我已经实现了一种称为离散余弦变换的图像/视频变换技术。该技术用于MPEG视频编码。我的算法基于以下URL中提出的想法:
http://vsr.informatik.tu-chemnitz.de/~jan/MPEG/HTML/mpeg_tech.html
现在我可以变换黑白图像的8x8部分,例如:
0140 0124 0124 0132 0130 0139 0102 0088
0140 0123 0126 0132 0134 0134 0088 0117
0143 0126 0126 0133 0134 0138 0081 0082
0148 0126 0128 0136 0137 0134 0079 0130
0147 0128 0126 0137 0138 0145 0132 0144
0147 0131 0123 0138 0137 0140 0145 0137
0142 0135 0122 0137 0140 0138 0143 0112
0140 0138 0125 0137 0140 0140 0148 0143
在这个图像中,右上角有所有重要信息。转换后的块看起来像这样:
1041 0039 -023 0044 0027 0000 0021 -019
-050 0044 -029 0000 0009 -014 0032 -010
0000 0000 0000 0000 -018 0010 -017 0000
0014 -019 0010 0000 0000 0016 -012 0000
0010 -010 0000 0000 0000 0000 0000 0000
-016 0021 -014 0010 0000 0000 0000 0000
0000 0000 0000 0000 0000 0000 0000 0000
0000 0000 -010 0013 -014 0010 0000 0000
现在,我需要知道如何利用这种转变?我想在同一图像(或另一个图像)中检测出代表良好匹配的其他8x8块。
此外,这种转变给了我什么?为什么存储在转换后图像右上角的信息很重要?
发布于 2019-06-24 13:48:15
DCT的结果是将原始源转换到频域。左上方的条目存储“幅度”,“基”频率和频率沿水平轴和垂直轴增加。DCT的结果通常是较常见的较低频率(左上象限)的幅度集合,而较高频率的较少的条目。正如lassevk所提到的,通常将这些较高频率归零,因为它们通常构成源的非常小的部分。但是,这确实会导致信息丢失。要完成压缩,通常在DCT源上使用无损压缩。这是压缩进入的地方,因为所有这些零运行都被打包到几乎没有。
使用DCT查找类似区域的一个可能的优点是,您可以在低频值(左上角)上进行首次匹配。这会减少您需要匹配的值的数量。如果找到低频值的匹配,则可以增加比较较高频率。
希望这可以帮助
发布于 2019-06-24 14:05:05
我从数据压缩书中学到了我对DCT的所有了解。除了作为数据压缩领域的一个很好的介绍之外,它还有一章接近有损图像压缩,它引入了JPEG和DCT。
https://stackoverflow.com/questions/-100001279
复制相似问题