天河区做网站公司,之江建设工程质量安全监督网站,凡科网站可以做自适应的吗,天津做网站的公司有哪家一、DCT变换原理 #xff08;1#xff09;DCT的基本原理是将实数信号转换为频域表示#xff0c;离散余弦变换#xff08;DCT#xff09;是一种将实数函数转换为余弦函数的方法。它的基本原理是将实偶函数的离散傅立叶变换#xff08;DFT#xff09;简化#xff0c;使得…一、DCT变换原理 1DCT的基本原理是将实数信号转换为频域表示离散余弦变换DCT是一种将实数函数转换为余弦函数的方法。它的基本原理是将实偶函数的离散傅立叶变换DFT简化使得变换过程中只包含实数运算。在图像处理等领域DCT可以有效地将图像中的高频和低频信息分离开来从而达到压缩和增强的效果。 2基于DCT的数字水印嵌入步骤对原始图像进行DCT变换。这将把图像从空间域转换到频域。通常我们将图像分成8x8的块然后对每个块进行DCT变换。在DCT变换后我们选择适当的位置来嵌入水印信息。通常我们会选择高频系数因为它们对图像的视觉质量影响较小。将水印信息嵌入到选定的DCT系数中。这可以通过微小地改变这些系数来实现。嵌入的水印信息可以是二值化的灰度图像。对嵌入水印后的图像进行逆DCT变换以得到带有水印的图像。 3基于离散余弦变换DCT的图像置乱步骤如下 1、分割首先将图像分割成8x8或16x16的小块。 2、DCT变换对每个小块进行DCT变换。具体来说对于N×N大小的256灰度级的宿主图像I进行N×N二维离散余弦变换DCT。以ZigZag方式对于DCT变换后的图像频率系数重新排列成一维向量 Y {y1, y2,…yN×N}。 3、置乱对DCT变换后的系数进行置乱。置乱的方式可以根据具体的应用需求来确定例如可以使用Arnold变换。 4、逆DCT变换对置乱后的DCT系数进行逆DCT变换得到置乱后的图像。 4基于离散余弦变换DCT的图像置乱后的还原步骤如下 1、读取置乱图像首先我们需要读取要进行还原的置乱图像。 2、分割将置乱图像分割成8x8或16x16的小块。 3、DCT变换对每个小块进行DCT变换。具体来说对于N×N大小的256灰度级的宿主图像I进行N×N二维离散余弦变换DCT。以ZigZag方式对于DCT变换后的图像频率系数重新排列成一维向量 Y {y1, y2,…yN×N}。 4、反置乱对DCT变换后的系数进行反置乱。反置乱的方式需要和置乱时使用的方式相同例如如果置乱时使用的是Arnold变换那么反置乱时也需要使用Arnold反变换。 5、逆DCT变换对反置乱后的DCT系数进行逆DCT变换得到还原后的图像。
1、DCT变换方法实现图片的置乱及置乱后的图片恢复
% 读取图像
img imread(test3.jpg);
% 确保图像是灰度图
if size(img, 3) 3img rgb2gray(img);
end% 获取图像的大小
[N, M] size(img);% 对图像进行DCT变换
dct_img dct2(img);% 创建一个随机置乱矩阵
rng(1); % 设置随机数生成器的种子以确保结果的可重复性
P randperm(N);% 使用置乱矩阵对DCT变换后的图像进行置乱
dct_img_permuted dct_img(P, P);% 对置乱后的图像进行逆DCT变换
img_permuted uint8(idct2(dct_img_permuted));% 保存置乱后的图像
imwrite(img_permuted, permuted_image.jpg);% 对置乱后的图像进行DCT变换
dct_img_permuted dct2(img_permuted);% 创建一个反置乱矩阵
P_inv(P) 1:N; % 创建反置乱矩阵% 使用反置乱矩阵对DCT变换后的图像进行反置乱
dct_img_recovered dct_img_permuted(P_inv, P_inv);% 对反置乱后的图像进行逆DCT变换
img_recovered uint8(idct2(dct_img_recovered));% 保存恢复后的图像
imwrite(img_recovered, recovered_image.jpg);二、DWT变换原理 1离散小波变换是一种信号处理技术它将连续的信号分解为不同频率的子带信号以便更好地分析和处理信号。离散小波变换则是在离散的时间或空间域上对信号进行变换。离散化后的小波变换具有更好的实时性和稳定性。 1、将原始信号进行低通滤波和高通滤波得到两个子信号即近似系数和细节系数 2、对近似系数进行递归分解得到若干个尺度下的近似系数和细节系数 3、通过对细节系数进行递归分解得到若干个尺度下的细节系数 4、重构原始信号时将不同尺度的近似系数和细节系数进行合并得到重构后的信号。 2基于离散小波变换DWT的图像置乱步骤如下 1、读取原始图像首先我们需要读取要进行置乱的原始图像。 2、DWT变换对原始图像进行DWT变换将图像分解为不同频率的子带。这一步通常会得到四个子图分别代表低频近似LL、水平细节LH、垂直细节HL和对角线细节HH。 3、置乱对DWT变换后的系数进行置乱。置乱的方式可以根据具体的应用需求来确定例如可以使用Arnold变换。 4、逆DWT变换对置乱后的DWT系数进行逆DWT变换得到置乱后的图像。 3基于离散小波变换DWT的图像置乱后的还原步骤如下 1、读取置乱图像首先我们需要读取要进行还原的置乱图像。 2、分割将置乱图像分割成8x8或16x16的小块。 3、DWT变换对每个小块进行DWT变换。具体来说对于N×N大小的256灰度级的宿主图像I进行N×N二维离散小波变换DWT。以ZigZag方式对于DWT变换后的图像频率系数重新排列成一维向量 Y {y1, y2,…yN×N}。 4、反置乱对DWT变换后的系数进行反置乱。反置乱的方式需要和置乱时使用的方式相同例如如果置乱时使用的是Arnold变换那么反置乱时也需要使用Arnold反变换。 5、逆DWT变换对反置乱后的DWT系数进行逆DWT变换得到还原后的图像。
2、DWT变换方法实现图片的置乱及置乱后的图片恢复
% 读取图像
img imread(test4.jpg);% 获取图像的大小
[N, M, C] size(img);% 对图像的每个通道进行DWT变换
dwt_img zeros(N, M, C);
for c 1:C[cA,cH,cV,cD] dwt2(img(:,:,c),haar);dwt_img(:,:,c) [cA, cH; cV, cD];
end% 创建一个随机置乱矩阵
rng(1); % 设置随机数生成器的种子以确保结果的可重复性
P randperm(N);% 使用置乱矩阵对DWT变换后的图像进行置乱
dwt_img_permuted dwt_img(P, P, :);% 对置乱后的图像进行逆DWT变换
img_permuted zeros(N, M, C);
for c 1:Cimg_permuted(:,:,c) idwt2(dwt_img_permuted(1:N/2,1:M/2,c), dwt_img_permuted(1:N/2,M/21:M,c), dwt_img_permuted(N/21:N,1:M/2,c), dwt_img_permuted(N/21:N,M/21:M,c), haar);
end
img_permuted uint8(img_permuted);% 保存置乱后的图像
imwrite(img_permuted, permuted_image.jpg);% 创建一个反置乱矩阵
P_inv(P) 1:N; % 创建反置乱矩阵% 使用反置乱矩阵对DWT变换后的图像进行反置乱
dwt_img_recovered dwt_img_permuted(P_inv, P_inv, :);% 对反置乱后的图像进行逆DWT变换
img_recovered zeros(N, M, C);
for c 1:Cimg_recovered(:,:,c) idwt2(dwt_img_recovered(1:N/2,1:M/2,c), dwt_img_recovered(1:N/2,M/21:M,c), dwt_img_recovered(N/21:N,1:M/2,c), dwt_img_recovered(N/21:N,M/21:M,c), haar);
end
img_recovered uint8(img_recovered);% 保存恢复后的图像
imwrite(img_recovered, recovered_image.jpg);三、matlab中的直方图 在matlab中直方图是一种显示图像中强度分布的图用于表示一幅图像中各个像素强度值的频率。它将数据分组为一系列的数据区间并以条形的方式展示每个数据区间中的数据数量。
3、在matlab中生成彩色图像直方图
% 读取图像
img imread(test5.jpg); % 请将 your_image.jpg 替换为您的图像文件名% 将图像转换为灰度图像
img_gray rgb2gray(img);% 计算直方图
[counts, bins] imhist(img_gray);% 绘制直方图
figure;
bar(bins, counts);
title(Histogram of Image(图像的直方图));
xlabel(Pixel Intensity像素强度);
ylabel(Frequency频率);% 保存直方图
saveas(gcf, histogram.png); % 将 histogram.png 替换为您想要的输出文件名
