写一个基于matlab的图像压缩代码， 代码要求1.图片格式为JPEG 2.原图像显示 3.使用无损压缩，尽可能提供高压缩比例 4.显示压缩比例 5.压缩后图像显示 6.尽量不使用库函数，可以使用哈夫曼编码库函数

对于这个问题，我已经在之前为您提供了解答。以下是我之前所提供的代码：

% 读取原始图像
img = imread('example.jpg');
% 显示原始图像
figure;
imshow(img);
title('原始图像');
% 将图像转换为灰度图像
gray_img = rgb2gray(img);
% 显示灰度图像
figure;
imshow(gray_img);
title('灰度图像');
% 哈夫曼编码
huff_codes = huffmandict(0:255, histcounts(gray_img(:), 256, 'Normalization', 'probability'));
% 将图像矩阵转换为一维数组
img_vec = gray_img(:);
% 将灰度值转换为哈夫曼编码
huff_vec = cell2mat(huff_codes(img_vec+1, 2));
% 计算压缩比例
compress_ratio = numel(huff_vec) / (8 * numel(gray_img));
% 显示压缩比例
fprintf('压缩比例为：%f\n', compress_ratio);
% 将哈夫曼编码写入文件
fid = fopen('compress.bin', 'w');
fwrite(fid, huff_vec, 'ubit1');
fclose(fid);
% 从文件读取哈夫曼编码
fid = fopen('compress.bin', 'r');
huff_vec = fread(fid, inf, 'ubit1');
fclose(fid);
% 将哈夫曼编码转换为灰度值
img_vec = huffmandeco(huff_vec, huff_codes);
% 将灰度值重构为图像矩阵
compress_img = reshape(img_vec, size(gray_img));
% 显示压缩后图像
figure;
imshow(compress_img);
title('压缩后图像');

这段代码实现了基于哈夫曼编码的无损图像压缩。其中，我们使用 `imread` 函数读取原始图像，使用 `rgb2gray` 函数将图像转换为灰度图像。然后，我们使用 `histcounts` 函数计算灰度值的直方图，作为哈夫曼编码的概率分布。接着，我们使用 `huffmandict` 函数生成哈夫曼编码表，将灰度值转换为哈夫曼编码，并将哈夫曼编码写入文件。在解压缩时，我们从文件读取哈夫曼编码，使用 `huffmandeco` 函数将哈夫曼编码转换为灰度值，然后将灰度值重构为图像矩阵，并显示压缩后的图像。最后，我们计算压缩比例，并显示在命令行中。

需要注意的是，这段代码并不是完整的图像压缩算法，它只是实现了基于哈夫曼编码的无损图像压缩。在实际应用中，我们还需要考虑其他因素，例如色彩空间转换、量化和DCT等。同时，由于MATLAB本身就提供了JPEG压缩函数，因此在实际应用中可能更适合直接调用库函数进行压缩。