利用opencv与python3 JPEG压缩与解压实现

由于内容是从写好的word文件中复制过来，可能排版等会有各种问题，建议直接看github中的pdf

另外由于我写这份作业的时候还不熟悉py3，因此实际上由很多可以优化的地方，比如数组强烈建议使用numpy而不是此处的列表

github地址：https://github.com/c980129/JPEG

【代码有误，参考前请先参考评论】

JPEG压缩实现（Python3）

1. RGB转YUV

JPEG会将彩色图像执行YUV或YIQ的颜色空间转换，二次采样JPEG采用4：2：0，所以这里使用YUV420的颜色空间。在JPEG中使用的颜色模型是YCbCr（由YUV调整而来）。对于一个2*2的块，我们会保存4个Y值，1个Cb值（取0行0列的Cb）与1个Cr值（取1行0列的Cr），6个值保存信息，因此Cb与Cr有一定损失。

其中我们用函数rgb2yuv（在RGB2YUV.py）中来实现颜色模型转换与二次采样。并分别用三个二维数组保存采取的Y、U、V值。于是我们能得到三张分别用Y、U、V生成的灰度图（由于U和V损失为原来的1/4，因此其图像的长宽也分别为原来的1/2）（为了减少绝对值将Y值减去128）：

1. 图像边长填充为8的倍数并等分

用DCT.fill(img)函数对二次采样得到的Y、U、V图像分别用0填充知道其矩阵的height和width都是8的倍数，因为DCT函数的参数是一个8*8的矩阵。同样用DCT.split(img)函数将图像以左到右，上到下的顺序分成多个8*8矩阵，并返回这些矩阵连成的数组。

1. 离散余弦变换

用DCT.FDCT(block)函数对一个8*8矩阵进行二维离散余弦变换，保存得到的矩阵。

1. 量化

在类Quantization中保存成员变量table0与table1作为亮度和色度的量化表，调用Quantization.quanY(img)与Quantization.quanUV(img)分别用于对Y图像与U、V图像量化。