波仔
🎬 第六章 音视频压缩编码基础
📄 一句话概括

变换本身不压缩，它做的是把能量集中到少数系数上——它的价值在于【给量化创造好压的形状】。

📝 本节和前面几节的关系

6.3.1 讲了预测，这一节讲预测之后残差要走的下一步：变换。

一、变换在做什么

以最常见的 DCT 为例：把一个 8×8 的像素块，换成 8×8 个频率系数。 它不减少数据的个数，8×8 还是 8×8。 但它改变了数据的分布——这就是它全部的价值所在。

二、能量集中是什么意思

原始像素块里，能量是平均分布的——每个位置都差不多重要。 换到频域之后，能量集中到左上角（低频分量）。 为什么会这样？因为自然图像大多是平滑的，相邻像素差别很小—— 这种【平滑】在频域上，恰好表现为【低频强、高频弱】。

三、之后发生什么

① 量化对系数按重要性分配精度——右下角的高频系数被大量变成 0。 ② 按 zigzag（之字形）顺序扫描，让那些 0 连成一片。 ③ 熵编码再把这一长串 0 轻松压掉。 所以真正的顺序是：变换创造形状 → 量化制造 0 → 熵编码吃掉 0。

四、为什么不能跳过变换

如果在像素域直接量化，你看不出【哪个像素不重要】——每个位置看起来都一样。 变换之后才有依据：高频不重要，低频重要——这个依据来自人眼的感知特性。 所以变换是把【空间】换成【感知敏感的维度】，让后面的取舍有据可依。 这就是 4.2.2 说过的那句话：先把信息摊开，才有得挑。

五、动手 Demo：变换把能量集中到哪里

变换本身不压缩，它做的是【把能量集中到少数系数上】。

rows = [("原始块", "8x8 个像素值", "能量平均分布"),
        ("DCT 变换", "换成 8x8 个频率系数", "能量集中到左上角"),
        ("量化", "对系数按重要性分配精度", "右下大量变 0"),
        ("扫描", "按 zigzag 顺序读", "0 连成一片")]
for a, b, c in rows:
    print("%-8s %-22s %s" % (a, b, c))

实跑输出：

--------------------------------------------------------------------
变换把能量集中到哪里
--------------------------------------------------------------------

变换本身不压缩，它做的是【把能量集中到少数系数上】。

  步骤         做什么                     结果
  ---------------------------------------------------------
  原始块       8x8 个像素值               能量平均分布
  DCT 变换     换成 8x8 个频率系数        能量集中到左上角
  量化         对系数按重要性分配精度     右下大量变 0
  扫描         按 zigzag 顺序读           0 连成一片

  关键在第三步：**一旦右下角变成一片 0，后面的熵编码就轻松了。**
  所以变换的价值不是【压缩】，而是**给量化创造好压的形状**。

关键在第三步：一旦右下角变成一片 0，后面的熵编码就轻松了。 所以变换的价值不是【压缩】，而是给量化创造好压的形状。

30 秒实验

  1. 找一张自然照片与一张纯噪声图，各做一次 DCT。
  2. 对比两者的频谱能量分布有什么不同。

常见误区

  1. 以为变换会丢信息。它是可逆的，一个比特都不丢。
  2. 把变换当成压缩。它是【准备步骤】，真正丢信息的是量化。
自测三问（点开对答案） 1. 变换的作用是什么？ —— 把能量集中到少数系数上，为量化创造条件。 2. DCT 变换之后能量集中在哪里？ —— 左上角的低频分量。 3. zigzag 扫描的目的是什么？ —— 让量化产生的 0 连成一片，方便后面的熵编码。

相关笔记