matlab實現jpeg （ycbc4:2:0取樣壓縮 + 量化表ycbc量化壓縮）和（ycbc4:4:4取樣 + 量化表ycbc量化壓縮）
阿新 • • 發佈：2018-11-26
如果對ycbcr取樣不太瞭解的同學，warp gate：https://blog.csdn.net/xueyushenzhou/article/details/40817949
簡單的說，4:2:0就是第一行為y:cb=4:2，沒有cr分量,那麼第二行就是y:cr=4:2，沒有cb分量。以後每一行一直這樣迴圈。
%ycbc4:2:0取樣壓縮 + 量化表ycbc量化壓縮 clear all; f=imread('lena.tif'); img_ycbcr=rgb2ycbcr(f) [row,col,~]=size(img_ycbcr); %對Y,Cb,Cr分量進行4:2:0取樣 Y(:,:,1)=img_ycbcr(:,:,1); %Y分量 for i=1:2:row-1 for j=1:2:col-1 Cb((i+1)/2,(j+1)/2)=double(img_ycbcr(i,j,2)); end end for i=2:2:row for j=1:2:col-1 Cr(i/2,(j+1)/2)=double(img_ycbcr(i,j,3)); end end Y_Table=[ 16 11 10 16 24 40 51 61 ; ... 12 12 14 19 26 58 60 55 ; ... 14 13 16 24 40 57 69 56 ; ... 14 17 22 29 51 87 80 62 ; ... 18 22 37 56 68 109 103 77 ; ... 24 35 55 64 81 104 113 92 ; ... 49 64 78 87 103 121 120 101 ; ... 72 92 95 98 112 100 103 99 ];%亮度量化表 CbCr_Table=[17 18 24 47 99 99 99 99 ; ... 18 21 26 66 99 99 99 99 ; ... 24 26 56 99 99 99 99 99 ; ... 47 66 99 99 99 99 99 99 ; ... 99 99 99 99 99 99 99 99 ; ... 99 99 99 99 99 99 99 99 ; ... 99 99 99 99 99 99 99 99 ; ... 99 99 99 99 99 99 99 99 ];%色差量化表 %對三個通道分別DCT和量化 Y_dct_q=Dct_Quantize(Y,Y_Table); Cb_dct_q=Dct_Quantize(Cb,CbCr_Table); Cr_dct_q=Dct_Quantize(Cr,CbCr_Table); %對三個通道分別反量化和反DCT Y_in_q_dct=Inverse_Quantize_Dct(Y_dct_q,Y_Table); Cb_in_q_dct=Inverse_Quantize_Dct(Cb_dct_q,CbCr_Table); Cr_in_q_dct=Inverse_Quantize_Dct(Cr_dct_q,CbCr_Table); %恢復出YCBCR影象 YCbCr_in(:,:,1)=Y_in_q_dct; for i=1:row/2 for j=1:col/2 YCbCr_in(2*i-1,2*j-1,2)=Cb_in_q_dct(i,j); YCbCr_in(2*i,2*j-1,2)=Cb_in_q_dct(i,j); YCbCr_in(2*i-1,2*j,2)=Cb_in_q_dct(i,j); YCbCr_in(2*i,2*j,2)=Cb_in_q_dct(i,j); YCbCr_in(2*i-1,2*j-1,3)=Cr_in_q_dct(i,j); YCbCr_in(2*i,2*j-1,3)=Cr_in_q_dct(i,j); YCbCr_in(2*i-1,2*j,3)=Cr_in_q_dct(i,j); YCbCr_in(2*i,2*j,3)=Cr_in_q_dct(i,j); end end image=ycbcr2rgb(YCbCr_in); MAX=255; MES=sum(sum((f-image).^2))/(row*col); %均方差 PSNR=20*log10(MAX/sqrt(MES)); %峰值信噪比 subplot(121),imshow(f);title('原圖'); subplot(122),imshow(image);title({'重構後圖片';'rgb三通道PSNR為';num2str(PSNR)});
%ycbc4:4:4取樣 + 量化表ycbc量化壓縮 clear all; f=imread('lena.tif'); img_ycbcr=rgb2ycbcr(f) [row,col,~]=size(img_ycbcr); Y=img_ycbcr(:,:,1); %Y分量 Cb=img_ycbcr(:,:,2); Cr=img_ycbcr(:,:,3); Y_Table=[16 11 10 16 24 40 51 61; 12 12 14 19 26 58 60 55; 14 13 16 24 40 57 69 56; 14 17 22 29 51 87 80 62; 18 22 37 56 68 109 103 77; 24 35 55 64 81 104 113 92; 49 64 78 87 103 121 120 101; 72 92 95 98 112 100 103 99];%亮度量化表 CbCr_Table=[17, 18, 24, 47, 99, 99, 99, 99; 18, 21, 26, 66, 99, 99, 99, 99; 24, 26, 56, 99, 99, 99, 99, 99; 47, 66, 99 ,99, 99, 99, 99, 99; 99, 99, 99, 99, 99, 99, 99, 99; 99, 99, 99, 99, 99, 99, 99, 99; 99, 99, 99, 99, 99, 99, 99, 99; 99, 99, 99, 99, 99, 99, 99, 99];%色差量化表 %對三個通道分別DCT和量化 Y_dct_q=Dct_Quantize(Y,Y_Table); Cb_dct_q=Dct_Quantize(Cb,CbCr_Table); Cr_dct_q=Dct_Quantize(Cr,CbCr_Table); %對三個通道分別反量化和反DCT Y_in_q_dct=Inverse_Quantize_Dct(Y_dct_q,Y_Table); Cb_in_q_dct=Inverse_Quantize_Dct(Cb_dct_q,CbCr_Table); Cr_in_q_dct=Inverse_Quantize_Dct(Cr_dct_q,CbCr_Table); %恢復出YCBCR影象 YCbCr_in(:,:,1)=Y_in_q_dct; YCbCr_in(:,:,2)=Cb_in_q_dct; YCbCr_in(:,:,3)=Cr_in_q_dct; I=ycbcr2rgb(YCbCr_in); MAX=255; MES=sum(sum((I-f).^2))/(row*col); %均方差 PSNR=20*log10(MAX/sqrt(MES)); %峰值信噪比 subplot(121),imshow(f);title('原圖'); subplot(122),imshow(I);title({'重構後圖片';'rgb三通道PSNR為';num2str(PSNR)});
DCT和IDCT函式
function [Matrix]=Dct_Quantize(I,Qua_Table) I=double(I)-128; %層次移動128個灰度級 I=blkproc(I,[8 8],'dct2(x)'); %x就是每一個分成的8*8大小的塊 Qua_Matrix=Qua_Table; %量化矩陣 I=blkproc(I,[8 8],'fix(x./P1)',Qua_Matrix); %量化，四捨五入 Matrix=I; %得到量化後的矩陣 function [ Matrix ] = Inverse_Quantize_Dct(I,Qua_Table) Qua_Matrix=Qua_Table; %反量化矩陣 I=blkproc(I,[8 8],'x.*P1',Qua_Matrix);%反量化，四捨五入 I=blkproc(I,[8 8],'idct2(x)'); I=uint8(I+128); I(I>255)=255; I(I<0)=0; Matrix=I; %反量化和反Dct後的矩陣
結果：
