对图像数据进行种形式的正交变换,并对变换后的数据进.docVIP

对图像数据进行某种形式的正交变换，并对变换后的数据进行编码，从而达到数据压缩的目的，这就是变换编码。实践证明无论对单色图像、彩色图像、静止图像还是运动图像，变换编码都是非常有效的方法。 　　变换编码的过程是将原始图像分块，对每一块进行某种形式的正交变换。可以简单地理解为将小块图像由时间域变换到频率域，而且能够想象经变换后能量主要集中在直流分量和频率。在误差允许的条件下，只采用直流和有限的低频分量来代表原始数据就能达到数据压缩的目的。在解压缩时，利用已压缩的数据并补上高频分量，而后进行逆变换。通过逆变换就可恢复原始数据。可以想到，在压缩时，忽略了许多高频分量，而在解压缩时，用0代替，这必然减少了信源的熵，使信息量减少，从而带来了一定的失真，所以这种变换是一种有损压缩。 　　正交变换的种类很多，比如人们熟知的傅里叶变换、沃尔什哈达玛变换、哈尔变换、斜变换、余弦变换、正弦变换，还有基于统计特性的K-L变换。其中K-L变换后的各系数相关性小，能量集中，舍弃低值系数所造成的误差最小，但K-L存在计算复杂，速度慢等缺点。由于离散余弦变换(DCT-Discrete Cosine Transform)与K-L变换性能最为接近，目前几种图像压缩编码的国际标准如静止图像编码标准JPEG；用于电视电话的H.261标准以及MPEG-1、MPEG-2都采用DCT编码方法。它具有快速算法易于硬件实现，而且其编码性能好，因此得到广泛的应用。 　　在利用二维余弦变换进行图像数据压缩时，首先要将输入图像分成若干N×N的图像块。由于N取值小到一定程度时采用变换处理可能带来块与块之间边界上存在着被称为边界效应的不连续点，而且当N＜8时，边界效应比较明显，所以正确的选择应是N≥8，一般取N=8。下面的公式是8×8FDCT和8×8IDCT的数学定义表达式。 正变换： F(u,v)＝1 其中：C(u),C(v)=1/21/2 当u,v=0 C(u),C(v)=1 其它 　　从二维DCT的计算公式看出，它们具有可分离的变换特性，所以二维DCT可分解成行向的一维DCT计算和列向的一维DCT计算的组合运算。二维快速余弦变换是把8×8块不断分成更小的无交叠子块，直接对数据块进行运算操作。 　　对于基于DCT压缩算法的简单直观的认识，可把FDCT看作一个谐波分析仪和把IDCT看作一个谐波合成器。8×8数据块输入分解成64个正交基信号，每个基信号对应于64个独立二维空间频率中的一个，这些空间频率是由输入信号的频谱组成。FDCT输出64个基信号的幅值称为DCT系数，即DCT变换系数值。64个变换系数中包括一个代表直流分量的DC系数和63个代表交流分量的AC系数。IDCT是FDCT的逆过程，它把64个DCT变换系数经逆变换运算，重建一个64点的输出图像。 　　为了达到压缩数据的目的，对DCT系数F(u，v)还需作量化处理。量化处理是一个多到一的映射，它是造成DCT编解码信息损失的根源。量化过程是对应每个系数确定一个量化步长(量化间隔)，用对应的量化步长去除对应的DCT系数然后再求整： Fg(u,v)=round[F(u,v)/M(u,v)] M(u，v)是与F(u，v)对应的每个DCT系数的量化步长，也称量化矩阵。表1是由JPEG标准中给出的亮度量化表： 表1 　　　　　　　亮度量化表 16 11 10 16 24 40 51 61 12 12 14 19 26 58 60 55 14 13 16 24 40 57 69 56 14 17 22 29 51 87 80 62 18 22 37 56 68 109 103 77 24 35 55 64 81 104 113 92 49 64 78 87 103 121 120 101 72 92 95 98 112 100 103 99 　　从量化表中可以看到，各变换系数的量化间隔是不一样的。对低频分量，量化间隔小，量化误差也小，精度要高些。频率愈高，量化间隔愈大，精度低些，这是因为高频分量只影响图像的细节，对整块图像来讲，没有低频分量重要。这就是为什么量化表中左上角量化间隔小而愈靠近右下角，其值愈大的原因。 　　DCT变换系数F(U，V)除以量化表中对应位置的量化步长，其幅值下降，高频系数的零值数目增加。什么是直流分量：系数矩阵最左上角的直流（DC）系数DC 分量越远, 频率越高, 幅度值越小 直流系数表示了输入矩阵全部幅度的平均值表示图像中比较平滑的部分