图像无损压缩算法的设计与实现【字数：12475】
摘 要随着信息社会的发展，各式信息爆炸，各行各业需要海量数据支撑，但是海量数据会给存储器的存储容量、计算机的处理速度增加极大的压力，而仅考虑在增加存储器容量、提高计算机处理速度两方面来解决问题，难免会造成经济、时间上的大量损耗。而为了更好地存储、利用数据，采用编码压缩技术，减小传输数据量是必要的，进一步的，毫无损失地压缩数据——无损压缩，将会得到信息社会的极大重视。本文研究数据的重要组成部分——图像数据的无损压缩。先介绍无损压缩的定义，并对现有的几种图像压缩编码、无损压缩编码的编码原理和步骤进行说明；再分析目前无损压缩研究的现状，引出采用两种压缩算法设计混合算法以实现更好的压缩效果，减少存储容量、提高传输速率的想法；最终选择采用EZW编码和Huffman编码设计混合算法。最终设计的混合算法缓解了EZW编码在图像压缩方面存在失真问题和Huffman编码压缩比较高的问题，与目前常用的RLE图像压缩编码相比有较好的压缩性能。
目录
第一章 引言 1
1.1 课题研究背景、状况及发展趋势 1
1.2 课题研究意义及其主要研究内容 2
第二章 基本原理和常用算法介绍 4
2.1理论基础 4
2.1.1 熵 4
2.1.2 冗余度 4
2.2常见编码 4
2.2.1 熵编码 4
2.2.2 行程长度编码 5
2.2.3 词典编码 6
2.3 Huffman编码 6
2.4 EZW编码 7
2.5 本章小结 8
第三章 系统开发环境与技术 9
3.1系统开发环境 9
3.2 关键技术简介 9
3.2.1 MATLAB简介 9
3.2.2 小波变换简介 9
第四章 算法设计 11
4.1 算法整体设计 11
4.2 算法详细设计 12
4.2.1小波变换 12
4.2.2 EZW编译模块 12
4.2.3 Huffman编译模块 13
4.2.4主程序模块 14
4.2.5 结果显示 15< *好棒文|www.hbsrm.com +Q: ^351916072^
br /> 4.3 本章小结 17
第五章 算法测试 18
5.1 测试用例说明 18
5.1.1 模块部分 18
5.1.2 整体部分 18
5.2 测试环境 18
5.3 模块测试 18
5.3.1 小波模块 18
5.3.2 EZW译码模块 19
5.4 总体测试 19
5.5 小结 24
第六章 算法应用 25
6.1应用背景 25
6.2 BMP文件格式介绍 25
6.3应用情况 26
6.4应用情况对比分析 29
6.5小结 29
第七章 算法实现对社会的影响 30
结语 32
参考文献 33
致谢 34
第一章 引言
处在海量数据包围的当下时代，数据的存储、压缩、利用愈来愈受到重视。针对数据存储的高效性、数据压缩的无损性、数据利用的正确性，无损压缩逐渐走进人们的视线，并一直追求着更具效率的无损压缩算法，以实现利用更小存储空间存储更多数据的意愿，并保证压缩过程中数据的无损害。
1.1 课题研究背景、状况及发展趋势
客观上，正处互联网迅猛发展的时期，数据高速度生产；主观上人们喜欢积攒数据而不愿意轻易舍弃，同时，社会生活中像图片、声音、视频这些类型的多媒体数据要比文本数据占用多得多的内存空间，尤其是视频文件，文件传输时占用带宽大，存储又占用大量的硬盘空间，这就造成了不论多大的存储设备，都会溢出这样无可奈何的现象。而采用数据压缩技术可以缓解这一问题。但随着信息社会的迅猛发展，人类对信息的要求越来越丰富，条码机、扫描仪等数据采集系统不断发展，对数据准确性的要求也愈来愈高。例如智慧电梯中，通过摄像头、各类传感器采集电梯数据，一方面可以保证电梯内人员的安全；一方面又能预知故障，做到及时修理或采取停运的措施，从而降低电梯事故发生的频率，增加群众对电梯行业的信任。但是如此海量的数据，即使收集完好也不能正常存储、分析，并且一旦数据在压缩过程中发生失真现象，不仅会导致大量采集数据的工作失效，甚至得到错误分析，造成经济、人员的不可预估的损伤。
可见成熟的无损压缩技术对社会有十分重要的影响。然而，目前现有的无损压缩算法虽然能保证数据的准确性，可实现100%的保存、没有任何信号丢失；同时，不受信号源的影响，而且转换十分便捷；不仅可以还原成无损格式，还可以直接压缩成有损格式，甚至可以零损失地在多种无损格式之间相互转换。但是现有的通用无损压缩算法往往对文本数据压缩比较有效，而对图片、声音、视频这些类型的多媒体数据压缩有限，并且由于压缩率受到数据统计冗余度的理论限制，压缩比较低，需要较大的储存空间存储数据；同时无损压缩也不如有损压缩有全面的硬件支持。在算法研究方面，国内外虽都有对无损压缩方面的进一步研究，但多研究图像、文本数据两个方面钟无损压缩算法的提升，对声音、视频等少有涉及，对硬件的改善研究也少有。在海量数据的今天，硬件设备的限制，急需一种提高压缩率，在保证无损的前提下，减小存储空间的无损压缩算法。
在数据压缩发展趋势来看，其新技术主要有两个方向：1.基于分形的压缩方法；2.基于傅里叶变换的小波变换。数据压缩技术作为信息时代应运而生的产物，其理论、技术都还尚未成熟，需要社会各界人士投入长久的精力共同促进数据压缩技术的发展。研究这项技术的学者可以从算法、硬件、体系三个部分加大钻研力度：设计可直接操作在压缩数据域的算法、专门服务于压缩域数据的芯片、统一的多媒体数据压缩体系结构[4]。
尽管无损压缩技术还存在不足，但是无损压缩格式的前景是光明的，并且越来越多的人投身到无损算法的研究。目前，已有人提出针对具有较小均方值的整型数据序列的一种新的位重组标记编码方法，可实现数据的无损压缩，并且压缩效果优于LZW编码和经典的算数编码；提出基于算数常识的压缩算法，引入最优编码和最优序列概念，从更广泛的角度理解冗余概念，打破传统的简单匹配、减去重复的思想，对较长数据串以推导方式用更简短的方式表示原始数据，在随机数据的方向，其压缩效果比一般字典编码如LZ77编码编码更好；针对内存数据提出基于LZO与游程编码的算法，在压缩连续相同文件时，压缩率相比单独LZO算法有8%的提高；还有斯坦福大学的研究者提出使用基于RNN（一类用于处理序列数据的神经网络）的框架来用于压缩任务，由于基于循环神经网络的模型长期依赖关系，同时还可以准确预测下一个字母单词。
目录
第一章 引言 1
1.1 课题研究背景、状况及发展趋势 1
1.2 课题研究意义及其主要研究内容 2
第二章 基本原理和常用算法介绍 4
2.1理论基础 4
2.1.1 熵 4
2.1.2 冗余度 4
2.2常见编码 4
2.2.1 熵编码 4
2.2.2 行程长度编码 5
2.2.3 词典编码 6
2.3 Huffman编码 6
2.4 EZW编码 7
2.5 本章小结 8
第三章 系统开发环境与技术 9
3.1系统开发环境 9
3.2 关键技术简介 9
3.2.1 MATLAB简介 9
3.2.2 小波变换简介 9
第四章 算法设计 11
4.1 算法整体设计 11
4.2 算法详细设计 12
4.2.1小波变换 12
4.2.2 EZW编译模块 12
4.2.3 Huffman编译模块 13
4.2.4主程序模块 14
4.2.5 结果显示 15< *好棒文|www.hbsrm.com +Q: ^351916072^
br /> 4.3 本章小结 17
第五章 算法测试 18
5.1 测试用例说明 18
5.1.1 模块部分 18
5.1.2 整体部分 18
5.2 测试环境 18
5.3 模块测试 18
5.3.1 小波模块 18
5.3.2 EZW译码模块 19
5.4 总体测试 19
5.5 小结 24
第六章 算法应用 25
6.1应用背景 25
6.2 BMP文件格式介绍 25
6.3应用情况 26
6.4应用情况对比分析 29
6.5小结 29
第七章 算法实现对社会的影响 30
结语 32
参考文献 33
致谢 34
第一章 引言
处在海量数据包围的当下时代，数据的存储、压缩、利用愈来愈受到重视。针对数据存储的高效性、数据压缩的无损性、数据利用的正确性，无损压缩逐渐走进人们的视线，并一直追求着更具效率的无损压缩算法，以实现利用更小存储空间存储更多数据的意愿，并保证压缩过程中数据的无损害。
1.1 课题研究背景、状况及发展趋势
客观上，正处互联网迅猛发展的时期，数据高速度生产；主观上人们喜欢积攒数据而不愿意轻易舍弃，同时，社会生活中像图片、声音、视频这些类型的多媒体数据要比文本数据占用多得多的内存空间，尤其是视频文件，文件传输时占用带宽大，存储又占用大量的硬盘空间，这就造成了不论多大的存储设备，都会溢出这样无可奈何的现象。而采用数据压缩技术可以缓解这一问题。但随着信息社会的迅猛发展，人类对信息的要求越来越丰富，条码机、扫描仪等数据采集系统不断发展，对数据准确性的要求也愈来愈高。例如智慧电梯中，通过摄像头、各类传感器采集电梯数据，一方面可以保证电梯内人员的安全；一方面又能预知故障，做到及时修理或采取停运的措施，从而降低电梯事故发生的频率，增加群众对电梯行业的信任。但是如此海量的数据，即使收集完好也不能正常存储、分析，并且一旦数据在压缩过程中发生失真现象，不仅会导致大量采集数据的工作失效，甚至得到错误分析，造成经济、人员的不可预估的损伤。
可见成熟的无损压缩技术对社会有十分重要的影响。然而，目前现有的无损压缩算法虽然能保证数据的准确性，可实现100%的保存、没有任何信号丢失；同时，不受信号源的影响，而且转换十分便捷；不仅可以还原成无损格式，还可以直接压缩成有损格式，甚至可以零损失地在多种无损格式之间相互转换。但是现有的通用无损压缩算法往往对文本数据压缩比较有效，而对图片、声音、视频这些类型的多媒体数据压缩有限，并且由于压缩率受到数据统计冗余度的理论限制，压缩比较低，需要较大的储存空间存储数据；同时无损压缩也不如有损压缩有全面的硬件支持。在算法研究方面，国内外虽都有对无损压缩方面的进一步研究，但多研究图像、文本数据两个方面钟无损压缩算法的提升，对声音、视频等少有涉及，对硬件的改善研究也少有。在海量数据的今天，硬件设备的限制，急需一种提高压缩率，在保证无损的前提下，减小存储空间的无损压缩算法。
在数据压缩发展趋势来看，其新技术主要有两个方向：1.基于分形的压缩方法；2.基于傅里叶变换的小波变换。数据压缩技术作为信息时代应运而生的产物，其理论、技术都还尚未成熟，需要社会各界人士投入长久的精力共同促进数据压缩技术的发展。研究这项技术的学者可以从算法、硬件、体系三个部分加大钻研力度：设计可直接操作在压缩数据域的算法、专门服务于压缩域数据的芯片、统一的多媒体数据压缩体系结构[4]。
尽管无损压缩技术还存在不足，但是无损压缩格式的前景是光明的，并且越来越多的人投身到无损算法的研究。目前，已有人提出针对具有较小均方值的整型数据序列的一种新的位重组标记编码方法，可实现数据的无损压缩，并且压缩效果优于LZW编码和经典的算数编码；提出基于算数常识的压缩算法，引入最优编码和最优序列概念，从更广泛的角度理解冗余概念，打破传统的简单匹配、减去重复的思想，对较长数据串以推导方式用更简短的方式表示原始数据，在随机数据的方向，其压缩效果比一般字典编码如LZ77编码编码更好；针对内存数据提出基于LZO与游程编码的算法，在压缩连续相同文件时，压缩率相比单独LZO算法有8%的提高；还有斯坦福大学的研究者提出使用基于RNN（一类用于处理序列数据的神经网络）的框架来用于压缩任务，由于基于循环神经网络的模型长期依赖关系，同时还可以准确预测下一个字母单词。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wlw/186.html
