Pemampatan imej adalah kaedah, yang mengurangkan saiz data untuk mengurangkan jumlah ruang yang diperlukan untuk menyimpan data. Transformasi kosinus diskret (DCT) adalah kaedah untuk mengubah isyarat atau imej dari domain spatial ke komponen kekerapan. Ia adalah teknik yang digunakan secara meluas dalam pemampatan imej.
- Mengapa DCT lebih disukai untuk pemampatan imej?
- Apakah DCT dalam pemampatan imej?
- Adakah kehilangan DCT atau kehilangan?
- Mengapa kita menggunakan algoritma pemampatan imej DCT dalam JPEG?
Mengapa DCT lebih disukai untuk pemampatan imej?
DCT boleh digunakan untuk menukar isyarat (maklumat spatial) ke dalam data angka ("frekuensi" atau "spektrum" maklumat) supaya maklumat imej wujud dalam bentuk kuantitatif yang dapat dimanipulasi untuk pemampatan. Isyarat untuk imej grafik boleh dianggap sebagai isyarat tiga dimensi.
Apakah DCT dalam pemampatan imej?
Definisi DCT
Transformasi kosinus diskret (DCT) mewakili imej sebagai jumlah sinusoid yang berbeza -beza magnitud dan frekuensi. Fungsi DCT2 mengira transformasi kosinus diskret dua dimensi (DCT) imej.
Adakah kehilangan DCT atau kehilangan?
Ini membolehkan teknik DCT digunakan untuk pemampatan imej tanpa kehilangan. Ini adalah pengubahsuaian algoritma DCT yang asal, dan menggabungkan unsur -unsur modulasi DCT dan delta songsang. Ini adalah algoritma mampatan lossless yang lebih berkesan daripada pengekodan entropi. DCT tanpa kehilangan juga dikenali sebagai LDCT.
Mengapa kita menggunakan algoritma pemampatan imej DCT dalam JPEG?
DCT mempunyai fungsi kosinus yang lebih mudah dikira dan bilangan pekali menjadi kurang. Oleh itu, DCT boleh mengakibatkan pembinaan semula imej yang lebih tepat walaupun JPEG adalah transformasi kehilangan. Terdapat satu langkah yang disebut kuantisasi di mana piksel yang kurang penting dibuang mengikut pengagihan kekerapan.