基于小波变换的图像压缩SPIHT算法的matlab实现程序

[原创]本matlab代码是2012年发表在"计算机应用"的文章"基于自适应编码次序的多级树集合分裂算法"的源代码。 为了在图像轮廓处获得更好的压缩效采，在多级树集合分裂( SPIHT)算法的基础上提出了一种优先编码周围邻域中重要系数较多的系数与集合的小波图像压缩算法。在编码之前对系数或集合按照周围重要系数的个数进行排序，而且在扫描完周围有重要系数的集合后，就精细扫描已经得到的重要系数。这种编码次序是自适应确定的，不需要任何额外的存储空间，而且在到达指定压缩比时能够编码更多的重要系数。实验结果表明，对比原来的SPIHT 算法，该方法能提高峰值信嗓比并改善主观视觉感受。

一个关于spiht的c++版本的程序源代码，希望有助于学习小波编码

论文“黄克坤. 基于自适应编码顺序的分层树算法改进集划分[J], 计算机应用学报, 2012, 32(3):732-735.”的Matlab代码。 为了获得更好的图像边缘压缩，提出了一种改进的基于对系数的先验扫描的层次树中的集合划分(SPIHT)算法，该算法周围有更显着系数的系数。 系数或集合在编码前根据周围显着系数的个数进行排序，只要扫描了周围存在显着系数的集合，就对先前的显着系数进行细化。 扫描顺序是自适应确认的，不需要任何额外的存储。 它可以在指定的压缩比下编码更重要的系数。 实验结果表明，与SPIHT相比，该方法可以提高PSNR和主观视觉体验。

使用CDF9/7小波基进行SPIHT进行图像压缩，效果不错 可以直接运行

小波变换，SPIHT编码，压缩效率比较高

matlab开发-SPIHT算法图像压缩。在所有情况下，用于开发SPIHT算法的matlab程序都必须比jpeg版本好得多。

标准的SPIHT无损压缩算法，便于改进！

ezw算法的详细过程，有例程，还有sphit算法的详细历程，对压缩图像入门很好

基于小波变换的静态图像压缩，小波变换、图像压缩、分层小波树集合分割算法、SPIHT。图像经过离散余弦变换（DCT）或者小波变换之后，得到的DCT系数或小波系数需要进行组织分配，从而达到压缩的目的。然后采用编码算法法对那些系数进行组织分配是压缩编码，基于DCT变换的编码方法有：预测编码、游程编码、分形编码等，基于小波变换的编码方法有：嵌入式零树小波（EZW）算法、分层小波树集合分割（SPIHT）算法等。