DCT 在视频有损压缩中的地位
在现代视频编码技术中（如 H.261 / MPEG-1/2 / H.263 / MPEG-4 / H.264 / H.265 ），离散余弦变换（Discrete Cosine Transform, DCT）是最核心的能量变换工具之一。
其主要作用是：将空间域中高度相关的像素信号，转换为频率域中能量高度集中的系数表示，从而为后续的量化（Quantization）和熵编码创造条件。
可以说：
DCT 是视频有损压缩中"损失发生之前的准备阶段"，决定了压缩效率的上限。
为什么视频压缩需要 DCT
1. 视频信号的空间冗余
视频帧本质是二维图像，存在大量冗余特性：
- 相邻像素灰度高度相关
- 大块区域亮度变化平缓
- 人眼对高频细节不敏感
如果直接对像素编码：
- 数据量巨大
- 冗余无法消除
- 压缩效率极低
2. 变换编码的基本思想
DCT 属于正交变换编码，其核心思想是：
- 将像素值 → 一组频率分量
- 低频：图像主体信息
- 高频：纹理、噪声、细节
经过 DCT 后：
- 能量集中在低频系数
- 高频系数大量接近 0
- 非常适合进行"有损舍弃"
离散余弦变换的基本原理
1. 一维 DCT 定义
对长度为 N 的离散信号 x(n)，一维 DCT 定义为：
2. 二维 DCT（图像/视频实际使用）
视频编码中使用的是 二维 DCT：
常见变换块大小：
- JPEG / MPEG-2：8×8
- H.264：4×4、8×8（整数 DCT）
- H.265：可变变换单元（4×4～32×32）
DCT 的核心特性
1. 能量集中特性（Energy Compaction）
这是 DCT 被广泛采用的最重要原因：
- 图像中 90% 以上能量集中在低频
- 左上角 DC、低频 AC 系数占主导
- 高频系数趋近于 0
示意（频率分布）：
低频 → → 高频
[ DC | AC | AC | ... ]
[ AC | | | ]
[ AC | | | ]2. 去相关能力强
- 空间域像素相关性高
- DCT 后频率系数近似独立
- 非常适合后续熵编码（CABAC / CAVLC）
3. 正交、可逆（量化前）
- 正交矩阵
- 无失真反变换（IDCT）
- 损失只来自量化阶段，而非 DCT 本身
DCT 在视频编码流程中的位置
以 H.264 为例：
预测（帧内/帧间）
↓
残差计算（当前块 - 预测块）
↓
DCT / 整数变换
↓
量化（产生有损）
↓
熵编码关键点：
- DCT 编码的是"残差"，不是原图
- 残差能量更集中，DCT 效果更好
- 视频编码是"预测 + DCT"的组合压缩
DCT 与量化：有损压缩的真正发生点
1. 量化是"有损"的根源
DCT 本身不丢信息，真正的损失发生在：
- 低频：Qstep 小，保留精度
- 高频：Qstep 大，直接归零
2. 人眼视觉特性支撑有损
- 对亮度比色度敏感
- 对低频比高频敏感
- 对边缘方向更敏感
因此：
- 高频系数舍弃 → 视觉损失不明显
- 压缩比大幅提升
整数 DCT 与现代视频编码
1. 浮点 DCT 的问题
- 计算复杂
- 硬件实现困难
- 误差累积影响一致性
2. H.264 的整数变换
H.264 采用：
- 整数近似 DCT
- 完全可逆
- 编解码器结果一致
示例特点：
- 4×4 整数变换矩阵
- 位移和加法实现
- 极大提升实时性
DCT 带来的典型失真现象
1. 块效应（Blocking Artifact）
原因：
- DCT 以块为单位
- 高频被强量化
- 相邻块边界不连续
表现：
- 方块状边缘明显
- 低码率视频尤为突出
2. 振铃效应（Ringing）
原因：
- 高频截断
- 反变换产生波纹
表现：
- 边缘附近出现"水波纹"
现代编码通过：
- 去块滤波（Deblocking）
- SAO、ALF（H.265）
进行缓解。
总结
离散余弦变换是视频有损压缩的基石技术，其成功源于：
- 优秀的能量集中特性
- 与人眼视觉模型高度契合
- 与预测编码完美结合
- 计算复杂度与压缩效率平衡良好
虽然现代编码引入了更复杂的工具（自适应预测、可变块、环路滤波），但 DCT 及其整数变种依然是视频编码不可替代的核心模块。
没有 DCT，就没有高效的视频有损压缩。