Квантование , используемое при обработке изображений , представляет собой метод сжатия с потерями , достигаемый путем сжатия диапазона значений до одного квантового (дискретного) значения. Когда количество дискретных символов в данном потоке уменьшается, поток становится более сжимаемым. Например, уменьшение количества цветов, необходимых для представления цифрового изображения , позволяет уменьшить размер его файла. Конкретные приложения включают квантование данных DCT в JPEG и квантование данных DWT в JPEG 2000 .
Квантование цвета уменьшает количество цветов, используемых в изображении; это важно для отображения изображений на устройствах, поддерживающих ограниченное количество цветов, а также для эффективного сжатия определенных типов изображений. Большинство редакторов растровых изображений и многие операционные системы имеют встроенную поддержку квантования цвета. Популярные современные алгоритмы квантования цвета включают алгоритм ближайшего цвета (для фиксированных палитр), алгоритм медианного отсечения и алгоритм на основе окт-деревьев .
Обычно квантование цвета сочетают с дизерингом , чтобы создать впечатление большего количества цветов и устранить артефакты полос .
Человеческий глаз довольно хорошо различает небольшие различия в яркости на относительно большой площади, но не так хорошо различает точную силу высокочастотных (быстро меняющихся) изменений яркости. Этот факт позволяет уменьшить объем необходимой информации за счет игнорирования высокочастотных составляющих. Это делается путем простого деления каждого компонента в частотной области на константу для этого компонента, а затем округления до ближайшего целого числа. Это основная операция с потерями во всем процессе. В результате этого обычно многие из более высокочастотных компонентов округляются до нуля, а многие из остальных становятся небольшими положительными или отрицательными числами.
Поскольку человеческое зрение также более чувствительно к яркости , чем к цветности , дальнейшее сжатие можно получить, работая в цветовом пространстве, отличном от RGB, которое разделяет эти два цвета (например, YCbCr ), и квантовая каналы отдельно. [1]
Типичный видеокодек работает, разбивая изображение на дискретные блоки (8×8 пикселей в случае MPEG [1] ). Затем эти блоки можно подвергнуть дискретному косинусному преобразованию (ДКП) для расчета частотных составляющих как по горизонтали, так и по вертикали. [1] Результирующий блок (того же размера, что и исходный блок) затем предварительно умножается на код шкалы квантования и делится поэлементно на матрицу квантования, а каждый результирующий элемент округляется. Матрица квантования предназначена для обеспечения большего разрешения более воспринимаемых частотных компонентов по сравнению с менее воспринимаемыми компонентами (обычно более низкие частоты по сравнению с высокими частотами) в дополнение к преобразованию как можно большего количества компонентов в 0, что может быть закодировано с наибольшей эффективностью. Многие видеокодеры (например, DivX , Xvid и 3ivx ) и стандарты сжатия (например, MPEG-2 и H.264/AVC ) позволяют использовать собственные матрицы. Степень уменьшения можно варьировать путем изменения масштабного кода квантователя, что занимает гораздо меньшую полосу пропускания, чем полная матрица квантователя. [1]
Это пример матрицы коэффициентов DCT:
Общая матрица квантования:
Поэлементное деление матрицы коэффициентов DCT на эту матрицу квантования и округление до целых чисел дает:
Например, используя −415 (коэффициент постоянного тока) и округляя до ближайшего целого числа.
Обычно этот процесс приводит к созданию матриц со значениями преимущественно в верхнем левом (низкочастотном) углу. Используя зигзагообразный порядок для группировки ненулевых записей и кодирования длины серии , квантованную матрицу можно хранить гораздо эффективнее, чем неквантованную версию. [1]
