通信技术中的音视频压缩编码(7)

K-L变换是在以上思路下构造出来的最佳线性变换方案。它是用数据本身的相关矩阵对角化后构成的。这种变换将产生完全不相关的变换系数。K-L变换虽然是均方误差准则下的最佳变换，但在实际编码工作中，人们更常采用离散余弦变换（DCT，Discrete Cosine Transform）变换。DCT变换是在现行变换编码方法中，对大多数图像信源来说，最接近K-L变换的方法。
对变换后图像系数的编码一般采用门限编码加区域编码的形式。以DCT为例，根据变换系数的能量分布，可以将图像划分为不同的区域。其中变换后幅值较大的图像系数大多集中于图像块的左上角。与其他系数相比，这些低频系数具有的能量最大.包括了图像的大部分内容，在变换图像中的地位最重要，应使它们的量化误差最小。同样，对于图像块的其他区域，也应采用与该区域相配的量化和编码形式。这种按能量分布对不同区域采用不同量化编码的技术就称为区域编码。另一方面，变换图像中有许多系数的幅度很小，只具有原图像中很小比例的能量，对图像质量影响甚微，因此一般采用设定阈值的方法，置小于阈值的变换系数为零，从而大大提高编码效率。经门限和区域编码后，变换图像的大部分系数为零，如何采用有效的方法将非零系数和零系数组织起来，在带来最少冗余的同时保证最大的连零系数出现概率，是变换图像编码中的又一关键问题。
在DCT图像编码方法中，对变换系数进行Zig-Zag排序非常巧妙地解决了这一问题，但对有些图像变换方法，这种技术并非最佳。
在一般图像中，对应边缘轮廓的位置附近含有大量高频信息，它们相对于原图像是非常局部的，代表了图像数据的精细结构。按人眼的视觉特性，这些边缘轮廓信息对于图像的主观质量很重要，在编码时应给予特别考虑。然而由于传统的正交变换时频局域性很差，变换后的系数失去了对原图像精细结构的描述.从变换图像得不到图像边缘轮廓等局部信息.因此在量化编码时无法采用特殊的方法。而且在传统的变换图像编码方法中，大多是靠丢弃高频系数来提高压缩比的，从而导致图像的边缘轮廓模糊，严重影响复原图像的主观质量.
这是传统变换编码方法的缺点之一。传统变换编码方法的另一缺点是提高编码压缩比时会出现块效应。这是因为为降低变换算法的运算复杂度和提高编码效率，传统图像变换均采用了分块变换技术。图像块大，相关性就高，压缩比也就大。但是块的尺寸太大又会丢失数据的平稳性，从而引入误差，包括失去高频细节、引入沿物体边界的噪声和可见的DCT图块边界。实验证明，块大小为16x16或8x8是较好的选择。