matlab使用霍夫曼码压缩图片

首先，需要将图片读入到 MATLAB 中。

img = imread('image.jpg'); % 读入图片

然后，将图片转换成灰度图像。

gray_img = rgb2gray(img); % 转换为灰度图像

接下来，需要计算灰度图像中每个像素点的频率。

freq = imhist(gray_img); % 计算灰度图像中每个像素点的频率

然后，使用 `huffmandict` 函数生成霍夫曼编码字典。

symbols = 0:255; % 符号集
dict = huffmandict(symbols, freq); % 生成霍夫曼编码字典

接着，使用 `huffmanenco` 函数对灰度图像进行压缩。

encoded = huffmanenco(gray_img(:), dict); % 对灰度图像进行压缩

最后，使用 `huffmandeco` 函数对压缩后的数据进行解压缩，还原成原始的灰度图像。

decoded = huffmandeco(encoded, dict); % 对压缩后的数据进行解压缩
decoded_img = reshape(decoded, size(gray_img)); % 还原成原始的灰度图像

完整代码如下：

img = imread('image.jpg'); % 读入图片
gray_img = rgb2gray(img); % 转换为灰度图像
freq = imhist(gray_img); % 计算灰度图像中每个像素点的频率
symbols = 0:255; % 符号集
dict = huffmandict(symbols, freq); % 生成霍夫曼编码字典
encoded = huffmanenco(gray_img(:), dict); % 对灰度图像进行压缩
decoded = huffmandeco(encoded, dict); % 对压缩后的数据进行解压缩
decoded_img = reshape(decoded, size(gray_img)); % 还原成原始的灰度图像

注意，由于压缩过程中使用了符号集和频率，因此需要在解压缩时使用相同的符号集和频率才能正确还原原始图像。