数字图像处理离散余弦变换(DCT)和峰值信噪比(PSNR)

求输入图像和经过离散余弦逆变换之后的图像的峰值信噪比。并求出离散余弦逆变换的比特率。

一、名词简介

DCT - 离散余弦变换，在（声音、图像）数据压缩中得到了广泛的使用。

PSNR - 峰值信噪比（Peak Signal to Noise Ratio）缩写为PSNR，用来表示信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值，可以显示图像画质损失的程度。峰值信噪比越大，表示画质损失越小。

MSE - 均方误差，（mean-square error, MSE）是反映估计量与被估计量之间差异程度的一种度量。

二、参考c++代码

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
#include <math.h>
#include <complex>const int height = 128, width = 128, channel = 3;// DCT超参数 DCT hyper-parameter
int T = 8;
int K = 4;// DCT coefficient
struct dct_str {double coef[height][width][channel];
};// 离散余弦变换 Discrete Cosine transformation
dct_str dct(cv::Mat img, dct_str dct_s){double I;double F;double Cu, Cv;for(int ys = 0; ys < height; ys += T){for(int xs = 0; xs < width; xs += T){for(int c = 0; c < channel; c++){for(int v = 0; v < T; v ++){for(int u = 0; u < T; u ++){F = 0;if (u == 0){Cu = 1. / sqrt(2);} else{Cu = 1;}if (v == 0){Cv = 1. / sqrt(2);}else {Cv = 1;}for (int y = 0; y < T; y++){for(int x = 0; x < T; x++){I = (double)img.at<cv::Vec3b>(ys + y, xs + x)[c];F += 2. / T * Cu * Cv * I * cos((2. * x + 1) * u * M_PI / 2. / T) * cos((2. * y + 1) * v * M_PI / 2. / T);}}dct_s.coef[ys + v][xs + u][c] = F;}}}}}return dct_s;
}// 逆离散余弦变换 Inverse Discrete Cosine transformation
cv::Mat idct(cv::Mat out, dct_str dct_s){double f;double Cu, Cv;for (int ys = 0; ys < height; ys += T){for (int xs = 0; xs < width; xs += T){for(int c = 0; c < channel; c++){for (int y = 0; y < T; y++){for (int x = 0; x < T; x++){f = 0;for (int v = 0; v < K; v++){for (int u = 0; u < K; u++){if (u == 0){Cu = 1. / sqrt(2);} else {Cu = 1;}if (v == 0){Cv = 1. / sqrt(2);} else { Cv = 1;}f += 2. / T * Cu * Cv * dct_s.coef[ys + v][xs + u][c] * cos((2. * x + 1) * u * M_PI / 2. / T) * cos((2. * y + 1) * v * M_PI / 2. / T);}}f = fmin(fmax(f, 0), 255);out.at<cv::Vec3b>(ys + y, xs + x)[c] = (uchar)f;}}}}}return out;
}// 计算均方误差 Compute MSE
double MSE(cv::Mat img1, cv::Mat img2){double mse = 0;for(int y = 0; y < height; y++){for(int x = 0; x < width; x++){for(int c = 0; c < channel; c++){mse += pow(((double)img1.at<cv::Vec3b>(y, x)[c] - (double)img2.at<cv::Vec3b>(y, x)[c]), 2);}}}mse /= (height * width);return mse;
}// 计算峰值信噪比 Compute PSNR
double PSNR(double mse, double v_max){return 10 * log10(v_max * v_max / mse);
}// 计算比例 Compute bitrate
double BITRATE(){return T * K * K / T * T;
}// Main
int main(int argc, const char* argv[]){double mse;double psnr;double bitrate;// read original imagecv::Mat img = cv::imread("imori.jpg", cv::IMREAD_COLOR);// DCT coefficientdct_str dct_s;// output imagecv::Mat out = cv::Mat::zeros(height, width, CV_8UC3);// DCTdct_s = dct(img, dct_s);// IDCTout = idct(out, dct_s);// MSE, PSNRmse = MSE(img, out);psnr = PSNR(mse, 255);bitrate = BITRATE();std::cout << "MSE: " << mse << std::endl;std::cout << "PSNR: " << psnr << std::endl;std::cout << "bitrate: " << bitrate << std::endl;cv::imwrite("out.jpg", out);//cv::imshow("answer", out);//cv::waitKey(0);cv::destroyAllWindows();return 0;
}

三、参考python代码

import cv2
import numpy as np
import matplotlib.pyplot as plt# DCT hyoer-parameter
T = 8
K = 4
channel = 3# DCT weight
def w(x, y, u, v):cu = 1.cv = 1.if u == 0:cu /= np.sqrt(2)if v == 0:cv /= np.sqrt(2)theta = np.pi / (2 * T)return (( 2 * cu * cv / T) * np.cos((2*x+1)*u*theta) * np.cos((2*y+1)*v*theta))# DCT
def dct(img):H, W, _ = img.shapeF = np.zeros((H, W, channel), dtype=np.float32)for c in range(channel):for yi in range(0, H, T):for xi in range(0, W, T):for v in range(T):for u in range(T):for y in range(T):for x in range(T):F[v+yi, u+xi, c] += img[y+yi, x+xi, c] * w(x,y,u,v)return F# IDCT
def idct(F):H, W, _ = F.shapeout = np.zeros((H, W, channel), dtype=np.float32)for c in range(channel):for yi in range(0, H, T):for xi in range(0, W, T):for y in range(T):for x in range(T):for v in range(K):for u in range(K):out[y+yi, x+xi, c] += F[v+yi, u+xi, c] * w(x,y,u,v)out = np.clip(out, 0, 255)out = np.round(out).astype(np.uint8)return out# MSE
def MSE(img1, img2):H, W, _ = img1.shapemse = np.sum((img1 - img2) ** 2) / (H * W * channel)return mse# PSNR
def PSNR(mse, vmax=255):return 10 * np.log10(vmax * vmax / mse)# bitrate
def BITRATE():return 1. * T * K * K / T / T# Read image
img = cv2.imread("imori.jpg").astype(np.float32)# DCT
F = dct(img)# IDCT
out = idct(F)# MSE
mse = MSE(img, out)# PSNR
psnr = PSNR(mse)# bitrate
bitrate = BITRATE()print("MSE:", mse)
print("PSNR:", psnr)
print("bitrate:", bitrate)# Save result
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.imwrite("out.jpg", out)

四、OpencvSharp版本部分代码

// 读取原始文件
Mat img = Cv2.ImRead(@"C:\Users\xiaomao\Desktop\lena.jpg", ImreadModes.Grayscale);
// 转为32FC1
Mat src = new Mat();
img.ConvertTo(src, MatType.CV_32FC1);// 进行离散余弦变换
Mat dct = new Mat(img.Size(), MatType.CV_32FC1);
Cv2.Dct(src, dct);// 进行逆离散余弦变换
Mat idct = new Mat(img.Size(), MatType.CV_32FC1);
Cv2.Idct(dct, idct);// 将逆离散余弦变换结果转换为8UC1
idct.ConvertTo(src, MatType.CV_8UC1);// 计算psnr，使用lena女神的图像测试结果为361.20199909921956
double psnr = Cv2.PSNR(img, idct);// 存储变换后的图像
Cv2.ImWrite(@"C:\Users\zyh\Desktop\lena_idct.jpg", src);

左侧是原图，右侧是基于原图灰度图进行离散余弦变换的结果图，肉眼可能是看不出来结果。psnr=361.20199909921956

数字图像处理离散余弦变换(DCT)和峰值信噪比(PSNR)相关推荐

压缩感知稀疏基之离散余弦变换(DCT)和离散正弦变换(DST)
题目:压缩感知稀疏基之离散余弦变换(DCT)和离散正弦变换(DST) 在前面一篇<压缩感知的常见稀疏基名称及离散傅里叶变换基>中集结了九篇压缩感知文献中有关稀疏基名称,并且直白地告诉大家稀 ...
二维离散变换由c语言编写,离散余弦变换(DCT)的DSP程序设计与实现
<离散余弦变换(DCT)的DSP程序设计与实现>由会员分享,可在线阅读,更多相关<离散余弦变换(DCT)的DSP程序设计与实现(15页珍藏版)>请在人人文库网上搜索. 1.DS ...
离散余弦变换(DCT)原理及应用
1.预备知识 1.1可分离变换二维傅立叶变换可用通用的关系式来表示: 式中:x, u=0, 1, 2, -, M-1:y, v=0, 1, 2, -, N-1:g(x,y,u,v)和h ...
matlab snr mse,MATLAB 均方根误差MSE、两图像的信噪比SNR、峰值信噪比PSNR、结构相似性SSIM...
今天的作业是求两幅图像的MSE.SNR.PSNR.SSIM.代码如下: clc; close all; X = imread('q1.tif');% 读取图像 Y=imread('q2.tif'); ...
Python 不同分辨率图像峰值信噪比[PSNR]
PNNR:全称为"Peak Signal-to-Noise Ratio",中文直译为峰值信噪比前言一.定义二.Python代码 1.自定义 2.Tensorflow 总结前 ...
(python)计算图像峰值信噪比-PSNR、结构相似度-SSIM
计算峰值信噪比-PSNR和结构相似度-SSIM(python实现) 说明: PSNR(Peak Signal to Noise Ratio),取值范围为:[0,100],PSNR值越大两张图片越相似, ...
jpg图片与jpeg图片格式的区别（没有区别，.jpg只是扩展名.jpeg的缩写）JPEG图像压缩（YUV4:2:0 缩减采样、缩减取样）（离散余弦变换 DCT算法）（量化）（熵编码）（霍夫曼哈夫曼）
文章目录 20191026 20220414 更新,更系统去了解里面的编码压缩流程科普:关于图像格式JPG和JPEG你知多少? 一.前言二.JPEG和JPG的关系三.色彩空间转换缩减取样离散 ...
离散余弦变换(DCT)
DCT变换.DCT反变换.分块DCT变换一.引言 DCT变换的全称是离散余弦变换*(Discrete Cosine Transform)*,主要用于将数据或图像的压缩,能够将空域的信号转换到频域上, ...
C语言实现离散余弦变换(DCT)并用MATLAB和Python验证
概念离散余弦变换(Discrete Cosine Transform,DCT)是可分离的变换,其变换核为余弦函数.是与傅里叶变换相关的一种变换,它相当于把离散傅里叶变换的虚数部分丢掉,只使用实数.D ...
离散余弦变换 DCT
MPEG采用了Ahmed(一个巨牛的数学家) 等人于70年代提出的离散余弦变换(DCT-Discrete Cosine Transform)压缩算法,降低视频信号的空间冗余度. DCT将运动补偿误差或 ...

数字图像处理离散余弦变换(DCT)和峰值信噪比(PSNR)

一、名词简介

二、参考c++代码

三、参考python代码

四、OpencvSharp版本部分代码

数字图像处理离散余弦变换(DCT)和峰值信噪比(PSNR)相关推荐

最新文章

热门文章

数字图像处理 离散余弦变换(DCT)和峰值信噪比(PSNR)

一、名词简介

二、参考c++代码

三、参考python代码

四、OpencvSharp版本部分代码

数字图像处理 离散余弦变换(DCT)和峰值信噪比(PSNR)相关推荐

最新文章

热门文章

数字图像处理离散余弦变换(DCT)和峰值信噪比(PSNR)

数字图像处理离散余弦变换(DCT)和峰值信噪比(PSNR)相关推荐