图像包含了大量的信息，自然界中人们感受到的最重要的信息就是图像信息。在多媒体计算机系统、电子出版、视频会议、数字化图书馆等许多领域，数字图像都有广泛的应用。但是图像数据量通常是很大的，大数据量的图像信息会给存储、传输带来极大的压力。为了解决这个问题，必须对图像进行压缩处理。 由于图像数据之间存在大量的冗余，通过去除这些冗余，可以达到图像压缩的目的，以便于图像存储和传输的数据减少。 通过数据变换，可以把图像压缩。长期以来，主要采用离散余弦变换(DCT)，但是DCT变换存在着明显的方块效应，而且进一步提高图像的压缩比很困难。小波理论是近年发展起来的新的时频分析工具，具有良好的时频局部化特性，以及与人眼视觉特性相符，将小波应用于图像压缩已经成为当前图像压缩的主要研究方向之一。图像的小波变换具有内在的多尺度结构，因此基于小波变换的图像压缩不需要对图像进行分块，可以消除基于块变换而导致的分块效应。小波基的紧支集特性和小波变换的多尺度展开结构使得小波变换同时又是一种时频分解，每个小波系数都只反映图像的一个特定空间范围和特定的频率范围内的信息。小波变换将图像的绝大部分能量集中到低频子带中，只有少数的能量分布在高频子带。 本文首先对数字图像压缩的必要性和可能性进行了分析，并表述了图像压缩的发展、研究现状及其技术前景。 其次，对现有的压缩编码方法进行了分类和描述。对传统图像编码方法和新型图像编码，列举了具有代表性的几种图像编码方法，并对其进行了比较。 然后，介绍了小波基本理论，包括小波变换的来源及具体变换公式，并应用到图像数据变换上，对图像经小波变换后得到的系数进行了统计分析，得出小波系数的值大部分趋于零，各个高频子带的系数统计分布非常相似，且基本符合拉普拉斯分布。高频子带是小波图像压缩的重点。 最后，对小波图像压缩技术进行了研究。介绍了目前两种成功的零树编码算法，即嵌入式零树编码算法和多级树集合分裂算法，并对这两种算法进行了比较和试验。在此基础上，根据图像数据变换以后的高频小波系数的分布特点和人眼视觉特性，提出了一种图像压缩算法，试验表明，通过选取合适的阈值和小波基，该算法可以达到比较好的压缩效果。