【圖像壓縮】基於matlab行程編碼之圖像壓縮【含Matlab源碼 404期】

1、簡介

一、行程編碼概述（RLE）
在圖像壓縮上，行程編碼（RLE）通常用於壓縮二值化圖像，由於它是基於重複的壓縮算法，好比：

二維圖像降維後（壓縮前）：0 0 0 0 0 255 255 255 0 0 255
行程編碼壓縮後：5 0 3 255 2 0 1 255
（壓縮格式爲：數量+像素+數量+像素…）

若是有大量的像素連續重複，那麼壓縮率會更高。
編碼是方法創建在圖像統計特性的基礎上的。例如，在傳真通訊中的文件大可能是二值圖像，即每一個像素的灰度值只有0和1兩種取值。將一行中顏色值相同的相鄰象素用一個計數值和該顏色值來代替。例如aaabccccccddeee能夠表示爲3a1b6c2d3e，，即有3個a，1個b，6個c，2個d，3個e。若是一幅圖象是由不少塊顏色相同的大面積區域組成，那麼採用行程編碼的壓縮效率是驚人的。然而，該算法也致使了一個致命弱點，若是圖象中每兩個相鄰點的顏色都不一樣，用這種算法不但不能壓縮，反而數據量增長一倍。所以對有大面積色塊的圖像用行程編碼效果比較好。
行程編碼的可行性討論：行程編碼的壓縮方法對於天然圖片來講是不太可行的，由於天然圖片像素點錯綜複雜，同色像素連續性差，若是硬要用行程編碼方法來編碼就拔苗助長，圖像體積不但沒減小，反而加倍。鑑於計算機桌面圖，圖像的色塊大，同色像素點連續較多，因此行程編碼對於計算機桌面圖像來講是一種較好的編碼方法。
2 圖像壓縮
2.1 圖像壓縮：圖像壓縮就是對圖像數據按照必定的規則進行變換和組合，用盡量少的數據量來表示影像，形象的說，就是對影像數據的瘦身。

2.2 圖像壓縮的必要性：多媒體數據的顯著特色就是數據量很是大。例如，一張彩色相片的數據量可達10MB；視頻影像和聲音因爲連續播放，數據量更加龐大。這對計算機的存儲以及網絡傳輸都形成了極大的負擔。

2.3 圖像壓縮的可行性：
1）原始圖像數據是高度相關的，存在很大的冗餘。數據冗餘形成比特數浪費，消除這些冗餘能夠節約碼字，也就是達到了數據壓縮的目的。大多數圖像內相鄰像素之間有較大的相關性，這稱爲空間冗餘。序列圖像先後幀內相鄰之間有較大的相關性，這稱爲時間冗餘。

2）若用相同碼長來表示不一樣出現機率的符號也會形成比特數的浪費，這種浪費稱爲符號編碼冗餘。若是採用可變長編碼技術，對出現機率高的符號用短碼字表示，對出現機率低的符號用長碼字表示，這樣就可大大消除符號編碼冗餘。再次，有些圖像信息（如色度信息、高頻信息）在一般的視感受過程當中與另一些信息相比來講不那麼重要，這些信息能夠認爲是內心視覺冗餘，去除這些信息並不會明顯地下降人眼所感覺到的圖像質量，所以在壓縮的過程當中能夠去除這些人眼不敏感的信息，從而實現數據壓縮。

2、源代碼

function yc
%%行程編碼算法
%例如aaabccccccddeee才能夠表示爲3a1b6c2d3e
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%讀圖
I=imread('Lena.jpg');
[m n l]=size(I);
fid=fopen('yc.txt','w');
%yc.txt是行程編碼算法的灰度級及其相應的編碼表
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%行程編碼算法

sum=0;
for k=1:l 
    for i=1:m
        num=0;
         J=[];
         value=I(i,1,k);
        for j=2:n
            if I(i,j,k)==value
                num=num+1;
%統計相鄰像素灰度級相等的個數
                if j==n
                     J=[J,num,value];
                end
            else J=[J,num,value];
%J的形式是先是灰度的個數及該灰度的值
                value=I(i,j,k);
            num=1;
            end
        end
        col(i,k)=size(J,2);
%記錄Y中每行行程行程編碼數
        sum=sum+col(i,k);
        Y(i,1:col(i,k),k)=J;
%將I中每一行的行程編碼J存入Y的相應行中
    end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%輸出相關數據
[m1,n1,l1]=size(Y);
disp('原圖像大小:')
whos('I');
disp('壓縮圖像大小:')
whos('Y');
disp('圖像的壓縮比:');
disp(m*n*l/sum);

3、運行結果

4、備註

版本：2014a