原文网址：http://blog.csdn.net/newchenxf/article/details/51719597
转载请注明出处喔

1 前言

JPEG是joint Photographic Experts Group(联合图像专家组)的缩写，文件后辍名为”．jpg”或”．jpeg”。
jpg图片可以说是最常见的图片格式了，基本上你的自拍照，要么是png的，要么就是jpeg的了。（有关jpeg和png的区别，请参考我的另一博文【jpeg 与 png 图片格式的区别】）
但它是一种有损压缩。支持多种压缩级别，压缩比率通常在10：1到40：1之间，压缩比越大，品质就越低；相反地，压缩比越小，品质就越好。

那么，JPEG是如何压缩的呢？靠的就是传说中的DCT(离散余弦变换)。

下图是JPEG压缩/解压缩的流程图。我想你最大的疑问估计就是DCT了。

2 JPEG压缩流程

2.1 以8x8的图象块为基本单位进行编码

如下图所示。比如一个160x160大小的原始图像，就可以分成20x20个8x8图像块。

每个图像块共64个像素。像素可以用RGB或YUV表示，需要3个byte。所以严格来说，上图3个箭头代表的数据，指的是RGB/YUV的某一个值，比如Y。

2.2 将RGB转换为亮度-色调-饱和度系统（YUV），并重新采样

YUV是什么？它也是一种很不错的图像数据表示方法，特别是在视频领域。
Y：指颜色的明视度、亮度、灰度值；
U：指色调；
V：指饱和度。

YUV是一个统称，其实有很多具体格式，比如YUV420, YUV444, YUV422。
YUV的某些格式，和RGB比起来，其数据量要少很多。
比如YUV420，每个像素需要一个Y，每4个像素需要一个U/V，因此一个8*8图像块，数据量只要8x8x3/2 = 96byte。而RGB需要8x8x3 = 192byte。少了一半的数据量。现在很多视频都是YUV420作为色域。
当然啦，在本次转换，用的是YUV444，也就是每个像素都有YUV的值。

YUV与RGB可以互相转换。
Y=0.299R+0.587G+0.114B
U=0.148R-0.289G+0.473B
V=0.615R-0.515G-0.1B

2.3 FDCT与IDCT

一个是正变换，一个是逆变换。反正都可以称为离散余弦变换。
根据8*8的二维DCT定义

其中：0<= u, v < 8

a(v) = a(u)
是输入8x8像素的坐标。
是输出的8x8变换结果的坐标。

不要把上式看的有多难，也不要被“离散余弦变换”这个词给吓到，其实他没什么（如果你非要去追究，那就打开“信号与系统”的书复习一下吧，我拦不住你哈），上式其实就是一个运算公式而已。
输入就是8x8的数据矩阵，经过计算，输出还是一个8x8的数据矩阵。
其实上式可以简化为：

并且A和A转置矩阵都是已知的。所以，说白了，就是个矩阵运算。对程序来说，很简单。

称G（0,0），也就是输出8x8矩阵的（0,0）坐标的值，为直流系数，其他为交流系数。
之所以称它为直流系数，是因为当u, v = 0时，cos()结果都为0，所以最后结果就是输入矩阵的8x8的每个数值的和，再乘于a(u) x a(v) x 1/4 = 1/8。

当然了，输入数据其实是有3个的，也就是YUV，因此对每个8x8的原始图像数据，需要做3次DCT。

2.4 量化与反量化

定义：将DCT变换后的临时结果，除以各自量化步长并四舍五入后取整，得到量化系数。
为什么可以量化？！
因为经过DCT后，数据就不同了，左上方都是大数值，右下方都是小数值。比如左上方都是几十几百的，右下方附近，都是个位数，那么，大数值和小数值就可以分别量化。

在术语里，左上方称为低频数据，右下方称为高频数据。
你要是不理解，可以这么想，既然G（0,0）都是直流分量了，那频率不就是0？不就是所谓的低频？^^

还是不理解？好吧，那你也可以这么想：
比如cos(ax)，a是常数，x是变量。那么，根据频率f = a/2π，a越大，函数的频率越高。
看看DCT公式：

u,v 越大，则越在右下方对吧。当计算某个G(u, v)时，x, y是变量，u, v相当于常数，当u/v越大，则频率越高！
这就是为啥右下方称为高频数据了！

好了，别走偏了，还继续说量化。
JPEG系统分别规定了亮度分量和色度分量的量化表，色度分量相应的量化步长比亮度分量大。

对量化系数的处理和组织
思想：JPEG采用定长和变长相结合的编码方法。
直流系数：通常相邻8*8图象块的DC分量很接近，因此JPEG对量化后的直流分量采用无失真DPCM编码。通常JPEG要保存所需比特数和实际差值。

交流系数：经过量化后，AC分量出现较多的0。JPEG采用对0系数的行程长度编码。而对非0值，则要保存所需数和实际值。
ZIG-ZAG排序：为使连续的0个数增多，采用Z形编码。

你要是不理解，看看下面的例子，就知道为啥ZIG-ZAG可以俘获更多的0了！

3 应用举例

3.1 编码

某个图象的一个8*8方块，的亮度值。

由于一个字节是0~255，为了减小绝对值波动，先把数值移位一下，变成-128~127。

接着，根据DCT变换公式，各种计算，获得临时结果。

根据亮度量化表量化后得到的量化系数矩阵

获得量化结果：

可见，新的数据，很小，很多是0。正如上文所说，这么多0，完全可以用游程编码，大大缩小数据量。

3.2 解码

和原始图像的数据相比，基本是一样的，或者近似的！

4 其他

必须再强调的是，JPEG压缩是有损失的，从上面的例子就看出来，输出结果并不是完全等于输入。
此外，JPEG压缩比例是可以控制的，只不过图像质量会变差。比如
压缩率：10

压缩率：50

JPEG压缩比例，就是通过控制量化的多少来控制。比如，上面的量化矩阵Q，如果我把矩阵的每个数都double一下，那是不是会出现更多的0？！说不定都只有G(0, 0)非0，其他都是0，如果这样，那编码时就可以更省空间啦，N个0只要一个游程编码搞定，数据量超小。但也意味着，恢复时，会带来更多的误差，图像质量也会变差了。

参考：
https://en.wikipedia.org/wiki/JPEG#Discrete_cosine_transform

JPEG图像压缩原理与DCT离散余弦变换相关推荐

JPEG压缩原理与DCT离散余弦变换
原文网址:http://blog.csdn.net/newchenxf/article/details/51719597 转载请注明出处喔 1 前言 JPEG是joint Photographic E ...
JPEG压缩原理（DCT）
本文介绍JPEG压缩技术的原理,对于DCT变换.Zig-Zag扫描和Huffman编码,给出一个较为清晰的框架. 1. JPEG压缩的编解码互逆过程: 编码解码 2. 具体过程:(这里仅以编码为例, ...
数字图像处理学习笔记（十八）实现图像的离散余弦变换
实验截图: 自带函数实现的离散余弦变换: 利用公式求出的DCT和IDCT 实验代码: 代码(1): img=imread('erciyuan.jpg'); img=rgb2gray(img); fig ...
基于DCT变换的JPEG图像压缩原理
1.为什么要进行图像压缩众所周知,当今人类社会具有三大支柱,即物质.能量.信息.当下已由物质过渡到信息,从农业现代化到工业现代化,再到当今的信息化时代.信息具有通用性.抽象性.无限性.其通用性表现在 ...
基于DCT变换的JPEG图像压缩原理与JPEG2000编解码原理
目录参考文章基于DCT变换的JPEG图像压缩原理图像数据压缩图像处理为什么可以进行图像压缩? 颜色空间转换 RGB CMY HSV/HSI/HSB/HSL YUV/YCbCr YCbCr与R ...
理解DCT与DST【二】：离散余弦变换
本文主要是将先前的博客离散傅里叶变换DFT.离散余弦变换DCT.离散正弦变换DST,原理与公式推导从图片修改为 Markdown 脚本,方便读者浏览,同时增加了部分内容.但由于文章字符过多,无法全 ...
dct变换的主要优点有哪些_数字图像处理（三）—— 离散余弦变换
离散余弦变换(Discrete Cosine Transform)本质上也是离散傅里叶变换(Discrete Fourier Transform),但是只有实数部分.有这样一个性质:如果信号在给定区 ...
图像处理离散余弦变换
什么是DCT 一维DCT变换一维DCT变换时二维DCT变换的基础,所以我们先来讨论下一维DCT变换.一维DCT变换共有8种形式,其中最常用的是第二种形式,由于其运算简单.适用范围广.我们在这里只讨论 ...
频域滤波—离散余弦变换
离散余弦变换DCT 傅里叶变换的参数是复数,在数据的描述上相当于实数的两倍,若仅用实函数对称延拓成一个实偶函数,则其傅里叶变换也为实偶函数且仅包含余弦项,连续函数和离散函数的余弦变换都是基于这个原理. ...

JPEG图像压缩原理与DCT离散余弦变换

1 前言

2 JPEG压缩流程

2.1 以8x8的图象块为基本单位进行编码

2.2 将RGB转换为亮度-色调-饱和度系统（YUV），并重新采样

2.3 FDCT与IDCT

2.4 量化与反量化

3 应用举例

3.1 编码

3.2 解码

4 其他

JPEG图像压缩原理与DCT离散余弦变换相关推荐

最新文章

热门文章