数字图像处理（冈萨雷斯第三版）学习笔记 - Chapter 2 Image Compression（3）

一、量化的基本思想（Quantization）

我们现在可以开始学习会引起误差的主要步骤，那就是量化。这也是进行很大压缩的一步，没有量化， 我们不可能做到很大压缩。我们先回忆一下之前学过的步骤，首先从一个 8 x 8 图像开始的，然后将它进行DCT变换，变换后我们得到了变换系数T(u，v)。为了方便理解，我们再把变换系数的公式写在下面。
$$T(u,v)=\sum _{x=0}^{n-1}\sum _{y=0}^{n-1}f(x,y)r(x,y,u,v)$$

从公式中可以看到，我们沿图像的坐标轴，对图像与基函数的乘积，进行二重求和，得到变换系数T。我们由一个 8 x 8 的图像得到了一个 8 x 8 的系数矩阵，矩阵如下图所示。我们在不同的变换域会得到不同的图像（系数矩阵），而在余弦域得到了如下的图像。

在上一节中，我们在变换后，f(x,y) 接着将要被重建，重建过程由下面的公式可以得到，f(x,y)是T(u,v)求和得到的，T(u,v) 是变换系数。 现在假如我们要量化T，而不是重构f，此时我们会有一个 T(u,v) 的近似值，记作T '。接着我们需要重构出 f(x,y) 的近似值，记作f '。量化后的重建公式如下。请理解这里发生变化，我们所得到的的 f(x,y) 是系数乘了基函数的一个线性组合，这个系数要么是原始系数，要么是量化后的系数。
$$\hat{f}(x,y)=\sum _{u=0}^{n-1}\sum _{v=0}^{n-1}\hat{T}(u,v)r(x,y,u,v)$$
所以的系数主要是用来说明，我们接着要使用多少基函数。而我们的视觉感知是，假如本来我要使用 7.7乘以这些基函数，或许我最后只乘以了7.5，却不会有很大影响，而且我的视觉系统不会察觉到有什么不同。这就是量化的思想，量化主要思想是数值修约，或者说，如果让这个分量里的值稍稍变化一点，无论T(u,v)这部分代表的是什么，在重构时都不会产生太大影响。

接着我们就要对这些系数做一定的处理了。上图是我们得到的系数矩阵，我们只需要取一部分的系数，忽略其他的系数。 我们可以像上图a一样，取左上角阴影部分的系数，忽略掉其他的，我们也可以像图c一样取用系数。其中这些带阴影或者说值为1的系数是将要传输的系数，那些值为0或者说没有阴影的系数是不准备传输或存储下来的。

顶部区域将使用一些值代替 ，代替值的比特数越多，量化效果就越好。而在底角部分，将要做一些非常非常剧烈的量化，实在是太剧烈了，导致T(u,v)中的很多系数都会变成0 。比如把7、8、9、10都变成0，然后我们就能压缩很多。并且，量化实际上是按照锯齿形的方式来进行的，即量化的顺序从上图看应该是T(0,0) ->T(1,0) ->T(0,1) ->T(2,0)…，以此类推。这很重要，因为当JPEG进行到某一个系数的时候，发现后续其他所有系数都变成了0，本质上是在表示结束，这意味着这个8x8传输系数矩阵结束了 ，剩下所有系数都变成了0。

我们还可以做一些其它处理，如上图b中的处理方法。图中的数字表示每个像素灰度值所占的位数。比如，在T(0,0)上，我们要做的是把系数取到这里来，并且用8位比特数表示它，这样它的量化级数就为256。再比如，在系数T(0,6)上，则只用 1个比特位来表示它，所以我们只能用两个不同级别来表示这个系数。

二、JPEG的量化方法

让我们来看一下如何做到的。量化的一个非常简单的方式是，像这样上图这样均匀量化，这也是JPEG主要所做的工作。所有落在某一区间的数，都可以用这个区间对应的纵坐标来表示。这就很重要了，因为我们之后要开始哈夫曼编码，我们现在把一个区间上的所有点用一个数来代替，就可以增大这个数出现的概率。这对于压缩最后的哈夫曼编码或者其他任何编码器来说都很重要。这种方法很简单，却很有效。或许并不是最好的方式，但是JPEG被提倡不仅因为其高性能，同样因为简便性。我们所做的这些会帮助霍夫曼编码传输更少的数，这些数也更多的浓缩了。

举个例子来说，用上图b中的矩阵，我们除以16、11、12、12，或者也可以用两倍的这个矩阵来除，就是除以32、22、24、24。让我们看一下效果如下图。我们逐步所除的矩阵是同一个矩阵，只是按比例扩大了而已，我们能看到质量是如何变低的。就是除的数越大，则压缩的就越多，但图的质量越差。

在一些软件包里，当保存一张图像时，它会询问我们想保存的JPEG图像质量。它所询问的其实就是要乘以量化矩阵的倍数大小，所以量化矩阵在软件包里是一个固定矩阵，我们可以通过按比例扩大或者缩小量化矩阵，实现压缩更多或者更少。

这就是JPEG如何实现压缩的。它使用一种非常简单的均匀量化，通过按比例划分再乘回原来的比例。 当然，乘的过程是在解码器中完成的。

三、Max-Lloyd最优量化器

现在有先进的技术能够随着信号的类型尝试调整量化。例如，我们可以构造上图中的这些区间，他们的宽度不同，就是根据我们输入的不同，准备除以不同的值。有一种关于如何把量化做得更好的理论，叫做Max-Lloyd最优量化器。其主要思想相对简单，如果要测量一个给定的像素和其输出像素之间的方差作为误差，误差可以用均方计算，要在考虑这个误差尽可能小。 还要考虑到比特数的分配，当然如果不考虑使用比特的多少，那就根本不用量化了，自然就会变成零误差了。但是如果我们只能使用8个比特位，只能拥有256个区间在横坐标上。所以我们应该事先定义好比特数，即确定区间的个数。

我们在每个区间产生的误差呢如何计算呢？ 计算公式如下，在这里的每一个区间，都要从s_(i-1)到s_(i+1)对误差进行积分 ，我们用t代替s，这个就是产生的误差的原因。接着需要把它和概率相乘，因为如果那个值在输入数据中不出现的话，就不需要再关注它了，因为这个值永远不会产生误差。这个方程式中的未知量，有基本区间的上下边界，以及代替值t 。
$${\int }_{s_{i-1}}^{s_i}(s_i-t_i{)}^{2}p(s)ds$$
$$s_i-average(t_i,t_{i+1})$$
我们还可以得到第二个方程，它可以表示为 s_i减去t_i和t_(i+1)的平均值。我们现在在每一个连续区间上，就有了两个方程，接着我们要解方程。*这并不容易，大部分的概率分布中闭合解并不存在，但是如果我们假定概率分布是均匀的，那么闭合解确实存在。*比如JPEG使用的方程，概率分布是均匀的，我们只要做数值取整。前提是如果我们知道概率分布p(s)，就可以获得比均匀量化更好的效果。JPEG使用的是均匀量化，为了简单起见，同样也是所谓的普遍性，不需要知道概率分布，就可以进行JPEG的工作，几乎对所有图像的处理效果都很好，或许在一些分布上我们的效果会更好。另外，大家可以修改JPEG，在大家自己的量化表里，它仍然是标准的一部分，它或许会遵循一个你知道的分布。所以如果大家要压缩一类非常特殊的图像，可以优化出自己的JPEG来进行处理。