图像DCT原理C语言实现

已于 2023-03-24 23:51:04 修改
阅读量2.6k 收藏 30
点赞数 9
分类专栏： 算法 文章标签： 算法 计算机视觉
于 2020-04-05 17:32:10 首次发布
本文为博主（@AmosTian）原创文章。1241211485@qq.com
本文链接：https://blog.csdn.net/qq_40479037/article/details/105317445
版权

图像DCT算法

@(Learning)[Auspice Vinson]

介绍

DCT 离散余弦变换，常用图像变换算法

  1. 分割：将图像分割成88或1616的小块
  2. DCT变换：对每块进行DCT变换
  3. 舍弃高频系数(AC系数)，保留低频系数(DC系数)
  • 高频系数一般保存的是图像的边界、纹理信息
  • 低频系数保存的图像中平坦区域信息
  1. 图像的低频和高频
  • 高频区域指空域图像中突变程度大的区域

图像

二维DCT变换就是将二维图像从空间域转换到频域

  • 计算图像是由哪些二维余弦波构成

正变换

F = A f A T F = AfA^T F=AfAT
A ( i , j ) = c ( i ) c o s [ ( j + 0.5 ) π N i ] A(i,j) = c(i) cos[\frac{(j+0.5)\pi} {N}i] A(i,j)=c(i)cos[N(j+0.5)π​i]
c ( i ) = { 1 N , i = 0 2 N , i ≠ 0 c(i)=\left\{\begin{array}{rcl}\sqrt{\frac{1}{N}}, & & {i =0}\\\sqrt{\frac{2}{N}}, & & {i\neq{0}}\\\end{array} \right. c(i)=⎩ ⎨ ⎧​N1​ ​,N2​ ​,​​i=0i=0​

  • F 位变换得到的系数
  • f为图像像素值
  • A为转换矩阵
  • i 为二维波的水平方向频率
  • j为二维波的垂直方向频率
    • 取值范围都是 0-(N-1)
  • N为图像块大小

变换步骤

  1. 求出转换矩阵A
  2. 利用转换矩阵A，转换到频域
    • 由图像f的到系数矩阵F

数字模拟

# include<stdio.h>
# include<math.h>
# include<stdlib.h>
# include<time.h>
# define N 8
# define PI 3.1415926

int i,j;
double *f = NULL;		//初始矩阵 
double *A = NULL;		//转换矩阵 
double *AT = NULL;		//系数矩阵转置 

void dct2(double *,double *);		//dct正变换  
void f_dct2(double *,double *);		//dct反变换 
void printM(double *,int,char *);	//打印矩阵 
void mulMatrix(double *P,double *Q,double *resM,int);	//矩阵乘法 
double *TMatrix(double *, int);		//转置矩阵 

int main(){
	f = (double *)malloc(N*N*sizeof(double));
	A = (double *)malloc(N*N*sizeof(double));
	AT = (double *)malloc(N*N*sizeof(double));
	/*
		time函数来获取系统时间
		1970年1月1日0点到现在时间的秒数
		然后将得到的time_t类型数据转化为(unsigned int)的数
	*/
	srand((unsigned int)time(NULL));
	/*
		rand（）产生随机数时，
		如果用srand（seed）播下种子之后，一旦种子相同,
		产生的随机数将是相同的
	*/
	for(i = 0;i < N;++i)
		for(j = 0;j < N;++j)
			f[j + i*N] = rand()%100;
	

	printM(f,N,"f(原矩阵)=\n");
	
	//1根据公式，生成转换矩阵A
	double x0 = sqrt(1.0/N);
	double x1 = sqrt(2.0/N);
	for(i = 0;i < N;++i){
		for(j = 0;j < N;++j){
			if(i == 0){
				A[i*N+j] = x0*cos((2*j+1)*PI*i/(2*N));
			}else{
				A[i*N+j] = x1*cos((2*j+1)*PI*i/(2*N));
			}
		}
	}
	
	printM(A,N,"A(转换矩阵)=\n");
	AT = TMatrix(A,N);
	printM(AT,N,"AT(A转置矩阵)=\n");
	
	//2利用转换矩阵A，进行转换
	double *dct = (double *)malloc(N*N*sizeof(double));
	dct2(f,dct);
	printM(dct,N,"dct正变换矩阵=\n");
	
	free(A);
	free(f);
	free(dct); 
	free(AT);

	return 0;
} 

/* 二维dct转换函数 
	参数列表:
		in:输入矩阵
		out:输出矩阵 
*/
void dct2(double *in,double *out){
	double *tt = (double *)malloc(N*N*sizeof(double));
	mulMatrix(A,in,tt,N);
	//printM(tt,N,"tt=\n");
	mulMatrix(tt,AT,out,N);
	
	free(tt);
}

/*	矩阵乘法
	参数列表:
		P,Q:待乘矩阵
		resM:返回矩阵 
		N:矩阵阶 
	返回:
		结果矩阵 
*/
void mulMatrix(double *P,double *Q,double *resM,int n){
	int t;
	double res;
	
	for(i = 0;i < n;++i){
		for(t = 0;t < n;++t){
			res = 0;
			for(j = 0;j < n;++j)
				res += P[i*N+j]*Q[j*N+t];
			resM[i*N+t] = res;
		}
	}
} 

/*	打印矩阵
	参数列表:
		M:待打印矩阵
		n:矩阵的阶 
		str:待打印字符串 
*/
void printM(double *M,int n,char *str){
	printf("%s",str);

	for(i = 0;i < n;++i){
		printf("\t");
		for(j = 0;j < n;++j)
			printf("%.2lf\t",M[i*N+j]);
		printf("\n");
	}	
}

/*	矩阵转置函数
	参数列表:
		M:待转置矩阵
		n:矩阵的阶 
	返回:
		转置后的矩阵 
*/
double *TMatrix(double *M, int n){
	double *tmp = (double *)malloc(N*N*sizeof(double));
	for(j = 0;j < N;++j)
		for(i = 0;i < N;++i)
			tmp[i*N+j] = M[j*N+i];
	
	return tmp;
}

运行截图
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NG48nYmK-1586078953856)(./1586049535546.png)]

反变换

F = A f A T F=AfA^T F=AfAT
f = A − 1 F ( A T ) − 1 f = A^{-1} F (A^T)^{-1} f=A−1F(AT)−1

A是正交矩阵，所以有 A T = A − 1 AT=A−1 AT=A−1,所以求得：
f = A T F A f = A^TFA f=ATFA

# include<stdio.h>
# include<math.h>
# include<stdlib.h>
# include<time.h>
# define N 8
# define PI 3.1415926

int i,j;
double *f = NULL;		//初始矩阵 
double *A = NULL;		//转换矩阵 
double *AT = NULL;		//系数矩阵转置 

void dct2(double *,double *);		//dct正变换  
void f_dct2(double *,double *);		//dct反变换 
void printM(double *,int,char *);	//打印矩阵 
void mulMatrix(double *P,double *Q,double *resM,int);	//矩阵乘法 
double *TMatrix(double *, int);		//转置矩阵 

int main(){
	f = (double *)malloc(N*N*sizeof(double));
	A = (double *)malloc(N*N*sizeof(double));
	AT = (double *)malloc(N*N*sizeof(double));
	/*
		time函数来获取系统时间
		1970年1月1日0点到现在时间的秒数
		然后将得到的time_t类型数据转化为(unsigned int)的数
	*/
	srand((unsigned int)time(NULL));
	/*
		rand（）产生随机数时，
		如果用srand（seed）播下种子之后，一旦种子相同,
		产生的随机数将是相同的
	*/
	for(i = 0;i < N;++i)
		for(j = 0;j < N;++j)
			f[j + i*N] = rand()%100;
	

	printM(f,N,"f(原矩阵)=\n");
	
	//1根据公式，生成转换矩阵A
	double x0 = sqrt(1.0/N);
	double x1 = sqrt(2.0/N);
	for(i = 0;i < N;++i){
		for(j = 0;j < N;++j){
			if(i == 0){
				A[i*N+j] = x0*cos((2*j+1)*PI*i/(2*N));
			}else{
				A[i*N+j] = x1*cos((2*j+1)*PI*i/(2*N));
			}
		}
	}
	
	//printM(A,N,"A(转换矩阵)=\n");
	AT = TMatrix(A,N);
	//printM(AT,N,"AT(A转置矩阵)=\n");
	
	//2利用转换矩阵A，进行转换
	double *dct = (double *)malloc(N*N*sizeof(double));
	dct2(f,dct);
	printM(dct,N,"dct正变换矩阵=\n");
	
	double *f_dct = (double *)malloc(N*N*sizeof(double));
	f_dct2(dct,f_dct);
	printM(f_dct,N,"dct反变换矩阵=\n");
	
	free(A);
	free(f);
	free(dct); 
	free(AT);

	return 0;
} 

/*	二维DCT反变换
		参数列表:
			in:输入矩阵
			out:输出矩阵 

*/
void f_dct2(double *in,double *out){
	double *tmp = (double *)malloc(N*N*sizeof(double));
	
	mulMatrix(AT,in,tmp,N);
	mulMatrix(tmp,A,out,N);
}

/* 二维dct转换函数 
	参数列表:
		in:输入矩阵
		out:输出矩阵 
*/
void dct2(double *in,double *out){
	double *tt = (double *)malloc(N*N*sizeof(double));
	mulMatrix(A,in,tt,N);
	//printM(tt,N,"tt=\n");
	mulMatrix(tt,AT,out,N);
	
	free(tt);
}

/*	矩阵乘法
	参数列表:
		P,Q:待乘矩阵
		resM:返回矩阵 
		N:矩阵阶 
	返回:
		结果矩阵 
*/
void mulMatrix(double *P,double *Q,double *resM,int n){
	int t;
	double res;
	
	for(i = 0;i < n;++i){
		for(t = 0;t < n;++t){
			res = 0;
			for(j = 0;j < n;++j)
				res += P[i*N+j]*Q[j*N+t];
			resM[i*N+t] = res;
		}
	}
} 

/*	打印矩阵
	参数列表:
		M:待打印矩阵
		n:矩阵的阶 
		str:待打印字符串 
*/
void printM(double *M,int n,char *str){
	printf("%s",str);

	for(i = 0;i < n;++i){
		printf("\t");
		for(j = 0;j < n;++j)
			printf("%.2lf\t",M[i*N+j]);
		printf("\n");
	}	
}

/*	矩阵转置函数
	参数列表:
		M:待转置矩阵
		n:矩阵的阶 
	返回:
		转置后的矩阵 
*/
double *TMatrix(double *M, int n){
	double *tmp = (double *)malloc(N*N*sizeof(double));
	for(j = 0;j < N;++j)
		for(i = 0;i < N;++i)
			tmp[i*N+j] = M[j*N+i];
	
	return tmp;
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JcbGWrsi-1586078953861)(./1586050317009.png)]

DCT大作业

流程图

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ku8orPtm-1586078953867)(./dctProcess.png)]

代码

# include<stdio.h>
# include<math.h>
# include<stdlib.h>
# include<time.h>
# define N 8
# define PI 3.1415926

int choose = 0;				//选择图片 
int i,j;
double *f = NULL;		//初始矩阵 
double *A = NULL;		//转换矩阵 
double *AT = NULL;		//系数矩阵转置 

/*DCT相关函数*/
void dct2(double *,double *);		//dct正变换  
void f_dct2(double *,double *);		//dct反变换 
void printM(double *,int,char *);	//打印矩阵 
void mulMatrix(double *P,double *Q,double *resM,int);	//矩阵乘法 
double *TMatrix(double *, int);		//转置矩阵 

/*附加函数*/
void showMenu(){
	printf("\n\n----------请选择----------\n");
	printf("\t1. IMgae-a\n");
	printf("\t2. IMgae-c\n");
	printf("\t3. IMgae-e\n");
	printf("\t4. exit\n");
	printf("----------endMenu----------\n");
} 
void executeFn();//执行主函数 

int main(){
	while(1){
		showMenu();
		scanf("%d",&choose);
		if(choose == 4)
			break;
			
		f = (double *)malloc(N*N*sizeof(double));
		A = (double *)malloc(N*N*sizeof(double));
		AT = (double *)malloc(N*N*sizeof(double));
		if(choose == 1){
			for(i = 0;i < N;++i)
				for(j = 0;j < N;++j){
					if(j < 4)
						f[i*N+j] = 0;
					else
						f[i*N+j] = 1;
				}
			executeFn(); 
		}else if(choose == 2){
			for(i = 0;i < N;++i)
				for(j = 0;j < N;++j){
					if(i < 4)
						f[i*N+j] = 0;
					else
						f[i*N+j] = 1;
				}
			executeFn(); 
		}else if(choose == 3){
			for(i = 0;i < N;++i)
				for(j = 0;j < N;++j){
					if(i%2 == 0){
						if(j%2 == 0)
							f[i*N+j] = 0;
						else
							f[i*N+j] = 1;
					}	else{
						if(j%2 == 1)
							f[i*N+j] = 0;
						else
							f[i*N+j] = 1;	
					}
				}
			executeFn();
		}
	}

	return 0;
} 

/*执行主函数*/
void executeFn(){
	printM(f,N,"f(原矩阵)=\n");
	
	//1根据公式，生成转换矩阵A
	double x0 = sqrt(1.0/N);
	double x1 = sqrt(2.0/N);
	for(i = 0;i < N;++i){
		for(j = 0;j < N;++j){
			if(i == 0){
				A[i*N+j] = x0*cos((2*j+1)*PI*i/(2*N));
			}else{
				A[i*N+j] = x1*cos((2*j+1)*PI*i/(2*N));
			}
		}
	}
	
	//printM(A,N,"A(转换矩阵)=\n");
	AT = TMatrix(A,N);
	//printM(AT,N,"AT(A转置矩阵)=\n");
	
	//2利用转换矩阵A，进行转换
	double *dct = (double *)malloc(N*N*sizeof(double));
	dct2(f,dct);
	printM(dct,N,"dct正变换矩阵=\n");
	
	double *f_dct = (double *)malloc(N*N*sizeof(double));
	f_dct2(dct,f_dct);
	printM(f_dct,N,"dct反变换矩阵=\n");
	
	free(A);
	free(f);
	free(dct); 
	free(AT);
}

/*	二维DCT反变换
		参数列表:
			in:输入矩阵
			out:输出矩阵 

*/
void f_dct2(double *in,double *out){
	double *tmp = (double *)malloc(N*N*sizeof(double));
	
	mulMatrix(AT,in,tmp,N);
	mulMatrix(tmp,A,out,N);
}

/* 二维dct转换函数 
	参数列表:
		in:输入矩阵
		out:输出矩阵 
*/
void dct2(double *in,double *out){
	double *tt = (double *)malloc(N*N*sizeof(double));
	mulMatrix(A,in,tt,N);
	//printM(tt,N,"tt=\n");
	mulMatrix(tt,AT,out,N);
	
	free(tt);
}

/*	矩阵乘法
	参数列表:
		P,Q:待乘矩阵
		resM:返回矩阵 
		N:矩阵阶 
	返回:
		结果矩阵 
*/
void mulMatrix(double *P,double *Q,double *resM,int n){
	int t;
	double res;
	
	for(i = 0;i < n;++i){
		for(t = 0;t < n;++t){
			res = 0;
			for(j = 0;j < n;++j)
				res += P[i*N+j]*Q[j*N+t];
			resM[i*N+t] = res;
		}
	}
} 

/*	打印矩阵
	参数列表:
		M:待打印矩阵
		n:矩阵的阶 
		str:待打印字符串 
*/
void printM(double *M,int n,char *str){
	printf("%s",str);

	for(i = 0;i < n;++i){
		printf("\t");
		for(j = 0;j < n;++j)
			printf("%.2lf\t",M[i*N+j]);
		printf("\n");
	}	
}

/*	矩阵转置函数
	参数列表:
		M:待转置矩阵
		n:矩阵的阶 
	返回:
		转置后的矩阵 
*/
double *TMatrix(double *M, int n){
	double *tmp = (double *)malloc(N*N*sizeof(double));
	for(j = 0;j < N;++j)
		for(i = 0;i < N;++i)
			tmp[i*N+j] = M[j*N+i];
	
	return tmp;
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PlKf1yYf-1586078953869)(./capture.png)]

DCT系数特点

  • DCT后的64个DCT频率系数与DCT前64个像素块对应
  • DC系数为出发点向下，向右的其他DCT系数，离DC分量越原，频率越高，幅度值越小
  • 单独一个图像的全部DCT系数块的频谱几乎集中在左上角系数块中

原因

  • DCT是没有压缩的无损变换过程
  • DCT的低频系数代表了图像的背景、轮廓，是保证图像传输业务质量(QoS)的重要信息
  • DCT高频系数是反映图像的边缘、细节的较次要的信息
AmosTian
关注
专栏目录
《C》C语言实现DCT算法
杨贵安的博客
01-29 3955
一、DCT的概念 1. DCT算法 DCT变换的全称是离散余弦变换 Discrete Cosine transform)，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，这个离散傅里叶变换是对一个实偶函数进行的通过数字信号处理的学习我们知道实函数的傅立叶变换获得的频谱大多是复数，而偶函数的傅立叶变换结果是实函数。以此为基础，使信号函数成为偶函数，去掉频谱数的虚部，是余弦变换的特点之一。 2...
C语言实现DCT变化
12-20
用C语言实现DCT变化，VS2010环境 直接可以运行
C语言DCT图像,任意长度DCT变换C语言实现方法
weixin_32498069的博客
05-24 362
我是在Matlab上找到灵感先去网站http://www.fftw.org/下载然后调用实现fftw以及ifftw然后在Matlab里面找到dct 以及idct的文件把那几行Matlab改成c语言就行了DCT变换代码：// AnyLengFDCT.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include "fftw3.h"//引用库文件#include #...
图像的DCT算法
热门推荐
一千零一夜的博客
06-27 7万+
一，背景介绍 DCT，即离散余弦变换，常用图像压缩算法，步骤如下 1）分割，首先将图像分割成8x8或16x16的小块； 2）DCT变换，对每个小块进行DCT变换； 3）舍弃高频系数（AC系数），保留低频信息（DC系数）。高频系数一般保存的是图像的边界、纹理信息，低频信息主要是保存的图像中平坦区域信息。 二，图像 二维DCT变换就是将二维图像从空间域转换到频率域。形象的说，就是计算出图像...
任意长度DCT变换C语言实现方法
04-25 1168
我是在Matlab上找到答案的 先去网站http://www.fftw.org/ 下载 然后调用实现fftw以及ifftw 然后在Matlab里面找到dct 以及idct的文件 把那几行Matlab改成c语言就行了
二维图像的DCT变换
weixin_30807779的博客
10-13 1333
原文为http://blog.csdn.net/lvhao92/article/details/49099129 DCT变换公式 假设图像为f(i,j)，则其DCT变换F(u,v)为： F(u,v)=c(u)c(v)∑N−1i=0∑N−1j=0f(i,j)cos[(i+0.5)πNu]cos[(j+0.5)πNv] 其中，...
DCT.rar_DCT 编码_DCT实现 C语言_dct
09-24
在本项目中，C语言被用来实现DCT编码算法，这对于理解和学习DCT的工作原理非常有帮助。C语言的实现方式可以让开发者更深入地了解算法内部细节，提高代码的运行效率，并方便在不同平台上进行移植。 DCT的实现通常...
数字图像处理各种算法 C语言实现
12-08
实际应用中，开发者会根据具体需求编写C语言程序，实现这些算法，并对图像数据进行操作，以达到预期的处理效果。理解和掌握这些知识点对于进行数字图像处理的项目至关重要，无论是学术研究还是工业应用，它们都是...
dct.rar_dct_dct c语言_变换编码
09-23
这个“dct.rar_dct_dct c语言_变换编码”压缩包显然包含了与C语言实现DCT变换编码相关的资源。下面我们将深入探讨DCT变换编码及其在C语言中的实现。 离散余弦变换（Discrete Cosine Transform，简称DCT）是一种数学...
DCT.rar_DCT C语言
09-14
**离散余弦变换（Discrete Cosine Transform, DCT）**是...学习和理解DCT的C语言实现，不仅可以深入掌握DCT的原理，还能提高对C语言编程和数值计算的理解，对于从事图像处理、信号处理和压缩算法相关的IT工作大有裨益。
DCT变换C语言源代码
08-31
离散余弦变换（DCT）C语言源代码，经过优化，输入数据是8*8方式
图像的离散余弦变换（DCT）
12-07
离散余弦变换（DCT，Discrete Cosine Transform）的变换核为实数的余弦函数，因而DCT的计算速度要比变换核为复指数的DFT要快得多。离散余弦变换是仅次于K-L变换的次最佳正交变换，且有这样的性质：许多有关图像的重要可视信息都集中在DCT变换的一小部分系数中，因此已被广泛应用到图像压缩编码、语音信号处理等众多领域，并成为许多图像编码国际标准的核心。
一个C编写的快速DCT程序
06-10
本程序是一幅512*512的lena.raw图像进行快速DCT和其逆变换，整个程序均调试通过，是在C语言环境下编写的，在整个关于快速DCT的源码中，本代码可以说是集大成者，很值得一看。
图像处理DCT compression, dithering, image interpolation
09-05
CT image compression (a) Implement the simplified DCT compression process above for n = 2, 4, and 8 and apply it to the attached image. Show the reconstructed images for these three different cases. [3 images] Compute the PSNR values of the three reconstructed images and discuss what the PSNR value means here. (b) Use the same process in (a) with image transformed to YIQ color model and show the reconstructed image in RGB space. [3 images] Compute the PSNR values of the three reconstructed images and discuss what the PSNR value means here. Dithering 2. Dithering (30%) Convert the image cat2_gray.png to binary (black and white) image with different methods of dithering, show the results, and make some comparison with the results. (a) Apply noise (random) dithering on the provided image and show the result. [1 image] (b) Apply average dithering on the provided image and show the result. [1 image] (c) Apply error diffusion dithering (Floyd-Steinberg algorithm) on the provided image and show the result. [1 image] Image Interpolation Implement the image interpolation function to upsample an image to four times the original width and height. Implement the following two different interpolation methods and show the 4× upsampled images. (a) Apply nearest-neighbor interpolation on the low resolution image, cat3_LR.png, and compute the PSNR with the original high resolution image, cat3_HR.png. [1 image] (b) Apply bilinear interpolation on the low resolution image and compute the PSNR with the high resolution image. [1 image] (c) Apply bicubic interpolation on the low resolution image and compute the PSNR with the high resolution image. [1 image]
dct变换的详细算法过程
02-21
dct变换的详细算法过程，是一个pdf文件，简洁易懂，值得下载
基于离散余弦变换的图片压缩算法 C语言实现DCT
最新发布
qq_61925582的博客
07-01 2251
但图像经过正交变换后，把原来分散在原空间的图像数据在新的坐标空间中得到集中，对于大多数图像而言，大量的变换系数很小，只要删除接近于0的系数，并对较小的系数进行粗量化，而保留包含图像主要信息的系数，以此进行压缩编码。本次的课设呢是写一个基于离散余弦变换的图片压缩算法，要求用C/C++实现，总是面向CSDN编程的我呢找了一圈没找到，甚至Github上面也没找到什么自己满意的代码，好吧那就把我这次完成的课设分享出来，为我后面的学弟学妹谋福利。(2)将反变换的矩阵的块合成一个单一的图像。用DCT压缩图像的过程为。
DCT C语言 修改了c程序以及matlab的程序
diantongqingjie的博客
03-01 238
DCT 定义 给定序列x(n),n=0,1…N-1,其离散余弦变换定义为 Xc(0)=1N∑n=0N−1x(n)X_c(0)=\frac{1}{\sqrt{N}}\sum_{n=0}^{N-1}x(n)Xc​(0)=N​1​∑n=0N−1​x(n) Xc(k)=2N∑n=0N−1x(n)cos(2n+1)∗k∗π2N,k=0,1...,N−1X_c(k)=\sqrt{\frac{2}{N}}\su...
基于DCT变换的JPEG图像压缩原理
lxj_bsplee的专栏
11-18 3万+
众所周知，当今人类社会具有三大支柱，即物质、能量、信息。当下已由物质过渡到信息，从农业现代化到工业现代化，再到当今的信息化时代。信息具有通用性、抽象性、无限性。其通用性表现在信息的无所不在和无时不在特点上；抽象性表现在信息不是一个具体的物理物质，没有重量，没有长度；而无限性表现在物质的不可分性，也可以理解为通信网络发展的不可预测，以及电话线模式的不断发展，
【图像处理】：DCT离散余弦变换
weixin_44322778的博客
05-15 2522
DCT实现的基本原理是将I(x,y)的N行N列的像素值经过DCT变换后，将高频变换系数取0，将变换后的低频变换系数重新排列成N行N列的矩阵。DCT变换的数学实现包括分块、预处理、变换、量化和熵编码等过程，其中预处理是为了减少计算复杂度和优化精度，变换是将输入序列映射到新的频域空间，量化是将频域空间的系数进行舍入操作，降低数据的精度，熵编码是将量化后的系数进行编码，通过移除系数中一些数据来实现图像压缩的目的。它基于一组正弦函数的离散变换，可以将一组N个实数序列x(0)、x(1) ……
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AmosTian

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值