离散余弦变换在jpeg中的应用

📚 离散余弦变换（DCT）数学计算过程详解

离散余弦变换（DCT）是一种将信号从时域（或空域）转换到频域的数学工具，其核心思想是将一个序列表示为一组不同频率余弦函数的加权和。DCT在图像和信号处理中应用广泛（尤其是JPEG压缩），因为它能将信号能量集中到少数低频系数上，便于后续的压缩和处理。下面我们分维度详细解释其数学计算过程。

🔢 一维离散余弦变换（1D-DCT）

一维DCT用于处理序列信号（如音频或图像的一行像素）。给定一个长度为 $N$ 的实数序列 $x[n]$（其中 $n = 0, 1, \dots, N-1$），其DCT变换后得到长度为 $N$ 的系数序列 $X[k]$（其中 $k = 0, 1, \dots, N-1$）。最常用的DCT-II形式公式如下：

正变换（Forward DCT）：
$$X[k] = C[k] \cdot \sum_{n=0}^{N-1} x[n] \cdot \cos\left( \frac{\pi (2n + 1)k}{2N} \right)$$
逆变换（Inverse DCT）：
$$x[n] = \sum_{k=0}^{N-1} C[k] \cdot X[k] \cdot \cos\left( \frac{\pi (2n + 1)k}{2N} \right)$$
其中，归一化系数 $C[k]$ 定义为：
$$C[k] = \begin{cases} \sqrt{\frac{1}{N}} & \text{if } k = 0 \\ \sqrt{\frac{2}{N}} & \text{if } k = 1, 2, \dots, N-1 \end{cases}$$

一. 我将使用序列 x = [8, 6, 2, 4] 详细演示一维离散余弦变换（DCT-II）的计算过程，并解释结果与余弦基函数的关系。

第一步：列出四个余弦基函数

基函数的形式为 $\cos\left( \frac{\pi (2n+1)k}{8} \right)$，对每个 $k$ 计算其在 $n=0,1,2,3$ 处的值（保留四位小数）：

第二步：逐项计算 DCT 系数 $X[k]$

正变换公式：

$$X[k] = C[k] \cdot \sum_{n=0}^{3} x[n] \cdot \cos\left( \frac{\pi (2n + 1)k}{8} \right)$$

1. 计算 $X[0]$（DC 系数）

$$\begin{aligned} X[0] &= C[0] \cdot \sum_{n=0}^{3} x[n] \cdot 1 \\ &= 0.5 \times (8 \times 1.0000 + 6 \times 1.0000 + 2 \times 1.0000+4\times 1.0000) \\ &= 0.5 \times 20 = \mathbf{10.0} \end{aligned}$$

2. 计算 $X[1]$（第一 AC 系数）

先求内积（基函数 $k=1$ 与 $x$ 的点乘）：
$$\begin{aligned} \sum_{n} x[n] \cdot \cos\left( \frac{\pi (2n+1)}{8} \right) &= 8 \times 0.9239 + 6 \times 0.3827 + 2 \times (-0.3827) + 4 \times (-0.9239) \\ &= 7.3912 + 2.2962 - 0.7654 - 3.6956 \\ &= 5.2264 \end{aligned}$$
乘以归一化系数：
$$X[1] = 5.2264 \times 0.70710678 \approx \mathbf{3.6955}$$

3. 计算 $X[2]$（第二 AC 系数）

内积（基函数 $k=2$）：
$$\begin{aligned} \sum_{n} x[n] \cdot \cos\left( \frac{\pi (2n+1) \cdot 2}{8} \right) &= 8 \times 0.7071 + 6 \times (-0.7071) + 2 \times (-0.7071) + 4 \times 0.7071 \\ &= (8 - 6 - 2 + 4) \times 0.7071 \\ &= 4 \times 0.7071 = 2.8284 \end{aligned}$$
乘以归一化系数：
$$X[2] = 2.8284 \times 0.70710678 = \mathbf{2.0}$$

4. 计算 $X[3]$（第三 AC 系数）

内积（基函数 $k=3$）：
$$\begin{aligned} \sum_{n} x[n] \cdot \cos\left( \frac{\pi (2n+1) \cdot 3}{8} \right) &= 8 \times 0.3827 + 6 \times (-0.9239) + 2 \times 0.9239 + 4 \times (-0.3827) \\ &= 3.0616 - 5.5434 + 1.8478 - 1.5308 \\ &= -2.1648 \end{aligned}$$
乘以归一化系数：
$$X[3] = -2.1648 \times 0.70710678 \approx \mathbf{-1.5307}$$

最终得到频域为：

$$\boxed{X = [10.0,\ 3.6955,\ 2.0,\ -1.5307]}$$

二. 根据频域 [10.0, 3.6955, 2.0, -1.5307] 计算每个点的重建值

IDCT（DCT-II 的逆变换）公式为：

$$x[n] = \sum_{k=0}^{N-1} C[k] \cdot X[k] \cdot \cos\left( \frac{\pi (2n+1)k}{2N} \right)$$

IDCT 的本质是将 DCT 系数 $X[k]$ 作为权重，与对应的余弦基函数进行线性组合，从而重建原始信号。具体来说：

• 权重计算：每个频率分量 $k$ 的贡献权重为 $W[k] = C[k] \cdot X[k]$。
  • $W[0] = 0.5 \times 10.0 = 5.0$
  • $W[1] = 0.70710678 \times 3.6955 \approx 2.6132$
  • $W[2] = 0.70710678 \times 2.0 \approx 1.4142$
  • $W[3] = 0.70710678 \times (-1.5307) \approx -1.0824$

四个余弦基函数在各点的值如下（保留四位小数）:

• 原始序列的每个点由四个基函数的加权和构成：

$$\begin{aligned} x[0] &= W[0] \cdot 1.0000 + W[1] \cdot 0.9239 + W[2] \cdot 0.7071 + W[3] \cdot 0.3827 \\ &= 5.0 + 2.6132 \times 0.9239 + 1.4142 \times 0.7071 + (-1.0824) \times 0.3827 \\ &= 5.0 + 2.4142 + 1.0 + (-0.4142) = 8.0 \\ \end{aligned}$$

$$\begin{aligned} x[1] &= W[0] \cdot 1.0000 + W[1] \cdot 0.3827 + W[2] \cdot (-0.7071) + W[3] \cdot (-0.9239) \\ &= 5.0 + 2.6132 \times 0.3827 + 1.4142 \times (-0.7071) + (-1.0824) \times (-0.9239) \\ &= 5.0 + 1.0 + (-1.0) + 1.0 = 6.0 \\ \end{aligned}$$

$$\begin{aligned} x[2] &= W[0] \cdot 1.0000 + W[1] \cdot (-0.3827) + W[2] \cdot (-0.7071) + W[3] \cdot 0.9239 \\ &= 5.0 + 2.6132 \times (-0.3827) + 1.4142 \times (-0.7071) + (-1.0824) \times 0.9239 \\ &= 5.0 + (-1.0) + (-1.0) + (-1.0) = 2.0 \\ \end{aligned}$$

$$\begin{aligned} x[3] &= W[0] \cdot 1.0000 + W[1] \cdot (-0.9239) + W[2] \cdot 0.7071 + W[3] \cdot (-0.3827) \\ &= 5.0 + 2.6132 \times (-0.9239) + 1.4142 \times 0.7071 + (-1.0824) \times (-0.3827) \\ &= 5.0 + (-2.4142) + 1.0 + 0.4142 = 4.0 \\ \end{aligned}$$

因此，逆变换完美重建了原始序列 $x = [8.0, 6.0, 2.0, 4.0]$。

三. 模拟压缩：丢弃高频分量

情况一：丢弃权重最小的 $W[3]$（最高频）

设 $W[3] = 0$，重建序列 $x_1$：
$$\begin{aligned} x_1[0] &= 5.0 + 2.6132 \times 0.9239 + 1.4142 \times 0.7071 = 5.0 + 2.4142 + 1.0 = 8.4142 \\ x_1[1] &= 5.0 + 2.6132 \times 0.3827 + 1.4142 \times (-0.7071) = 5.0 + 1.0 + (-1.0) = 5.0 \\ x_1[2] &= 5.0 + 2.6132 \times (-0.3827) + 1.4142 \times (-0.7071) = 5.0 + (-1.0) + (-1.0) = 3.0 \\ x_1[3] &= 5.0 + 2.6132 \times (-0.9239) + 1.4142 \times 0.7071 = 5.0 + (-2.4142) + 1.0 = 3.5858 \\ \end{aligned}$$
得到 $x_1 = [8.414, 5.0, 3.0, 3.586]$。

情况二：丢弃 $W[2]$ 和 $W[3]$（两个高频分量）

设 $W[2] = 0, W[3] = 0$，重建序列 $x_2$：
$$\begin{aligned} x_2[0] &= 5.0 + 2.6132 \times 0.9239 = 5.0 + 2.4142 = 7.4142 \\ x_2[1] &= 5.0 + 2.6132 \times 0.3827 = 5.0 + 1.0 = 6.0 \\ x_2[2] &= 5.0 + 2.6132 \times (-0.3827) = 5.0 + (-1.0) = 4.0 \\ x_2[3] &= 5.0 + 2.6132 \times (-0.9239) = 5.0 + (-2.4142) = 2.5858 \\ \end{aligned}$$
得到 $x_2 = [7.414, 6.0, 4.0, 2.586]$。

📈 结果对比与分析

四. 离散余弦变换可视化讲解