您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
数字图像处理中的常用变换.doc7页
本文档一共被下载：
次 ,本文档已强制全文免费阅读，若需下载请自行甄别文档质量。
文档加载中...广告还剩秒
需要金币：100 &&
你可能关注的文档：
··········
··········
一、离散傅里叶变换
离散傅里叶变换的特点
离散傅里叶变换（DFT），是连续傅里叶变换在时域和频域上都离散的形式，将时域信号的采样变换为在离散时间傅里叶变换（DTFT）频域的采样。在形式上，变换两端（时域和频域上）的序列是有限长的，而实际上这两组序列都应当被认为是离散周期信号的主值序列。即使对无限长的离散信号作DFT，也应当将其看作经过周期延拓成为周期信号再作变换。在实际应用中通常采用快速傅里叶变换以高效计算DFT。
DFT将空域变换到频域，很容易了解到图像的各空间频域的成分。DFT的应用十分广泛，如：图像的特征提取、空间频率域滤波、图像恢复和纹理分析等。
离散傅里叶变换的性质
图像中心化
共轭对称性
旋转不变性
离散余弦变换
1.离散余弦变换简介
为了快速有效地对图像进行处理和分析，常通过正交变换将图像变换到频域，利用频域的特有性质进行处理。传统的正交变换多是复变换，运算量大，不易实时处理。随着数字图像处理技术的发展，出现了以离散余弦变换（DCT）为代表的一大类正弦型实变换，均具有快速算法。目前DCT变换在数据压缩，图像分析，信号的稀疏表示等方面有着广泛的应用。由于其变换矩阵的基向量很近似于托普利兹（Toeplitz）矩阵的特征向量，而托普利兹矩阵又体现了人类语言及图像信号的相关特性，因此常被认为是对语音和图像信号的最佳变换。
对给定长度为N的输入序列f x ，它的DCT变换定义为:
式中：，式中的的满足：
在数字图像处理中，通常使用二维DCT变换，正变换为:
其逆变换IDCT为:
式中：，。
由于DCT的变换核是可分离的，为此，二维DCT变
正在加载中，请稍后...【图文】第7章_沃尔什-哈达玛变换_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
第7章_沃尔什-哈达玛变换
上传于|0|0|暂无简介
大小：480.50KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢当前位置： >>
四川大学计算机学院多媒体基础变换编码
变换编码四川大学 计算机学院 陈虎 huchen@?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：000＝ 运算时，数据很大，可以变成对数进行加法 1000000 X 100000
＝ 取对数lg106 算法 变换取对数lg105取指数10116＋5＝11?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?变换编码 (Transform Coding) 是一种函数变换， 从一个信号域变换到另一个信号域，将信源输 出分解/变换为其组成部分，然后根据每个成 分的特性分别进行编码，去除视频信号的空间 冗余，使能量集中。? 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 X20X1? 变换去除相关性示例? 如果对数据进行正交变换， X2 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 X2’ 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 0X1’X1?变换编码过程输入G 变换 UA量化A’编码器发送端U为变换矩阵，A,A’:变换系数译码器 接收端逆变换 U’输出 G’U’:U的逆变换矩阵
酉（Unitary）变换概念? 线性变换 v = Au，系数矩阵 A 称为此变换的基矩阵 ? 如果 A 是一个酉矩阵，则：A?1 ? A*T且AA*T ? A*T A ? I其中，* 表示对 A 的每个元素取共轭复数，T 表示转置? 如果 A 是酉矩阵，且所有元素都是实数，则它是一个 正交矩阵，且满足A?1 ? AT且 AAT ? AT A ? I上式表明：当 i=j 时，内积为 1；否则内积为 0，所以，A的各行是一组正 交向量? 任何两个酉变换之间的差别在于基函数（即 A 的行向量） 的选择。 ? 正交矩阵是酉矩阵，但酉矩阵不需要是正交矩阵。正交矩阵的特点? 正交矩阵的特点? 每一行元素的平方和等于 1 ? 两个不同行的对应元素乘积之和等于零 ? 上述两条对于列也成立 第一行 ? 例如 2 2 (cos ? ) ? ( ? sin ? ) ?1 ? cos ? ? sin ? ? A?? 第二行 ? sin ? cos ? ? ? (sin ? ) 2 ? (cos ? ) 2 ? 1 乘积 (cos ? )(sin? ) ? ( ? sin ? )(cos ? ) ? 0 ? 用前面的正交矩阵定义计算上述例子? cos ? AA ? ? ? sin ?T? sin ? ? ? cos ? ? ? sin ? cos ? ? ??sin ? ? 1 0 ?[ ]? I ? cos ? ? 0 1正交变换? 正交变换v ? k , l ? ? ? ? u ? m, n ? ? akl ? m, n ?m ?0 n? 0 N ?1 N ?10 ? k, l ? N ? 10 ? m, n ? N ? 1u ? m, n ? ? ? ? v ? k , l ? ? a *kl ? m, n ?k ?0 l ?0N ?1 N ?1u(m,n) 表示 N×N 的原始图象; v(k,l) 表示变换系数; akl(m,n) 是离散正交变换基函数? 线性：v(k,l) 描述为“基函数 (Basis Function)”的线性组合 ? 正变换 (Forward Transform) 矩阵表示： V ? AUN×N输入信号块，向量排列 N×N变换系数N2×N2 变换矩阵可分离的正交变换? 酉变换v ? k, l ? ?N ?1 N ?1 m ? 0 n? 0? ? u ? m, n ? a ? m, n ?kl0 ? k, l ? N ? 1? 基函数分解表示为：akl ? m, n? ? ak ? m ? bl ? n? ? a ? k , m ? b ? l , n?A ? ?a ? k , m ?? B ? ?b ? l , n ?? ? ?a ? l , n ???可分离的正交变换? 可分离的酉变换的正变换v ? k, l ? ? ?N ?1 N ?1 m ? 0 n? 0? ? u ? m, n ? a ? k , m ? a ? l , n ? ? ? a ? k , m ? u ? m, n ? a ? l , n ?N ?1 N ?1 m ? 0 n? 0? 可分离的酉变换的反变换u ? m, n ? ? ?N ?1 N ?1 k ?0 l ?0 * * v k , l a k , m a ? ? ? ? ? l, n? ?? * * a k , m v k , l a ? ? ? ? ? l, n? ?? k ?0 l ?0N ?1 N ?1可分离的正交变换? 可分离的酉变换的矩阵表示。V ? AUAN×N变换系数TN×N 正交变换矩阵N×N 输入信号? 反变换U ? A*T VA*? 重要的实际意义：用 2 个 N×N 矩阵乘法代替了 1 个 1×N2 矢量和 N2×N2 矩阵的乘法，实现变换。使其复 杂性 (乘法次数）从 O(N4) 减少为 O(N3)。快速傅里叶变换? 根据 DFT 公式，直接计算 N 点一维傅里叶变换需要 N2 次复数乘法，N(N-1)≈ N2 次复数加法运算。? 快速傅里叶变换只需要 Nlog2N 次加法， 0.5Nlog2N 次乘法 。 ? 例如 M=1024，直接傅里叶变换需要大约 106 次操作，快 速傅里叶变换只需要 104 次操作。? 2D-FFT 计算量可分离的正交变换? 二维变换通过 2 个一维变换实现? 沿着信号块的行、列方向进行； ? 先对行进行运算，再对列进行运算，从而达到快速的 目的。N Nx行方向 N-变换Ax列方向 N-变换A x ATN×N象素块kk?a?k , m ??? ?u ?m, n ?? ? ?u??k , n ?? ? AU ? U ? ?u??k , n ??? ?a?n, l ?? ? ?v?k , l ?? ? U ?AT ? Vn m n l k l kmnn正交基分解U?N ?1 N ?1 k ?0 l ?0? ? v ? k, l ? a a* *T k l* ? ? ? v ? k , l ? Akl k ?0 l ?0N ?1 N ?1[A*kl ] 表示基图象 a*k 表示 [A*kl ] 的第 k 行 a*l 表示 [A*kl ] 的第 l 列正交基分解?应用：信息传送原理? 发端分解：传送 v(k,l)，即将信号向量分解成它的各 个基图象，变换系数则规定了原信号中各基图象所占 的数量。如果一个信号，或其一部分可以近似地匹配 上某一基函数，则在变换后，会产生一个对应于那个 基函数的较大的变换系数。由于基函数是正交的，则 这个信号对应于其它的基函数将产生较少的系数。 ? 收端合成：通过将一组被适当加权的基图象求和而重 构图象，用上面的式子合成。变换系数就是其对应的 基图象在求和时所乘的系数。正交基分解? 举例说明以上概念：给定正交矩阵A和图象矩阵U： 变换系数： 反变换为：V ? AVAT ?A?1 ?1 1 ? ? 1 ? 1? , 2? ??1 2 ? U ?? ? ? 3 4?1 ? 1 1 ? ? 1 2 ? ? 1 1 ? 1 ? 4 6 ? ? 1 1 ? ? 5 ? 1? ? ? 3 4 ? ? 1 ? 1 ? ? 2 ? ? 2 ? 2 ? ? 1 ? 1 ? ? ? ?2 0 ? 2? 1 ? 1 ? ?? ?? ? ? ?? ? ? ?U ? A*T VA* ?1 ? 1 1 ? ? 5 ? 1? ? 1 1 ? ? 1 2 ? ?? ? ? ? ? ? ? 2 ? 1 ? 1 ? ? ?2 1 ? ? 1 ? 1 ? ? 3 4 ? ?正交基分解?基图象：A 00 A 01 A A* 10 * *1 ?1 1 ? ?1 ? ? ?0 2 ? 1 ? 1? ?? 1 ?1 1 ? ? 0 ? ? ? 2 ? 1 ? 1? ??0 1 ?1 1 ? ? 0 ? ? ?1 2 ? 1 ? 1? ?? 1 ?1 1 ? ? 0 ? ? ? 2 ? 1 ? 1? ??00 ? ? 1 1 ? 1 ? 1 1? ? ? ? ? ? 0 ? ? 1 ? 1? 2 ? 1 1? ? 1 ? ? 1 1 ? 1 ? 1 ? 1? ? ? ? ? ? 0 ? ? 1 ? 1? 2 ? 1 ? 1? ? 0? ?1 1 ? 1 ? 1 1 ? ? ? ? ? ? 0 ? ? 1 ? 1 ? 2 ? ?1 ?1 ? ? 0 ? ? 1 1 ? 1 ? 1 ?1 ? ? ? ? ? ? 1 ? ? 1 ? 1 ? 2 ? ?1 1 ? ?* 11? 分解：? 1 2? ? 5 ? 1? 分解 U?? ? 5 ? A ? ( ? 1) ? A ? ( ? 2) ? A ? 0 ? A ??? ? V ? 00 01 10 11 ? ? ?2 0 ? 3 4 ? ? ? ???1 2 ? V ??? ? U ? 5 ? A00 ? ( ?1) ? A01 ? ( ?2) ? A10 ? 0 ? A11 ? ? 合成： ? 3 4 ? ?合成酉变换特性－能量保持与旋转? 酉变换信号能量不变―― U 矢量长度在 N 维空间中不变 ? 酉变换――在 N 维空间简单地旋转 U 矢量 ? 酉变换是基坐标的旋转，V 分量是 U 在在新基坐标中的 投影。若 V ? AU，则 V2? U22? 1-D证明： V2?N ?1?k ?0v ? k ? ? V *T V ? U *T A*T ? AU ?U ?N ?1?U*T?n? 0u ? n? ? U22? 2-D若：V ? AUAT 则： ? ? u ? m, n ? ?2 m ? 0 n? 0 N ?1 N ?1 N ?1 N ?1 k ?0 l ?0? ? v ? k, l ?2酉变换特性－能量集中与变换系数方差? 酉变换：能量转到少数系数上，总能量不变μu、Ru 分别表示 U 矢量的均值和协方差?V ? E[V ] ? E[ AU ] ? AE[U ] ? A?U?RV ? E[(V ? ?V )(V ? ?V )*T ] ? A( E[(U ? ?U )(U ? ?U )*T ]) A*T ? ARU A*T*T AR A ? ?k , k ? ? ? u ? ? k ,k? RV 矩阵对角线元素给出变换系数方差: ? 2 ? k ? ? R v v ? 变换前后平均能量相等：N ?1?k ?0?v ? k ? ? ? ? v ? ? A A? u ?2 *T v *T u *T2 v *TN ?1?n? 02 u? u ? n ? ? 直流分量2N ?1 k ?0? ? ? k ? ? Tr ? ? AR AuN ?1? ? ? Tr ? Ru ? ?N ?1 n? 0? ? ? n? ? 平均能量最后得：N ?1? u ? n? 2 ? ? E ? ? ? ? ? n? 0? v ?k? 2 ? E ? ? ? ? ? k ?0矩阵的迹，矩阵对角线上元素的总和。酉变换特性－去相关输入矢量 U 的相关RUU变换变换系数 V 的相关 RV （非对角系数变小）? 酉变换的特性举例：能量集中与去相关 设? u ? 0? ? U ?? ?, ? u ? 1? ? ? ??u ? 0 ( 零均值 ) ,?1 ? ? Ru ? ? ? ? ? 1 ? ?20? ? ?1其酉变换：1? 3 1 ? V? ? ?U ? 2 ? ?1 3 ? ?ρ表示 u(0) 和 u(1) 的相关性酉变换特性? 能量集中方面? V 的协方差：? 3 1 ? ? ? 2 Rv ? ARu AT ? ? 2 ? ? ? ? 2 ? ? ? 2 ? 3 ? 1? ?? 2 ??2 2 ? 0 ? ? ? ? ? 从 RU 可见： u u ? 1?即总能量相等的分布在 u(0) 及 u(1) 上 ? 从 RV 可见：? 3 ? ? ? 0? ? ? ? 1? ?? ? 2 ? ? ?2 v 2? 3 ? ? ? 1? ? ? ? 1? ?? a ? ? 2 ? ?2 v 2总能量 2σ2 不变，但 v(0) 上的能量大于 v(1) 的，如 ρ=0.95，则 91.1% 的总能量集中在 v(0) 上。酉变换特性? 相关方面：u(0) 与 u(1) 间相关为 ρ ；v(0) 与 v(1) 间相 关为： E? v ? 0 ? v ? 1? ? ?2 ?? /2 ? ? ? v ? 0,1? ? ? ?| ? | 1 ? v ? 0 ? ? v ? 1? 2 2 2 3 ? ? 1? ??4?若 ρ=0.95，则 ρV = 0.83 & ρ，变换系数之间的相关性减弱。? 变换矩阵的影响：若 则1 ? 1 1? A? ? ?1 1 ? , 2? ?2 ? ? 0 ? 1 ? ? 0 ? ? v ? 0? T Rv ? ARu A ? ? ? ??? 2 ? 0 1 ? ? ? v ? 1? ? ? ? ? 0 ?? v2 ? 0 ? ? 1 ? ? ,? v2 ? 1? ? 1 ? ?当 ρ= 0.95 ， 说明：97.5% 的能量集中在 V(0) ρV（0,1) = 0， 说明：V(0) 与 V(1) 不相关酉变换特性--熵保持性? 如果把f(x,y)看作是一个具有一定熵值的随机函 数，那么变换系数g(u,v)的熵值和原来图像信号 f(x,y)的熵值相等。变换编码的选择原则? 变换编码的种类? ? ? ? ? ? ? ? ? K-L变换 KLT 离散傅立叶变换 DFT 离散正弦变换 DST 离散余弦变换 DCT 哈达玛变换 Hadamard Walsh 变换 Haar 变换 Slant 变换 小波变换 Wavelet? 去相关，能量集中（例如，KLT、DCT、Wavelat） ? 计算复杂度低Karhunen --Loè ve (卡胡南-列夫) 变换? KLT 变换产生去相关的变换系数? KLT 基函数是输入信号协方差矩阵的特征向量，因此，它 是以统计特性为基础的，也称为特征向量变换。? 最优的正交变换：特征向量矩阵指向数据变化最大的方向， 能够达到最优的能量集中。 ? 缺点：计算过程复杂，变换速度慢。 ? KLT 依赖信号统计特性，但很难实时计算视频的统计 特性； ? KLT 基函数不是固定的，是随图像内容改变的； ? KLT 对图象块是不可分离；? 变换矩阵不能分解为稀疏矩阵。KLT变换的基核矩阵和定义? 协方差矩阵 Ru 的特征向量可以构成一个 N2×N2 的矩阵 Φ， Φ 的共轭转置 Φ*T 称 K-L 变换的核矩阵? ?11 ? ?1 ? ??? ? ? ? ??1 N 2?21 ?22? e2 N 2? ? ? ?N 2 2 ? ? ? ? ? ? ?N 2 N 2 ? ? ?2?N1? KLT 变换的定义：正变换 反变换v ? ?*T ( u ? mu )u ? ?v中心化后图象向量? K-L变换基核是随信号而变化的，不是固定的 ―― 自适应的。 ? 变换过程为：图像随机变量 u → 协方差矩阵 Ru → K-L 基核矢量 Φ*T。 ? 事实上，在线性代数中已经学过，K-L变换基核的求法就是先求出图象 的协方差矩阵 R 的特征值，然后求出特征向量，从而得到基核。KLT 变换的特征－去相关? 去相关 ―― 最佳的变换编码KLT 变换系数 {v(k), k=0,1,….,N-1} 是不相关的，而且具 有零均值，即： mv ? E[v( k )] ? 0 协方差矩阵Rv ? E[( v ? mv )( v ? mv )T ] ? ?*T Ru ? ? ?1 ? 0 ? ? ? ? ? ? ? ? ?k ? ( k ? l ) ? ? ? ? ? ? 0 ? ?N ? ?证明：mv ? E[v ] ? E {? *T ( u ? mu )} ? ? *T E { u} ? ? *T mu ? ? *T mu ? ? *T mu ? 0KLT 变换的特征－去相关? 经过 KLT 变换后，所得的变换系数 v 是一个平均 向量为零的向量集，其坐标原点移到中心位置。 ? 将 mv =0 代入 Rv 表达式：Rv ? E{( v ? mv )( v ? mv )T } ? E{ vvT } ? E{[? *T ( u ? mu )][? *T ( u ? mu )]T } ? E{?*T ( u ? mu )( u ? mu )T ? } ? ? *T E{( u ? mu )( u ? mu )T }? ? ? *T Ru ?Φ*T 矩阵由协方差矩阵 Ru 的 特征向量 φi 的转置构成， 即? ? [?1?2 ???N 2 ]KLT 变换的特征－去相关? 由于 Φ 矩阵是正交矩阵，所以 Φ ΦT = I ? 同时，矩阵 Ru 与其特征向量 φi 应符合以下关系Ru?k ? ?k ?k代入上述 Rv 中? ?1T ? ? T? ?2 ? Rv ? ? R [? ? ? ? N 2 ] ? ? ? ? u 1 2 ? T? ? ??N 2 ? ? ? ?1T ? ? T? ? ? 2 ?[R ? R ? ? R ? 2 ] u N ? ? ? u 1 u 2 ? T? ? ??N 2 ? ? ? ?1T ? ? ?1 ? 0 ? ? T? ? ? 2 ? [? ? ?? ] ? ? ? ? ? N2 ? ? ? ? ? 1 2 ? 0 ? ?2 ? ? T? ? ? ? 2 ? N ? ? ?k ? 1, 2, ...., N2? ?1T ? ? T? ?2 ? ? ? [? ? ? ? ? ? N 2 ? N 2 ] ? ? ? ? 1 1 2 2 ? T? ??N 2 ? ? ?KLT 变换的特征－去相关? ?1T ? ? ?1 ? 0 ? ? ?1 ? 0 ? ? T? ?2 ? ? Rv ? [?1?2 ??N 2 ] ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0 ? ?2 ? 0 ? ?N ? ? T? ? ? ? ? ? 2 ? ? N ? ?? 结论： ? v 向量的平均向量为 0，直流分量为 0。? v 的协方差矩阵，协方差等于0，方差对角线按减序排列 ? KLT 的变换系数是由互不相关的随机变量组成的，因此， KLT 变换起到了去除变量间相关性的作用。进而言之，每个 λk 都是变换后第 k 个系数的 vk 的方差。KLT 变换的特征－降维? 忽略特征值较小的那些特征向量，从而减少 u 的维数。? 令 B*T 表示删去 Φ*T 最下面的 N-M （M&N) 行后得 到的 M×N 矩阵，这样，变换生成的向量维数就小一 些（M×1 大小），由下式生成：*T ? v?B u? 向量 u 仍然可由下式近似重构出来：? ? Bv ? u? 这种近似的均方误差等于删去的那些特征向量所对应的 特征值之和 NMSE ?k ? M ?1??kKLT变换举例? 设 3×1 随机向量 u 有以下的协方差矩阵：?6 Ru ? ? 2 ? ? ?0 2 2 ?1 0? ? 1? ? 1? ?? 该矩阵的特征值和特征向量为：? 6.854 ? ??? 2 ? ? ? ? ? 0.146 ? ? ? 0.918 ? ?1 ? ? 0.392 ? ? ? ? ? ?0.067 ? ? ? 0.333 ? ?2 ? ? ?0.667 ? ? ? ? ? 0.667 ? ? ? ?0.217 ? ?3 ? ? 0.634 ? ? ? ? ? 0.742 ? ?KLT变换举例? 对某个均值为 0 的向量 uT＝(2, 1, -0.1) 有：? 0.918 v ? ? *T u ? ? 0.333 ? ? ? ?0.217 ? 0.067? ? 2 ? ? 2.234 ? ? 0.667 0.667 ? ? 1 ? ? ? ? 0.067? ?? ? ? ? 0.634 0.742 ? ?? ? ? 0.1? ? ? ? 0.127 ? ? 0.392? 变换后的向量 v 的协方差矩阵 Rv 为：0 ? ? 6.854 0 Rv ? ? *T Ru ? ?? ? 0 2 0 ?? ? ? ? 0 0.146? ? 0 ? ? ?1 ?0 ? ? ?0 0?200? 0? ? ?3 ? ?KLT变换举例? 降维：因为λ3 明显比其它两个向量小，因此，假设将矩阵 Φ 的第三行去掉从而将 v 变成二维向量。? 0.918 ??? u ??? v ? 0.333*T0.392 ?0.667? 2 ? ?0.067 ? ? ? 2.234 ? ? 1 ?? ? ? ? ? 0.667 ? ? 0.067 ? ? ? ? ? 0.1 ? ?? 近似重构的原向量：? 0.918 ? ? ?v ? ? ? 0.392 u ? ? ? ?0.067 0.333 ? ? 2.027 ? ? 2.234 ? ? ? ? ? 0.667 ? ? 0.920 ? ? ?0.067 ? ? ? ? ? 0.667 ? ? ? ? 0.194? ?? 可以看到 u^ 和 u 有微小的差别，近似的均方误差为λ3 = 0.146，也就是去掉的特征向量所对应的特征值。KLT变换举例Lena 原始图象相邻象素 (x,y)的灰度电平 值相邻象素 x 的直方图相邻象素 y 的直方图KLT变换举例Lena 图象的 KLT 基图象座标旋转后相邻象素 (x,y) 的灰度电平值座标旋转后相邻象素 x 的直方图座标旋转后相邻象素 y 的直方图KLT变换举例10:1 Lena 图象 失真(PSNR) 和比特率的关系Fourier变换所有实际信号都有起点和终点，时宽T在时域 的作用和带宽B在频域的作用相同。对于0&t&T的 信号，我们若希望知道信号的能量分布，须对信 号做傅里叶变换，即研究其频率特性。 “频率”是我们在工程和物理学乃至日常生活 中最常用的技术术语之一。截至目前我们在信号 （平稳信号）的分析和处理中，当我们提到频率 时，指的是Fourier变换的参数---频率f和角频率ω， 它们与时间无关。然而对于非平稳信号， Fourier 变换不再是合适的物理量。原因：非平稳信号的 频率是随时间变化的，所以不再简单地用Fourier 变换做分析工具。因此需要提供能给出瞬时频率 的变换工具----时频分析。Fourier变换?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：X?f??????x ? t ? e? j 2? ft dtx ?t ? ?????X ? f ? e j 2? tf dfFourier变换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。Fourier变换Fourier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） 这些变换都与 Fourier变换紧 离散哈特莱变换(DHT) 密相连，且变 离散余弦变换 （DCT） 换的运算均在 离散余弦变换 （DST） 实数域进行。DCT变换? 离散余弦变换（DCT）是N.Ahmed等人在1974年 提出的正交变换方法。它在性能上最接近最佳变 换――KLT变换，并且具有高效的快速算法。? 在目前的多数图像和视频压缩标准中都用到了 DCT技术。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。DCT变换? DCT变换压缩的主要思想是通过对图像的变换使 分散在各个像素上的能量集中在少数系数上，进 而甩掉零或近似于零的系数，以达到压缩的目的。 ? 在视频压缩中，采用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 。一维DCT变换? 1D-DCT 的基为：特点： （1）无虚数部分； ? 1 k ? 0, 0 ? n ? N ? 1 ? （2）正变换核与反 ? N c ? k, n? ? ? 变换核一样 ? 2 cos ? ? 2n ? 1? k 1 ? k ? N ? 1, 0 ? n ? N ? 1 ? 2N ? N则正变换可表示为：? ? ? 2n ? 1 ? k ? v ? k ? ? ? ? k ? ? u ? n ? cos ? ?, 2N n? 0 ? ?N ?10 ? k ? N ?1 2 对于1 ? k ? N ? 1 N其中：? ? 0 ? ?1 , ? ?k? ? N反变换可表示为：? ? ? 2n ? 1? k ? u ? n ? ? ? ? ? k ? v ? k ? cos ? ?, 2 N k ?0 ? ?N ?10 ? n ? N ?1二维DCT变换v(0,0) ? 2D-DCT的基为： v(k,0) ? ? ? 2m ? 1? k ? 2 ? ? ? 2n ? 1? l ? 2 ck , l ? m, n ? ? cos ? cos ? ? ? N 2 N N 2 N ? ? ? ? 0 ? k, l ? N ? 1 0 ? m, n ? N ? 1 v(0,l)v(k,l)则正变换可表示为：2 v ? k, l ? ? d ? k, l ? NN ?1 N ?1 m ? 0 n? 0? ? u ? m, n ? cos1 , 2? ? 2m ? 1 ? k2Ncos? ? 2n ? 1 ? l2Nd ? 0, 0 ? ?d ? k , l ? ? 1 对其它反变换可表示为：2 u ? m, n ? ? d ? k , l ? NN ?1 N ?1 k ?0 l ?0? ? v ? k , l ? cos? ? 2m ? 1 ? k2Ncos? ? 2n ? 1 ? l2NDCT变换基图像? k、l 为变换频率； m, n 为空间座标 ? v(k,l) 为 DCT 系数; u(m,n) 原始图象信号 ? v(k, l) 中 v(0,0) 称为 直流系数，其它的称 为交流系数。DCT的矩阵算法? 一维离散余弦变换：正变换：反变换：V ? CUU ?C VTDCT? 二维离散余弦变换： 正变换： 反变换：V ? CUC TU ? C VCTC 为离散余弦变换矩阵，CT 为 C 的转置矩阵DCT的矩阵算法? 变换矩阵 C ：? 1 ? 2 ? ? ? 2 ? cos 2N N ? ? ? ? ( N ? 1)? ?cos 2N ? 1 2 3? cos 2N ? cos 3( N ? 1)? 2N ? ? ? ? ? ? ? ? ? (N ? 1)(2N ? 1)? ? ? cos ? 2N ? N ?N ? 1 2 (2 N ? 1)? cos 2N ?A?当N=2 时，变换矩阵C为：当 N=4 时，变换矩阵 C 为：? 1 ? ? 2 ? ? cos 1? 8 ? 2? 2? cos ? 8 ? ? cos 3? 8 ? 1 2 3? cos 8 6? cos 8 9? cos 8 1 2 5? cos 8 10? cos 8 15? cos 8 1 ? ? 2 ? 7? ? cos 8 ? ? 14? ? cos 8 ? 21? ? ? cos 8 ?? 1 ? A?? 2 ? ? cos ? 4 ?1 2 3? cos 4? ? ? ? ? ?A?DCT的矩阵算法? DCT变换使用下式计算? 7 7 1 (2i ? 1)u? (2 j ? 1)v? ? F (u , v) ? C (u )C (v) ? ?? f (i, j ) cos cos ? 4 16 16 i ? 0 j ? 0 ? ?? 逆变换使用下式计算1 (2i ? 1)u? (2 j ? 1)v? ? ? 7 7 F (i, j ) ? C (u )C (v) ? ?? f (u , v) cos cos ? 4 16 16 ? u ?0 v ?0 ?其中， C (u ), C (v) = 1/ 2 当u,v=0； C (u), C (v) ? 1 其他DCT的矩阵算法举例?139 ?144 已知：u( m, n ) ? ? ?150 ? ?159 144 149 153? 151 153 156 ? ? 用矩阵算法求其DCT。 155 160 163? ? 161 162 160 ?v( k , l ) ? Cu( m, n)C T ?0.5 0.5 ? ?139 ? 0.5 0.5 ? 0.65 0.27 ?0.27 ?0.65 ? ?144 ?? ? ? ? 0.5 ?0.5 ?0.5 0.5 ? ?150 ? ?? 0.27 ? 0.65 0.65 ? 0.27 ? ? ?159? 614.75 -14.82 -2.75 -1.16 ? ? -21.86 -5.85 0.70 -1.04 ? ? ? ? ? -1.25 3.40 0.25 1.02 ? ? ? ? 0.12 -3.54 1.05 0.85 ?144 149 153 ? ?0.5 151 153 156 ? ?0.5 ?? 155 160 163? ?0.5 ?? 161 162 160 ? ?0.50.27 ? 0.27 ?0.5 ?0. 65? ? ?0.27 ?0.5 0.65 ? ? ?0.65 0.5 ?0.27 ? 0.65 0.5由此例可看出：DCT将能量集 中于频率平面的左上角。DCT的矩阵算法f (i, j )F (u , v)DCTDCT的矩阵算法? 举例：对以下图像块进行可分离的二维DCT变换?2 ?1 ? ?2 ? ?2 3 ?4 7 ? 5 2 8? ? 4 9 3? ? 7 1 4?解：二维 DCT 是可分离的，可先对 各行进行一维的行变换，得到系数 矩阵如下：? 4 ?1.37 5 ?5.92? ? 8 ?3.76 1 ?3.85? ? ? ?9 ?2 ?4 2.99 ? ? ? ? 7 0.32 ?1 ?4.4 ?再进行列变换，最终的DCT 系数矩阵为：?3.41 0.5 ?5.62 ? ? 14 ? ?2.23 ?1.58 5.27 ?2.81 ? ? V (k, l ) ? ? ? ?3 2.35 3.5 ?4.76 ? ? ? ? ?0.16 0.69 ?1.64 4.08 ?容易验证，该结果与直接使用二维变换式得到的结果是相同的。从中还 可以看到，实数的原始图像经过 DCT 变换后得到的变换系数仍为实数， 而且从前面 DCT 的定义可知，DCT 正、反变换的基函数是一样，这样 DCT处理就简单。DCT的矩阵算法f (i, j )垂直方向 8× 1 DCTG (i, v)水平方向 8× 1 DCTF (u , v)DCT举例? 在变换域中，低频系数的能量远大于高频系数的能量，变 换系数的相关性将大大去除。DCT系数的幅度分布? 下图是从自然图象（Mauersberger) 得到的 8×8 DCT 系数 幅度的直方图。? 直流 DC 系数的分布类似于原始图像，一般是典型的均 匀分布。 ? 交流 AC 系数的分布类似于 Laplacian pdfW. Mauersberger. Generalised correlation model for designing 2-dimensional image coders. Electronics Letters, 15(20):664{665, September 1979DCT 系数的量化-空域量化 vs. 变换域量化? 原始序列为 x = [100, 110, 120,130, 140, 150, 160, 170] ? 8点 DCT 变换后的结果为： y = [381.84, -64.42, 0, -6.73, 0, -2.01, 0, -0.507] ? 能量主要集中在前两个系数 7 电平的中平量化器DCT 系数的量化-空域量化 vs. 变换域量化? 方案 1：直接对原始数据进行量化 ? 方案 2：对 DCT 系数进行量化? △=6，量化后的 DCT 系数：[ 64 -11 0 -1 0 0 0 0] ? 3 个非 0 DCT 系数MSE: w/o DCT: 3.0 w/ DCT: 1.5DCT 系数的量化-空域量化 vs. 变换域量化? △=20， 2 个非0 DCT 系数：[19 -3 0 0 0 0 0 0]? DCT 系数重构效果仍然很平滑? 直接方法开始产生块/mosaic 效应MSE: w/o DCT: 50.0 w/ DCT: 9.07DCT 系数的量化-空域量化 vs. 变换域量化? △=100， 2 个非0 DCT 系数：[4 -1 0 0 0 0 0 0]? DCT 系数重构效果仍然平滑? 直接方法产生的块/mosaic效应更多MSE: w/o DCT: 1000 w/ DCT: 205DCT 系数的量化-空域量化 vs. 变换域量化 ?输入数据：? 89 ? 122 ? ? 184 ? ? 221 ? 225 ? ? 228 ? 223 ? ? 217 78 95 76 86 75 80 70 80 85 97 82 76 76 71 95 81 74 71 68 78 153 126 106 205 180 146 82 ? 81? ? 75 ? ? 67 ? 82 ? ? 108 ? 120 ? ? 151?222 217 194 144225 227 220 193 146 110 224 225 224 220 197 156 219 219 224 230 220 197? 2-D DCT变换系数（取整）：259 ?23 6 11 7 3 0? ? 1155 ? ?377 ?50 85 ?10 10 4 7 ?3 ? ? ? ? ?4 ?158 ?24 42 ?15 1 0 1? ? ? 3 ?34 ?19 9 ?5 4 ?1? ? ?2 ? 1 9 6 ?15 ?10 6 ?5 ?1? ? ? 3 13 3 6 ?9 2 0 ?3 ? ? ? 8 ?2 4 ?1 3 ?1 0 ?2 ? ? ? 2 0 ?3 2 ?2 0 0 ? 1? ?大多数能量集中 在左上角DCT 系数的量化-空域量化 vs. 变换域量化? 在变换域量化通常能得到更好的结果 ? 还可以做得更好? 对不同的 DCT 系数采取不同的量化步长DCT 变换系数的量化? 人眼对信号强度的变化，慢变化部分（低频部分）比细节 部分（高频部分）更敏感，亮度比色度更敏感。 ? DCT 系数能量集中在低频系数（特别是直流系数），需要 进行细量化（量化步长/台阶小），而高频系数能量很少， 可以对高频系数粗量化。高频系数量化后许多变为 0，这 就为数据压缩打下了基础。 ? 每个 DCT 变换系数都有一个自己的量化器，这些量化器 构成了量化矩阵。 ? MPEG1、MPEG2、H.261 等有其各自的亮度和色度量化 矩阵。 ? 经逆量化和逆 DCT 恢复图象。恢复的图象与原图象相比 失真不大，但有失真。这失真主要是量化产生的，因为量 化是一个电平对多个电平的映射，信息的丢失是不可避免 的，而 DCT 变换理论上讲并不丢失信息。DCT 变换系数的量化139 144 149 153 155 155 155 155 144 151 153 156 159 156 156 156 150 155 160 163 158 156 156 156 159 161 162 160 160 159 159 159 159 160 161 162 162 155 155 155 161 161 161 161 160 157 157 157 162 162 161 163 162 157 157 157 162 162 161 161 163 158 158 158?.03 -12.08 -5.20 2.12 ? -22.59 -17.48 -6.24 -3.16 -2.86 ? ? -10.95 -9.26 -1.58 1.53 0.20 ? 0.22 1.45 0.90 ? -7.08 -1.91 ? -0.62 -0.84 1.47 1.56 -0.12 ? 1.62 -0.34 -0.78 ? 1.75 -0.20 ? -1.28 -0.36 -0.32 -1.46 -0.49 ? 1.55 -3.76 -1.84 1.87 ? -2.60 -1.67 -2.71 -0.07 0.43 -0.94 -0.57 -0.08 -0.04 -0.66 1.48 1.73 0.61 1.04 1.08 1.32 ? -1.19 ? ? -0.06 ? ? 0.33 ? 1.28 ? ? -0.99 ? -0.76 ? ? -0.45?1.21 -0.5716 12 14 14 18 24 49 7211 12 13 17 22 35 64 9210 14 16 22 37 55 78 9516 19 24 29 56 64 87 9824 26 40 51 68 81 103 11240 58 57 87 109 104 121 10051 60 69 80 103 113 120 10361 55 56 62 77 92 101 99(a) 原图象79 -2 -1 -1 0 0 0 0 0 -1 -1 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 0 0 0 0 0 0 0 0(b) DCT 系数 0 0 0 0 0 -24 -12 0 0 0 0 0 0 -14 -13 0 0 0 0 0 0 -14 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?142 ?149 ? ?157 ? ?162 ?162 ? ?160 ?160 ? ?160(c) 量化矩阵144 147 150 152 153 154 154 ? 150 153 155 156 157 156 156 ? ? 158 159 161 161 160 159 158 ? ? 162 163 163 162 160 158 157 ? 162 162 162 161 158 156 155 ? ? 161 161 161 160 158 156 154 ? 160 161 162 161 160 158 157 ? ? 161 163 164 164 163 161 160 ?(d) 已量化 DCT 系数(e) 逆量化系数(f) 重建图象DCT 变换系数的比特分配? 比特分配问题： ? 计算 { Rk } ，使得总的量化噪声 N ?1 最小 ?2 R T 2 2D? R? ? ? ?k ?0?v 2kk? 并满足比特率： R ? 1 NN ?1 k ?0?Rk? 变换系数能量：为协方差矩阵对角线元素v ? AuT T T T ? ? ? R vv ? E ? vv ? E A uu A ? AR A uu ? ? ? ?? σvk2 为 Rvv 对角线上第 k 个元素DCT 变换系数的比特分配? 用 Lagrangian 乘子法得到最佳的比特分配1 ? J ? D ? R? ? ? ? R ? N ?T N ?1?N ?1?2 R 2 2 ? ? 2 ???R? ? v N k ?0 ?k kDCT 变换系数的比特分配 N ?1? 1 ? R ? k ? k ?0 ??J ?0 ?Rk? Rk ? ? k ?0 ?? 对所有的 k，令?J ? 2 ?2 Rk 2 ? 2 ? ln 2 ? ? 2 ? vk ? ?0 ?Rk N? Dk ? Rk ? = ? 2 2?2 Rk ? v2k ? 2 ? ln 2 ? N?? ?0? ? 每个变换系数的量化误差的方差尽可能相等DCT 变换系数的比特分配? 2 2?2 R ? v2 ?k k2 ? ln 2 ? N?? ?01 ? Rk = log 2 2 ?0? 2? v2k?一个变换系数的方差越大，分配给它的比特数越多? 代入比特率约束1 R? NN ?11 R ? ? k N k ?0N ?1? ? 1 log 2 ? ?0 k ?0 222 vk? ? ? ?0 ? ? 2 2?2 R ? ? ? v2k ? ? k ?1 ?N1 N? 每个系数的码率和最小失真分别为：? 1 Rk ? R ? log 2 ? ? v2k ? 2 ? ?? ?? ? 2 ? ? , ? ? v ? k ? ? k ?1 ? ? ? ?N 1 NDk ? Rk ? ? ? 2? v2k 2?2 RkDCT 变换系数的比特分配? 变换编码的总的最小失真为DT? R ? ? ? Dk ? Rk ? ? N ?0 ? N ?k ?0N ?122?2 R? N ?1 2 ? ? ? ? vk ? ? k ?0 ?1 N? 假设对原始信号的码率失真函数为2 ?2 R D ? R ? ? ? 2? u 2? 则变换编码增益为GT ? 10 log10 D ? R? DT? R?? 10 log102 ?2 R ? 2? u 2? ? N ? 2 2?2 R ? ? ? v2k ? ? k ?0 ?N ?11 N? 10 log102 ?u? ? N ? ? ? v2k ? ? k ?0 ?N ?11 NDCT 变换系数的比特分配? 变换编码增益为GT ? 10 log102 ?u 1 N?1 NNN ?1 k ?02 ? ? vk算术均值? ? N ? ? ? v2k ? ? k ?0 ?N ?12 ? ? v k ?0N ?1k几何均值? σu2 为 Ruu 对角线的元素，对平稳过程， Ruu每个 (i, i) 相等 ? 增益与系数方差的集中程度有关 ? 若每个系数的方差相等，则没有增益? 上述最佳 Rk 不一定为整数，甚至不能保证为正数? Rk & 0 ? Rk = 0 ? 但增大了平均码率，还需均匀减小非 0 的 RkDCT 变换系数的递归比特分配? 满足约束： Rk ≥ 0 且 Rk 为整数 ? 所以码率分配算法为： ? 计算每个成分的方差 σvk2 ? 初始所有的 Rk = 0，k= 0,1,2,….,N-1 ? 对所有的方差 σvk2 排序，对最大方差的成分 k’ 分配 1 比特 Rk ? ? Rk ? ? 1 , ? ?2k ? ? 1 4 ? ?2k ? ? 若比特数用尽，停止；否则转第 3 步 ? 上述算法称为 zonal sampling（区域编码）8*8 变换的比特分配DCT 变换系数的阈值编码? 区域编码 Zonal sampling? 基于平均值进行比特分配 ? 局部变化可能不能很好重构 ? 如边缘像素? 阈值编码：对所有大于阈值的系数进行编码，而丢弃所 有低于门限的变换系数。? 传送的系数位置随图像内容而变化，具有一定的自适应性。 ? 非零变换系数的位置与它们的幅度值一起传送(a) 区域编码屏蔽矩阵(b) 区域比特分配表(c) 阈值编码屏蔽矩阵DCT 变换系数的阈值编码? 对于不同的变换系数块，传送的变换系数可能 不同。阈值编码常用均匀量化器和熵编码，即 y ? y 变长码。?x y阈值编码的量化特性曲线? 阈值编码也是一种自适应编码，量化编码自适应 于图像内容，比系数屏蔽矩阵不随图像变化的区 域编码有更高的压缩比。DCT 变换系数的游程编码? 更有效的传输非零变换系数位置的方法：“之” 字型扫描和游程-幅度二维熵编码。? “之”字形扫描? 使变换系数所代表的频率分量由高到低排列，增加连零的个数，提 高变字长游程编码效率，将二维 8×8 变换系数排列成一维 1×64 数据串。对于隔行扫描图象，可以采用其它替代的“之”字形扫描。 ? 块结束发送EOB（End of Block）标识基于 DCT 块变换的编码系统DCTZig-zagQuantize101...游程-幅度编码Huffman Code基于 DCT 的编码系统－编码?139 ?144 ? ?150 ? ?159 144 149 153 ? 151 153 156 ? ? 155 160 163 ? ? 161 162 160 ?DC component-2 -1 ? 0 -1 ? ? 0 1? ? 1 0?DCT? 614 -14 ? -21 -5 ? 3 ? -1 ? ? 0 -3Quantize原始图象AC components[79 0 ?2 ?1 ?1 ?1 0 0 1 0 0 0 0 0 0 0]?0 ?1 ? ?0 ? ?0 ?0 ? ?2 ? ?0 79 ? ?2 ? ? ?1? ? ?1? ?1? ? 1? 0? ?zigzag? 79 0 ?1 ? ?2 ?1 0 ? ? ?1 1 0 ? ?0 0 00? 0? ? 0? ? 0?run-length -Value code游程 (连 0 的个数)Huffman code幅度11...coded bitstream & 10 bits (0.55 bits/pixel)基于 DCT 的编码系统－编码?139 ?144 ? ?150 ? ?159 144 149 153 ? 151 153 156 ? ? 155 160 163 ? ? 161 162 160 ? ?144 ?148 ? ?155 ? ?162 146 147 147 ? 150 152 152 ? ? 157 157 156 ? ? 161 159 156 ? ? ?5 ?2 2 ? ?4 1 1 ? ? ?5 ?2 3 ? ? ?3 0 3 6? 4? ? 7? ? 4?original blockreconstructed blockerrorsUncompressed (262 KB)Compressed (50) (22 KB, 12:1)Compressed (1) (6 KB, 43:1)基于 DCT 块变换的编码系统DCT 系数的传输图象块 图象块 DCT 系数量化的图象 块DCT 系数重建 图象块典型的DCT编码失真－块效应? DCT 本身没有失真，是可逆变换，如果计算精 度保证的话，变换前后的结果是一样的。 ? DCT 变换固有的缺点：? 块效应：变换编码是一种块结构编码方法，易出现块 与块之间的不连续性。如下图中的 “阶梯效应” 和 后面图中的 “蚊子效应”。 ? 图像的边界、纹理处易出现较明显的损伤。典型的DCT编码失真－块效应典型的DCT编码失真－蚊子效应
典型的 DCT 编码失真－高频损伤? 分类：? ? ? ? ? 没有细节的块 水平结构 垂直结构 对角结构 无方向的纹理? 对每一类图象，分别 优化量化和熵编码自适应变换编码? DCT 编码效率和尺寸之间的关系是单调曲线，其 拐点在4×4、8×8、16×16 区段 ? 需要根据图像分辨率（QCIF、CIF、SDTV、 HDTV或数字电影）选择 DCT 变换块的大小。 H.264 中选择 4×4：? 更适宜于小尺寸图像，相应的块效应主观感觉也会减 弱 ? 更好的运动补偿，意味着更小的空间相关性DCT变换的尺寸位/象素2.5 2.0 1.5 1.02*2 4*4 8*8 16*16 32*32 64*64子块尺寸DCT快速算法? 直接进行 DCT 计算：每个系数需要 64 次乘法、63 次加法， 8×8 DCT 将需要 1024 次乘法，896 次加法。 ? DCT 有快速算法：2D-DCT 的行列运算，每一次运算变为 1D-DCT 运算，1D-DCT 采用 fast DCT。一般的 1D-DCT 的 快速算法使运算量降低为 Nlog2N 数量级的实数乘法。系数ROMCUCBN ?N 矩阵表1st dimension行转置BTN ?N 矩阵表VT2st dimension列B=CUVT=VBTDCT快速算法? DCT 快速算法是中国人陈文雄 (1977) 提出的? N＝8 时的算法如图 ? cx 对应于 cosx，sx 对应于sinx。DCT和DFT 比较DCT 变换后的能量更集中 更适合压缩DCT次最佳变换－一阶Markov过程? 如果一个静态序列中每个元素的条件概率只依赖 于它的前一个元素，则此静态随机序列称为一阶 马尔可夫序列。通常遇到的图象都能满足这个马 尔可夫假设。? 对于那些可以用一阶马尔可夫(Markov) 过程来模 拟的图象，DCT 是 KLT 变换的很好的近似，尤 其是当 ρ接近于 1 的情况下。因此，对于通常遇 到的图象，都可以用更容易计算的 DCT 来近似 KLT 变换。DCT次最佳变换－一阶Markov过程? 一个 N 元素零均值一阶马尔可夫序列的协方差矩 阵为? 1 ? ? ? R ? ? 2 ? ?2 ? ? ? N ?1 ? ? ??1?2 ?1 ???? N ?2? N ?3? ? N ?1 ? ? ? ? N ?2 ? ? ? N ?3 ? ? ? ? ? ? 1 ? ?? 特征值λk 和特征向量 φk 为:1? ?2 ?k ? 1 ? 2 ? cos ?k ? ? 2DCT次最佳变换－一阶Markov过程?k ? m ? ? ? ? m , k ? ?? ? 2 N ? 1 ? ? k ? 1? ? sin ? ?k ? m ? ?? ? ? N ? ?k 2 2 ? ? ? , 0 ? m, k ? N ? 1 ? ? ?? wk 是如下超越方程的正根:tan ? N ? ? ? ??1 ? ? 2 sin ?2?cos ? ? 2 ? ? ? cos ?,N even? 只要给出ρ的一个值，就可以计算出 KLT 变换的基向量。 ? 对于自然景物，通常 ρ≈1，这时 DCT 的基向量可以很好 地近似 KLT 变换地基向量，因此，DCT 经常代替 KLT。 尽管 DCT 在降低相关性方面不如 KLT 有效，但是其好处 是它的基函数是固定的，而且对于强相关图象来讲，DCT 可以近似 KLT，所以，DCT 是次最佳的变换。DCT次最佳变换－一阶Markov过程? 对相关性较强的数据，它有优良的能量集中（次最 佳变换）markov序列 （强相关） 协方差阵 R R 的特征矢量 K-L 变换矢量 K-L 变换 （最佳）强相关? DCT 基矢量?DCT 变换 （次最佳）
一台典型的多媒体计算机在硬件上不应该包括( )。 (D) A. B. C. D. ...ping 127.0.0.1 @Copyright2007 四川大学网络教育学院版权所有 ...四川大学大学计算机基础课后习题答案_理学_高等教育_教育专区。第一章 一.选择题...多媒体软件系统 6. 4.A 5.C 9.C 10.A 14.D 15.C 19.C 20.C 3....大学计算机基础考试样题1 大学计算机基础考试样题1 ...(2,得分: ) A、数字编码 B、符号编码 C、汉字...具有多媒体功能的微机系统常用CD-ROM作为外存储器, ...小波变换、语音识别与合成、金融 信息系统、计算机...大学生科技创新中心、单片机开放实验室等多个教学实验...大学信息与软件工程学院和川大的软 件学院应该是基础...川大《计算机应用基础》第一次作业答案_工学_高等教育_教育专区。首页 - 我的...汉字编码分别用两个连续的字节来表示各自的对象,1KB 存储容 量最多可以存储的...计算机多媒体技术基础作业答案_理学_高等教育_教育...数字编码器 (b)数字解码器 (d)数字到模拟的转换...大学计算机第8章 多媒体... 108页 5下载券
第...多媒体技术基础作业_计算机硬件及网络_IT/计算机_专业资料。江西理工大学 ...预测编码:利用空间中相邻数据的相关性来进行压缩数据。 变换编码: 将空间或空间...多媒体艺术基础选择题_工学_高等教育_教育专区。1....1 编码的形式来表示 23 .图形、图像在计算机 中总...模拟到数字的转换器(a/d 转换器)和数字编码器 B...多媒体技术基础课程课外实践题目_计算机硬件及网络_IT/计算机_专业资料。多媒体技术基础课程课外实践题目 一、香农-范诺编码 有一幅 40 个像素的组成的灰度图像,...多媒体计算机系统组成_电脑基础知识_IT/计算机_专业资料...数据按 ISO/IEC11172 的规定编码,交错地存放在光道...Wave 合成器 Wave 合成器的模/数转换和数/模转换...
All rights reserved Powered by
copyright &copyright 。文档资料库内容来自网络，如有侵犯请联系客服。