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

好的，以下是一个基于DWT的彩色图像压缩的示例代码。该代码使用 PyWavelets 库实现离散小波变换，使用 numpy 库实现矩阵操作和图像显示，您可以在 Jupyter Notebook 上运行它，并根据需要设置不同的压缩比。

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

# 读取彩色图像
img = Image.open('lena.png')
img = np.array(img)

# 将彩色图像转换为 YCbCr 颜色空间
img_ycbcr = np.array(Image.fromarray(img).convert('YCbCr'))

# 对 Y 分量进行小波变换
coeffs_y = pywt.dwt2(img_ycbcr[:, :, 0], 'haar')

# 设置压缩比
compression_ratio = 0.5

# 计算阈值
threshold_y = np.sqrt(2 * np.log(img.shape[0] * img.shape[1])) * np.sqrt(compression_ratio)
coeffs_y = list(coeffs_y)
coeffs_y[0] = pywt.threshold(coeffs_y[0], threshold_y, mode='soft')
coeffs_y[1] = pywt.threshold(coeffs_y[1], threshold_y, mode='soft')
coeffs_y[2] = pywt.threshold(coeffs_y[2], threshold_y, mode='soft')

# 对 Y 分量进行小波逆变换
img_ycbcr[:, :, 0] = pywt.idwt2((coeffs_y[0], coeffs_y[1], coeffs_y[2]), 'haar')

# 将图像转换回 RGB 颜色空间
img_compressed = Image.fromarray(np.uint8(img_ycbcr), 'YCbCr').convert('RGB')

# 显示原图和压缩后的图像
plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1)
plt.imshow(img)
plt.title('Original Image')
plt.subplot(1, 2, 2)
plt.imshow(img_compressed)
plt.title('Compressed Image')
plt.show()

在上述代码中，我们首先读取彩色图像并将其转换为 YCbCr 颜色空间。然后，我们对 Y 分量进行离散小波变换，并根据设定的压缩比计算阈值，并使用 PyWavelets 库中的 `pywt.threshold()` 函数对小波系数进行阈值处理。最后，我们对处理后的小波系数进行逆变换，并将图像转换回 RGB 颜色空间。最终，我们使用 matplotlib 库将原图和压缩后的图像显示出来。

请注意，这只是一个简单的示例代码，您可以根据需要对其进行修改和优化。另外，对于不同的彩色图像，可能需要调整阈值或使用不同的小波基函数来获得更好的压缩效果。