DCT变换及量化.doc

整数变换及量化
1.目的：
进一步节省图像传输码率→对图像信号进行压缩→方法→去除图像信号中的相关性，减少图像编码的动态范围

变换编码 量化技术

将图像时频信号变换成频域信号 根据图像动态范围的
大小确定量化参数
信号能量集中在低频，比时域时码率下降

H.264中，将两个过程中的乘法合二为一，并进一步采用整
数运算，减少了编解码的运算量，提高图像压缩的实时性
流程图：

2. 整数变换
（1） 一维N点离散余弦变化（DCT）为：

其中，是输入时域序列的第n项，是输出频域序列中的第k项，系数定义为：

对，k=0时的系数为直流分量，其它系数成为AC系数。
（2） 二维N*N点图像块的离散余弦变化（DCT）为：
可理解为先对图像块的每行进行一维DCT，在对经行变换的块的每列再应用一维DCT。可以表示为：

为图像块中第i行第j列图像的残差值，是变换结果矩阵Y相应频率点上的DCT系数。用矩阵表示：

其中，。
H.264中对4*4的图像块进行操作，则相应的4*4的DCT变换矩阵A为：

设，则

A中a,b,c是实数，而图像块X中元素是整数。对实数的DCT，由于在解码端的浮点运算精度问题，会造成解码后的数据的失配，进而引起漂移。H.264由于预测过程，其对预测漂移是十分敏感的，因此，对A进行改造，采用整数DCT技术，可有效减少计算量，同时不损失图像的准确度。

，为简化，取d=0.5.
“”表示结果中的每个元素乘以矩阵E中对应位置上的系数值的运算。
同时为了保持变换的正交性，对b修正，取。
对矩阵C中第2行和第4行，和CT中的第2列和第4列，乘以2改造，改造矩阵E为Ef。

（1）

“”对每个矩阵元素只进行一次乘法。 归纳到量化里。
只剩下整数的加法、减法和移位运算。
实际的DCT输出为： （2）

r=2:整数DCT变换 r=1：Hadamard变换
（程序中用的算法）
3. 量化
（1）概念
H.264中，量化步长一共52个值。QP是量化参数，是量化步长的序号。 QP每增加6，增加一倍。(QP小，量化精细；QP大，量化粗糙)

亮度编码：采用QP值范围0—51；
色度编码：采用QP值范围0—39。（避免在较高的量化步长时出现颜色量化人工效应）。

（2） 量化理论：
H.264中，量化过程是对前面（1）式的DCT结果进行操作：

其中，是矩阵Y中的转换系数，是输出的量化系数，是量化步长。
实际上，H.264量化过程还要完成DCT变换中的“”乘法运算，即：
（3）
其中，是矩阵W中的转换系数（见（2）式），PF是矩阵中的元素，根据样本点在图像块中的位置(i,j)取值：

利用量化步长（）随量化参数（QP）每增加6而增加一倍的性质，可以进一步简化计算。设：

令：
floor()为取整函数（不大于输入实数的最大整数）。式（2）可写成：

这样MF可以取整数，见下表：

表中只列出QP值为0到5的MF值，对于QP值大于5的情况，只是qbits值每增加6而增加1，而对应的MF值不变。这样，量化过程则为整数运算，并且可以避免除法。
（3） 量化运算公式：
具体的量化过程的运算为：

f为偏移量，用以改善恢复图像的视觉效果。对帧内预测图像块f取，对帧内预测图像块f取。
4. DCT直流系数的变换量化（Hadamard变换）
如果当前处理的图像宏块是色度块或帧内16*16预测模式的亮度块，则需要将其中各图像块的DCT变换系数矩阵W中的直流分量或直流系数按对应图像块的顺序排序，组成新的矩阵，再对进行Hadamard变换及量化。（上面的量化过程就不需对各图像块的单独进行量化）
（1） 帧内16*16预测模式亮度块的直流系数变换量化
16*16的图像宏块中有4*4个4*4的图像亮度块，所以亮度块的为4*4矩阵，其组成元素为各图像块DCT的直流系数，见下图：

对亮度块的Hadamard变换为：

YD是Hadamard变换结果。
接着对YD再进行量化输出：

是位置为（0,0）的MF系数值。
4*4Hadamard变换也可采用快速算法（上面DCT快速算法图中有）。
（2） 色度块的直流系数变换量化
色度块的Hadamard变换为：

YD再进行量化输出：