离散余弦变换原理特点及程序.doc

1 离散余弦变换(Discrete Cosine Transform，DCT)原理 1）离散余弦变换定义 (1)一维离散余弦变换的定义由下式表示： 式中F(u)是第u个余弦变换系数，u是广义频率变量，u=1,2,3.....N-1，f(x)是时域N点序列，x=0,1,2...N-1 (2)一维离散余弦反变换由下式表示: (3)二维离散余弦变换的定义由下式表示: 最后的式子是正变换公式。其中f(x,y)是空间域二维向量之元素，其中x,y=0,1,2...N-1， F(u,v)是变换系数阵列之元素。式中表示的阵列为N×N。 (4)二维离散余弦反变换由下式表示： 2) 性质： (1)余弦变换是实数、正交。 (2)离散余弦变换可由傅里叶变换的实部求得 (3)对高度相关数据，DCT有非常好的能量紧凑性 (4)对于具有一阶马尔可夫过程的随机信号，DCT是K-L变换的最好近似 2 离散余弦变换Matlab实现 （1）二维离散余弦变换 f=imread(trees.tif); f=im2double(f); F=dct2(f); subplot(121),imshow(f,[]); subplot(122),imshow(log(1+20*abs(F)),[]) 图1 原图以及进行离散变换后图对比 再进行逆变换： I=idct2(F); subplot(121),imshow(f); subplot(122),imshow(I) 图2 原图与恢复后的图对比 将数据进行压缩再逆变换： CLF f=imread(cameraman.tif); F=dct2(f); F(abs(F)50)=0; k=idct2(F); subplot(121),imshow(f,[]); subplot(122),imshow(k,[]) 图3 对比图 将输入图像分解成8×8的图像块，然后对每个图像块进行DCT变换，保留64个DCT系数部分，然后通过压缩保存数据。还原时，进行DCT逆变换重构图像。 I1=im2double(imread(moon.tif)); T=dctmtx(8); B=blkproc(I1,[8 8],P1*x*P2,T,T); mask=[1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]; B2=blkproc(B,[8 8],P1.*x,mask); I2=blkproc(B2,[8 8],P1*x*P2,T,T); subplot(121),imshow(I1,[]); subplot(122),imshow(I2,[]) 图4 原始图像与压缩图像 4 讨论分析 离散余弦变换是傅里叶变换的实数部分，比傅里叶变换有更强的信息集中能力。对于大多数自然图像，离散余弦变换能将大多数的信息放到较少的系数上去，提高编码的效率。在图像的变换编码中有着非常成功的应用。 图像进行DCT变换后，在频域中矩阵左上角低频的幅值大而右下角高频幅值小，经过量化处理后产生大量的零值系数，在编码时可以压缩数据，因此DCT被广泛用于视频编码图像压缩。 1