EZW算法优化：一种提升图像压缩效率的新方法

发布时间：2025-05-09 23:00

学习新技能：提升工作效率的工具或方法 #生活技巧# #工作效率#

一种基于一种基于EZW改进算法的图像压缩方法研究改进算法的图像压缩方法研究

针对原EZW算法未能很好利用图像小波系数特点及按照频率特性量化小波系数的不足，提出了对图像小波系数

进行信噪分离、阈值化处理以及对低、高频图像信息进行分阈值量化的改进算法，并给出了在保证复原图像质

量情况下扫描终止的判别条件，以节省压缩时间，在实时传输中能有效地提高图像压缩效率。仿真实验结果表

明，改进算法无论在扫描相同次数下的信噪比，还是相近信噪比下的压缩比都获得了较大改善，为小波变换下

的图像压缩方法提供了新的思路。

随着通信网络的迅猛发展，实际应用中人们对信息的依赖越来越强，通信的内容也不再局限于文字、符号等，图形、图像

通信[1]日益深入到人们的日常生活中。由网络通信的实时性和有效性所决定，图像要快速传递和存储，就必须进行压缩。如

何对图像的数据信息进行压缩，使其在传输过程中尽量传输短的码流，尽量节省信道容量，进一步节约存储空间，这是

在突破传统无损图像压缩[4]编码方法的基础上，新兴编码方法在高效、低码等方面有极大的优越性。而基于DCT(Discrete

Cosine Transform)变换的JPEG(Joint Photographic Experts Group)[5-6]图像压缩标准，虽然在改善信噪比方面较以往有所提

高，但其运算复杂且不能避免方块效应的产生。分形[7]图像压缩编码利用图像整体与部分之间的自相似性，在提高压缩比方

面有着很大的潜力，但是如何正确地划分子块及寻找收敛的IFS(Iterated Function System)很困难。20世纪80年代在傅里叶变

换[8]基础上发展起来的

图像的小波变换就是以原始图像为初始值，不断将上一级图像分解为4个子带的过程，每次得到的4个子带图像，分别代表

频率平面上不同的区域，它们分别含有上一级图像中的低频和垂直、水平及对角线方向的边缘信息。其中，子带HLn表示了水

平方向的高频、垂直方向的低频成分，子带LHn表示了水平方向的低频、垂直方向的高频成分，而子带HHn则表示了水平和垂

直方向的高频成分。从多分辨率分析出发，一般每次只对上一级的低频子图像进行再分解。图像小波变换示意如图1所示。

在图像的小波系数矩阵中，用“零树”来描述这种依频率特性递减的数据分布特性。在“零树”中，

通过区分零树根(ZTR)、孤零(IZ)、正重要系数(POS)和负重要系数(NEG)这几种不同性质小波系数的方法，来实现变换编码的

过程，具体可参考文献[9]。

　嵌入式小波零树编码EZW(Embedded Zero tree Wavelet)算法[9]，就是利用零树的一种高效的小波图像压缩算法。实际中

采用零树与逐次逼近量化技术SAQ(Successive Approximation Quantization)相结合，构成EZW编码算法。其主要步骤如下：