问题标签 [dct]

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

现在我可以转换黑白图像的 8x8 部分，例如：

进入这张图片，右上角有所有重要信息。转换后的块如下所示：

现在，我需要知道如何利用这种转变？我想检测同一图像（或另一个图像）中代表良好匹配的其他 8x8 块。

另外，这种转变给了我什么？为什么存储在转换图像右上角的信息很重要？

我正在编写一个 C++ 程序来将 BMP 图像转换为 JPEG。

这是我试图遵循的基本算法：

1. 将 RGB 颜色空间转换为 Y,Cb,Cr..
2. 将 Cb 和 Cr 向下采样 2（这意味着对于 2*2 的每个方形块有 4 个不同的 Y 值，但 1 个 Cb 和 1 个 Cr 值
3. 将 DCT 应用于每个 8*8 像素的数据单元...
4. 然后使用标准的 Cb 和 Cr 量化表对 DCT 系数进行量化。
5. 做之字形排序。
6. 使用霍夫曼编码分别对直流和交流系数进行编码。
7. 写入正确的标头并将霍夫曼编码值写入文件...

我已经验证我正确地执行了上述操作，但我仍然遇到以下问题：

• 生成的 JPEG 未正确显示。
• 我制作了一个小的 8*8 24 位（颜色深度）bmp 文件，完全填充了颜色值 R=10 B=10 和 G=100...所有 64 个像素都是相同的颜色..
• 我在每一步得到的数据如下......
  • BMP 标头大小为 40
  • 标头大小 40
  • 宽度 8
  • 身高 8
  • 飞机数量 1
  • 每像素位数 24
  • 图像尺寸 194
  • x 分辨率每米像素 2834
  • y 分辨率每米像素 2834
  • 颜色数 0
  • 小鬼颜色数 0
  • (R,B,G)=(10,10,100)的Y Cb Cr换算为(62,-29,-37)

所以让我们首先考虑 Y 分量。

Y 分量的 DCT 系数为：

在量化之后，对于 Y 分量，我得到的单个数据单元的锯齿形排序是这样的。

现在上述之字形顺序数组的霍夫曼编码为：

• Y直流编码：00111110
• Y ac 编码：1010（对于 ac 霍夫曼表（亮度 Y）EOB 值为 1010）
• Cb和Cr分量的类似哈夫曼编码如下：
• cb直流编码：11000010
• cb ac 编码：01（对于 ac 霍夫曼表（色度 Cb,Cr）EOB 值为 01）
• cr直流编码：110101110
• cr 交流编码：01

• 我得到的最终霍夫曼代码是：

  001111101010110000100111010111001 长度33

所以为了使它能被8整除，填充1就完成了。

这里每个 0 或 1 实际上是一个位，需要按原样存储在 JPEG 文件中，但由于我们不能逐位写入文件，因此总共取 8 位并转换为基数中的整数值10 并存储到一个 1 字节的字符中。

任何人都可以就我哪里出错提供任何建议吗？

我试图了解块大小的影响以及在 DCT 压缩中选择系数的最佳策略。基本上我想问我在这里写了什么：

视频压缩：什么是离散余弦变换？

让我们假设最原始的压缩。制作图像块。在每个博客上执行 DCT 并将一些系数归零。

据我了解，块越小越好。较小的块意味着像素更相关，因此 DCT 光谱中的能量更“紧凑”。在快速变化的图像（高频）中应该更加强调它。

假设我们将一定百分比的系数归零，什么会产生最佳图像质量，小块还是大块？假设我们保留 10%、25%、50%、75%，你会说这是不同百分比的不同答案吗？

另一个问题是如何选择你保持不变的系数。免得说我必须根据位置而不是能量做出决定。你会从左上角取一个正方形吗？我已经平均了 DCT 频谱中的许多块，并得出最好的结论是从左上角取一个三角形。你怎么看？

希望我们能进行有效的讨论。

我需要一个 Java 库、代码片段……来获取 JPEG 文件的 64 个 DCT 系数的频率分布。

有任何想法吗？谢谢！

我正在尝试用 java 编写一个简单的 DCT 算法。我希望我的 findDCT 方法有一个像这样的整数数组作为参数：

现在，我将如何声明此方法并能够将 'int[][] f' 作为参数传递，而不是使用声明为私有变量并在当前类的构造函数中初始化的 f[][]？

在这里，我的 DCT 算法类带有“applyDCT”和“applyIDCT”方法。从技术上讲，在对 0 到 255 之间的随机整数的 2x2 表进行正向 DCT（离散余弦变换）之后，然后立即对这些数字进行反向 DCT，我们应该回到我们最初拥有的原始整数。就我而言，情况并非如此。我在这里做错了什么？

这是随之而来的主要课程：

以下是结果示例：

如上所示，“Back to f”并没有显示最初包含在 f 中的相同值...

有没有办法从编码的图像和视频中轻松提取 DCT 系数（和量化参数）？任何解码器软件都必须使用它们来解码块 DCT 编码的图像和视频。所以我很确定解码器知道它们是什么。有没有办法将它们暴露给使用解码器的人？

我正在实施一些直接在 DCT 域中工作的视频质量评估算法。目前，我的大部分代码都使用 OpenCV，所以如果有人知道使用该框架的解决方案，那就太好了。我不介意使用其他库（也许是 libjpeg，但这似乎只适用于静止图像），但我主要关心的是尽可能少地做特定于格式的工作（我不想重新发明轮子并编写我自己的解码器）。我希望能够打开 OpenCV 可以打开的任何视频/图像（H.264、MPEG、JPEG 等），如果它是块 DCT 编码的，以获得 DCT 系数。

在最坏的情况下，我知道我可以编写自己的块 DCT 代码，通过它运行解压缩的帧/图像，然后我会回到 DCT 域。这几乎不是一个优雅的解决方案，我希望我能做得更好。

目前，我使用相当常见的 OpenCV 样板来打开图像：

我用于视频的代码同样简单：

在这两种情况下，我都得到了 BGR 格式的 3 通道IplImage。有什么方法可以得到 DCT 系数吗？

我正在研究图像处理，并且我有一张经过 DCT 处理并量化为 512 x 512 矩阵的 8 x 8 块的图像，现在我必须找出图像有多少量化级别。我是否需要获取左上角的像素并将其放入数组中，然后将其放置在图形调用上hist？

我试图找到一个 8 x 8 块的系数因图像的不同块而变化的范围。我是否需要为 matlab 中是否有函数的值生成直方图？

DCT（D iscrete C osine T转换）如何帮助压缩声音（或任何波状数据）？根据 DCT 变换，结果有 N 个输入值和 N 个输出值。压缩在哪里以及如何实现？