视频编码学习（一）

兜兜转转，在文字矫正方向的失利以## 标题后，转向了视频编码。目前视频编码和卷积神经网络的结合还不是很多，后面就记录一下自己在视频编码中的学习。

什么是视频编码？

我们平时所接触到的视频，有的大有的小，但是很多情况下的视频都是非常大的，这对我们的传输造成了很大困扰。我们通过视频编码技术，能够让我们的传输更加方便。

冗余

在我们的视觉系统中，当一张图片有一些轻微的损耗时，我们用肉眼是观察不到相应的变化的，也就是说传输过程中允许一些损耗，而我们看不到的这些图片的变化，就是冗余信息。在传输过程中我们可以将这些冗余信息去掉，这样就可以提升我们传输的效率。

亮度适应性

JND模型

所谓的JND模型，全称就是just noticeable distortion，从字面意思上理解，就是刚刚感觉到失真的模型。就像声音频率高到一定频率我们听不到一样，我们的视觉也会有这样的效应。

子带

子带就是我们的JND模型的建立，可能会使在图像域，也可能是基于子带，子带就是在一些变换的基础上，我们进行建模。比如DCT变换，我们就可以建立基于DCT变换的JND模型。

DCT变换

相信很多学过数字信号处理的同学都知道这个，但是我们如果把他运用到图像处理上面怎么运用呢？
首先我们来说说，一个图像经过变换后转换到频域，那么频域的信息代表什么呢？
比如我们转换一块区域到频域，但是这块区域的像素值变化在100-102之间，变化非常小，那么经过DCT变换到频域以后，我们就会发现这是一个高频区域，我们想，在平时我们都是对颜色或者明亮度相差很大的区域特别敏感，一眼就能看到差别，但是向这样像素值的差别在2以内的图像区域，我们的人眼几乎辨别不出差别，所以换句话说，我们的人眼对高频区域的图像信息不敏感。