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。

在基于小波变换的图象压缩方案中，嵌入式零树小波 EZW(Embedded Zerotree Wavelets)[1]编码很好地利用小波系数的特性使得输出的码流具有嵌入特性。近年来，在对EZW改进的基础上，提出了许多新的性能更好的算法，如多级树集合分裂算法(SPIHT :Set Partitioning In Hierarchical Trees)[2]，集合分裂嵌入块编码(SPECK：Set Partitioned Embedded bloCK coder)，可逆嵌入小波压缩算法(CREW:Compression with Reversible Embedded Wavelets)[3] 。本文对这些算法进行了原理分析、性能比较，说明了嵌入式小波图象编码的研究方向。

零树小波压缩算法，VC工程，研究小波图像压缩必备

EZW算法中小波分解层数及扫描次数对图像压缩性能的影响.pdf

小波零树编码的MATLAB程序源代码，附带测试用例

图像压缩编码算法EZW算法的Matlab原代码

matlab实现EZW压缩并重构。小波课程图像处理课程基本算压缩方法实现。

数字图像压缩，基于小波变换的数字图像压缩编码，采用嵌入式零树ezw的编码方法的matlab程序

用matlab运行，有压缩和解压完整的程序，可出结果。

三、EZW算法的解码步骤 （一）在未获得小波系数的编码码流前，解码方应先 获得： 图像大小：小波变换级数；初始阈值T1。 本例的图像大小为8×8；小波级数为3 ；初始阀值 为T1 = 8。 解码方在获得这些信息以后，会开僻一个8×8的存 储空间，并把系数的值赋为0