写一个在jupyter notebooks上基于DWT图像压缩的代码，并能计算压缩率

好的，以下是基于DWT的图像压缩代码：

import pywt
import numpy as np
from matplotlib import pyplot as plt
from PIL import Image

def dwt_compress(image_path, compression_ratio):
    # 加载图像
    image = Image.open(image_path)
    image_array = np.array(image)
    
    # 对图像进行2级DWT分解
    coeffs2 = pywt.dwt2(image_array, 'haar')
    LL, (LH, HL, HH) = coeffs2
    LL2, (LH2, HL2, HH2) = pywt.dwt2(LL, 'haar')
    
    # 获取DWT系数
    coeffs = [LL2, LH2, HL2, HH2]
    
    # 对DWT系数进行压缩
    for i in range(len(coeffs)):
        # 将系数按照重要性进行排序
        sorted_coeffs = np.sort(np.abs(coeffs[i]), axis=None)[::-1]
        
        # 计算需要保留的系数个数
        num_coeffs = int(len(sorted_coeffs) * compression_ratio)
        
        # 将剩余的系数置为0
        threshold = sorted_coeffs[num_coeffs]
        coeffs[i][np.abs(coeffs[i]) < threshold] = 0
    
    # 对DWT系数进行2级反DWT重构
    LLr = pywt.idwt2((LL2, (LH2, HL2, HH2)), 'haar')
    image_array_reconstructed = pywt.idwt2((LLr, (LH, HL, HH)), 'haar')
    
    # 显示原图和压缩后的图像
    fig, axs = plt.subplots(1, 2, figsize=(10, 5))
    axs[0].imshow(image_array, cmap='gray')
    axs[0].set_title('Original Image')
    axs[1].imshow(image_array_reconstructed, cmap='gray')
    axs[1].set_title('Reconstructed Image')
    plt.show()
    
    # 计算压缩率
    original_size = image_array.shape[0] * image_array.shape[1]
    compressed_size = np.sum([coeffs[i].size for i in range(len(coeffs))])
    compression_ratio = compressed_size / original_size
    print('Compression ratio:', compression_ratio)

代码中的`dwt_compress`函数接收图像路径和压缩比作为输入，输出压缩后的图像，并计算压缩率。在函数内部，我们首先加载图像，然后进行2级DWT分解。接着，我们对每个DWT系数进行压缩，具体的方法是，将系数按照绝对值大小进行排序，然后保留前N个系数，将剩余的系数置为0。最后，我们对压缩后的系数进行2级反DWT重构，得到压缩后的图像。

下面是一个示例，演示如何对一个图像进行压缩：

dwt_compress('lena.png', 0.05)

这将对`lena.png`图像进行压缩，保留原始图像的5%的DWT系数。运行代码后，将显示原始图像和压缩后的图像，并输出压缩率。