<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>牧羊人的方向 &#187; 视频图像</title>
	<atom:link href="http://www.sweetytang.com/archives/tag/%e8%a7%86%e9%a2%91%e5%9b%be%e5%83%8f/feed" rel="self" type="application/rss+xml" />
	<link>http://www.sweetytang.com</link>
	<description>追风少年,且听风吟,风犹在耳,牧羊人的方向</description>
	<lastBuildDate>Mon, 08 Sep 2014 05:13:42 +0000</lastBuildDate>
	<language>en</language>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
	<generator>http://wordpress.org/?v=3.2.1</generator>
		<item>
		<title>DCT变换</title>
		<link>http://www.sweetytang.com/archives/55.html</link>
		<comments>http://www.sweetytang.com/archives/55.html#comments</comments>
		<pubDate>Tue, 17 Jul 2012 05:54:47 +0000</pubDate>
		<dc:creator>牧羊人</dc:creator>
				<category><![CDATA[师夷长技]]></category>
		<category><![CDATA[DCT变换]]></category>
		<category><![CDATA[视频图像]]></category>

		<guid isPermaLink="false">http://www.sweetytang.com/?p=55</guid>
		<description><![CDATA[在图像压缩中，一般把图像分解为8×8的子块，然后对每一个子块进行DCT变换、量化，并对量化后的数据进行Huffman编码。DCT变换可以消除图像的空间冗余，Huffman编码可以消除图像的信息熵冗余。 DCT 是无损的，它只将图像从空间域转换到变换域上，使之更能有效地被编码。对一个图像子块而言，将对变换后的64个系数进行量化，并对Z字顺序扫描系数表进行 编码。这种排列方法有助于将低频非0系数置于高频系数之前，直流系数由于包含了所有图像特征中的关键部分而被单独编码。量化后的系数经过熵编码进一步无损 压缩，通常采用的是Huffman编码。这种压缩编码方法中，图像质量的降低主要是由于对系数的量化造成，且不可恢复。假设子图像为f(x, y)，则DCT变换可以由下面的公式实现： 其中式(1)的f(u, v)表示变换域的高频成分，也称为交流系数；式(2)中F(0, 0)表示变换域中的低频成分，也称为直流系数。对变换结果进行分析，可以看出能量主要集中到左上角。DCT变换具有良好的去相关特性。在图像的压缩编码中，N一般取8。 在解码时首先得到各点的DCT系数，然后根据下面的DCT反变换即可恢复出原图像。DCT的反变换公式为： 利用公式(3)可以无损地恢复原图像。在实际的应用中，使用DCT变换的矩阵描述形式更容易理解。 &#160; &#160;]]></description>
			<content:encoded><![CDATA[<p>在图像压缩中，一般把图像分解为8×8的子块，然后对每一个子块进行DCT变换、量化，并对量化后的数据进行Huffman编码。DCT变换可以消除图像的空间冗余，Huffman编码可以消除图像的信息熵冗余。<span id="more-55"></span></p>
<p>DCT 是无损的，它只将图像从空间域转换到变换域上，使之更能有效地被编码。对一个图像子块而言，将对变换后的64个系数进行量化，并对Z字顺序扫描系数表进行 编码。这种排列方法有助于将低频非0系数置于高频系数之前，直流系数由于包含了所有图像特征中的关键部分而被单独编码。量化后的系数经过熵编码进一步无损 压缩，通常采用的是Huffman编码。这种压缩编码方法中，图像质量的降低主要是由于对系数的量化造成，且不可恢复。假设子图像为f(x, y)，则DCT变换可以由下面的公式实现：</p>
<p><a href="http://www.sweetytang.com/wp-content/uploads/2012/07/equation.jpg"><img class="alignnone size-medium wp-image-56" title="equation" src="http://www.sweetytang.com/wp-content/uploads/2012/07/equation-300x63.jpg" alt="" width="300" height="63" /></a></p>
<p>其中式(1)的f(u, v)表示变换域的高频成分，也称为交流系数；式(2)中F(0, 0)表示变换域中的低频成分，也称为直流系数。对变换结果进行分析，可以看出能量主要集中到左上角。DCT变换具有良好的去相关特性。在图像的压缩编码中，N一般取8。</p>
<p>在解码时首先得到各点的DCT系数，然后根据下面的DCT反变换即可恢复出原图像。DCT的反变换公式为：</p>
<p><a href="http://www.sweetytang.com/wp-content/uploads/2012/07/equation1.jpg"><img class="alignnone size-medium wp-image-57" title="equation1" src="http://www.sweetytang.com/wp-content/uploads/2012/07/equation1-300x51.jpg" alt="" width="300" height="51" /></a></p>
<p>利用公式(3)可以无损地恢复原图像。在实际的应用中，使用DCT变换的矩阵描述形式更容易理解。</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
]]></content:encoded>
			<wfw:commentRss>http://www.sweetytang.com/archives/55.html/feed</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
	</channel>
</rss>
