Parce que cos(0) est de 1, la première (0e) coefficient de DCT-II est la moyenne des valeurs en cours de transformation. Cela rend le premier coefficient de chaque bloc de 8x8 représentent la moyenne de la tonalité de ses constituants pixels, ce qui est évidemment un bon point de départ. Ultérieure des coefficients d'ajouter l'augmentation des niveaux de détail, en commençant avec de magnifiques dégradés et continue de plus en plus délicats motifs, et il se trouve que les premiers coefficients de capturer la plupart du signal dans l'image photographique.
Sin(0) est 0, donc la Sspm commencer avec un décalage de 0,5 ou 1, et le premier coefficient est un léger monticule plutôt que d'une plaine. C'est peu probable, pour répondre à des images ordinaires, et le résultat est que le Sspm besoin de plus les coefficients de Dct pour encoder la plupart des blocs.
La DCT arrive juste à l'adapter. C'est vraiment tout ce qu'il ya à faire.
Lors de l'exécution de compression d'image, notre meilleur pari est d'effectuer le KLT ou la Karhunen–Loève transformer comme il le moins possible erreur quadratique moyenne entre l'original et de l'image compressée. Cependant, KLT est dépendante de l'image d'entrée, ce qui rend le processus de compression impraticable.
DCT est l'approximation la plus proche de la KL Transformer. Surtout, nous nous sommes intéressés dans les signaux de basse fréquence de sorte que seulement le même composant est nécessaire, d'où son calcul est possible de ne calculer que la DCT.
Aussi, l'utilisation de cosinus plutôt que des fonctions sinus est essentiel pour la compression de moins de cosinus fonctions sont nécessaires pour se rapprocher d'un signal typique (Voir Douglas Bagnall de réponse pour plus d'explications).
Un autre avantage de l'utilisation de cosinus est l'absence de discontinuités. En DFT, puisque le signal est représenté périodiquement, en tronquant la représentation des coefficients, le signal aura tendance à "perdre sa forme". Dans DCT, cependant, en raison de la continuité de la structure périodique, le signal peut résister relativement plus le coefficient de troncature, mais toujours garder la forme désirée.
La DCT d'un macrobloc de l'image où le haut et le bas et/ou les bords gauche et droit ne correspondent pas aura moins d'énergie à la fréquence plus élevée des coefficients qu'une DFT. Permettant ainsi davantage de possibilités pour ces hauts coefficients d'être retiré, plus grossièrement quantifiée ou comprimé, sans créer plus visible macrobloc limite des artefacts.
Parce que
cos(0)est de 1, la première (0e) coefficient de DCT-II est la moyenne des valeurs en cours de transformation. Cela rend le premier coefficient de chaque bloc de 8x8 représentent la moyenne de la tonalité de ses constituants pixels, ce qui est évidemment un bon point de départ. Ultérieure des coefficients d'ajouter l'augmentation des niveaux de détail, en commençant avec de magnifiques dégradés et continue de plus en plus délicats motifs, et il se trouve que les premiers coefficients de capturer la plupart du signal dans l'image photographique.Sin(0)est 0, donc la Sspm commencer avec un décalage de 0,5 ou 1, et le premier coefficient est un léger monticule plutôt que d'une plaine. C'est peu probable, pour répondre à des images ordinaires, et le résultat est que le Sspm besoin de plus les coefficients de Dct pour encoder la plupart des blocs.La DCT arrive juste à l'adapter. C'est vraiment tout ce qu'il ya à faire.
OriginalL'auteur Douglas Bagnall
Lors de l'exécution de compression d'image, notre meilleur pari est d'effectuer le KLT ou la Karhunen–Loève transformer comme il le moins possible erreur quadratique moyenne entre l'original et de l'image compressée. Cependant, KLT est dépendante de l'image d'entrée, ce qui rend le processus de compression impraticable.
DCT est l'approximation la plus proche de la KL Transformer. Surtout, nous nous sommes intéressés dans les signaux de basse fréquence de sorte que seulement le même composant est nécessaire, d'où son calcul est possible de ne calculer que la DCT.
Aussi, l'utilisation de cosinus plutôt que des fonctions sinus est essentiel pour la compression de moins de cosinus fonctions sont nécessaires pour se rapprocher d'un signal typique (Voir Douglas Bagnall de réponse pour plus d'explications).
Un autre avantage de l'utilisation de cosinus est l'absence de discontinuités. En DFT, puisque le signal est représenté périodiquement, en tronquant la représentation des coefficients, le signal aura tendance à "perdre sa forme". Dans DCT, cependant, en raison de la continuité de la structure périodique, le signal peut résister relativement plus le coefficient de troncature, mais toujours garder la forme désirée.
OriginalL'auteur Shubham Mittal
La DCT d'un macrobloc de l'image où le haut et le bas et/ou les bords gauche et droit ne correspondent pas aura moins d'énergie à la fréquence plus élevée des coefficients qu'une DFT. Permettant ainsi davantage de possibilités pour ces hauts coefficients d'être retiré, plus grossièrement quantifiée ou comprimé, sans créer plus visible macrobloc limite des artefacts.
OriginalL'auteur hotpaw2