立體影像編碼解碼-有解無憂

根據相關參考資料說明，影像編碼解碼的大致結構框圖如下所示：

本系統，我們主要將完成這個結構框圖中介紹的各個模塊，

2.各個模塊設計與仿真

function im_encode(left_name, right_name, parameter);

發送端的說明

2.1 獲得左右兩個影像

·MATLAB代碼

imag_L = imread('stereo_images/corridor1.pgm');

imag_R = imread('stereo_images/corridor2.pgm');

figure(1);

subplot(121),imshow(imag_L);title('left');

subplot(122),imshow(imag_R);title('right');

·仿真效果

圖2 左右眼睛看到的影像

·代碼說明

通過讀取兩個圖片，來模擬人兩個眼睛所看到的影像，

2.2 Transform模塊

這個模塊主要使用DCT變換，但是這里設計到一個問題，就是將兩個圖片信號變為一路信號的問題，就本課題而言，這里有以下幾個方法實作；

·由于這兩個圖片是雙目信號，所以可以先進行立體匹配得到一個圖片，然后再接收端分解成兩個雙目圖片；

·由小波分解進行融合得到一路信號，然后在接收端進行反變換，但是這種做法也較復雜，

·進行圖片的采樣處理，對兩個圖片進行間隔采樣，然后在接收端進行內插得到原影像，這種方法比較簡單，本模塊采用這個方法，

其代碼如下所示：

[R,L] = size(imag_L);

for i = 1:R

for j = 1:L

if mod(i+j,2)==0

image(i,j) = imag_L(i,j);

else

image(i,j) = imag_R(i,j);

end

2.3 DCT變換

我們在這里使用MATLAB內部的dct2函式，這里就不多做介紹了，其仿真結果如下所示：

其代碼如下所示：

DCT_out = dct2(image);

2.4 ZIGZAG演算法

其基本原理如下所示：

通過這個方法，我們可以將一個影像的二維資料變為一個串行的資料流，

其對應的代碼如下所示：

function [y]=toZigzag(x)

% transform a matrix to the zigzag format

[row col]=size(x);

if row~=col

disp('toZigzag() fails!! Must be a square matrix!!');

return

end

y=zeros(row*col,1);

count=1;

for s=1:row

if mod(s,2)==0

for m=s:-1:1

y(count)=x(m,s+1-m);

count=count+1;

end;

else

for m=1:s

y(count)=x(m,s+1-m);

count=count+1;

end

if mod(row,2)==0

flip=1;

else

flip=0;

end

for s=row+1:2*row-1

if mod(flip,2)==0

for m=row:-1:s+1-row

y(count)=x(m,s+1-m);

count=count+1;

end

else

for m=row:-1:s+1-row

y(count)=x(s+1-m,m);

count=count+1;

end;

flip=flip+1;

end

　　μ律（m-Law）壓擴主要用在北美和日本等地區的數字電話通信中，m為確定壓縮量的引數，它反映最大量化間隔和最小量化間隔之比，通常取100≤m≤500，由于m律壓擴的輸入和輸出關系是對數關系，所以這種編碼又稱為對數PCM，

　　A律（A-Law）壓擴主要用在歐洲和中國大陸等地區的數字電話通信中，A為確定壓縮量的引數，它反映最大量化間隔和最小量化間隔之比，A律壓擴的前一部分是線性的，其余部分與μ律壓擴相同，

15折線特性給出的小信號的信號量噪比約是13折線特性的兩倍，但是，對于大信號而言，15折線特性給出的信號量噪比要比13折線特性時稍差，在保證小信號的量化間隔相等的條件下，均勻量化需要11位元編碼，而非均勻量化只要7位元就夠了，

其對應的待明如下所示：

function ypcm=mulaw(yn)

x=yn;

s=sign(x);

x=abs(x);

ypcm=zeros(length(x),1);

%進行基于15折線的分段映射

for i=1:length(x)

if x(i)<1/255 %序列值位于第1折線

ypcm(i)=255/8*x(i);

elseif x(i)<3/255 %序列值位于第2折線

ypcm(i)=255/16*x(i)+1/16;

elseif x(i)<7/255 %序列值位于第3折線

ypcm(i)=255/32*x(i)+5/32;

elseif x(i)<15/255 %序列值位于第4折線

ypcm(i)=255/64*x(i)+17/64;

elseif x(i)<31/255 %序列值位于第5折線

ypcm(i)=255/128*x(i)+49/128;

elseif x(i)<63/255 %序列值位于第6折線

ypcm(i)=255/256*x(i)+129/256;

elseif x(i)<127/255 %序列值位于第7折線

ypcm(i)=255/512*x(i)+321/512;

else %序列值位于第8折線

ypcm(i)=255/1024*x(i)+769/1024;

end

ypcm=ypcm.*(2^7);

ypcm=floor(ypcm);

ypcm=ypcm.*s;

2.6 編碼模塊

發送的最后我們需要將量化后的資料進行壓縮，得到二進制位元率進行發送，這里我們使用huffman編碼，Huffman編碼的基本原理如下所示：

哈夫曼編碼是用于資料檔案壓縮的一個十分有效的編碼方法，其壓縮率通常在20％～90％之間，哈夫曼編碼演算法使用字符在檔案中出現的頻率表來建立一個0,1串，以表示各個字符的最優表示方式，

它是一種編碼方式，哈夫曼編碼是可變字長編碼(VLC)的一種， Huffman于1952年提出一種編碼方法，該方法完全依據字符出現概率來構造異字頭的平均長度最短的碼字，有時稱之為最佳編碼，一般就叫作Huffman編碼，以哈夫曼樹─即最優二叉樹，帶權路徑長度最小的二叉樹，經常應用于資料壓縮，在計算機資訊處理中，“哈夫曼編碼”是一種一致性編碼法（又稱"熵編碼法"），用于資料的無損耗壓縮，這一術語是指使用一張特殊的編碼表將源字符（例如某檔案中的一個符號）進行編碼，這張編碼表的特殊之處在于，它是根據每一個源字符出現的估算概率而建立起來的（出現概率高的字符使用較短的編碼，反之出現概率低的則使用較長的編碼，這便使編碼之后的字串的平均期望長度降低，從而達到無損壓縮資料的目的），這種方法是由David.A.Huffman發展起來的，例如，在英文中，e的出現概率很高，而z的出現概率則最低，當利用哈夫曼編碼對一篇英文進行壓縮時，e極有可能用一個位(bit)來表示，而z則可能花去25個位（不是26），用普通的表示方法時，每個英文字母均占用一個位元組（byte），即8個位，二者相比，e使用了一般編碼的1/8的長度，z則使用了3倍多，倘若我們能實作對于英文中各個字母出現概率的較準確的估算，就可以大幅度提高無損壓縮的比例，

根據變長最佳編碼定理，Huffman編碼步驟如下：

（1）將信源符號xi按其出現的概率，由大到小順序排列，

（2）將兩個最小的概率的信源符號進行組合相加，并重復這一步驟，始終將較大的概率分支放在上部，直到只剩下一個信源符號且概率達到1.0為止；

（3）對每對組合的上邊一個指定為1，下邊一個指定為0（或相反：對上邊一個指定為0，下邊一個指定為1）；

（4）畫出由每個信源符號到概率1.0處的路徑，記下沿路徑的1和0；

（5）對于每個信源符號都寫出1、0序列，則從右到左就得到非等長的Huffman碼，

其對應的代碼如下所示：

function [compression,dict] = huffman_module(image);

s = image;

%entropy

p = hist(s,length(s));

idx=find(p~=0);