随着多媒体技术、网络和通信技术的飞速发展,人们在日常生活和各行各业中越来越多地用到数字图像信息。然而图像信息巨大的数据量给图像的存储、传输和处理带来了极大的不便,因此对图像进行压缩编码具有非常重要的意义。小波变换的多分辨分析的特性非常适合于图像的压缩,它将图像分解成不同空间、不同频率的子带,然后再对它们进行量化编码,能得到较好的压缩效果。在编码过程中,对图像进行小波变换时会遇到边界延拓问题。本文对常用的几种边界延拓方法进行了分析,重点介绍了对称边界延拓方法,对线性滤波器和对称信号卷积后的对称类型进行了推导,对对称信号下抽样后的对称类型进行了分析,并在此基础上给出边界延拓的选择方法。基于小波变换的嵌入式零树编码方法(EZW算法),是现代图像编码理论中具有开创性和先导性的一种编码算法,在它的改进算法中,SPIHT算法被认为是当今最有效的编码方法之一。但SPIHT算法压缩过程中需要使用三个链表来存储单个系数或子树的坐标,而这三个链表需要占用大量内存故不利于硬件实现。LZC算法对此进行了改进,但LZC算法的压缩效果相对SPIHT算法有所下降。本文在此基础上提出了一种改进算法,改进算法不再使用链表,而是使用两个简单的位图来记录编码过程中系数的状态,该位图所占用的内存空间只有SPIHT算法的1.4%左右、LZC算法的40%。改进算法先将小波变换后的二维图像数据转换成一维序列,然后对一维序列的系数进行顺序扫描,扫描过程中依据二个位图记录的信息来区分系数的状态,针对系数不同的状态分别采用不同的量化方法。实验结果表明,改进算法在同压缩比下,其解码的图像峰值信噪比普遍比LZC算法的高,与SPIHT算法的相当。