用matlab实现 a)请对Lena彩色图（lena_color_256.tif）转为YUV420格式，并存储为lena_256x256.yuv，获得其文件大小（bytes）。 b)请读入lena_256x256.yuv文件，并显示其原图、亮度图、色度图（Cb,Cr）于同一窗口。 c)请分别对b)中的结果进行DCT8x8变换,并使用上述QY和QC量化矩阵进行相应量化。 d)请使用Zig-Zag扫描法对c)中的结果进行扫描，并使用游程编码(RLC)方法对其进行编码。 e)请使用哈夫曼编码方式对d)中的结果进行熵编码，并存为lena_256x256.cmp文件，获得其文件大小。 f)比较lena_256x256.yuv与lena_256x256.cmp文件大小，计算压缩率。

好的，以下是MATLAB的代码实现：

a) 对Lena彩色图（lena_color_256.tif）转为YUV420格式，并存储为lena_256x256.yuv，获得其文件大小（bytes）。

% 读入彩色图
img = imread('lena_color_256.tif');

% 转为YUV420格式
yuv = rgb2ycbcr(img);
yuv420 = imresize(yuv, 0.5, 'bilinear');

% 存储为lena_256x256.yuv文件
fid = fopen('lena_256x256.yuv', 'w');
fwrite(fid, yuv420', 'uint8');
fclose(fid);

% 获取文件大小
fileinfo = dir('lena_256x256.yuv');
filesize = fileinfo.bytes;

b) 读入lena_256x256.yuv文件，并显示其原图、亮度图、色度图（Cb,Cr）于同一窗口。

% 读入lena_256x256.yuv文件
fid = fopen('lena_256x256.yuv', 'r');
yuv420 = fread(fid, [256, 256*3/2], 'uint8')';

% 转为RGB图像
img = ycbcr2rgb(yuv420);

% 分离Y、Cb、Cr通道
y = yuv420(:, 1:256);
cb = yuv420(:, 257:320);
cr = yuv420(:, 321:end);

% 显示原图、亮度图、色度图
figure;
subplot(2, 2, 1);
imshow(img);
title('原图');
subplot(2, 2, 2);
imshow(y);
title('亮度图');
subplot(2, 2, 3);
imshow(cb);
title('Cb色度图');
subplot(2, 2, 4);
imshow(cr);
title('Cr色度图');

c) 分别对b)中的结果进行DCT8x8变换，并使用上述QY和QC量化矩阵进行相应量化。

% 量化矩阵
QY = [16 11 10 16 24 40 51 61;
      12 12 14 19 26 58 60 55;
      14 13 16 24 40 57 69 56;
      14 17 22 29 51 87 80 62;
      18 22 37 56 68 109 103 77;
      24 35 55 64 81 104 113 92;
      49 64 78 87 103 121 120 101;
      72 92 95 98 112 100 103 99];
QC = [17 18 24 47 99 99 99 99;
      18 21 26 66 99 99 99 99;
      24 26 56 99 99 99 99 99;
      47 66 99 99 99 99 99 99;
      99 99 99 99 99 99 99 99;
      99 99 99 99 99 99 99 99;
      99 99 99 99 99 99 99 99;
      99 99 99 99 99 99 99 99];

% 对Y、Cb、Cr通道进行DCT8x8变换和量化
dct_y = blkproc(double(y)-128, [8 8], @(block) dct2(block.data));
dct_cb = blkproc(double(cb)-128, [8 8], @(block) dct2(block.data));
dct_cr = blkproc(double(cr)-128, [8 8], @(block) dct2(block.data));
quant_y = blkproc(dct_y, [8 8], @(block) round(block.data ./ QY));
quant_cb = blkproc(dct_cb, [8 8], @(block) round(block.data ./ QC));
quant_cr = blkproc(dct_cr, [8 8], @(block) round(block.data ./ QC));

d) 使用Zig-Zag扫描法对c)中的结果进行扫描，并使用游程编码(RLC)方法对其进行编码。

% Zig-Zag扫描
zigzag = @(block) reshape(...
    block([1 2 5 9 6 3 4 7 10 13 14 11 8 12 15 16]), 1, []);
zigzag_y = blkproc(quant_y, [8 8], zigzag);
zigzag_cb = blkproc(quant_cb, [8 8], zigzag);
zigzag_cr = blkproc(quant_cr, [8 8], zigzag);

% 游程编码
rlc = @(block) rle(double(block));
rlc_y = blkproc(zigzag_y, [1 64], rlc);
rlc_cb = blkproc(zigzag_cb, [1 64], rlc);
rlc_cr = blkproc(zigzag_cr, [1 64], rlc);

e) 使用哈夫曼编码方式对d)中的结果进行熵编码，并存为lena_256x256.cmp文件，获得其文件大小。

% 建立哈夫曼树并编码
symbols = unique([rlc_y(:, 1); rlc_cb(:, 1); rlc_cr(:, 1)]);
counts = histc([rlc_y(:, 1); rlc_cb(:, 1); rlc_cr(:, 1)], symbols);
dict = huffmandict(symbols, counts);
huffman_y = huffmanenco(rlc_y(:, 1), dict);
huffman_cb = huffmanenco(rlc_cb(:, 1), dict);
huffman_cr = huffmanenco(rlc_cr(:, 1), dict);

% 将编码后的数据存储为lena_256x256.cmp文件
fid = fopen('lena_256x256.cmp', 'w');
fwrite(fid, [huffman_y'; rlc_y(:, 2)'], 'uint8');
fwrite(fid, [huffman_cb'; rlc_cb(:, 2)'], 'uint8');
fwrite(fid, [huffman_cr'; rlc_cr(:, 2)'], 'uint8');
fclose(fid);

% 获取文件大小
fileinfo = dir('lena_256x256.cmp');
filesize = fileinfo.bytes;

f) 比较lena_256x256.yuv与lena_256x256.cmp文件大小，计算压缩率。

% 计算压缩率
yuv_fileinfo = dir('lena_256x256.yuv');
yuv_filesize = yuv_fileinfo.bytes;
compression_ratio = yuv_filesize / filesize;