[论文解读] Discrete Cosine Transform in JPEG Compression

Jacob John|arXiv (Cornell University)|Feb 13, 2021

Advanced Data Compression Techniques参考文献 21被引用 6

一句话总结

本文解释了离散余弦变换（DCT）在JPEG图像压缩中的作用，展示了DCT如何高效地集中图像能量，实现在极小感知损失下的高倍率压缩。文章详细说明了JPEG中DCT的处理流程，包括量化和熵编码，并强调了DCT在处理相关图像数据时接近最优性能，与卡尔亨尼-洛伊夫变换（KLT）相比表现优异。

ABSTRACT

Image Compression has become an absolute necessity in today's day and age. With the advent of the Internet era, compressing files to share among other users is quintessential. Several efforts have been made to reduce file sizes while still maintain image quality in order to transmit files even on limited bandwidth connections. This paper discusses the need for Discrete Cosine Transform or DCT in the compression of images in Joint Photographic Experts Group or JPEG file format. Via an intensive literature study, this paper first introduces DCT and JPEG Compression. The section preceding it discusses how JPEG compression is implemented by DCT. The last section concludes with further real world applications of DCT in image processing.

研究动机与目标

• 解释离散余弦变换（DCT）在JPEG标准中实现高效图像压缩的基本作用。
• 分析DCT如何在相关图像数据上实现高能量集中并接近最优性能，逼近卡尔亨尼-洛伊夫变换（KLT）的表现。
• 详细说明JPEG压缩流程的每一步，包括DCT变换、量化和熵编码。
• 探讨DCT在JPEG之外的实际应用，包括使用MDCT的音频和视频压缩，以及多维DCT的应用。
• 展示快速DCT实现的计算效率，使其在实时图像和视频处理中具有实际可行性。

提出的方法

• 对图像块应用二维离散余弦变换（DCT），使用公式：$ F[k,l] = \alpha(k)\alpha(l) \sum_{m=0}^{N-1} \sum_{n=0}^{N-1} f(m,n) \cos\left[\frac{(2m+1)\pi k}{2N}\right] \cos\left[\frac{(2n+1)\pi l}{2N}\right] $，其中 $ \alpha(k) $ 用于调节直流（DC）与交流（AC）分量。
• 对8×8图像块应用64点DCT，将空间域的像素值转换为频域系数。
• 应用用户定义的量化表以降低系数精度，量化表示为 $ F_Q(k,l) = \text{round}\left( \frac{F(k,l)}{Q(k,l)} \right) $，引入有损压缩。
• 在解压缩过程中通过 $ F'_{Q}(k,l) = F_Q(k,l) \times Q(k,l) $ 执行逆量化，以重建近似的DCT系数。
• 量化后分离直流（DC）与交流（AC）系数，然后采用之字形扫描将低频分量集中在一起。
• 对扫描后的系数序列使用熵编码——霍夫曼编码或算术编码——实现对量化数据的无损压缩。

实验结果

研究问题

• RQ1 为何在JPEG图像压缩中选择离散余弦变换（DCT）而非其他变换？
• RQ2 对于具有第一阶马尔可夫相关性的图像数据，DCT与卡尔亨尼-洛伊夫变换（KLT）相比性能如何？
• RQ3 在基于DCT的JPEG压缩中，量化起什么作用？它如何实现高倍率压缩？
• RQ4 快速DCT算法如何在保持精度的同时降低计算复杂度？
• RQ5 DCT及其变体在音频和视频压缩中的更广泛应用有哪些，超出了静态图像格式？

主要发现

• DCT在相关图像数据上实现了接近最优的能量集中效果，对于一阶马尔可夫过程，其性能非常接近卡尔亨尼-洛伊夫变换（KLT）。
• 基于DCT的JPEG压缩流程显著减小了图像文件大小，例如16位RAW格式的4K图像每幅约需23 MB，因此DCT在高效存储与传输中不可或缺。
• 量化是JPEG压缩中损失的主要来源，它将多个输入值映射到单一量化级别，从而在付出感知损失代价的前提下实现高倍率压缩。
• 快速DCT实现（如递归算法和优化的查表法）可显著减少乘法次数和计算复杂度，使低功耗硬件也能实现实时处理。
• 改进型DCT（MDCT）广泛应用于MP3、AAC和Vorbis等音频编码器中，可将ROM大小减少50%至79%，数据吞吐量比早期方法提高四倍。
• 多维DCT（MD DCT）在MPEG、Theora和Daala等视频格式中实现高效压缩，并支持自适应视频编码和3D医学图像压缩等高级应用。