2006-IEEE-Recovering DC coefficients in block-based DCT

【注】此论文中谈论的图像均为像素值在 (0,255) 范围内的 RGB 图像,定义点 (i,j)像素值f(i,j)

1. 拉普拉斯分布特性

对于自然图像而言,点 (i,j) 处的相邻像素点
{\begin{array}{c} \{(i-1,j-1),(i-1,j),(i-1,j+1),(i,j-1),(i,j+1),(i+1,j-1),(i+1,j),(i+1,j+1)\} \end{array}}

对应的相邻像素点值
{\begin{array}{c} Q(i,j)=\{f(i-1,j-1),f(i-1,j),f(i-1,j+1),f(i,j-1),f(i,j+1),f(i+1,j-1),f(i+1,j),f(i+1,j+1)\} \end{array}}

定义序列
\begin{array}{c} f(i,j) - q(i,j) & \forall i, j, q(i,j) \in Q(i,j) \end{array}

则该序列基本符合均值为 0 ,方差很小的拉普拉斯分布。此即为自然图像相邻像素值的拉普拉斯分布特性

2. JPEG 中的 DCT 和 IDCT 公式

JPEG 中采用的是 DCT-II 公式。其中
\begin{array}{c} C(x) = \left\{ \begin{array}{c} \sqrt{\frac{1}{8}} & x = 0 \\ \frac{1}{2} & x \neq 0 \end{array} \right. \end{array}

2.1 DCT 公式

\begin{array}{c} F(u,v) = C(u) C(v) \sum_{i=0}^7 \sum_{j=0}^7 f(i,j) \cdot \cos{\frac{2i+1}{16} u \pi} \cos{\frac{2j+1}{16} v \pi } \end{array}

2.2 IDCT 公式

\begin{array}{c} \hat{f}(i,j) = \sum_{u=0}^7 \sum_{v=0}^7 C(u) C(v) F(u,v) \cdot \cos{\frac{2i+1}{16} u \pi} \cos{\frac{2j+1}{16} v \pi } \end{array}

3. AC 系数预测 DC 系数

3.1 原理

相邻图像块边界的图像像素值满足拉普拉斯分布,因此可以用来预测相邻块的 DC 分量。假设已知相邻两个 8 \times 8 图像块边缘相邻的两个图像点像素值:
{\begin{array}{c} p^{(k)} = \rho^{(k)} + \frac{1}{N^2} c_{1,1}^{(k)} \\ p^{(k+1)} = \rho^{(k+1)} + \frac{1}{N^2} c_{1,1}^{(k+1)} \end{array}}
其中,\rho 表示组成像素值 p 的所有 AC 分量部分,c_{1,1} 表示当前块的 DC 分量(本质上为 \frac{F(0,0)}{C(0)C(0)})。则根据拉普拉斯特性有:
\begin{array}{c} & p^{(k+1)} & \approx & p^{(k)} \\ \Rightarrow & \rho^{(k+1)} + \frac{1}{N^2} c_{1,1}^{(k+1)} & \approx & \rho^{(k)} + \frac{1}{N^2} c_{1,1}^{(k)} \\ \Rightarrow & c_{1,1}^{(k+1)} & \approx & c_{1,1}^{(k)} + N^2 (\rho^{(k)} - \rho^{(k+1)}) \end{array}

因此,如果当前图像块的 DC 分量缺失,其实是可以用相邻块来进行预测。其主要思想就是用未缺失的 AC 分量结合相邻块的 DC 分量来预测当前块的 DC 分量。

3.2 方式

因为 JPEG 是以 8 \times 8 大小划分图像块的,以第一种方式为例,预测得到的当前块的 DC 系数为:
\begin{array}{c} c_{1,1}^{(k+1)} \approx c_{1,1}^{(k)} + \frac{N^2}{8} \sum_{i=1}^8 (\rho^{(k)}_i - \rho^{(k+1)}_i) \end{array}

4. JPEG 压缩中 DC 系数与 AC 系数之间的制约关系

由于 DC 系数(\frac{1}{N^2} c_{1,1})是 8 \times 8 图像块像素值的均值,且像素值的范围为 (0,255),故 DC 系数与 AC 系数之间会相互制约:

  • 若 AC 系数的可变化范围大,则说明 DC 系数较小。
  • 若 DC 系数较大,则说明 AC 系数的可变化范围小。

DC 系数和 AC 系数的取值范围不同,且最值不能同时取到。比如:

  • DC 系数的取值范围为 [-1024, 1024]
  • 某些 AC 系数的取值范围为 [-420.3863, 420.3863]
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,504评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,434评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,089评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,378评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,472评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,506评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,519评论 3 413
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,292评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,738评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,022评论 2 329
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,194评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,873评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,536评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,162评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,413评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,075评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,080评论 2 352

推荐阅读更多精彩内容