壓縮方式

• 有失真的壓縮
  資料無(wú)法100% 還原，例如： mp3,jpg

• 無(wú)失真壓縮
  資料壓縮后可以100%的還原出來(lái)，例如：zip

** 為什么會(huì)存在有失真的壓縮？**
主要是因?yàn)槿说难劬投潇`敏度不高，一張圖片少掉一些高頻的內(nèi)容，人眼無(wú)法感知，因此并不影響圖片的展示。又例如音樂(lè)，音樂(lè)高頻部分超過(guò)人耳可以識(shí)別的范圍，這部分?jǐn)?shù)據(jù)可以去掉。因此有了mp3 等音頻壓縮算法。

色域

視頻壓縮的時(shí)候，用的色域是YCbCr 。 YCbCr其中Y是指亮度分量，Cb指藍(lán)色色度分量，而Cr指紅色色度分量。查看更多

它們之間的關(guān)系是：

Y = 0.257*R+0.564*G+0.098*B+16
Cb = -0.148*R-0.291*G+0.439*B+128
Cr = 0.439*R-0.368*G-0.071*B+128

** 不是有RGB了嗎？什么還用YCbCr ?**
人眼對(duì)亮度是比較敏感的，對(duì)彩度的敏感度不高。因此，亮度的壓縮率可以降低，彩度的壓縮率可以提高。人眼對(duì)壓縮后的圖片與原圖，在感官上差異就會(huì)大大減少。

另外它將亮度信息（Y）與色彩信息（UV）分離，沒(méi)有UV信息一樣可以顯示完整的圖像，只不過(guò)是黑白的，這樣的設(shè)計(jì)很好地解決了彩色電視機(jī)與黑白電視的兼容問(wèn)題。并且，YUV不像RGB那樣要求三個(gè)獨(dú)立的視頻信號(hào)同時(shí)傳輸，所以用YUV方式傳送占用極少的頻寬。

圖片壓縮

• 首先圖片會(huì)被切分為一些8 * 8的格子，每個(gè)格子都會(huì)走一次上圖的流程。
• DCT 轉(zhuǎn)換，主要是把圖像從空間域轉(zhuǎn)為頻域，這樣子可以有效的分離出高頻的數(shù)據(jù)，用于過(guò)濾。什么是高頻的數(shù)據(jù)：以聲音為例就是那些很尖銳的聲音。圖像的話就是指那些變動(dòng)很大的數(shù)據(jù)，例如熊貓的黑白分割部分，由于變化很大，所以這就是高頻部分。如果兩個(gè)像素之間的差別很小，就屬于低頻部分。
  ![Uploading Screen Shot 2017-07-25 at 8.52.35 AM_976479.png . . .]
• Quantization 是一種失真壓縮，簡(jiǎn)單來(lái)說(shuō)就是把每個(gè)值都除以一個(gè)固定的數(shù)，然后在de code 端相對(duì)應(yīng)的乘以這個(gè)固定的數(shù)，恢復(fù)數(shù)據(jù)，但是此時(shí)數(shù)據(jù)只是一個(gè)近似的數(shù)值。例如數(shù)字100 ，除以10 ，會(huì)得到10 。但是102 的話，結(jié)果也是10 。所以在decode 的時(shí)候，無(wú)法知道真正的數(shù)據(jù)是什么，只能拿到近似值。
• Entropy encoder 把失真壓縮后的數(shù)據(jù)做無(wú)失真壓縮

要恢復(fù)圖片只需要執(zhí)行的反操作，得到的圖片與原圖是有區(qū)別的，只要人眼無(wú)感知就好。

下面看一下每一步的是怎樣的一個(gè)過(guò)程：

DCT

DCT 可以理解為一個(gè)坐標(biāo)軸轉(zhuǎn)換，是一種Transform Coding。

• Transform Coding的目標(biāo)

  • 減少相鄰信號(hào)的相關(guān)性
  • 使能量集中，高頻信號(hào)與低頻信號(hào)都會(huì)相對(duì)集中

• Transfrom 本身沒(méi)有任何壓縮效果

• Transform 的目的是為了做Quantization

• 常見(jiàn)的Transfrom 方式：liner transforms,fourier transform,....

上圖是一個(gè)8 * 8的block,每一個(gè)格子相當(dāng)于一個(gè)pixel。經(jīng)過(guò)DCT后，仍然是一個(gè)8 * 8 的block ，但是不同的是，原本表示的是空間維度的值，轉(zhuǎn)換后表示的是頻率維度的值。

高頻部分集中在右下角，低頻部分集中在左上角。高頻部分表示不是很重要的數(shù)據(jù)，接著把高頻部分的數(shù)據(jù)變成0，就會(huì)有一個(gè)不錯(cuò)的壓縮效果。這就是Quantization要做的事情。

Quantization Matrix 表示每一個(gè)DCT的數(shù)據(jù)要除以一個(gè)怎樣的數(shù)。可以看到Matrix 左上角是比較小的，右下角是比較大的數(shù)。

因?yàn)樵贒CT左上角是比較重要的數(shù)據(jù)，所以除以比較小的數(shù)，讓失真沒(méi)那么嚴(yán)重。右下角的數(shù)相對(duì)來(lái)說(shuō)沒(méi)那么重要，所以可以除以一個(gè)比較大的數(shù)。

下圖中的左圖就是經(jīng)過(guò)Quantization 后的DCT數(shù)據(jù)，可以看到右下角的數(shù)基本上都變?yōu)?。數(shù)據(jù)為0 的部分的壓縮率將為變得非常高！

接著把數(shù)據(jù)從二維變?yōu)橐痪S。

最后就是做Entropy encode ，得到的最終圖片的數(shù)據(jù)。