基于数据查找的2D-DCT算法研究与优化.docVIP

基于数据查找的2D-DCT算法研究与优化 摘 要 2D-DCT可由两次1D-DCT间接实现。针对8×8图像块，根据DCT行列分解算法中系数矩阵的结构特点，设计了一种新的查找算法，由输入数据的取值确定寻址范围，每个地址中存贮地址数与系数的乘积值，利用输入数据进行寻址并找到所存数据（共有15169个，约30.4KB），仅需128（320）次加法即可完成一维（二维）DCT，避免了乘法与移位。因第二次1D-DCT的输入数据取值范围增大，且不是整数，本文采取了取整近似，仿真结果证明此算法正确有效。 关键词 DCT算法 存贮 查找 优化 1.引言 在图像与视频压缩领域，DCT（离散余弦变换）算法得到了广泛的应用。数据经DCT算法处理后具有良好的去相关性与能量集中性，为实现数据压缩提供了依据与可能P[1]P。由于DCT算法涉及到大量乘法与加法运算，直接计算运算量很大，难以满足数据处理的实时性要求，算法的优化几乎是必需的。 DCT算法的实现有直接法与间接法两类，基于行列分解的算法是间接法中得以广泛应用的一种。本文针对8×8图像块，根据DCT行列分解算法中系数矩阵的结构特点，设计了一种新的查找算法，减少了需要存取的数据；与文献[2][3]相比，不需要移位，只需要较少次数的加法。 2.2D-DCT的行列分解算法 2.1 DCT算法的定义 N点1D-DCT的公式是： （1） 其中， 。如果N=8，则通过直接计算完成一次1D-DCT需要64次乘法和56次加法。 N×N点2D-DCT公式是： （2） 其中， 。一般取N=8，则通过直接计算完成一次2D-DCT需要4096次乘法和4032次加法。 2.2 2D-DCT的行列分解算法 如果按照公式直接计算2D-DCT，计算量很大，因而出现了大量的快速算法。其中行列分解算法因其结构简单、数据流规则、便于硬件实现等特点而得到广泛应用。对于N×N点图像块，2D-DCT可以通过1D-DCT间接实现：先对N行数据逐行计算1D-DCT，再对其结果进行N列的1D-DCT（或者将上述结果转置后再进行N行的1D-DCT），得到2D-DCT结果。 按照公式（1），当N＝8时，1D-DCT可以写成如下矩阵形式： ，其中 ，x(0)~x(7)为输入源数据的第一行，Y(0)~Y(7)为1D-DCT结果的第一列，所以上式可以记为。将矩阵Y转置以后再按列进行一次1D-DCT，可以得到，这是88图像块经过2D-DCT的行列分解算法结果。 3.基于数据查找的DCT算法优化 2D-DCT在实现时，其乘法器所占用的芯片面积与运算时间比例都比较大，为减少或避免乘法，基于数据查找的DCT算法得到广泛研究。其基本思路是：把2D-DCT表达式中所需用到的所有可能的乘法结果都存贮起来，运算时只需按相应条件取出对应值，然后相加，得到变换结果。但现有的优化算法在存贮数据量、乘法与加法次数、移位次数、寻址次数等方面存在相互掣肘的情况P[4,5]P。本文依据1D-DCT结果的简化形式，先建立完整的数据查找表，再确定固定的查找流程，最后仿真验证，结果表明在上述几个方面均有所优化。 3.1 1D-DCT结果的简化形式 从上述矩阵表示式可以看到，系数矩阵C包含8个系数c(0),c(1),c(2),c(3),c(4),c(5), c(6), c(7)。其中c(0)＝1，此时有，与矩阵C的第一行相乘以后等于c(4)，所以实际上只含有7个系数。 令a=x(0)-x(7)，b=x(1)-x(6)，c=x(2)-x(5)，d=x(3)-x(4)，e=x(0)+x(7)，f=x(1)+x(6)，g=x(2)+x(5)，h=x(3)+x(4)，可以得到 ，依此 式可以分别写出Y(0)~Y(7)的结果： （3） 式（3）得到了1D-DCT结果的简化形式。 3.2 数据查找表的建立 源图像在利用DCT算法进行处理时，一般被分割成8×8图像块，每个图像块包括64个像素点，每个像素点的取值范围是0~255。上述x(0)~x(7)便是图像块的第一行像素点，0≤x(0),x(1)…x(7) ≤255，变换得到的Y(0)~Y(7)是1D-DCT结果矩阵中的第一列数据。 奇数项Y(1)、Y(3)、Y(5)、Y(7)的值只与a,b,c,d相关。由于a,b,c,d每一行两个位置对称的像素值之差，其取值范围为-255~255，即-255≤a,b,c,d ≤255。针对式（3），可以建立1个数据查找表，每个表的地址数为511，每个地址存贮相应的数据。计算1D-DCT时只需从这个表中