以一张图像（灰度图）为例，用Matlab编程验证DCT量化、系数数量等因素对重建图像质量的影响。有详细的程序说明和DCT算法思路说明

这是基于DWT-SVD的数字水印算法，具有强的鲁邦性，适用于毕业设计和研究。

基于DCT的图像压缩编码算法的MATLAB实现-毕业论文.doc

svd算法matlab代码一些课程 该存储库包含一些简单的Matlab代码：拼凑，蛇形，DWT-DCT-SVD DWT-DCT-SVD： 基于DCT-DWT-SVD的数字水印嵌入与提取算法。 该程序实现将图像嵌入到音频中。 该代码包含鲁棒性检测，例如高斯噪声，重采样和低通滤波... Qdwtdctsvd.m：水印嵌入 Tdwtdctsvd.m：水印提取和鲁棒性检测。 拼凑而成： 基于拼凑算法的数字水印技术 蛇形测地线活动模型： 这个Matlab程序实现了测地线活动轮廓模型。 main.m：主要代码。

图像二维整数离散余弦变换（DCT）变换算法.doc

内容索引:VC/C++源码,图形处理,DCT　　VC++图像DCT快速变换演示源码，一共演示了普通DCT、快速DCT、快速IDCT算法的实现，效果一般，不过代码写得不错。程序执行后，将每一种变换的结果存为TXT文档 ，方便查看。

DCT数据压缩的基本思想是：由于DCT的能量聚集特性，对一幅图像进行离散余弦变换后，许多有关图像的重要可视信息都集中在DCT系数矩阵的左上角，也就是低频部分。DCT系数矩阵左上角第一个值称为DC系数，是整个矩阵的平均值，其余的称为AC系数，越靠近左上角对应的频率越低，越靠近右下角对应的频率越高。 在图像中，低频部分的信息量要大于高频部分的信息量，尽管低频部分的数据量比高频部分的数据量要小很多，例如删除掉占了50%存储空间的高频部分，信息量的损失可能还不到5%。因此，DCT数据压缩舍弃了高频系数，并对余下的系数进行量化减小数据量，以达到图像压缩的目的。 关于该资源的具体功能，可私信博主

DCT数据压缩的基本思想是：由于DCT的能量聚集特性，对一幅图像进行离散余弦变换后，许多有关图像的重要可视信息都集中在DCT系数矩阵的左上角，也就是低频部分。DCT系数矩阵左上角第一个值称为DC系数，是整个矩阵的平均值，其余的称为AC系数，越靠近左上角对应的频率越低，越靠近右下角对应的频率越高。 直接对整个图像进行2D-DCT变换的优点在于避免了分块效应，使得解压缩图像的保真度得到了保障，缺点在于计算复杂度高。 整图DCT变换流程 1. 直接对整幅图像进行DCT变换 2. 对DCT系数矩阵做不同程度的量化 3. 对量化后的DCT系数矩阵进行IDCT反变换得最终图像 4. 比较不同量化程度下还原图像MSE

matlab灰度图像的DCT压缩并计算PSNR

数字水印仿真对比DWT水印,DWT+DCT水印,DWT+DCT+BFO水印以及DWT+DCT+PBFO水印四种水印算法。matlab2021a或高级版本运行测试。