matlab代码实现1.对导入的图像进行参数为30的imwrite()函数保存在默认路径中，计算原图像与压缩保存后的压缩比。 2.考虑一个有8种可能符号的信源，各种符号发生的概率分别为：0.30、0.16、0.14、0.12、0.10、0.08、0.06、0.04，根据Huffman编码算法，得到码树和Huffman码。 3.编写一个M函数，以8个信源产生的概率向量为变量，返回Huffman编码算法的编码结构，返回信源熵和编码的码字长度。

1. 对导入的图像进行参数为30的imwrite()函数保存在默认路径中，计算原图像与压缩保存后的压缩比。

% 读取图像
img = imread('lena.png');

% 将图像压缩并保存
imwrite(img, 'lena_compressed.jpg', 'jpg', 'Quality', 30);

% 计算压缩比
original_size = numel(img);
compressed_size = numel(imread('lena_compressed.jpg'));
compression_ratio = original_size / compressed_size;

% 输出结果
fprintf('原图像大小：%.0f bytes\n', original_size);
fprintf('压缩保存后图像大小：%.0f bytes\n', compressed_size);
fprintf('压缩比：%.2f\n', compression_ratio);

2. 考虑一个有8种可能符号的信源，各种符号发生的概率分别为：0.30、0.16、0.14、0.12、0.10、0.08、0.06、0.04，根据Huffman编码算法，得到码树和Huffman码。

% 定义信源符号和概率分布
symbols = {'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'};
prob = [0.30, 0.16, 0.14, 0.12, 0.10, 0.08, 0.06, 0.04];

% 根据概率分布构建Huffman树
huff_tree = hufftree(prob);

% 获取Huffman码
huff_code = huffcode(huff_tree, symbols);

% 输出结果
fprintf('Huffman码表：\n');
disp(huff_code);

3. 编写一个M函数，以8个信源产生的概率向量为变量，返回Huffman编码算法的编码结构，返回信源熵和编码的码字长度。

function [huff_code, entropy, avg_code_length] = huffman_code(symbols, prob)
% HUFFMAN_CODE  Huffman编码算法
%   [huff_code, entropy, avg_code_length] = huffman_code(symbols, prob) 
%   symbols: 信源符号
%   prob: 信源概率分布
%   huff_code: Huffman码表
%   entropy: 信源熵
%   avg_code_length: 平均码字长度

% 根据概率分布构建Huffman树
huff_tree = hufftree(prob);

% 获取Huffman码
huff_code = huffcode(huff_tree, symbols);

% 计算信源熵
entropy = -sum(prob .* log2(prob));

% 计算平均码字长度
avg_code_length = mean(cellfun(@length, huff_code(:,2)));

end

使用方法：

% 定义信源符号和概率分布
symbols = {'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'};
prob = [0.30, 0.16, 0.14, 0.12, 0.10, 0.08, 0.06, 0.04];

% 调用huffman_code函数获取Huffman码表、信源熵和平均码字长度
[huff_code, entropy, avg_code_length] = huffman_code(symbols, prob);

% 输出结果
fprintf('Huffman码表：\n');
disp(huff_code);
fprintf('信源熵：%.4f\n', entropy);
fprintf('平均码字长度：%.4f\n', avg_code_length);