摘 要:视频图像压缩是视频会议系统能否提供良好性能的关键技术之一、要想最大限度地利用有限的网络带宽,在视频图像传输前,必须在不严重降低图像质量的前提下,采用合适的压缩编码算法对视频图像进行压缩、离散余弦变换DCT(Discrete Cosine Transform)被认为是优秀的视频图像压缩算法之一、首先,以视频会议系统应用为背景,简单介绍了DCT和反向离散余弦变换IDCT(Inverse-DCT)算法、公式及其相关;其次,以VC++为工具,以个人笔记本电脑为平台,实现了DCT和IDCT算法,给出并且分析了部分应用程序代码;最后,做了视频图像压缩的仿真实验。
关键词:视频会议系统;视频图像压缩;离散余弦变换;反向离散余弦变换
视频会议系统是网络技术、计算机技术和数字信号处理技术相互融合的产物,它为处于不同地点的用户提供一个虚拟的环境,用户可以通过视频、音频等多媒体手段进行交流和协作[1-2],而视频图像压缩是视频会议系统能否提供良好性能的关键技术之一。
视频图像压缩的目的就是要减少原始数据的数据量,即以尽量少的比特数表示原来的图像,利于存储和传输,同时又要能保持复原图像的质量,满足规定的要求、DCT是视频会议系统理想的视频图像压缩方法之一、与之相对应,在接收端要对DCT后的图像数据进行IDCT(不影响视频会议进行时)以近似恢复原始图像、以软件视频会议系统(即PC+Internet模式)的应用为研究背景,进行了DCT和IDCT算法的研究和实现,这对于视频会议系统及其技术的发展、创新有重要的实际意义。
DCT是一种实数域空间变换,不能直接对图像产生压缩作用、它的最大特点是对于一般的图像都能够将像素块的能量集中于像素块左上角的少数低频DCT系数上,这样就可能只编码和传输少数系数而不严重影响图像质量,为压缩打下了基础、图2(c)、(d)的白点区域即为低频DCT系数区域,也是像素块的能量集中区、在图2(a)、(b)、(c)、(d)中白点区域图像的像素值在200~255之间,其余黑色区域图像的像素值基本为0、参考图1,由图2(b)、(c)可知原始时域图像在较暗(灰度值较小)的部分含有较多的能量。本为０。参考图１，由图２9(b)、（ｃ）可知原始时域图像在较暗（灰度值较小）的部分含有较多的能量。
随着Ｎ取值的增大，DCT及IDCT算法耗时及均方误差也在增加，本文所做的是浮点DCT和浮点IDCT，均方误差反映的是IDCT后的时域图像数据与原始时域图像数据的误差，N越大，变换前后的误差也越大。
当Ｎ＝４时，算法耗时最短，即算法复杂度最小，但由图２可知存在传输数据较多的问题，因此为提高压缩率和传输效率，在选取Ｎ时还应该综合考虑计算机软硬件配置及网络传输环境。
DCT变换的特点是变换后图像大部分能量集中在左上角，即直流系数(DC)附近，因为左上角反应原图像低频部分数据，右下角反应原图像高频部分数据，而图像的能量通常集中在低频部分，这由表２、表３可知。当N=8时，选取原始图像第一个８×８像素子块的数据如表２所示，DCT后的频域数据如表３所示，左上角第一个数据为直流系数：1055.75，是64个数据中最大的一个。
将表3(DCT后的系数值)中的数据进行量化、取整等操作得表4,方法为:unsigned char tempchar;
tempchar=int(src[i*cx+j]/len*255);len是表3中64个数据中的最大值与最小值差值的绝对值。
将表3中的数据进行IDCT,得表5中的数据,对比表2和表5可知变换前后的图像数据存在一定的误差,而且随着N的增大,误差也越大。
本文所做的DCT和IDCT算法的研究和实现是以软件视频会议系统的应用为背景的,是视频会议系统视频图像压缩的一个仿真实验,离具体的实际工程应用还有不小的差距、但对于视频会议系统及其技术的实现、发展和创新有着重要的实际意义。
参考文献
[1] 陈婷.视频会议系统技术浅析及其应用[J].科技信息,2009(30):222-223.
[2] 杨高波,韩龙.视频会议系统综述[J].电视技术,2004(9):60-62.
[3] 山洪刚,郑南宁,杨国安,等.一种应用于8×8二维DCT/IDCT的高效结构[J].开云棋牌官网在线客服技术,2002,27(6):13-17.
[4] 韦长江,郝鹏威,石青云.基于整型DCT变换的图象编码研究[J].中国图象图形学报,2002,7(3):287-291.
[5] 陈宝远,吴孟泽,张清喜,等.H.264标准中整数DCT图像压缩算法的优化及实现[J].哈尔滨理工大学学报,2009,14(5):27-31.
[6] 马媛媛,杨峰,信科,等.基于DCT的JPEG图像压缩的研究[J].计算机技术与发展,2011,21(8):133-136.
[7] 王军敏,杜豪杰.基于DCT的图像压缩算法及快速实现[J].平顶山学院学报,2012,27(2):65-69.
[8] 禹蒲阳.基于DCT和RLE的灰度图像压缩方法[J].湖南科技大学学报(自然科学版),2010,25(2):89-92.