变换编码DCT.pptVIP

2.2.4 变换编码 KL变换 最佳变换编码方法 变换矩阵不是恒定的，需要临时计算 离散余弦变换(DCT,Discrete Cosine Transform) 准最佳变换，利用三角函数进行的一种变换 DCT的基向量由余弦函数构成 一维DCT变换和二维DCT变换,变换后输出DCT变换系数，将幅度变成频率 广泛应用于图像与视频压缩中，如JPG,MPEG 2.2.4 变换编码 原理 为达到目的，可以通过不同的路径——殊途同归 例如：数学计算机中，经常利用某些数学函数略加转换可以找出一条计算的捷径。 乘法：1000000X100000＝100000000000 运算时，数据很大，可以变成对数进行加法 2.2.4 变换编码 基本概念 先对信号进行某种函数变换，从一种域（空间）变换到另一种域（空间），再对变换后的信号进行编码处理 以声音图像为例，由于声音图像大部分信号都是低频信号，在频域中信号较集中，因此将时域信号变换到频域，再对其进行采样、编码 2.2.4 变换编码 变换去除相关性示例 设有两个相邻的数据样本x1和x2，每个样本 采用3比特编码，则各有8个幅度等级，两个样本的联合事件共有64种可能用右图二维平面坐标表示 考虑到相邻样值的相关性，x1和x2同时出现相近幅度的可能性最大。 因此,合成可能性往往落在阴影区内 2.2.4 变换编码 变换去除相关性示例 如果对数据进行正交变换，从几何上相当于坐标系旋转 45o,变成x1’、x2’坐标系，则在新坐标系下，任凭x1’在较大的范围变化，而x2’始终只在相当小的范围内变化，因此通过这样的变化就能得到一组去除大部分，甚至是全部统计相关性的另一种输出样本 2.2.4 变换编码 变换编码过程 分析和处理平稳信号的最常用也是最主要的方法是Fourier分析。Fourier变换建立了信号从时（间）域到频（率）域的变换桥梁，而Fourier反变换则建立了信号从频域到时域的变换桥梁，这两个域之间的变换为一对一的映射，如下式： Fourier变换从时域和频域构成了观察一个信号的两种方式。 Fourier变换的局限和算法上的不足： （1）Fourier变换是在整体上将信号分解为不同的频率分量，而缺乏局域性信息。即它不能告诉我们某种频率分量发生在哪些时间内，而这对非平稳信号是十分重要的。 为了分析和处理非平稳信号，人们对Fourier分析进行了推广乃至根本性的革命，提出并发展了一系列新的信号分析理论：短时Fourier变换，分数阶Fourier变换、小波变换、WVD变换等。 线性调频信号的Fourier变换和时频变换 （2） Fourier变换的基函数是复指形 式，在计算时须进行复乘和复加。 为解决这一问题：在Fourier变换的基础上提出了以下变换： 哈特莱变换（HT） 离散哈特莱变换(DHT) 离散余弦变换 （DCT） 离散余弦变换 （DST） 离散余弦变换（DCT） 离散余弦变换（DCT）是N.Ahmed等人在1974年提出的正交变换方法。它常被认为是对语音和图像信号进行变换的最佳方法,成为H.261、JPEG、MPEG 等国际上公用的图像压缩编码标准的重要环节。在视频压缩中，最常用的变换方法是DCT, 变换编码的主要特点有： （1）在变换域里视频图像要比空间域里简单。 （2）视频图像的相关性明显下降，信号的能量主要集中在少数几个变换系数上，可有效地压缩其数据。 （3）具有较强的抗干扰能力，传输过程中的误码对图像质量的影响远小于预测编码。通常,对高质量的图像，DMCP要求信道误码率 ，而变换编码仅要求信道误码率 。  离散余弦变换(DCT) discrete cosine transform的缩写 用余弦函数的离散值构成的变换矩阵对信号的一系列样本值进行运算的数学变换 可将能量集中到频率较低的系数上 将分量图像分成8×8的图块，如图5-2 所示 二维DCT的计算 将二维DCT变成一维DCT，如图5-3所示 实际的快速计算方法可参看参考文献[C. Loeffler] 当计算精度足够高时，DCT变换不会损失图像质量 量化 对FDCT变换后的(频率的)系数进行量化 量化目的是降低非“0”系数的幅度以及增加“0”值系数的数目 用图5-4所示的均匀量化器量化 量化是造成图像质量下降的最主要原因 量化用右式计算 量化步距 按照系数所在的位置和每种颜色分量的色调值来确定的 因为人眼对亮度信号比对色差信号更敏感，因此使用两种量化表：如表4-6所示的亮度量化表和表4-7所示的色差量化表 由于人眼对低频分量的图像比对高频分量的图像更敏感，因此表中的左上角的量化步距要比右下角的量化步