漫漫長路

JPGE

原始照片(記錄成8*8區塊) > 做 DCT 轉換 > 與量化表相除 > entropy encoder(用 runing last coding和huffman coding 編碼) >>> 壓縮後的照片

Quantization  matrix量化表

• 量化表為分母，原始圖片數值為分子，兩者相除得到較小的圖片數值(可以用較少bit編碼)

• 製作 : 可用STEP SIZE做，或者自訂，通常越往右下，值越大

• (ppt70沒有記錄到  圖)

• 除完的圖片數值，越往右下零會越多，將係數用 ZIG-ZAG 串接起來，記錄成一維陣列，這些零可以利用 runing last coding 編碼

(左上為原始圖像數值，左下為量化表，右下為轉換後數值)

zig - zag

• 使用step size製作量化表 (如上圖): +3+3每次增加的 step size 路徑值(自訂)，若改成+6會使得更多頻率值壓縮為零，壓縮後的照片會更模糊

DC值是怎麼做編碼?

• 8*8的原始照片中，相鄰格的相減變化不會很大，因為相鄰影格顏色相當接近，所以在做DC值編碼時只會對與前一格的差異做編碼，例如與前一格差 -2，就用 2 bits 做編碼

對AC做編碼(ZIG - ZAG)

• 一維陣列中的第一格為-3，第二格3，接下來若連續40個0，則第三格為40

YUV

量化

• 相除並且四捨五入，因為有四捨五入，因此再乘量化表做還原圖片時，會失去細節

• 若今天要處理彩色的照片，則中高頻量化表的值(分母)一般會非常大，低頻保留較多；而在灰階照片中，因為我們對顏色變化較敏感，會盡量保留低中頻，高頻一樣去掉(如以下圖示為彩色及灰階量化表)

失真量

• 原始的圖像數值 - 反推還原的圖像數值 = 失真量

• 細節越多的部分失真量就越高