563951_MATLAB-CALIC.zip

function xC = calic(A) % calic CALIC-like lossless coding of an image (integer matrix) % This is a simplified variant of CALIC algorithm, actually only the % (linerar) prediction and the context selection. % It is assumed that the dynamic range of the image is 255. The image, i.e. % prediction error, is mapped into sequences, depending on energy estimates. % % The inverse is not ready yet, but is planned to be in this file as % Ar = calic(xC, size(A)), decode xC so that Ar == A. % A = double(imread('9.bmp')); % xC = calic(A); [b,r] = estimateBits(xC, 'Huff06', 2); % øving 7 i MIK230 2009 har mer om tapsfri koding av bilde % test comparing 'calic' to DPCM and mypred % A = double(imread('lena.bmp')) - 128; % r1 = imageapprox(A, 'd','ex312Jan191930.mat', 'tPSNR',38, 'v',1, 'del',-10); % -- kun DC komponent (range not -128 to 128) % dc = reshape(r1.Zdc,64,64); % xCdc = calic(dc); % [b,r] = estimateBits(xCdc, 'Huff06', 2); % 16904 bits % xCdc = {[dc(1); diff(dc(:))]}; % [b,r] = estimateBits(xCdc, 'Huff06', 2); % 17520 bits % xCdc = mypred(dc); % [b,r] = estimateBits(xCdc, 'Huff06', 2); % 16200 bits !! % -- hele bildet % xC = calic(A); % [b,r] = estimateBits(xC, 'Huff06', 2); % bit rate 3.9550 !!! % xC = mypred(A, 'nofS',11); % [b,r] = estimateBits(xC, 'Huff06', 2); % bit rate 4.1594 visMye = 1; nofS = 0; % nofS = 0 is more simple and usually good % nofS = 3; appropriate for dc above if visMye disp('CALIC prediksjonsmetode.'); end % Måten å dele opp i sekvenser for koding, Sekv, tilsvarer (grovt) context % i CALIC. Jeg har tilpasset disse noe, de lages ikke i CALIC men er her % hensiktsmessige siden entropikoding gjøres utenfor denne funksjonen, men % er integrert i CALIC. X = double(A); [ROWS,COLS] = size(X); % OBS NXM Y = zeros(ROWS,COLS); Sekv = ones(size(X)); % utgangspunkt sekv 1 if (nofS > 0); EE = 100*Sekv; end; Y(1,1) = X(1,1); % første pixel ingen prediksjon Y(2:ROWS,1) = X(2:ROWS,1)-X(1:(ROWS-1),1); % venstre kolonne (prediksjon er pixel over) j = 1; for i=4:ROWS ee = 3*abs(X(i-3,j)-X(i-2,j))+5*abs(X(i-2,j)-X(i-1,j)); if (nofS > 0); EE(i,j) = ee; end; Sekv(i,j) = ee2s(ee); end Y(1,2:COLS) = X(1,2:COLS)-X(1,1:(COLS-1)); % øverste linje (prediksjon er pixel til venstre) i = 1; for j=4:COLS ee = 3*abs(X(i,j-3)-X(i,j-2))+5*abs(X(i,j-2)-X(i,j-1)); if (nofS > 0); EE(i,j) = ee; end; Sekv(i,j) = ee2s(ee); end % for i=2:ROWS for j=2:COLS xW = X(i,j-1); % pixel til venstre if j==2 xWW = X(i,j-1); else xWW = X(i,j-2); % pixel to hakk til venstre end xN = X(i-1,j); % pixel over xNW = X(i-1,j-1); % pixel over til venstre if i==2 xNN = xN; else xNN = X(i-2,j); % pixel to hakk over end if j==COLS xNE = xN; xNNE = xNN; else xNE = X(i-1,j+1); % pixel over til høyre if i==2 xNNE = xNE; else xNNE = X(i-2,j+1); % pixel to hakk over og til høyre end end dh = abs(xW-xWW)+abs(xN-xNW)+abs(xNE-xN); dv = abs(xW-xNW)+abs(xN-xNN)+abs(xNE-xNNE); D = dv-dh; ee = dv+dh; % energi estimat if (D > 80) % skarp horisontal kant p = xW; % pixel til venstre elseif (D < -80) % skarp vertical kant p = xN; % pixel over, sekvens 1 else p = (xN+xW)/2+(xNE-xNW)/4; % prediction 2 if (D > 32) % horisontal kant p = (p+xW)/2; elseif (D > 8) % weak horizontal edge p = (3*p+xW)/4; elseif (D < -32) % vertical edge p = (p+xN)/2; elseif (D < -8) % weak vertical edge p = (3*p+xN)/4; end ee = ee+2*abs(p-xW); % energi estimat (Delta) >= 0 end if (nofS > 0); EE(i,j) = ee; end; Sekv(i,j) = ee2s(ee); % p = floor(p+0.4); % avrundes med svak tendens nedover Y(i,j) = X(i,j)-p; end end % if (nofS > 0) % sekvenser velges på en mer komplisert måte t = sort(EE(:)); vLim = [ceil(t( floor((1:(nofS-1))*((ROWS*COLS)/nofS)) ))', inf]; disp(vLim); Sekv = zeros(ROWS,COLS); for i = 1:ROWS for j = 1:COLS Sekv(i,j) = find(EE(i,j) <= vLim, 1); end end end % danner sekvensene ut fra Sekv matrisa Imax = max(Sekv(:)); xC = cell(Imax,1); for i=1:Imax xC{i} = Y(Sekv==i); if visMye && (numel(xC{i}) > 0) disp(['Sekvens ',int2str(i),' har ',int2str(numel(xC{i})),' forekomster.',... ' min = ',int2str(min(xC{i})),' max = ',int2str(max(xC{i})),... ' mean = ',num2str(mean(xC{i})), ' std = ',num2str(std(xC{i}))]); end end % For alle prediksjonsmetoder har en at rekonstruksjon er greitt % og gjøres ikke her, Xr = X; return; function s = ee2s(ee) if ee > 140 s = 1; elseif ee > 85 s = 2; elseif ee > 60 s = 3; elseif ee > 42 s = 4; elseif ee > 25 s = 5; elseif ee > 15 s = 6; elseif ee > 5 s = 7; else s = 8; end return;