“`matlab

% خواندن تصویر اصلی

image = imread(‘path_to_your_image’);

% تبدیل تصویر به فضای رنگی سیاه و سفید

gray_image = rgb2gray(image);

% انجام تبدیل DCT بر روی تصویر

dct_image = dct2(double(gray_image));

% استخراج ضرایب DCT مهم

compression_ratio = 0.5; % نسبت فشرده‌سازی

num_coeffs = round(compression_ratio * numel(dct_image)); % تعداد ضرایب مورد نیاز برای فشرده‌سازی

sorted_coeffs = sort(abs(dct_image(:)), ‘descend’); % مرتب‌سازی ضرایب DCT بر اساس مقدار آن‌ها

threshold = sorted_coeffs(num_coeffs); % مقدار آستانه برای انتخاب ضرایب مهم

significant_coeffs = dct_image .* (abs(dct_image) >= threshold); % استخراج ضرایب مهم

% بازیابی تصویر از ضرایب DCT مهم

reconstructed_image = idct2(significant_coeffs);

% نمایش تصاویر

figure;

subplot(1, 2, 1);

imshow(gray_image);

title(‘تصویر اصلی’);

subplot(1, 2, 2);

imshow(uint8(reconstructed_image));

title(‘تصویر فشرده شده و بازیابی شده’);

% محاسبه میزان فشرده‌سازی

original_size = numel(gray_image) * 8; % تعداد بیت‌های تصویر اصلی

compressed_size = nnz(significant_coeffs) * 8; % تعداد بیت‌های ضرایب DCT مهم

compression_ratio = original_size / compressed_size; % نسبت فشرده‌سازی

fprintf(‘نسبت فشرده‌سازی: %.2f\n’, compression_ratio);

“`