编码与格式 / 系统课时

变换、量化与熵编码

变换、量化与熵编码

预测之后仍然会留下残差,编码器还需要继续把这些数值压小。现代视频编码通常通过变换集中能量、量化降低精度、熵编码压缩符号概率。本课会明确哪一步真正有损,以及三步为什么必须按顺序配合。

学习目标

  • 能解释变换为什么让残差更容易压缩
  • 能指出量化是主要不可逆损失来源
  • 能理解熵编码属于无损符号压缩

变换把空间残差换一种表示

残差块里的像素差值往往仍具有空间相关性。DCT 类或整数变换会把它们转换为频率/基函数系数,使能量集中到少量重要系数。平滑区域通常集中在低频,高频系数更多代表边缘和细碎纹理。

变换本身的目的不是直接“删数据”,而是让后续量化更容易区分重要与不重要的信息。

量化决定真正的有损程度

量化会把系数除以量化步长并取整,很多较小系数因此变成 0。步长越大,零值通常越多,码率越低,但细节损失也越明显。解码时只能得到量化后的近似值,因此无法完全恢复原始残差。

预测残差到码流的处理链路

扫描与熵编码减少表示成本

量化后大量系数为 0,扫描会把系数按有利于聚集零值的顺序组织,再把模式、运动向量、系数等语法元素交给熵编码。熵编码根据符号出现概率使用更短的表示,不再主动丢弃信息。

为什么高压缩会出现块效应和细节丢失

量化过强会让大量高频系数归零,纹理和边缘被抹平;块级预测和变换之间的误差又可能在边界形成可见块效应。现代标准会加入环路滤波来减轻这些伪影,但无法恢复已经被量化删除的信息。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

变换、量化与熵编码

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通