DCT变换

DCT变换的基本思路是将图像分解为8×8的子块或16×16的子块，并对每一个子块进行单独的DCT变换，然后对变换结果进行量化、编码。随着子块尺寸的增加，算法的复杂度急剧上升，因此，实用中通常采用8×8的子块进行变换，但采用较大的子块可以明显减少图像分块效应。

在图像压缩中，一般把图像分解为8×8的子块，然后对每一个子块进行DCT变换、量化，并对量化后的数据进行Huffman编码。DCT变换可以消除图像的空间冗余，Huffman编码可以消除图像的信息熵冗余。

DCT 是无损的，它只将图像从空间域转换到变换域上，使之更能有效地被编码。对一个图像子块而言，将对变换后的6?个系数进行量化，并对Z字顺序扫描系数表进行 编码。这种排列方法有助于将低频非0系数置于高频系数之前，直流系数由于包含了所有图像特征中的关键部分而被单独编码。量化后的系数经过熵编码进一步无损 压缩，通常采用的是Huffman编码。这种压缩编码方法中，图像质量的降低主要是由于对系数的量化造成，且不可恢复。假设子图像为f(x, y)，则DCT变换可以由下面的公式实现：

其中式(1)的f(u, v)表示变换域的高频成分，也称为交流系数；式(2)中F(0, 0)表示变换域中的低频成分，也称为直流系数。对变换结果进行分析，可以看出能量主要集中到左上角。DCT变换具有良好的去相关特性。在图像的压缩编码中，N一般取8。

在解码时首先得到各点的DCT系数，然后根据下面的DCT反变换即可恢复出原图像。DCT的反变换公式为：

利用公式(3)可以无损地恢复原图像。在实际的应用中，使用DCT变换的矩阵描述形式更容易理解。

基于系数重要性的分层编码

按照上