图像处理之DCT图像压缩(基于c++ opencv实现)-Toy模板网

这篇具有很好参考价值的文章主要介绍了图像处理之DCT图像压缩(基于c++ opencv实现)。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

是老师布置的作业，拖到ddl才开始，opencv也才刚接触，有自己结合百度的一点理解，如有误，请谅解！

DCT图像压缩

先贴一段在matlab上实现的代码，这个在网上都可以查到，就不赘述了

I=imread('cameraman.tif');
I=im2double(I);%将图像转换为双精度
T=dctmtx(8);% 返回8*8的DCT变换矩阵
B=blkproc(I,[8 8],'P1*x*P2',T,T');
% x就是每一个分成的8*8大小的块，P1*x*P2相当于像素块的处理函数，p1=T p2=T’,
%也就是fun=p1*x*p2'=T*x*T'的功能是进行离散余弦变换
mask=   [1 1 1 1 0 0 0 0 
         1 1 1 0 0 0 0 0 
         1 1 0 0 0 0 0 0 
         1 0 0 0 0 0 0 0 
         0 0 0 0 0 0 0 0 
         0 0 0 0 0 0 0 0 
         0 0 0 0 0 0 0 0 
         0 0 0 0 0 0 0 0];% 保留左上角十个系数
B2=blkproc(B,[8 8],'P1.*x',mask);%舍弃每个块中的高频系数，达到图像压缩的目的
I2=blkproc(B2,[8 8],'P1*x*P2',T',T); %进行反余弦变换，得到压缩后的图象
figure(1);
subplot(1,4,1),imshow(I);
subplot(1,4,2),imshow(B);
subplot(1,4,3),imshow(B2);
subplot(1,4,4),imshow(I2);
Z  = imabsdiff(I,I2);
figure(2);
imshow(Z);

思路如下：

先划分处理块大小，对每个块分别进行DCT变换，再舍弃每个块中的高频系数，再进行反余弦变换，得到压缩图像（即先使用DCT函数将低频的点都集中在左上角，再对右下角的高频数据丢弃）

老师要求我们用c++ + opencv实现。配置环境真的是。。。。

试过用clion和vscode配，失败了，还是老老实实用vs2019吧。

附大佬配置的视频，十分感谢！

https://www.bilibili.com/video/BV1mE411P76Mp=1&vd_source=393e209b3fa00543c23db5753b265d30

下面是用c++ 实现的代码

RGB图（下面有灰度图，其实差不多）

#include <opencv2/opencv.hpp>     
#include <iostream>  
using namespace cv;
using namespace std;

double T = 100;

int main()
{
    Mat src = imread("D:\\Matlab\\toolbox\\images\\imdata\\kids.tif");//先读入图像，在这里读入的是RGB图像，有三个通道
   

    
 
    imshow("clock", src);//先显示图像



    int big;
    big = 8;//定义一下掩盖矩阵的大小
    vector<Mat> mv;
    split(src, mv);//通道分割



    Mat b = Mat_<float>(mv[0]);
    Mat g = Mat_<float>(mv[1]);
    Mat r = Mat_<float>(mv[2]);

    b.convertTo(b, CV_32F, 1.0 / 255);
    g.convertTo(g, CV_32F, 1.0 / 255);
    r.convertTo(r, CV_32F, 1.0 / 255);

    //要进行DCT变换先转换成float，我也不知道为什么
    Mat bDCT = Mat_<float>(b); //这里先复制矩阵，后面有用
    Mat gDCT = Mat_<float>(g);
    Mat rDCT = Mat_<float>(r);
    int w = b.rows;
    int h = b.cols;//三个通道的大小都是一样的，所以只要取一个就好了
  



    //DCT变换每个通道都做一遍
 
    for (int i1 = 0; i1 < (h / big); i1++) {//注意这里的取值和我们平常遇到的x,y不一样 一张宽度x像素、高度y像素的灰度图保存在一个y * x的矩阵中。
        for (int j1 = 0; j1 < (w / big); j1++) {
            dct(b(Rect(i1 * big, j1 * big, big, big)), bDCT(Rect(i1 * big, j1 * big, big, big)));//Rect是滑块函数，从指定位置取指定大小的矩阵，这就是跟Matlab分块处理一样

        }
    }

    //发现有的图像不是长宽相同的，所以取整除，而没有取到数据，跟之前相同就行了，复制的用处就来啦


    for (int i1 = 0; i1 < (h / big); i1++) {
        for (int j1 = 0; j1 < (w / big); j1++) {
            dct(g(Rect(i1 * big, j1 * big, big, big)), gDCT(Rect(i1 * big, j1 * big, big, big)));

        }
    }

    for (int i1 = 0; i1 < (h / big); i1++) {
        for (int j1 = 0; j1 < (w / big); j1++) {
            dct(r(Rect(i1 * big, j1 * big, big, big)), rDCT(Rect(i1 * big, j1 * big, big, big)));

        }
    }
    


    int mask[8][8] = {//定义掩盖矩阵
        {1, 1, 1, 1, 0, 0, 0, 0},
        {1, 1, 1, 0, 0, 0, 0, 0},
        {1, 1, 0, 0, 0, 0, 0, 0},
        {1, 0, 0, 0, 0, 0, 0, 0},
        {0, 0, 0, 0, 0, 0, 0, 0},
        {0, 0, 0, 0, 0, 0, 0, 0},
        {0, 0, 0, 0, 0, 0, 0, 0},
        {0, 0, 0, 0, 0, 0, 0, 0},
        
    };

    //根据mask 矩阵 去掉右下角的数据，同样对每个通道做一次
    for (int i1 = 0; i1 < (bDCT.rows / big); i1++) 
    {
        for (int j1 = 0; j1 < (bDCT.cols / big); j1++) 
        {

            for (int i = 0; i < big; i++)
            {

                for (int j = 0; j < big; j++)
                {
                    if (mask[i % big][j % big] == 0)
                    {
                        bDCT.at<int>(i1 * big + i, j1 * big + j) = 0;//这里和mask矩阵相乘是同一个意思，同时扫描mask和DCT变换后的矩阵，当mask矩阵扫描到的值为0时，把DCT矩阵也置零，去掉高频数据
                    }
                }
            }
        }
    }

    for (int i1 = 0; i1 < (gDCT.rows / big); i1++)
    {
        for (int j1 = 0; j1 < (gDCT.cols / big); j1++)
        {

            for (int i = 0; i < big; i++)
            {

                for (int j = 0; j < big; j++)
                {
                    if (mask[i % big][j % big] == 0)
                    {
                        gDCT.at<int>(i1 * big + i, j1 * big + j) = 0;;
                    }
                }
            }
        }
    }    for (int i1 = 0; i1 < (rDCT.rows / big); i1++)
    {
        for (int j1 = 0; j1 < (rDCT.cols / big); j1++)
        {

            for (int i = 0; i < big; i++)
            {

                for (int j = 0; j < big; j++)
                {
                    if (mask[i % big][j % big] == 0)
                    {
                        rDCT.at<int>(i1 * big + i, j1 * big + j) = 0;;
                    }
                }
            }
        }
    }


    Mat iDctb = bDCT;
    Mat iDctg = gDCT;
    Mat iDctr = rDCT;

    //进行逆DCT变换，同做三次
    for (int i1 = 0; i1 < (h / big); i1++) {
        for (int j1 = 0; j1 < (w / big); j1++) {
            idct(bDCT(Rect(i1 * big, j1 * big, big, big)), iDctb(Rect(i1 * big, j1 * big, big, big)));

        }
    }
    for (int i1 = 0; i1 < (h / big); i1++) {
        for (int j1 = 0; j1 < (w / big); j1++) {
            idct(gDCT(Rect(i1 * big, j1 * big, big, big)), iDctg(Rect(i1 * big, j1 * big, big, big)));

        }
    }
    for (int i1 = 0; i1 < (h / big); i1++) {
        for (int j1 = 0; j1 < (w / big); j1++) {
            idct(rDCT(Rect(i1 * big, j1 * big, big, big)), iDctr(Rect(i1 * big, j1 * big, big, big)));

        }
    }

    mv[0] = iDctb;
    mv[1] = iDctg;
    mv[2] = iDctr;
    Mat dst;
    merge(mv, dst);//通道合并


    imshow("DstImage",dst);//显示图像

    waitKey(0);

    return 0;

}

效果如下：

原图：

图像处理之DCT图像压缩(基于c++ opencv实现)

压缩后：

图像处理之DCT图像压缩(基于c++ opencv实现)

如果感觉不明显，可以减少mask矩阵1的个数。

灰度图


int main()
{
    Mat src = imread("D:\\Matlab\\toolbox\\images\\imdata\\coins.png",0);
    imshow("clock", src);
    src = Mat_<float>(src);
    int w = src.rows;
    int h = src.cols;
    
   

   

    int big;
    big = 8;
    src.convertTo(src, CV_32F, 1.0 / 255);
    Mat srcDCT = Mat_<float>(src);

    
   

    
    for (int i1 = 0; i1 < (h / big); i1++) {
        for (int j1 = 0; j1 < (w / big); j1++) {
            dct(src(Rect(i1 * big, j1 * big, big, big)),srcDCT(Rect(i1 * big, j1 * big, big, big)));
          
        }
    }


    int mask[8][8] = {
        {1, 1, 1, 1, 0, 0, 0, 0},
        {1, 1, 1, 0, 0, 0, 0, 0},
        {1, 1, 0, 0, 0, 0, 0, 0},
        {1, 0, 0, 0, 0, 0, 0, 0},
        {0, 0, 0, 0, 0, 0, 0, 0},
        {0, 0, 0, 0, 0, 0, 0, 0},
        {0, 0, 0, 0, 0, 0, 0, 0},
        {0, 0, 0, 0, 0, 0, 0, 0},

    };
    double s;  
    for (int i1 = 0; i1 < (srcDCT.rows / big); i1++) {
        for (int j1 = 0; j1 < (srcDCT.cols / big); j1++) {

            for (int i = 0; i < big; i++)
            {

                for (int j = 0; j < big; j++)
                {
                    if (mask[i % big][j % big] == 0) {
                        srcDCT.at<int>(i1 * big + i, j1 * big + j) = 0;;
                        

                    }
                    else {
                        s = 0;
                    }
                }
            }
        }
    }
   Mat iDct1 = srcDCT;
    
    for (int i1 = 0; i1 < (h / big); i1++) {
        for (int j1 = 0; j1 < (w / big); j1++) {
            idct(srcDCT(Rect(i1 * big, j1 * big, big, big)), iDct1(Rect(i1 * big, j1 * big, big, big)));

        }
    }

    imshow("c", srcDCT);




    imshow("DstImage",iDct1);

    waitKey(0);

    return 0;

}

感谢观看，如有误，请不吝赐教。文章来源地址https://www.toymoban.com/news/detail-493827.html

到了这里，关于图像处理之DCT图像压缩(基于c++ opencv实现)的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！