DCT变换-----学习笔记

1. 常用于对信号和图像进行有损压损。
2. 算法：
   1. 将输入图像划分为8*8或16*16的图像块，对每个图像块作DCT变换；
   2. 舍弃高频的系数，并对余下的系数进行量化以进一步减少数据量；原因：大多数自然信号（包括声音和图像）的能量都集中在余弦变换后的低频部分。由于人眼对于细节信息不是很敏感，因此信息含量更少的高频部分可以直接去掉，从而在后续的压缩操作中获得较高的压缩比。
3. 处理后使用无失真编码来完成压缩任务。
4. 解压缩时：
   1. 先对每个图像块作DCT反变换，然后将图像拼接成一副完整的图像。
   2. 图像经DCT变换后，低频信息集中在矩阵的左上角，高频信息则向右下角集中
5.  做rgb2gray处理；从左上角到右下角的，从低频到中评，再到高频，系数的绝对值逐渐变小，能量集中在低频成分。低频系数提现图像中目标的轮廓和灰度分部特性，高频系数体现了目标形状的细节。
6. 如果原始信号是图像等相关性较大的数据，可以发现在变换之后，系数较大的集中在左上角，而右下角的几乎都是0（其中左上角的是低频分量，右下角的是高频分量低频系数体现的是图像中目标的轮廓和灰度分布特性，高频系数体现的是目标形状的细节信息）。即DCT变换之后，能量主要集中在低频分量处，这也是DCT变换去相关性的一个体现。
7. 噪声形态都是比较接近的，所以其振幅越小越表明可能是噪声，能量比较集中的是物体的边缘和物体的细节，在不同方向的频带上会出现比较大的波动值；但是噪声是随机的，形态是接近的，能量也就是比较分散的，在各频带上的值都比较小。