基于多策略分割的自适应分形图像编码系统

资 源 简 介

本项目是一个集成多种图像分割技术的MATLAB研究与应用平台，旨在优化传统分形图像编码的效率与质量。在本项目中，图像分割被视为分形编码的核心前置步骤和组成部分，通过将图像划分为互不重叠的值域块（Range Blocks）和重叠的定义域块（Domain Blocks）来挖掘图像的自相似性。系统实现了包括四叉树分解、基于边缘权重的自适应分割、以及K-means聚类分割在内的多种算法。针对图像的不同特征区域，系统能够自动选择最优分割策略：在图像细节丰富的边缘区域执行更精细的分割以降低重构误差，而在平滑区域则采用较大尺寸的块分割以提升压缩比。核心功能模块涵盖了图像预处理、多尺度特征提取、自适应分割决策、仿射变换参数搜索优化、以及基于迭代函数系统（IFS）的收敛解压重构。该项目不仅解决了传统固定块分形编码存在的方块效应问题，还通过减少不必要的块匹配计算显著缩短了编码时间。该系统适用于对复杂纹理保留有较高要求的卫星遥感图像压缩、医学影像存档与通信以及高保真多媒体数据处理。

详 情 说 明

基于多策略图像分割的自适应分形图像编码系统

本项目是一个基于MATLAB开发的自适应分形图像编码研究平台。该系统通过集成边缘检测、改进型四叉树分解与K-means聚类加速算法，实现了对图像自相似性的高效挖掘与压缩。相比于传统的固定块分形编码，本项目通过自适应分割策略，在平滑区域保持高压缩比，在纹理细节区域通过精细分割降低重构误差，有效解决了由于块效应导致的图像失真问题。

功能特性

1. 自适应图像分割策略：系统结合了图像的统计方差与空间边缘密度，采用递归逻辑动态调整值域块（Range Blocks）的大小。
2. 多维度特征提取：利用Canny算子提取图像边缘权重，作为分割决策的核心依据。
3. 搜索算法优化：引入K-means聚类对定义域块（Domain Blocks）进行分类，旨在通过特征空间压缩减少匹配搜索的运算量。
4. 高精度仿射变换：支持8种对称性变换（旋转与翻转），并基于最小二乘法精确求解对比度因子与亮度偏移。
5. 迭代重构可视化：基于迭代函数系统（IFS）进行图像复原，支持动态展示编码块划分方案及重构质量指标（PSNR、SSIM）。

系统逻辑实现说明

系统的核心执行流程分为以下五个阶段：

1. 环境初始化与预处理

系统执行环境清理后，通过图形界面引导用户选择输入图像。若未选择，则自动加载内置测试图。预处理包含将图像统一下采样或插值为256x256分辨率的灰度图，并转换为双精度浮点数以确保计算精度。

1. 边缘加权自适应分割

系统首先计算图像的Canny边缘图。分割函数采用递归四叉树算法：如果当前块的像素标准差超过设定阈值（error_threshold）或者边缘像素密度过高，且尚未达到最小允许尺寸（4x4），则将该块继续平分为四个子块。若块尺寸超过预设最大值（32x32），则强制执行分割。

1. 定义域块生成与特征分类

定义域块以步长（domain_step）在原图中滑动提取，大小通常为值域块的两倍。所有块被缩放至基础尺寸以便匹配。系统提取每个定义域块的均值与方差作为特征向量，利用K-means算法将成千上万个块聚类到指定的簇中，为后续的快速搜索奠定数据结构基础。

1. 最佳匹配块搜索（编码阶段）

针对每一个划分出的值域块，系统在定义域块库中寻找最佳匹配。搜索过程中，会对定义域块应用8种对称变换。利用最小二乘公式计算对比度s（s限制在-0.75到0.75之间以保证解码收敛）和亮度偏移o。系统通过最小化均方法差（MSE）来确定最终的编码参数映射。

1. 迭代收敛重构（解码阶段）

解码过程从随机或中等灰度图像（128）开始。根据编码记录的映射参数，系统多次迭代执行仿射变换。在每次迭代中，根据定义的坐标和变换参数，将定义域块的内容映射到值域块位置。由于IFS的收敛性，图像会逐渐趋向于原始图像的近似解。

关键函数与算法细节

自适应分割递归逻辑： 该部分实现了对图像局部复杂度的感知。通过判断 std(curr_img) 和 edge_density，系统能够智能化地在图像的纹理丰富区域（如边缘、物体轮廓）生成更多细小的值域块，而在背景等平滑区域保留大块，从而优化了码率分配。

仿射变换参数求解： 在匹配函数中，系统并没有简单的遍历，而是利用数学公式 $R = s cdot D + o$ 直接求解最优参数。当分母（定义域块的方差相关项）过小时，系统会自动切换到均值偏移模式。对比度s的大小被严格限制，这是确保分形压缩算法在解码端能够稳定收敛到唯一解的关键数学约束。

对称性变换实现： 系统内置了专门的变换模块，能够对图像矩阵执行 0°、90°、180°、270° 旋转，以及水平翻转、垂直翻转和转置等8种操作，极大地丰富了定义域块的样本空间，提高了匹配成功的概率。

性能评估体系： 编码完成后，系统会自动计算峰值信噪比（PSNR）来衡量保真度，计算结构相似性（SSIM）来衡量视觉主观质量，并根据分形参数的存储开销估算压缩比。

使用方法

1. 确保计算机已安装MATLAB R2016b或更高版本。
2. 启动MATLAB，将工作目录切换至本项目路径。
3. 在命令行窗口直接运行主程序脚本。
4. 按照弹出对话框提示选择一张图像文件（支持.jpg, .png, .bmp, .tif等格式）。
5. 程序将自动执行分割、编码和解码。
6. 运行结束后，系统会弹出三个子图窗口，分别展示原始图、分割拓扑图以及最终重构图，并在命令行输出详细的性能报告。

系统要求

1. 软件环境：MATLAB (推荐 R2020a 或更新版本)。
2. 必备工具箱：Image Processing Toolbox（用于执行边缘检测、图像缩放及SSIM计算）以及 Statistics and Machine Learning Toolbox（用于执行K-means聚类）。
3. 硬件要求：标准PC环境即可。由于分形编码涉及大量矩阵搜索运算，建议拥有4GB以上可用内存以提升运算速度。