Пред.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
3.5.5. Дискретное синус-преобразованиеЧитатель в этом месте может задать логичный вопрос: «Почему косинус, а не синус?» Можно ли аналогичным образом использовать функцию синус для построения дискретного синус-преобразования? Существует DST (descrete sine transform) или нет? В этом коротком параграфе мы обсудим отличия синуса от косинуса, которые приводят к весьма неэффективному синус-преобразованию.
Функция
Табл. 3.31. Образец с высокой корреляцией.
Табл. 3.32. DCT коэффициенты образца.
Табл. 3.33. Грубое квантование с 4 ненулевыми коэффициентами.
Табл. 3.34. Результат IDTC.
Табл. 3.35. Y-образный блок.
Табл. 3.36. DCT коэффициенты блока.
Табл. 3.37. Слабое квантование округлением до ближайшего целого.
Табл. 3.38. Результат IDTC. Плохое качество. Для того, чтобы понять разницу
между DCT и DST, рассмотрим одномерный случай. Одномерное DCT, (см. уравнение (3.7)), использует
функцию
Рис. 3.39. Функции синус (нечетная) и косинус (четная).
Рис. 3.40. DCT и DST данных из восьми тождественных значений. Ущербность DST можно обнаружить, рассмотрев преобразование исходного образца из 8 одинаковых величин. Такие величины, безусловно, прекрасно коррелированы. Их графиком служит горизонтальная прямая. Применяя DCT, получаем один ненулевой DC, равный исходной величине. Преобразование IDCT также прекрасно восстановит данные (с незначительной потерей, обусловленной ограниченной точностью машинных вычислений). Если теперь применить DST к тем же данным, то в результате получится 7 ненулевых коэффициентов АС, сумма которых равна волнообразной функции, проходящей через все восемь исходных точек, но при этом осциллирует в промежутках между ними. Это поведение проиллюстрировано на рис. 3.40. Оно имеет три неприятных свойства. (1) Энергия исходных данных нигде не концентрируется. (2) Семь коэффициентов не являются декоррелированными (поскольку исходные данные полностью коррелированы). (3) Квантование семи коэффициентов может сильно уменьшить качество реконструированных данных после применения обратного DST.
Рис. 3.41. 64 базисных изображения двумерного DST. Пример: Применим DST к последовательности из восьми одинаковых величин, равных 100. Получим последовательность коэффициентов (0, 256.3, 0, 90, 0, 60.1, 0, 51). С помощью этих коэффициентов обратное преобразование IDST может восстановить исходные данные, но видно, что коэффициенты АС ведут себя иначе, чем при использования DCT. Они не становятся все меньше, и среди них нет серий из одних нулей. Применяя DST к восьми высоко коррелированным величинам (11, 22, 33, 44, 55, 66, 77, 88), получаем более плохое множество коэффициентов 0, 126.9, -57.5, 44.5, -31.1, 29.8, -23.8, 25.2. Здесь совсем нет концентрации энергии. Все эти аргументы и примеры вместе с тем фактом (обсуждаемым в [Ahmed et al.]) 74]), что DCT производит высоко декоррелированные коэффициенты, неоспоримо свидетельствуют в пользу метода DCT, для использования в алгоритмах сжатия данных. На рис. 3.41 показаны 64 базисных
изображения DST при
|
1 |
Оглавление
|