用matlab写一段dct算法

以下是一个简单的Matlab程序，演示了如何实现DCT算法：

% 原始图像文件名
filename = 'lena.bmp';

% 读入原始图像
I = imread(filename);

% 将原始图像转换为灰度图像
if size(I,3) == 3
    I = rgb2gray(I);
end

% 将图像分成8x8的块，进行DCT变换
dctI = zeros(size(I));
for i = 1:8:size(I,1)
    for j = 1:8:size(I,2)
        dctI(i:i+7,j:j+7) = dct2(I(i:i+7,j:j+7));
    end
end

% 将DCT系数量化，只保留最高的k个系数，其他系数置为0
k = 200;
dctQ = zeros(size(I));
for i = 1:8:size(I,1)
    for j = 1:8:size(I,2)
        dctBlock = dctI(i:i+7,j:j+7);
        dctSort = sort(abs(dctBlock(:)), 'descend');
        threshold = dctSort(k);
        dctBlock(abs(dctBlock) < threshold) = 0;
        dctQ(i:i+7,j:j+7) = dctBlock;
    end
end

% 将量化后的DCT系数进行反变换，得到量化后的图像
IQ = zeros(size(I));
for i = 1:8:size(I,1)
    for j = 1:8:size(I,2)
        IQ(i:i+7,j:j+7) = idct2(dctQ(i:i+7,j:j+7));
    end
end

% 将结果保存到文件中
imwrite(uint8(IQ), 'lena_dct_quantized.bmp');

这个程序首先读入原始图像，将原始图像转换为灰度图像。然后将原始图像分成8x8的块，进行DCT变换。接着将DCT系数量化，只保留最高的k个系数，其他系数置为0。然后将量化后的DCT系数进行反变换，得到量化后的图像，最后将结果保存到文件中。

需要注意的是，DCT系数的量化阈值threshold和保留的系数个数k的取值应该根据实际情况进行调整，不同的取值会影响图像的质量和压缩比。