用MALTLAB编写一个代码实现以下功能：1、对某一张图像进行离散余弦变换，要求把变换矩阵中小于 10 的值置换为 0，然后用 idct2 重构图像，观察并分析其结果。 2、对某一张图像进行离散余弦变换，做图像压缩解压，取不同的DCT 系数，观察并分析其结果。

以下是MATLAB代码实现：

1、对某一张图像进行离散余弦变换，要求把变换矩阵中小于 10 的值置换为 0，然后用 idct2 重构图像，观察并分析其结果。

% 读入图像
img = imread('lena.jpg');
img_gray = rgb2gray(img);

% 进行离散余弦变换
dct_img = dct2(img_gray);

% 将小于10的值置为0
dct_img(abs(dct_img)<10) = 0;

% 进行逆离散余弦变换
idct_img = idct2(dct_img);

% 显示图像
imshow(uint8(idct_img));

2、对某一张图像进行离散余弦变换，做图像压缩解压，取不同的DCT 系数，观察并分析其结果。

% 读入图像
img = imread('lena.jpg');
img_gray = rgb2gray(img);

% 进行离散余弦变换
dct_img = dct2(img_gray);

% 设置不同的DCT系数
dct_coeffs = [10, 50, 100, 200, 300];

for i = 1:length(dct_coeffs)
    % 取前n个系数进行压缩
    n = dct_coeffs(i);
    dct_img_compress = dct_img;
    dct_img_compress(n+1:end, :) = 0;
    dct_img_compress(:, n+1:end) = 0;
    
    % 进行逆离散余弦变换
    idct_img = idct2(dct_img_compress);
    
    % 显示图像
    subplot(2, 3, i);
    imshow(uint8(idct_img));
    title(sprintf('%d DCT Coefficients', n));
end

结果分析：

第一部分的结果是将小于10的DCT系数置为0，这样相当于对图像进行了压缩。由于图像中的高频信息被丢弃，因此得到的重构图像可能会有一些模糊，但是可以发现重构图像仍然具有较高的清晰度。

第二部分的结果是对不同数量的DCT系数进行了压缩。当DCT系数较少时，图像的清晰度会受到很大影响，但是随着DCT系数的增加，图像的清晰度会逐渐恢复。因此，使用DCT系数进行图像压缩时，需要权衡压缩率和图像质量之间的平衡。