DCT变换公式

一维DCT

F ( u ) = c ( u ) ∑ i = 0 N − 1 f ( i ) c o s ( ( i + 0.5 ) π N u ) F(u)=c(u)\sum_{i=0}^{N-1}{f(i)cos(\frac{(i+0.5)\pi}{N}u)} F(u)=c(u)i=0N1f(i)cos(N(i+0.5)πu)
c ( u ) = { 1 N u = 0 2 N u ≠ 0 c(u)=\left\{ \begin{aligned} \sqrt{\frac{1}{N} } && u=0\\ \sqrt{\frac{2}{N} } && u\neq 0\\ \end{aligned} \right. c(u)=N1 N2 u=0u=0
f ( i ) f(i) f(i)为原始的信号,F(u)是DCT变换后的系数,N为原始信号的点数,c(u)可以认为是一个补偿系数,可以使DCT变换矩阵为正交矩阵

一维IDCT

f ( i ) = c ( u ) ∑ u = 0 N − 1 F ( u ) c o s ( ( i + 0.5 ) π N u ) f(i)=c(u)\sum_{u=0}^{N-1}{F(u)cos(\frac{(i+0.5)\pi}{N}u)} f(i)=c(u)u=0N1F(u)cos(N(i+0.5)πu)
c ( u ) = { 1 N u = 0 2 N u ≠ 0 c(u)=\left\{ \begin{aligned} \sqrt{\frac{1}{N} } && u=0\\ \sqrt{\frac{2}{N} } && u\neq 0\\ \end{aligned} \right. c(u)=N1 N2 u=0u=0
f ( i ) f(i) f(i)为原始的信号,F(u)是DCT变换后的系数,N为原始信号的点数,c(u)可以认为是一个补偿系数

过程推导:详解离散余弦变换(DCT)

更多参考:DCT变换、DCT反变换、分块DCT变换

DCT变换的基函数与基图像

DCT变换详解(附代码)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
一、DCT变换 离散余弦变换DCT)是一种广泛应用于信号处理和图像压缩的数学变换。它将时域的离散信号转换为频域的离散信号,可以提取出信号的频域特征,实现信号压缩。DCT变换的核心是基于余弦函数的变换,它将信号分解为一系列余弦函数的和。 常用的DCT变换有四种类型,分别为DCT-I、DCT-II、DCT-III和DCT-IV,其中DCT-II是最常用的一种类型。DCT-II变换公式如下: $$X_k = \alpha(k)\sum_{n=0}^{N-1}x_n\cos\left[\frac{\pi}{N}\left(n+\frac{1}{2}\right)k\right]$$ 其中,$\alpha(k)$由以下公式计算得到: $$\alpha(k)=\begin{cases} \frac{1}{\sqrt{2}} & k=0 \\ 1 & k\neq 0 \end{cases}$$ 二、DCT变换 DCT变换可以将频域信号重新转换为时域信号。DCT-II和DCT-III具有相同的反变换公式,如下: $$x_n = \alpha(0)\frac{1}{N}\sum_{k=0}^{N-1}X_k\cos\left[\frac{\pi}{N}\left(n+\frac{1}{2}\right)k\right]$$ 其中,$\alpha(0)$由以下公式计算得到: $$\alpha(0)=\frac{1}{\sqrt{N}}$$ 三、分块DCT变换 在图像压缩领域,DCT变换常常被用来对图像进行编码和解码。由于图像通常是二维的,因此需要对图像进行分块DCT变换。常用的分块大小有$8\times 8$和$16\times 16$等,其中$8\times 8$是最常用的一种分块大小。对于一个$8\times 8$的分块,可以将其视为一个二维的矩阵,然后对每一行和每一列进行DCT变换,最终得到一个$8\times 8$的频域矩阵,其中每个元素表示该频率的权重。压缩时,可以对这些权重进行量化,舍去一些较小的权重,从而实现图像压缩。解压缩时,将量化后的权重乘以对应的权重系数,再进行DCT变换,就可以得到原始的图像块。 四、总结 DCT变换是一种常用的信号处理和图像压缩技术,它将信号分解为一系列余弦函数的和,从而提取出信号的频域特征。分块DCT变换可以对图像进行编码和解码,实现图像压缩。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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