文 献 综 述

1. 前言

随着信息社会的发展，数字信息呈飞速增长的趋势。其中图像信息的传输也来越受人们的亲睐，而图像文件普遍很大，又不利于传输；从而，图像压缩解压技术在人们的生活、工作与科研中扮演着必不可少的重要角色。而在现在，图像大多以JPEG（Joint Photographic Experts Group）作为标准^[1]，JPEG压缩是有损压缩，但是在JPEG压缩处理过程中损失的部分是人的视觉不容易察觉到的部分以及信息量稀少的部分，同时它也利用了人眼对计算机色彩中的高频信息部分不敏感的特点，来大大节省了需要处理的数据信息。在对JPEG图像数据进行压缩处理的过程中，又有多种方法，本课题研究的压缩算法的优化则是在现有的优化技术中进行对比之后，选择最优的变换算法，对图像进行处理，从而达到算法优化的目的。离散余弦变换（DCT）被理论上认为是一种很好的方法。本文正是基于DCT来研究JPEG图像数据压缩解压的全过程。图像压缩编码技术是现代多媒体及通信领域中的关键技术之一。目前，图像从色彩域变换到平频率域常用的方法有很多种，主要包括包括：傅氏变换^[2-3]、Walsh-Hadamard沃尔什哈达玛变换^[4]、余弦变换^[5]、斜变换^[6]、哈尔变换^[7]以及K-L变换^[8]。本文详细介绍了JPEG图像在压缩过程中的分割以及图像从时间域转换到频率域的算法及其优化的过程，并将其移植到DSP上运行实现。

2. 研究现状

2.1 JPEG概述

JPEG（Joint Photographic Experts Group）^[9]是联合图像专家小组的英文缩写。它是由国际电话与电报咨询委员会CCITT（The International Telegraph and Telephone Consultative Committee）与国际标准化组织ISO于1986年联合成立的一个小组制定的，后来它被确定为国际通用标准。JPEG算法即是一种连续色调、多级灰度、静止图像的数字图像压缩编码方法，其适用范围广泛，除用于静态图像编码外，现在已经运用到咨询服务广泛应用在咨询服务广泛应用在咨询服务广泛应用在咨询服务、图书、教育、通信、军事、金融、医疗等诸多行业。而该标准包括两种基本的压缩算法，两种数据编码方法，四种编码模式。

2.2 JPEG图像分割

在对JPEG图像文件进行处理的过程中，为了降低数据处理量、提高处理效率，通常把 RGB 空间表示的彩色图像变换到其他色彩空间。而目前对色彩空间的变换主要有三种方法：YIQ，YUV和YCrCb。而每一种色彩空间都产生一种亮度分量信号（Y）和两种色度分量信号（U、V），这些分量在构成了图像的基本色彩信号；同时，该三种分量信号（Y、U、V）在图像中时相互独立的；从而，在压缩编码过程中就可以对这些单色图分别进行编码。而要对其进行独立编码，则首先需要对其进行图像的分割。在分割过程中，图片像素数据流分为一段接一段的最小编码单元（Minimum Coded Unit，MCU）数据流，此数据流为8*8的小矩阵。生成的编码单元（MCU）则是一个正方形矩阵像素的数据，在它的内部，数据的顺序是Y、Cr、Cb；如果一个颜色分量含多个数据单元，那么它的排列方式则是从左到右，从上到下；因此在处理过程中，每个MCU又分为若干个数据单元^[10]。

2.3 DCT概述

离散余弦变换(discretecosinetransform，DCT)，1974年由Ahmed和Rao提出，至今DCT编码已发展成为BMP、MPEG、H.26x 等图像/图像编码标准中的核心。DCT是一种与傅立叶变换紧密相关的数学运算，它实际上是傅立叶变换的实数部分。DCT在编码过程中,首先将输入图像颜色空间转换后分解为8*8大小的数据块，然后用正向二维DCT把每个块转变成64个DCT系数值码；其中1个直流(DC)系数，63个交流（AC）系数。接下来对DCT系数进行量化，最后将变换得到的量化的DCT系数进行编码和传送，形成压缩后的图像格式。在解码过程中,先对已编码的量化的DCT系数进行解码, 然后使用二维DCT反变换求逆量化并把DCT系数转化为8*8样本方阵，最后将操作完成后的块组合成一个单一的图像。这样就完成了图像的压缩和解压过程。研究表明, DCT将8*8图像块变换为频域时数值集中在左上角, 即低频分量都集中在左上角，高频分量分布在右下脚^[11]。而低频部分包含了图像大部分信息，高频部分包含的信息量较少。为了压缩数据，往往采用忽略高频系数的办法，而较低频系数进行处理，这样就在对原始数据的影响较小的基础上达到了减少处理信息量的效果。

2.4 DCT变换的公式

二维离散余弦变换的正变换公式^[12]为:

在图像的压缩编码中, N 一般取8.

二维DCT 的反变换公式为:

以上各式中的系数:

3. 原理及实现

JPEG编码中主要涉及到的内容主要包括：Color Model Conversion (色彩模型)、DCT (Discrete Cosine Transform 离散余弦变换)、重排列DCT结果、量化、RLE编码、范式 Huffman编码、DC的编码等。JPEG压缩编码算法的主要过程如下：文件头 图像数据读出相关信息、从图像数据流读取最小编码单元MCU，提取颜色分量、颜色分量单元的内部解码、直流系数差分编码、反行程编码、反量化、反向离散余弦变换IDCT、Y Cr Cb向RGB转换。本课题立足于现有JPEG图像的压缩编码的基本原理，在对多种图像变换算法的综合比较的基础上，选择最优变换方法并依托VC 6.0^[13]开发环境，实现整个变换算法；最后，将其移植到DSP硬件实现整个过程。

4. 工具和开发平台简介

本课题所用的工具有包括普通的PC机，5509DSP开发系统、VC 6.0集成开发环境；开发平台采用PC机，即能独立运行、完成特定功能的个人计算机；DSP开发系统稳定性好、可靠性高、灵方便；此外，DSP还可以可实时处理信息。VC 6.0是Microsoft公司推出的一个基于Windows系统平台、可视化的集成开发环境，它的源程序按C 语言的要求编写，并简化了一些指令，使得更易于实现；同时，在本课题中将尽量少的使用到文件的类和对象，旨在增加该算法的可移植性，更易于在DSP上实现。

参考文献：

[1] JPEG原理详细实例分析. http://wenku.baidu.com/view/5f611f68ddccda38376baf4f.html.

[2] 朱卫纲, 李生良. 傅氏变换及模糊技术在几何图形分类中的应用[J]. 指挥技术学院学报, 1998, 9(1): 84-87.

[3] 王晓东, 王荣芝. 傅立叶变换在图像处理中的应用[J]. 肚丹江师范学院学报, 2003, 3: 22-24.

[4] 苏颜军, 张瑞华. WMSNS的自适应分布式图像压缩算法[J]. 计算机工程, 2011,37(16): 216-217.

[5] 张智高, 春花, 张红梅等. 离散余弦变换在图像压缩上的应用[J]. 内蒙古民族大学学报, 2010, 25(2): 154-155.

[6] 向凡夫, 施保昌. 基于斜变换的形态小波及其应用[J]. 计算机工程与应用, 2006, 13(2): 36-37.

[7] 张公礼. 哈尔型离散正交变换[J]. 西北电讯工程学院学报, 1987,14(4):18-26.

[8] 鲁业频, 陈兆龙. K-L变换编码与DCT变换编码及其比较[J]. 数字视频, 2001, 4:29-30.

[9] 吴嘉慧. JPEG 图像解码方案[J]. 现代计算机, 2007, 3: 49-49．

[10] JPEG文件编/解码详解, http://wenku.baidu.com/view/8e422c2fed630b1c59eeb5ae.html.

[11] 吴术路. 基于DCT的JPEG图像压缩及实现[J]. 青海师范大学学报, 2010, 3:39-41.

[12] 马媛媛, 杨峰, 信科基等. 于DCT的JPEG图像压缩的研究[J]. 计算机技术与发展, 2011, 21(8): 133-136.

[13] 陈华生. Visual C 程序设计基础[M].苏州: 苏州大学出版社, 2006.

1. 拟研究或解决的问题

（1）熟悉JPEG图像解压缩过程，掌握JPEG图像的编码规则及流程，掌握图像分割的原理及其应用；

（2）了解图像从色彩域转换到频率域的常用方法并深入研究离散余弦变换法的原理及其过程的应用；

（3）了解图像变换方法：傅氏变换、Walsh-Hadamard沃尔什哈达玛变换、余弦变换、斜变换、哈尔变换以及K-L变换的优缺，同时对其变换进行择优选择。

（4）深入研究DCT在JPEG图像压缩编码中的变换过程，并用其对图像进行压缩编码，实现JPEG图像压缩编码算法的优化。

（5）用VC 6.0开发环境对其进行编程，并移植到DSP上实现。

2. 拟采用的研究手段（途径）

首先了解并掌握JPEG图像文件的编码规则，掌握JPEG文件构成、压缩编码、解码的原理及过程，通过计算色彩空间的YUV，对图像信息进行处理，再将其转换成能被所有显示器显示的RGB值，其转换公式为：

即：Y=0.3R 0.59G 0.11B U=B-Y V=R-Y

在转换成RGB后，再将图片信息进行分割处理，分割原则是按照MCU数据小单元分割，之后对其进行图像的变换，利用上述的变换方法，经对比可知，DCT为其最优变换，此变换有两个优点：其一，信号常将其能量的大部分集中于频率域的一个小范围内，这样一来，描述不重要的分量只需要很少的比特数；其二，频率域分解映射了人类视觉系统的处理过程，并允许后继的量化过程满足其灵敏度的要求。于是便采用DCT的变换方法对其进行处理，最后应用软件编程实现，并移植到DSP上运行。其间，难点在于理解图像分割的规则，以及DCT算法的变换，本课题也将针对此，重点分析图像的分割原理及过程，以及通过对比的方式加深对DCT算法的理解，最后实现整个变换算法的优化。