matlab基于dct的图像压缩编码解码_一篇文章搞定DCT在JPEG中的本质

前序傅立叶变换，离散傅立叶变换，推荐这个回答的介绍

想和大家讨论一下jpeg中的dct变换，为什么有效？它有什么更深层次的本质吗？​www.zhihu.com

全篇参考下文，英文较好可以直接看。

ucsd ece161​www.svcl.ucsd.edu

预备概念

• 能量聚集(energy compaction):
  • 代表能把松散能量序列打包进尽可能少的频率分量的能力。
  • 对于图像压缩十分重要
  • 当聚集成都较高，只需要传递很少的分量而不是整个像素点集。
• 为什么能量聚集十分重要？
  • 主要原因是图像压缩。
  • 可以对其他的应用更加友好。
  • round()函数
  • 向最近的整数进行取整数操作。
  • round(1) = 1; round(0.55543) = 1; round (0.0000005) = 0。
• 量化器是？
  • 通过将原本的输出区域进行层次的划分。
  • 在输入为某一个范围时，将其映射为相同的输出。
  • 实施一个量化器

1. 定义量化器的步长
   。
2. 应用round函数

• • 此时，
    越大，我们会有越少的再现层次。
  • 更大的压缩的代价将是更严重的失真。

• 图像压缩

JPEG的编码流程

• 本身的DCT变换不会引入更多的扭曲失真和保存更多bit。
• 这些来自于丢掉信息时进行的量化器所造成的“损失压缩”。
• 通过对图像进行DCT操作，再使用对DCT后的图像量化，再逆DCT回去，得到的图像就是经过了简单压缩后的图像。

Discrete Cosine Transform(DCT)

• DCT性质
  • 在直方图中有更好的聚集程度。
  • 可以省去很大一部分的分量。
  • 在同一程度的失真上能保存更多的比特。
• 这里是DCT-II, even symmetric DCT, "the DCT"，公式：
  • 正变换：
  • 逆变换:
• 其中，
• 从DFT的公式推导：
  • Step1:创建对称采样序列
  • Step2: 计算
    个点下
    的DFT
  • Step3：将上式重写为仅含有N个项的式子

2. 将
   换
   ，令
3. 为了将其写成cosine形式，需要将其变化为两个镜面的指数。然后根据欧拉公式中

推导结束。此时，有DFT和DCT的关系 :

DCT公式为：

这三个步骤可以总结为

• 从公式中分析为什么比有更好的能量聚集效果：
  • 在扩展时，DCT采用的是对称的形式，而DFT和DFS相同采用周期扩展。

DFT中扩展序列时，是直接采用平移方式引入了不连续的区间，而DCT采用对称形式，消除了这一人为的不连续，而通常高频信号隐藏在这人造的不连续中。这也正是为什么DCT的能量聚集效果会更好。

• 快速算法
  • 考虑到DCT的过程可以解释为
  • 根据这几个步骤，可以得出相应的快速算法。

2. ，这里可以采用计算2N-pt​的FFT计算
3. 根据公式

• N-pt的DCT算法复杂度也就是2N-pt的DFT的复杂度。

二维DCT公式：

• 流程：
  • 并且有
  • 以及

• 公式：
  • 正变换：
  • 逆变换：
  • 其中：
• 快速算法：

• 意味着2D-DCT可以通过分别计算行和列上的1D-DCT序列实现
• 2D-DCT计算需要
  • 做
    次数的
    1D-DFT
  • 然后是
    次数的
    1D-DFT
  • 总算法复杂度有:
    • 也就是，做2D-FFT包括
    • 对行序列做1D-FFT
    • 对列中间序列做1D-FFT