Matlab一探DCT/IDCT变换在图像压缩中的应用

置顶

VIP文章 papaofdoudou

已于 2023-11-26 07:48:40 修改

阅读量3.2k

点赞数 12

分类专栏：多媒体嵌入式系统数学文章标签： matlab 图像处理计算机视觉

于 2021-06-05 15:08:02 首次发布

本文链接：https://blog.csdn.net/tugouxp/article/details/117585190

版权

绝大多数图像都有一个共同特征，平坦区域和内容缓慢变化的区域占据一幅图像的大部分，而细节区域和内容突变区域则占小部分。也可以说，图像中直流和低频区占大部分，高频区占小部分。这样，空间域的图像变换到频域，会产生一些相关性很小的一些变换系数，可以类比不同正交方向上的系数彼此独立，前提是得找到这样一组正交向量。如果对这些系数进行压缩编码，就是变换编码。

变换中有一类叫做正交变换，可用于图像编码。自1968年利用快速傅里叶变换(FFT)进行图像编码以来，出现的了多种正交变换编码方法，比如K-L变换，离散余弦变换(DCT)等。其中，编码性能以K-L变换最理想，但缺乏快速算法，且变换矩阵随图像而异，不同图像需计算不同的变换矩阵。因而只用来参考比较。DCT编码性能最接近于K-L变换，略次而已，但它具有快速算法，广泛应用于图像编码。

DCT主要用于将数据或图像压缩，它将空域的信号变为频域上，能够以数据无关的方式去除输入信号之间的相关性，DCT变换本身是无损的，但是给接下来的量化、哈弗曼编码等创造了很好的条件，同时，由于DCT变换是对称的，我们可以在量化编码后，利用DCT反变换，在接收端恢复原始的图像信息，DCT变换在当前的图像分析领域有着极为广泛的用途，我们常见的JPEG静态图像编码以及MJPEG、MPEG动态编码等标准中都使用了DCT变换。

DCT与DFT（离散傅里叶变换）是近似相等的，后者更多的应用于信号处理领域，DCT相对简单并且在多媒体领域应用更加广泛。

典型的VPU编码解码数据处理流图：

jpeg图片编码

用mediainfo查看JPG图片信息，会发现其有一项是chorma downsampling参数，为YUV444/YUV420等等，之所以解码后的Render像素格式信息会写入编码压缩数据格式中，是因为再压缩前，其像素信息已经确定了，需要builtin到图片数据中。Y,U,V分量分别进行DCT编码。

DCT变换的数学基础

1.一维DCT变换

DCT正变换时，设

$f(x)=[f(0), f(1), f(2),\cdots, f(N-1)]^T$

对f变换后得：

$F(u)=c(u)\sum_{i=0}^{N-1}f(i)cos\bigg[ \frac{(2i+1)\pi}{2N}\cdot u\bigg] \qquad u=0,1,2,\cdots$

其中:

$c(u)=\left\{\begin{matrix} \sqrt{\frac{1}{N}},\qquad \qquad \qquad \quad u=0 \\ \\ \sqrt{\frac{2}{N}}, \qquad \ \ \ \ \ \ \ \ u=1,2,\cdots \end{matrix}\right.$

其中，f(i)为原始的信号，F(u)是经过DCT变换之后的系数，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。

令

$A=c(u)\sum_{i=0}^{N-1}cos\bigg[ \frac{(2i+1)\pi}{2N}\cdot u\bigg]\qquad u=0,1,2,\cdots$

写成矩阵形式：

$\boldsymbol{\vec{F}=A\cdot \vec{f}}$

$A=\sqrt{\frac{2}{N}}\cdot \begin{bmatrix} \frac{1}{\sqrt{2}}& \frac{1}{\sqrt{2}}& \cdots & \frac{1}{\sqrt{2}}\\ cos\frac{\pi}{2N}& cos\frac{3\pi}{2N}& \cdots & cos\frac{(2N-1)\pi}{2N}\\ \vdots & \vdots & \ddots & \vdots \\ cos\frac{(N-1)\pi}{2N}& cos\frac{3(N-1)\pi}{2N}& \cdots & cos\frac{(2N-1)(N-1)\pi}{2N} \end{bmatrix}$