Image CompressionGaussian Noise

14/04/2010Francesca Pizzorni Ferraese

Background Compression Ratio

The amount of data/information (usually bits) in a digital image divided by the amount of data in a version after compression. Higher ratios indicate more compression which may degrade image quality.

Esercizio 1 Costruire le seguenti funzioni:

function cr = imratio(f1,f2) function rmse = compare(f1,f2,scale)

Calcolo RMSE Visualizzazione immagine dell’errore e istogramma

Background

JPEG Esercizio 2

Caricare l’immagine JAB.jpg Per i=1:100 salvare l’immagine in JPEG con qualità i Utilizzare il comando dir e ricavare il numero di bit

dell’immagine e di bit per pixel Caricare l’immagine appena salvata Calcolare per ogni canale dell’immagine l’errore

quadratico medio MSE, dopodichè con mean calcolare l’MSE dell’immagine

Calcolare il PSNR Plottare

PSNR(i) MSE(i) per ogni canale MSE(bpp)

JPEG

Rumore Gaussiano Esercizio 3

Caricare l’immagine kodim21.png

Aggiungere rumore gaussiano con media 0 e varianza 0.001 J =

imnoise(I,'gaussian',m,v)

adds Gaussian white noise of mean m and variance v to the image I. The default is zero mean noise with 0.01 variance.