WaveletImageCompression/prova.asv at master · robical/WaveletImageCompression · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
% Algoritmo per compressione lossless e lossy di immagini con wavelet (Haar), e
% zooming
%
%
%
% Autore: Roberto Calandrini
%

close all;
clear all;
clc;

% Definizione wavelet di Haar 1D (Filtri di decomposizione e ricostruzione)
Lod=[sqrt(2)/2 sqrt(2)/2];
Hid=[-sqrt(2)/2 sqrt(2)/2];
Lor=Lod;
Hir=-Hid;

%Leggo Immagine in grayscale
lena=double(imread('Lena_grayscale.bmp'));

%Definisco la massima scala di decomposizione raggiungibile (con o senza replicazione dei bordi)
[scala]=scal(lena);


%decomposizione completa diadica con Haar wavelet
[new]=deco(lena,scala,Lod,Hid);

%riordino la decomposizione nello stile di Matlab
[resh]=ordwave(lena,new,scala);


%definizione di alcuni parametri usati dopo
l1=size(lena,1);
l2=size(lena,2);
in=0; %livello di dettaglio iniziale

%plotta l'immagine alla risoluzione minima (approssimazione di grado più alto interpolata)
imin=resh(1:l1/2^scala,1:l2/2^scala);
imin=imresize(imin,[l1 l2]);
figure,imagesc(imin),colormap('gray'),title('Immagine bassa risoluzione');

%menu iniziale
sce=-1;
while(sce~=0)
sce=menu('Menu elaborazione Immagine: ',...
         '1 - Compressione immagine',...
         '2 - Zoom',...
         '0- Uscita'...
         )


switch(sce)

    case 1
        %%1 - Compressione immagine
        [complos,complles]=compress(resh);
    case 2
        %%2 - Zoom
        sce2=menu('Quale parte dell''immagine si desidera zoomare? ',...
         '0 - Immagine intera',...
         '1 - Regione di interesse'...
         )


        switch(sce2)


        case 0
            %%0 - Immagine intera
            zoo=-1;
            while(zoo~=0)
            zoo=menu('Scegliere: ',...
                     '1 - Zoom IN',...
                     '2 - Zoom OUT',...
                     '0 - Uscita'...
                     )


            switch(zoo)


                case 1
                    %%1 - Zoom IN
                        if (in==scala)
                            disp('Massimo livello di dettaglio raggiunto');
                        else
                            in=in+1;
                            [ima]=zooming(lena,resh,scala,in,Lor,Hir);
                            imagesc(ima),colormap('gray')
                        end
                    case 2
                        %%2 - Zoom OUT
                        if (in==0)
                            disp('Operazione non possibile, questo è il livello di dettaglio più basso');
                        else
                            in=in-1; %livello di dettaglio
                            [ima]=dezoom(lena,resh,scala,in,Lor,Hir);
                            imagesc(ima),colormap('gray')
                        end
                    case 0
                        %%0 - Uscita
                            disp('Uscita..');
                    otherwise,
                            disp('Scelta non valida');
                end
            end

        case 1
            %%1 - Regione di interesse
            subim = IMCROP(imin); %dà l'immagine ritagliata con il mouse della quale si vuole lo zoom
        otherwise,
            disp('Scelta non valida');
    end

case 0
    %%0- Uscita
        disp('Uscita..');
otherwise
        disp('Scelta non valida');
end
end


%END

%Cose da fare e problemi:
%
% 1) Finire lo zoom su regioni di interesse
% 2) Capire se è sempre possibile sfruttare la sparsità
%    dell'immagine decomposta per compressione lossless
%    (idea: replicare l'immagine ai bordi fino a potenza di 2, di modo che la decomposizione diadica
%     sia molto spinta e ne aumenti parecchio la sparsità)
%
%
%
%
%
%
%