问题标签 [dct]

如何使用 OpenCv 和 C++ 将 JPEG 图像转换为 DCT 8x8？就像我从哪里开始一样？

我对 Matlab 以及图像和信号处理相当陌生。到目前为止，我能够读取图像并执行 DCT 转换并将其填充到矩阵中，然后通过放置从低到高的 DCT 系数（5、10、15、30）并执行得到这个数字的逆 DCT --->

我想知道的是如何重新压缩重建的图像以执行另一个转换以显示进一步的 JPEG 损失？我该怎么办？谢谢，我希望你能耐心地解释我在做什么/试图做什么，因为我对这个奇妙的世界很陌生！

在 MATLAB 中有两种计算 DCT 及其逆的替代方法。一个是dct2/ idct2，另一个是由 计算的变换矩阵dctmtx。为什么有一种基于矩阵乘法的替代方法dctmtx？

为什么 JPEG 压缩按 8x8 块处理图像，而不是对整个图像应用离散余弦变换？

我要做的是计算图像的 2D DCT，Java然后将结果保存回文件。

读取文件：

转换为浮点数组：

运行 DCT：

然后将其保存为图像：

但我得到的是：http: //kyle.pl/up/2012/05/29/dct_stack.png

谁能告诉我我做错了什么？或者，也许我在这里不明白什么？

我有一个灰度图像。我做了 8x8 块并计算了它们的每个 DCT。我想量化 DCT 系数，然后用我的秘密消息位替换它们的 LSB。我究竟如何量化系数？我应该使用JPEG使用的量化矩阵吗？如何确定这样一个量化矩阵的值？

我需要在量化之后访问 DCT 系数表（jpeg_write_scanlines？），但在霍夫曼熵编码之前以及将文件写入磁盘之前。libjpeg有可能吗？我知道作为一种解决方法，我可以将压缩文件写入磁盘并使用缓冲图像模式（jpeg_read_coefficients）将其读回，但我想避免走弯路。

使用 Rprof 发现 dtt 包中的 dct 是一段运行非常缓慢的 R 代码中的主要违规者。将它换成 stats 包中的 fft（这不是相同的转换，但应该花费相同的时间来计算）我的运行时间显着改善。事实上，我的 Rprof 行中有 2/3 之前是 dct 调用，而在进行切换后，大约 600 行中只有 3 行是 fft 调用。

dtt 包中的 dct 实现不是使用快速离散傅立叶变换完成的吗？如果是这样，是否有一个包有一个？（我知道可以将数据加倍，然后从这些 fft 系数中提取 dct 的系数，但是直接快速 dct 肯定会更好，而且真的应该在某个地方有一个）。

我尝试研究 jpeg 图像压缩。我有一个量化步骤的问题，我无法找到矩阵 16x16 的量化表。我正在使用 dct 搜索用于数字图像压缩的 JPEG 量化表 (16x16) 的 matlab 代码。我可以查找的任何链接或资源？

例如，将块大小从 8x8 增加到 16x16。我预计系数会减少，因为合并块的相应系数之间会有一个平均值（在上面的示例中：4 个 8x8 块组成 1 个 16x16 块）。如果它们真的减少了，低频是否会下降得更快？我们可以说如果它们降低得较慢，信息将被推向高频系数吗？这会降低图像质量，因为高频区域的量化更高？我可以说较大块的量化误差更高，因为一个像素的系数会比多个量化误差多吗？我觉得答案需要一些数学知识。谢谢你的帮助。