计算机技术的快速发展,信息资源的大量共享以及网络资源的限制,在多媒体服务和数字通信等应用领域,图像压缩/编码成了信息通信传输至关重要的技术。分形图像压缩编码以其新颖的思想、高压缩比、分辨率无关性、解码速度快等优点自提出以来就受到广泛关注,是公认的最有前途的新一代图像编码技术之一。经典的二维灰度变换只将图像的灰度值作为变量进行匹配(相似性)计算,没有考虑图像中像素的位置关系,匹配性能较差；而最初的基于三维的空间映射灰度值变换是对空间映射灰度变换的所有系数同时进行计算、量化后再存储,为保证解码时的收敛性,在量化时对压缩因子进行截断,影响了重构效果,且计算复杂、编码时间较长。针对上述不足,本文提出了一个改进的空间映射灰度变换,该方法将位置与亮度同时纳入到灰度变换中,形成三维空间上曲面模式之间的线性映射,并预先量化空间映射压缩因子,再计算和量化空间映射灰度变换的其他系数,提高range块和(?)domain块成功匹配的可能性。将改进的空间映射灰度变换应用到(?)Fisher四叉树分类的压缩算法中,实验结果表明,该方法在不降低重构图像质量的前提下,减少了编码块数,提高了图像的压缩比,大幅缩短了编码时间。根据大量实验数据分析,找到了改进的空间映射灰度变换系数的分布规律,在此基础上提出一种综合效果较理想的量化、编码方案,该方案分别用6bit、5bit和9bit量化a、b和d值；然后将量化方案运用到实际的编码算法中,实验结果表明,本文的量化方案具有可行性,且相对其他量化方案,能取得压缩比和重构质量较好的综合效果。本文还对压缩因子s进行了讨论,主要分析压缩因子s值的设定对编码时间的影响,实验结果显示,减少对s值的量化编码,使PSNR在一定程度上会下降,但是能大幅地减少编码时间,提高编码效率。