写一个基于JPEG2000的彩色图像压缩，在jupyter notebooks上运行，能设置不同的压缩比

好的，我了解了您的要求。对于基于JPEG2000的彩色图像压缩，我们可以使用Python的开源库pywavelets来实现。

首先，我们需要安装pywavelets库。在Jupyter Notebook中运行以下命令：

!pip install pywavelets

接下来，我们可以编写以下代码来实现基于JPEG2000的彩色图像压缩：

import pywt
import numpy as np
from PIL import Image

def compress_image(image_path, compression_ratio):
    # 打开图像文件
    image = Image.open(image_path)
    
    # 将图像转换为numpy数组
    image_array = np.array(image)
    
    # 分离RGB通道
    r = image_array[:,:,0]
    g = image_array[:,:,1]
    b = image_array[:,:,2]
    
    # 对每个通道进行小波变换
    coeffs_r = pywt.dwt2(r, 'haar')
    coeffs_g = pywt.dwt2(g, 'haar')
    coeffs_b = pywt.dwt2(b, 'haar')
    
    # 将小波系数按照压缩比进行截断
    threshold_r = np.max(coeffs_r[0]) * compression_ratio
    threshold_g = np.max(coeffs_g[0]) * compression_ratio
    threshold_b = np.max(coeffs_b[0]) * compression_ratio
    
    coeffs_r = pywt.threshold(coeffs_r, threshold_r, mode='hard')
    coeffs_g = pywt.threshold(coeffs_g, threshold_g, mode='hard')
    coeffs_b = pywt.threshold(coeffs_b, threshold_b, mode='hard')
    
    # 对每个通道进行小波反变换
    compressed_r = pywt.idwt2(coeffs_r, 'haar')
    compressed_g = pywt.idwt2(coeffs_g, 'haar')
    compressed_b = pywt.idwt2(coeffs_b, 'haar')
    
    # 将RGB通道合并
    compressed_image_array = np.zeros_like(image_array)
    compressed_image_array[:,:,0] = compressed_r
    compressed_image_array[:,:,1] = compressed_g
    compressed_image_array[:,:,2] = compressed_b
    
    # 将numpy数组转换为图像
    compressed_image = Image.fromarray(np.uint8(compressed_image_array))
    
    return compressed_image

上述代码中，我们首先打开图像文件，并将其转换为numpy数组。然后，我们对每个通道进行小波变换，并根据压缩比进行截断。最后，我们对每个通道进行小波反变换，并将RGB通道合并。最终，我们将压缩后的图像保存为PIL Image对象并返回。

我们可以使用以下代码来测试上述函数：

# 压缩比为0.5
compressed_image = compress_image('test.jpg', 0.5)
compressed_image.save('compressed.jpg')

在上述代码中，我们将压缩比设置为0.5，并将压缩后的图像保存为名为“compressed.jpg”的文件。

希望这可以解决您的问题！