DCT變換原理解析

《DCT變換原理解析》由會員分享，可在線閱讀，更多相關《DCT變換原理解析（12頁珍藏版）》請在裝配圖網上搜索。

1、. - 數(shù)字圖像的冗余包括空間冗余、構造冗余、知識冗余和視覺冗余等。空間冗余是指規(guī)則物體和規(guī)則背景的外表物理特性都具有相關性，數(shù)字化后表現(xiàn)為數(shù)字冗余。例如：*圖片的畫面中有一個規(guī)則物體,其外表顏色均勻,各局部的亮度、飽和度相近,把該圖片作數(shù)字化處理,生成位圖后,很大數(shù)量的相鄰像素的數(shù)據(jù)

2、是完全一樣或十分接近的,完全一樣的數(shù)據(jù)當然可以壓縮,而十分接近的數(shù)據(jù)也可以壓縮,因為恢復后人亦分辨不出它與原圖有什么區(qū)別,這種壓縮就是對空間冗余的壓縮。再比方視覺冗余，視覺系統(tǒng)對于圖像場的注意是非均勻和非線性的，視覺系統(tǒng)不是對圖像的任何變化都能感知，因此對圖像進展壓縮后人眼也并不會非常敏銳地覺察畫面內容有所刪減。 所謂的圖像壓縮編碼技術就是對要處理的圖像數(shù)據(jù)按一定的規(guī)則進展變換和組合, 從而到達以盡可能少的數(shù)據(jù)流(代碼)來表示盡可能多的數(shù)據(jù)信息。在眾多的圖像壓縮編碼標準中，JPEG(Joint Photographic E*perts Group)格式是一種稱為聯(lián)合圖像專家組的圖像壓縮格式，

3、它適用于不同類型、不同分辨率的彩色和黑白靜止圖像。 而在JPEG圖像壓縮算法中，有一種是以離散余弦變換(DCT，Discrete Cosine Transform)為根底的有損壓縮算法，是為本論文的主要研究對象。 DCT變換利用傅立葉變換的性質。采用圖像邊界褶翻將像變換為偶函數(shù)形式，然后對圖像進展二維傅立葉變換，變換后僅包含余弦項，所以稱之為離散余弦變換。 DCT編碼屬于正交變換編碼方式，用于去除圖像數(shù)據(jù)的空間冗余。變換編碼就是將圖像光強矩陣(時域信號)變換到系數(shù)空間(頻域信號)上進展處理的方法。在空間上具有強相關的信號，反映在頻域上是在*些特定的區(qū)域內能量常常被集中在一起，或者是系數(shù)矩

4、陣的分布具有*些規(guī)律。我們可以利用這些規(guī)律在頻域上減少量化比特數(shù)，到達壓縮的目的。圖像經DCT變換以后，DCT系數(shù)之間的相關性就會變小。而且大局部能量集中在少數(shù)的系數(shù)上，因此，DCT變換在圖像壓縮中非常有用，是有損圖像壓縮國際標準JPEG的核心。從原理上講可以對整幅圖像進展DCT變換，但由于圖像各部位上細節(jié)的豐富程度不同，這種整體處理的方式效果不好。為此，發(fā)送者首先將輸入圖像分解為8*8或16*16塊，然后再對每個圖像塊進展二維DCT變換，接著再對DCT系數(shù)進展量化、編碼和傳輸；接收者通過對量化的DCT系數(shù)進展解碼，并對每個圖像塊進展的二維DCT反變換。最后將操作完成后所有的塊拼接起來構成一幅

5、單一的圖像。對于一般的圖像而言，大多數(shù)DCT系數(shù)值都接近于0，所以去掉這些系數(shù)不會對重建圖像的質量產生較大影響。因此，利用DCT進展圖像壓縮確實可以節(jié)約大量的存儲空間。在實驗中，先將輸入的原始圖像分為8*8塊，然后再對每個塊進展二維DCT變換。 1.1.1 DCT編碼 DCT編碼屬于正交變換編碼。這類算法通常是將空間域上的圖像經過正交變換映射到系數(shù)空間，使變換后的系數(shù)直接相關性降低。圖像變換本身并不能壓縮數(shù)據(jù)，但變換后圖像大局部能量集中到了少數(shù)幾個變換系數(shù)上，再采用適當?shù)牧炕挽鼐幋a便可以有效地壓縮圖像。 信息論的研究說明，正交變換不改變信源的熵值，變換前后圖像的信息量并無損失，完全可以

6、通過反變換得到原來的圖像值。但圖像經過正交變換后，把原來分散在原空間的圖像數(shù)據(jù)在新的坐標空間中得到集中，對于大多數(shù)圖像而言，大量的變換系數(shù)很小，只要刪除接近于0的系數(shù)，并對較小的系數(shù)進展粗量化，而保存包含圖像主要信息的系數(shù)，以此進展壓縮編碼。在重建圖像進展解碼〔逆變換〕時，所損失的將是些不重要的信息，幾乎不會引起圖像失真，圖像的變換編碼就是利用這些來壓縮圖像并得到很高的壓縮比。 由于圖像可看成二維數(shù)據(jù)矩陣，所以在圖像編碼中多采用二維正交變換方式，然而其正交變換的計算量太大，所以在實用中變換編碼并不是對整幅圖像進展變換和編碼，而是將圖像分成假設干個n×n的子圖像分別處理。這是因為小塊圖像的變換

7、計算比擬容易，而且距離較遠的像素之間的相關性比距離較近的像素之間的相關性要小。實踐證明4×4、8×8、16×16適合圖像壓縮，這是因為： ① 如果子圖像尺寸取得太小，雖然計算速度快，實現(xiàn)簡單，但壓縮能力有限； ② 如果子圖像尺寸取得太大，雖然去相關效果好，因為DCT等正弦類變換均漸近最正確化，同時也漸近飽和，猶豫圖像本身的相關性很小，反而使得壓縮效果不明顯，并且增加了計算的復雜度。 1.1.2 變換系數(shù)的選擇 對子圖像經過變換后，保存變換后的哪些系數(shù)用作編碼和傳輸將直接影響信號恢復的質量，變換系數(shù)的選擇原則是保存能量集中、方差大的系數(shù)。 系數(shù)選擇通常有變換變換區(qū)域編碼和變換閾值編碼兩

8、種方法。 1) 變換區(qū)域編碼 變換區(qū)域編碼是對設定形狀的區(qū)域內的變換系數(shù)進展量化編碼區(qū)域外的系數(shù)被舍去。一般來說，變換后的系數(shù)值較大的會集中在區(qū)域的左上部，即低頻分量都集中在左上部。保存的也是這一局部。其他局部的系數(shù)被舍去，在恢復信號時對它們補0。這樣以來，由于保存了大局部圖像信號能量，在恢復信號后，其質量不會產生顯著變化。變換區(qū)域編碼的明顯缺陷是高頻分量完全喪失。反響在恢復圖像上將是輪廓及細節(jié)模糊。為抑制這一缺陷，可預先設定幾個區(qū)域，根據(jù)實際系數(shù)分布自動選取能力最大的區(qū)域。 2) 變換閾值編碼 變換閾值編碼是根據(jù)實際情況設定*一大小幅度的閾值，假設變換系數(shù)超過該閾值，則保存這些系數(shù)進

9、展編碼傳輸，其余補0.這樣，多數(shù)低頻成分被編碼輸出，而且少數(shù)超過閾值的高頻成分也將被保存下來進展編碼輸出。這在一定程度上彌補了區(qū)域變換法的缺乏。但也有兩個問題需要解決：一是被保存下來的系數(shù)在矩陣中的位置不是不確定的，因此需增加地質編碼比特數(shù)，其碼率相對要高一些；二是閾值需要通過實驗來確定，當然也可以根據(jù)總比特數(shù)進展自適應閾值選擇，但需要一定技術，將增加編碼的復雜程度。 1.1.3 基于DCT編碼的JPEG編碼壓縮 基于DCT編碼的JPEG編碼壓縮過程框圖，如圖2-1所示。 壓縮數(shù)據(jù) 原始圖像數(shù)據(jù)分成8*8的小塊 量化器 DCT變換 熵編碼器 碼表 量化表 圖2-

10、1 基于DCT編碼的JPEG壓縮過程簡化圖 上圖是基于DCT變換的圖像壓縮編碼的壓縮過程，解壓縮與上圖的過程相反。 在編碼過程中，首先將輸入圖像分解為8×8大小的數(shù)據(jù)塊，然后用正向二維DCT把每個塊轉變成64個DCT系數(shù)值，其中左上角第一個數(shù)值是直流(DC)系數(shù)，即8×8空域圖像子塊的平均值，其余的63個是交流(AC)系數(shù)，接下來對DCT系數(shù)進展量化，最后將變換得到的量化的DCT系數(shù)進展編碼和傳送，這樣就完成了圖像的壓縮過程。 在解碼過程中，形成壓縮后的圖像格式，先對已編碼的量子化的DCT系數(shù)進展解碼，然后求逆量化并把DCT系數(shù)轉化為8×8樣本像塊(使用二維DCT反變換)，最后將操作完

11、成后的塊組合成一個單一的圖像。這樣就完成了圖像的解壓過程。 1.2 二維離散余弦變換 圖像數(shù)據(jù)壓縮的目的是在滿足一定圖像質量的條件下，用盡可能少的比特數(shù)來表示原始圖像，以提高圖像傳輸?shù)男屎蜏p少圖像存儲的容量，在信息論中稱為信源編碼。圖像壓縮是通過刪除圖像數(shù)據(jù)中冗余的或者不必要的局部來減小圖像數(shù)據(jù)量的技術，壓縮過程就是編碼過程，解壓縮過程就是解碼過程。 假設有一個無記憶的信源,它產生的消息為,,其出現(xiàn)的概率是的, 記為。則其信息量定義為: { (2-1) 由此可見一個消息出現(xiàn)的可能性越小，其信息量就越多，其出現(xiàn)對信息的奉獻量越大，反之亦然。 信源的平均信息量稱為"熵〞，可以表示為：

12、 (2-2) 對上式取以2 為底的對數(shù)時，單位為比特〔bits〕： (2-3) 在圖像壓縮中，壓縮比是一個重要的衡量指標?？梢远x壓縮比為：= C=原始數(shù)據(jù)的平均比特率〔B〕/壓縮數(shù)據(jù)的平均比特率〔H〕 DCT變換后系數(shù)的量化是引起失真的主要原因,壓縮效果與圖像內容本身有較大的關系。 在傅里葉級數(shù)展開式中，如果被展開的函數(shù)是實偶函數(shù)，則，其傅里葉技術中只包含余弦項，在將其離散化由此可導出余弦變換，或稱之為離散余弦變換(DCT，Discrete Cosine Transform)。 (2-) 式中，。 二維離散余弦逆變換公式為 (2-) 式中，。 JPEG采用的是

13、8×8大小的子塊的二維離散余弦變換。在編碼器的輸入端，把原始圖像順序地分割成一系列8×8的子塊，子塊的數(shù)值在-128到127之間。采用余弦變換獲得64個變換系數(shù)。 變換公式，如式(2-)所示。 (2-) 式中，。 在MATLAB 仿真實現(xiàn)中, 主要是采用二維DCT變換的矩陣式定義來實現(xiàn)的,矩陣式定義可以表示為： (2-) 其中是空間數(shù)據(jù)陣列, 是變換系數(shù)陣列, 是變換矩陣, 是的轉置。 The basis functions of the DCT of 64*64 an Image DCT系數(shù)的量化 量化是對經過DCT變換后的頻率系數(shù)進展量化，其目的是減小非"0〞系數(shù)的幅度

14、以及增加"0〞值系數(shù)的數(shù)目，它是圖像質量下降的最主要原因。 量化過程定義了一種從實數(shù)到整數(shù)映射的方法，它是通過降低DCT變換產生的數(shù)值結果的準確度，來減少存儲變換后的系數(shù)需要的比特數(shù)。定義量化公式為： (2-) 其中，為量化前的DCT系數(shù)，為量化后的DCT系數(shù)，而為量化步長，表示取整。 對于基于DCT的JPEG圖像壓縮編碼算法，量化步距是按照系數(shù)所在的位置和每種顏色分量的色調值來確定。因為人眼對亮度信號比對色差信號更敏感，因此使用了表2-1所示的量化表。此外，由于人眼對低頻分量的圖像比對高頻分量的圖像更敏感，因此表中的左上角的量化步距要比右下角的量化步距小。 亮度和色度因為代表的圖像

15、的信息量不同，亮度代表了圖像的低頻分量，色度代表了圖像的高頻分量，要分別對亮度和色度進展量化，所以量化表也是不同的。 量化就是用DCT變換后的系數(shù)除以量化表中想對應的量化階后四舍五入取整。由于量化表中，左上角的數(shù)值比擬小，而右下角的數(shù)值比擬大，因而能夠起到保持低頻分量，抑制高頻分量的作用。 JPEG壓縮色度和亮度量化表如表2-1所示。 表2-1 JPEG壓縮色度和亮度量化表 亮度量化表 色度量化表 16 11 10 16 24 40 51 61 17 18 24 47 99 99 99 99 12 12 14 19 26 58 60

16、55 18 21 26 66 99 99 99 99 14 13 16 24 40 57 69 56 24 26 56 99 99 99 99 99 14 17 22 29 51 87 80 62 47 66 99 99 99 99 99 99 18 22 37 56 68 109 103 77 99 99 99 99 99 99 99 99 24 35 55 64 81 104 113 92 99 99 99 99 99 99 99 99 49

17、64 78 87 103 121 120 101 99 99 99 99 99 99 99 99 79 92 95 98 112 100 103 99 99 99 99 99 99 99 99 99 量化會產生誤差，上圖是綜合大量的圖像測試的實驗結果，對于大局部圖像都有很好的結果。表中可以看出，高頻局部對應的量化值大，目的就是將高頻局部編程接近于0，以便以后處理。JPEG可以在壓縮比和圖像質量間作取舍。方法就是改變量化值。如果量化值放大一倍，則有更多的系數(shù)量化為0，提高了壓縮比。 在本課題研究中，用于DCT變換的圖像為灰度圖像，故

18、只考慮亮度即可。 1.2.1 量化系數(shù)的編排 經過DCT變換后，低頻分量集中在左上角，其中F(0，0)(即第一行第一列元素)代表了直流(DC)系數(shù)，即8×8子塊的平均值，要對它單獨編碼。由于兩個相鄰的8×8子塊的DC系數(shù)相差很小，所以對它們采用差分編碼DPCM，可以提高壓縮比，也就是說對相鄰的子塊DC系數(shù)的差值進展編碼。8×8的其它63個元素是交流(AC)系數(shù)，采用行程編碼。 所以量化后的系數(shù)要重新編排，目的是為了增加連續(xù)的"0〞系數(shù)的個數(shù)，就是"0〞的游程長度，方法是按照Z字形的式樣編排。 DCT變換后低頻分量多呈圓形輻射狀向高頻率衰減，因此可以看成按Z字形衰減。因此，量化系數(shù)按Z字

19、形掃描讀數(shù)，這樣就把一個8×8的矩陣變成一個1×64的矢量，頻率較低的系數(shù)放在矢量的頂部。 量化后的DCT系數(shù)的編排如圖2-2所示。 圖2-2 量化DCT系數(shù)的編排 量化后的DCT系數(shù)的序號如表2-2所示。 表2-2 量化DCT系數(shù)的序號 0 1 5 6 14 15 27 28 2 4 7 13 16 26 29 42 3 8 12 17 25 30 41 43 9 11 18 24 31 40 44 53 10 19 23 32 39 45 52 54 20 22 33 38 46 51

20、 55 60 21 34 37 47 50 56 59 61 35 36 48 49 57 58 62 63 1.3 2D-DCT與2D-FFT的比擬 這兩種運算表達在程序中，分別調用了1D-FFT和1D-DCT變換，而1D-DCT又是以1D-FFT為核心的。 設計的程序是以頻率抽取的基2FFT算法為根本理論的，因此蝶形運算后，需要進展排序，根據(jù)理論推算應該采取倒位序的方法，對于一個N=8的蝶形運算，其結果下標排列應是：0，4，2，6，1，5，3，7。倒位序后回到了自然排列順序0，1，2，3，4，5，6，7。一維快速傅立葉正反變換包含于一個核心子程序中，

21、所以在求其反變換時，先將*(K)取共軛變換，在將*(K)的虛部乘以-1，然后就可以直接訪問FFT的子程序，最后再對運算結果取一次共軛變換并乘以常數(shù)1/N即可得到*〔n〕值。這種IFFT算法可以完全不改動FFT的程序。在進展二維的FFT變換時，可把二維的FFT變換變成一維后直接調用FFT子程序。因為，二維離散傅立葉變換(DFT)處理圖像的時間比擬長，其處理結果和FFT處理結果一樣；FFT運算量非常大，實時性差，處理圖像時沒有實用性。 傅里葉變換的缺乏之處在于子圖像的變換系數(shù)在邊界處的不連續(xù)而造成恢復的子圖像在其邊界也不連續(xù)，于是由于各恢復子圖像構成的整幅圖像將呈現(xiàn)隱約可見的子圖像的方塊狀構造，

22、影響圖像質量。 圖2-3 2D-FFT的變換譜　　　　　 　圖2-4 2D-DCT的變換譜 可以看出，原圖像經FFT變換后頻域能的量主要集中在兩條對角線附近；DCT變換后變換域的能量主要集中在低頻分量附近〔即左上角〕。圖像壓縮中的DCT編碼正是利用DCT變換的這一特性，在對二維圖像進展DCT變換后，只對變換域低頻分量進展編碼，拋棄局部高頻分量，減少攜帶的信息量，從而實現(xiàn)對圖像的有損壓縮編碼。 DCT 變換與FFT 變換類似，但DCT 變換可以使用較少的頻譜系數(shù)來表示被變換的圖像數(shù)據(jù)。在接收端，用逆變換IDCT 將這些頻譜系數(shù)恢復成的圖像數(shù)據(jù)，與變換前的數(shù)據(jù)更接近。因此在圖像壓縮算法中常

23、用DCT 變換。 實驗結果及分析 離散余弦變換DCT 的MATLAB 實現(xiàn)有兩種方法,一種是基于FFT 的快速算法,這是通過MATLAB工具箱提供的dct2 函數(shù)實現(xiàn)的;另一種是DCT 變換矩陣方法。變換矩陣方法非常適合做 8*8 或 16*16 的圖像塊的DCT 變換,工具箱提供了dctmt* 函數(shù)來計算變換矩陣。 方法1： 該方法出發(fā)點是對整幅圖像進展DCT變換，主要應用MATLAB的圖像處理工具箱中的基于FFT的有大量輸入的快速算法進展處理的dct2函數(shù): 具體程序實現(xiàn)如下： A=imread('D:\rabit\rabit.bmp'); I=rgb2gray(A); DC

24、T=dct2(I); %余弦變化 DCT(abs(DCT)<10)=0; %把變換矩陣中小于10的值置換為0，然后用idct2重構 IDCT=idct2(DCT); subplot(2,2,1),imshow(I);title('灰度圖像') subplot(2,2,2),imshow(IDCT,[0 255]); title('反余弦變換恢復圖') subplot(2,2,3),imshow(DCT);title('DCT變換') subplot(2,2,4),imshow(log(abs(DCT)),[]); title('余弦變換系數(shù)'); figure,mesh(

25、DCT);title('變換譜三維彩色圖') (a) (b) (c) (d) (e) 圖4-1 DCT變換 從(b)圖，"反余弦變換恢復圖〞中，可以看出，該方法偏重圖像的視覺效果，按照這種方法重構的圖像與原圖幾乎沒有差異。 從(c) 圖，"DCT變換〞圖中可以看出，DCT譜集中在左上部，只有左上局部不為零值。 通過觀察〔e〕圖DCT譜的彩色三維圖也可得到這一結論。需要說明的是，對于本課題選取的這幅圖像而言，其低頻信息比擬多，分布擴散至右下部。因此并未像傳

26、統(tǒng)使用的Lena圖一樣，僅有少局部有效信息集中在左上角。 DCT變換系數(shù)如下： 圖4-2 DCT變換系數(shù) 方法2： 該方法的出發(fā)點是先將圖像分解為8*8或16*16個數(shù)據(jù)塊，然后分別對分解后的每個數(shù)據(jù)小方塊進展DCT變換，主要應用MATLAB的圖像處理工具箱中dctmt*函數(shù)返回DCT變換矩陣，而后進展相關處理。樣本程序實現(xiàn)如下： A=imread('D:\rabit\rabit.bmp'); I=rgb2gray(A); I=im2double(I);%將圖像轉換為雙精度格式 T=dctmt*(8);%返回一個8*8的DCT變換矩陣 B=blkproc(I,[8 8],'P

27、1***P2',T,T');%對原圖像進展DCT變換 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];%保存了10個DCT系數(shù)重構圖像 B2=blkproc(B,[8 8],'P1.**',mask); %數(shù)據(jù)壓縮，丟棄右下角高頻數(shù)據(jù) I2=blkproc(B2,[8 8

28、],'P1***P2',T',T); %進展DCT反變換，得到壓縮后的圖像 subplot(1,2,1),imshow(I) title('原始圖像') subplot(1,2,2),imshow(I2) title('壓縮圖像1') disp('壓縮后圖像I2的大小');whos('I2'); disp('壓縮前圖像A的大小');whos('A'); disp('壓縮后圖像I的大小');whos('I'); (a) (b) (c) (d) (e)(f)

29、 圖4-3 基于DCT的圖像壓縮 對于〔b〕圖"壓縮圖像1〞，仿真中僅保存了3個DCT系數(shù)，約占5%，從結果來看，圖像壓縮的效果出現(xiàn)了"塊〞失真。并且隨著量化系數(shù)的進一步減少，失真情況會越來越嚴重，這說明圖像信息喪失嚴重。 對于〔c〕圖"壓縮圖像2〞，仿真中保存了10個DCT系數(shù)，占15%，比擬原圖和重構圖像，可以發(fā)現(xiàn)：在拋棄85%的系數(shù)后，重構圖像根本上恢復了原圖像的信息，可以比擬清楚地辨清亮度上的差異，大局部的信息都很好的保存下來。然而細節(jié)局部，即邊緣局部，也就是高頻分量所攜帶的信息，并沒有很好地重現(xiàn)出來。因為我們把高頻分量通過mask表中的0值控制全部舍棄了。而且從方法1中的"D

30、CT變換〞一圖中，我們可以清楚地看到，對于本圖來說，非0值并非很好地集中在左上部很小的局部，而是分布在幾乎85%的區(qū)域。因此，當我們只取了左上部15%的DCT系數(shù)時，當然不能很好地恢復剩余大局部的細節(jié)。當然，在采用這種方法來實現(xiàn)壓縮算法時，可以通過修改mask變量中的DCT系數(shù)來更好地比擬仿真結果。 在〔d〕圖"壓縮圖像3〞中，則是對半取舍DCT系數(shù)。較之〔c〕圖的效果又有了明顯的進步，邊緣細節(jié)信息已經得到了很好的保存和重現(xiàn)。 在〔e〕圖"壓縮圖像4〞中，便是把mask中的DCT系數(shù)取85%地進展了保存，而只舍去了10個右下角的DCT系數(shù)?？梢钥闯觯搱D中的細節(jié)信息較之〔d〕圖又有了更好的

31、表達，邊緣等局部輪廓比擬清晰，與之前的壓縮圖像進展比照，圖像的恢復重現(xiàn)效果明顯好了很多。 而在〔f〕圖"壓縮圖像5〞中，則是把"壓縮圖像1〞中的DCT系數(shù)的取舍完全顛倒過來，即，"壓縮圖像2〞中，左上局部取1的系數(shù)變?yōu)槿?，同時右下局部取為0的DCT系數(shù)則變?yōu)槿?保存。從低頻和高頻的角度來說，即是將承載了灰度圖像很大局部重要亮度信息的低頻局部舍棄，而僅僅將右下角的承載邊緣細節(jié)信息的高頻局部予以保存。效果如"壓縮圖像5〞所示，我們可以明顯看到僅僅有圖像的邊緣信息顯示，而原始圖像最重要的信息則沒有保存和顯現(xiàn)。 而當把圖像分為16*16數(shù)據(jù)塊進展DCT變換時，算法的復雜度急劇上升，但采用較大的子

32、塊可以明顯減少圖像分塊效應。 實驗結果如下：〔程序見附錄五〕 (a) (b) (c) (d) (e) (f) 圖4-4 16*16的DCT圖像壓縮 〔b〕圖"壓縮圖像1〞是16*16子塊模式中僅保存了6個左上角DCT系數(shù)的效果，可以看出明顯的塊失真效果?！瞔〕圖"壓縮圖像2〞是保存了10個DCT系數(shù)，效果與8*8子塊模式中保存3個DCT系數(shù)的效果差不多，但要稍微好一點。 〔d〕圖"壓縮圖像3〞中保存了

33、36個DCT系數(shù)，約占14%，此時與 8*8子塊模式中的保存了15%的DCT系數(shù)的"壓縮圖像2〞效果相近，并且稍微更清晰一些。 〔e〕圖保存了3/8的DCT系數(shù)，而〔f〕圖"壓縮圖像5〞中保存了50%的DCT系數(shù)，和8*8子塊模式中同樣對半取舍系數(shù)的〔d〕圖進展比照，可以看出16*16子塊的效果要更好一些。 由此可見，將圖像劃分為更小的數(shù)據(jù)塊進展DCT變換和壓縮的效果更好，然而復雜度上升。 當圖像壓縮比增大時，也即壓縮效率減小時，圖像的質量也將降低，人們可以根據(jù)需要的圖像的質量來規(guī)定壓縮比的大小。 . 優(yōu)選-