离散余弦变换原理特点及程序.doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
离散余弦变换原理特点及程序

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

文档评论(0)

kabudou + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档