Python3+OpenCV（五）：离散余弦变换(DCT)

---

---

1、原理

图像处理中常用的正交变换除了傅里叶变换外，还有离散余弦变换等。

离散余弦变换（Discrete Cosine Transform，DCT)是图像频域变换的一种，它类似于离散傅里叶变换(DFT for Discrete Fourier Transform，DFT)，离散余弦变换相当于一个长度大概是它两倍的离散傅里叶变换，但是离散余弦变换只使用实数。在傅里叶级数中，如果被展开的函数是实偶函数，那么在傅里叶级数中则只包含余弦项，再将其离散化，由此便可导出离散余弦变化。

变换后DCT系数能量主要集中在左上角，其余大部分系数接近于零，因此DCT具有适用于图像压缩的特性，用于对信号和图像(包括静止图像和运动图像)进行有损数据压缩。

其中f(x,y)是空间域二维向量之元素， x,y=0,1,2,…N-1；F(u,v)是变换系数阵列之元素。式中表示的阵列为N×N。二维离散余弦变换正变换公式：

2、实现

# 读取图像
cv2.imread(src, flag)

flag：用来指定图像的读取方式

• cv2.IMREAD_COLOR(1) : 默认使用该种标识。加载一张彩色图片，忽视它的透明度。
• cv2.IMREAD_GRAYSCALE(0) : 加载一张灰度图。
• cv2.IMREAD_UNCHANGED(-1) : 加载图像，包括它的Alpha通道。

# 转换数组的数据类型
astype()

# 离散余弦变换
cv2.dct(src)
# 离散余弦反变换
cv2.idct(src)

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
img = cv2.imread("D:/Study/digital image processing/test/Lena.bmp",0)
# 数据类型转换 转换为浮点型
print('0\n',img)
img1 = img.astype(np.float)

# 进行离散余弦变换
img_dct = cv2.dct(img1)
print('1\n',img_dct)
# 进行log处理
img_dct_log = np.log(abs(img_dct))
print('2\n',img_dct_log)
# 进行离散余弦反变换
img_idct = cv2.idct(img_dct)
print('3\n',img_idct)
# res = img_idct.astype(np.uint8) # 浮点型转整型 小数部分截断
# print('3-1\n',res)

plt.subplot(131)
plt.imshow(img,'gray')
plt.title('original image'),plt.xticks([]),plt.yticks([])
plt.subplot(132)
plt.imshow(img_dct_log)
plt.title('DCT'),plt.xticks([]),plt.yticks([])
plt.subplot(133)
plt.imshow(img_idct,'gray')
plt.title('IDCT'),plt.xticks([]),plt.yticks([])
plt.show()

图像通过DCT变换后能量集中在左上角的低频部分(区域较亮)

参考博客
https://blog.csdn.net/James_Ray_Murphy/article/details/79173388