圖像二維整數(shù)離散余弦變換(dct)變換算法和dsp實現(xiàn)課程設計(存儲版)
【正文】 且增加了計算的復雜性。彩色圖像有像素組成，這些像素具有 RGB彩色值。 DCT式目前最佳的圖像變換，它有很多優(yōu)點。它是利用了人眼對高頻部分不敏感的特性來實現(xiàn)數(shù)據(jù)的大幅簡化。對 Y 分量采用細量化，對 UV 采用粗量化。 //顯示函數(shù)，輸出為整形數(shù)據(jù) void DCT(int **f,double **F)。 //定義量化后的數(shù)組。jN。 //輸出量化后的 DCT數(shù)據(jù) iQuant((int **)fq,(int **)fq_1)。i++) for(j=0。i++) { for(j=0。i++) { for(j=0。iN。 double temp[N][N]={}。 //+ } } void DCT(int **f,double **F) //DCT轉換 { int x,m,n。 } //一維變換 ,對列進行一維 DCT變換。 //二維變換，對行進行以為 DCT變換 for (m=0。 double dTemp[N][N] = {}。xN。y++) for(x=0。//為四舍五入取整 } else (*((int*)F+x*N+y))=(int)((*((double*)dTemp+x*N+y))+)。 //二維變換 for (y=0。m++) { coff[m]=sqrt(2)/sqrt(N)。x++) //每個 cos系數(shù)遍歷 (*((double*)F+m*N+n))+=(*((double*)temp+m*N+x))*coff[n]*cos((2*x+1)*PI*n/(2*N))。xN。mN。 if (((*((double*)temp+i*N+j))0)) 9 { *((int*)F+i*N+j)=(int)((*((double*)temp+i*N+j)))。 //+ } } void iQuant(int **f,int **F) { int i=0。 double temp[N][N]={}。 for(i=0。 for(i=0。 //IDCT變換 for(i=0。 //量化 printf(\n量化后的 DCT為： \n)。iN。 //初始化逆變換的輸出數(shù)組 int f2[N][N]={0}。 void showMat_d(double **matShow)。 因為人眼對亮度信號比對色差信號更敏感，因此使用了兩種量化表：亮度量化值和色差量化值。把該矩陣看作一個空間域，顯然，塊中這些亮度值的大小有一定的隨機性，無序性，或者說亮度值的分布沒有什么特征； DCT變換就是來解決這個問題的，把這些隨機的數(shù)據(jù)變的有序，便于對數(shù)據(jù)進行編碼壓縮。通過 DCT變換，空間表達式就轉化為頻譜表達式或頻率域。這允許在頻率域中只用幾個數(shù)據(jù)點就可以表示信號，而在時間域中表示則需要大量數(shù)據(jù)點。 在變換編碼中，首先要將圖像數(shù)據(jù)分割成子圖像，然后對子圖像數(shù)據(jù)塊實施某種變換，如 DCT 變換，那么子圖像尺寸取多少好呢？根據(jù)實踐證明子圖像尺寸取 4 8 1616適合作圖像的壓縮，這是因為： 1 如果子圖像尺寸取得太小，雖然計算速度快，實現(xiàn)簡單，但壓縮能力有一定的限制。 有兩個相關的變換，一個是離散正弦變換 (DST for Discrete Sine Transform),它相當于一個長度大概是它兩倍的實奇函數(shù)的離散傅里葉變換；另一個是改進的離散余弦變換(MDCT for Modified Discrete Cosine Transform),它相當于對交疊的數(shù)據(jù)進行離散余弦變換。它的逆，也就是下面給出的第三種類型，通常相應的被稱為 反離散余弦變換 ， 逆離散余弦變換 或者 IDCT。 在重建圖像進行解碼時，所損失的將是一些不重要的信息，幾乎不會引起圖像的失真。如我們已經看到的那樣，原因就是信號只含有少量的頻率成分。而一個 8x8 矩陣的 64 3 個值，每個值都帶有各自的 x， y坐標，這樣我們就有了一個像素的三維表示法，稱作控件表達式或空間域。 在這里，
畢業(yè)設計相關推薦
鄂ICP備17016276號-1