像压缩算法实现

专业：

学号：

姓名：

教师：

完毕日期：

多媒体技术实验二实验报告

（一）实验目的

1．理解有损压缩和无损压缩的概念；

2．理解图像压缩的重要原则和目的；

3.理解几个惯用的图像压缩编码方式；

4.运用MATLAB程序进行图像压缩；

（二）实验环境

1．高档微机：MPC

2．课前准备：原则实验纸张若干张

3．操作系统：WindowsXX或WindowsXP中文版

4．编程工具：Matlab7.0

（三）实验过程及成果

实验原理：

1.图像压缩原理

图像压缩重要目的是为了节省存储空间，增加传输速度。图像压缩的抱负原则是信息丢失最少，压缩比例最大。不损失图像质量的压缩称为无损压缩，无损压缩不可能达成很高的压缩比；损失图像质量的压缩称为有损压缩，高的压缩比是以牺牲图像质量为代价的。压缩的实现办法是对图像重新进行编码，但愿用更少的数据表达图像。信息的冗余量有许多个，如空间冗余，时间冗余，构造冗余，知识冗余，视觉冗余等，数据压缩实质上是减少这些冗余量。高效编码的重要办法是尽量去除图像中的冗余成分，从而以最小的码元包含最大的图像信息。编码压缩办法有许多个，从不同的角度出发有不同的分类办法，从信息论角度出发可分为两大类。

（1）.冗余度压缩办法，也称无损压缩、信息保持编码或嫡编码。具体说就是解码图像和压缩编码前的图像严格相似，没有失真，从数学上讲是一种可逆运算。

（2）信息量压缩办法，也称有损压缩、失真度编码或烟压缩编码。也就是说解码图像和原始图像是有差别的，允许有一定的失真。

应用在多媒体中的图像压缩编码办法，从压缩编码算法原理上能够分为下列3类：

（1）无损压缩编码种类

哈夫曼（Huffman）编码，算术编码，行程（RLE）编码，Lempelzev编码。

（2）有损压缩编码种类

预测编码，DPCM，运动赔偿；

频率域办法：正交变换编码(如DCT)，子带编码；

空间域办法：统计分块编码；

模型办法：分形编码，模型基编码；

基于重要性：滤波，子采样，比特分派，向量量化；

（3）混合编码。

有JBIG，H261，JPEG，MPEG等技术原则。

本实验重要运用MATLAB程序进行离散余弦变换（DCT）压缩和行程编码（RunLengthEncoding，RLE）。

2.图像压缩的办法：

1．有损压缩：（离散余弦变换（DCT）图像压缩原理）

压缩原理介绍：离散余弦变换DCT在图像压缩中含有广泛的应用。

和相似图像质量的其它惯用文献格式(如GIF(可交换的图像文献格式)，TIFF(标签图像文献格式)，PCX(图形文献格式))相比，JPEG是现在静态图像中压缩比最高的。JPEG比其它几个压缩比要高得多，而图像质量都差不多(JPEG解决的图像只有真彩图和灰度图)。正是由于其高压缩比，使得JPEG被广泛地应用于多媒体和网络程序中。JPEG有几个模式，其中最惯用的是基于DCT变换的次序型模式，又称为基本系统(Baseline)。

用DCT压缩图像的过程为：

(1)首先将输入图像分解为8×8或16×16的块，然后对每个子块进行二维DCT变换。

(2)将变换后得到的量化的DCT系数进行编码和传送，形成压缩后的图像格

式。

用DCT解压的过程为：

(1)对每个8×8或16×16块进行二维DCT反变换。

(2)将反变换的矩阵的块合成一种单一的图像。

余弦变换含有把高度有关数据能量集中的趋势，DCT变换后矩阵的能量集中在矩阵的左上角，右下的大多数的DCT系数值非常靠近于0。对于普通的图像来说，舍弃这些靠近于0的DCT的系数值，并不会对重构图像的画面质量带来明显的下降。因此，运用DCT变换进行图像压缩能够节省大量的存储空间。压缩应当在最合理地近似原图像的状况下使用最少的系数。使用系数的多少也决定了压缩比的大小。在压缩过程的第2步中，能够合理地舍弃某些系数，从而得到压缩的目的。在压缩过程的第2步，还能够采用RLE和Huffman编码来进一步压缩。

离散余弦（DCT）压缩代码：

1）运用DCT变换进行图像压缩的MATLAB程序:

RGB=imread('1.JPG');

I=rgb2gray(RGB);

J=dct2(I);

imshow(log(abs(J),[]),colormap(jet(64)),colorbar

J(abs(J)K=idct2(J);

figure,imshow(I);

figure,imshow(K,[0,255]);

2）运用离散余弦变换进行JPEG图像压缩:

RGB=imread('1.JPG');

I=rgb2gray(RGB);

J=dct2(I);

imshow(log(abs(J),[]),colormap(jet(64)),colorbar

J(abs(J)K=idct2(J);

figure,imshow(I);

figure,imshow(K,[0,255]);

2)

I=imread('1.JPG');

I=rgb2gray(I);

I=im2double(I);

T=dctmtx(8);

B=blkproc(I,[88],'P1*x*P2',T,T');

mask=[11110000

11100000

11000000

10000000

00000000

00000000

00000000

00000000];

B2=blkproc(B,[88],'P1.*x',mask);

I2=blkproc(B2,[88],'P1*x*P2',T',T);

Subplot(1,2,1);

Imshow(I);title('原图像');

Subplot(1,2,2);

Imshow(I2);title('压缩图像');

截图：原图像与压缩图像

2．无损压缩：（运用行程编码（RLE）进行图像压缩原理）

压缩原理介绍：

RLE(Run-LengthEncoding行程长度编码)算法是Windows系统中使用的一种图像文献压缩办法,其基本思想是:将一扫描行中颜色值相似的相邻像素用两个字节来表达,第一