扫码获取 VIP 码
添加管理员微信获取 VIP 码
JPEG（Joint Photographic Experts Group，联合图像专家组）是目前全球应用最广泛的静态图像有损压缩标准，其技术内核建立在离散余弦变换（Discrete Cosine Transform，简称DCT）之上。理解JPEG压缩，本质上就是理解DCT如何将图像从空间域转换到频域，并在频域中舍弃对人眼不敏感的高频分量，从而获得数十倍的压缩比。
在信号处理领域，任何周期信号都可以分解为一系列正弦波和余弦波的叠加，这就是傅里叶变换的核心思想。DCT是傅里叶变换的一种特例——它只使用余弦函数作为基函数，避免了复数运算，且具有比离散傅里叶变换（DFT）更强的"能量集中"特性。这个特性是JPEG选择DCT而非DFT的根本原因。
从数学定义来看，一维DCT-II（JPEG采用的类型）的变换核为余弦函数，低频系数对应信号的整体趋势，高频系数对应信号的细节变化。由于二维DCT具有可分离性——即可以先对行做一维DCT，再对列做一维DCT——实际计算时，JPEG将图像切分为8×8像素的子块，对每个子块独立进行二维DCT变换，得到8×8的DCT系数矩阵。这个8×8的块大小经过大量实验验证，是计算复杂度与压缩效率之间的最优平衡点：块太大则计算量剧增且压缩效果提升有限，块太小则相邻块之间的相关性利用不充分。
DCT变换后的系数矩阵具有明确的物理含义。位于矩阵左上角（即(0,0)位置）的系数称为DC系数，代表该8×8像素块的平均亮度，是图像的低频分量。其余63个系数称为AC系数，位置越靠近左上角代表频率越低，越靠近右下角代表频率越高。低频AC系数对应图像中大面积的平滑区域和缓慢的颜色渐变，高频AC系数对应图像中边缘、纹理和细节等剧烈变化的部分。
这里需要特别区分几个容易混淆的概念。首先，DCT本身是无损的——将一个8×8像素块做正向DCT后再做逆向DCT，理论上可以完美还原原始像素值（忽略浮点运算精度误差）。JPEG压缩的"有损"来源于DCT之后对系数的量化操作，而非DCT变换本身。其次，DCT与DFT虽然同属变换编码家族，但DCT对图像信号的能量集中效果显著优于DFT，因为DCT隐含了"信号在边界外偶对称延拓"的假设，消除了DFT因周期延拓产生的不连续性。这一特性使得DCT能用更少的系数保留更多的图像能量，为后续的高压缩比奠定基础。
在多媒体应用设计师考试的语境下，命题人经常考查考生对DCT本质特征的理解：为什么是DCT而不是DFT？为什么是8×8而不是其他尺寸？DC系数和AC系数各代表什么？这些问题在历年真题中以不同形式反复出现，背后考查的正是对DCT原理的深层理解，而非机械记忆。
DCT变换之所以能成为JPEG压缩的基石，核心在于它出色的"能量压缩"（Energy Compaction）特性。所谓能量压缩，是指经过DCT变换后，图像信号的大部分能量——即可视信息——集中到少数低频系数上，而高频系数趋近于零。这一特性使得我们可以大胆地量化甚至丢弃高频系数，而不会对视觉感知造成明显影响。
要理解能量压缩，必须先建立从空间域到频域的思维转换。在空间域中，一幅图像是由像素的亮度值构成的二维矩阵，每个像素独立存储一个数值。但在频域中，同一幅图像被表示为不同频率成分的叠加——低频对应平缓变化的区域，高频对应剧烈变化的边缘和细节。DCT就是将图像从空间域映射到频域的数学桥梁。
一个直观的理解方式是：蓝天的大部分区域颜色变化缓慢，在DCT变换后表现为较大的低频系数；而天空与建筑物交界处的锐利边缘，在DCT变换后表现为非零的高频系数。由于低频分量占据了图像的绝大多数视觉能量，高频系数不仅数值小，而且人眼对高频细节的敏感度远低于低频分量——这就是JPEG能够安全地"丢弃"高频信息而肉眼难以察觉的根本原因。
在这一原理的指导下，JPEG压缩策略充分利用了人类视觉系统的两个关键特性：一是亮度敏感度高于色度敏感度，二是低频敏感度高于高频敏感度。基于此，JPEG将RGB图像先转换为YCbCr色彩空间（Y为亮度分量，Cb和Cr为色度分量），然后对色度分量进行4:2:0或4:2:2的子采样——即色度分辨率降为亮度的一半，在DCT变换之前就已实现显著压缩。进入DCT阶段后，人眼对左上角低频系数的微小变化极为敏感，但对右下角高频系数的变化几乎无感。因此，量化表的设计为：低频系数步长很小（保留精度），高频系数步长很大（大幅压缩甚至归零）。经过量化后，大量高频AC系数变为零，这正是JPEG压缩比的核心来源。
JPEG压缩策略充分利用了人类视觉系统的两个关键特性：一是亮度敏感度高于色度敏感度，二是低频敏感度高于高频敏感度。基于这两个特性，JPEG将RGB图像先转换为YCbCr色彩空间（Y为亮度分量，Cb和Cr为色度分量），然后对色度分量进行4:2:0或4:2:2的子采样——即色度分辨率降低为亮度的一半。这一步在DCT变换之前就已经实现了显著的压缩。
进入DCT阶段后，JPEG进一步利用"高频不敏感"特性。人眼对左上角低频系数中的微小变化极为敏感，但对右下角高频系数的变化几乎无感。因此，JPEG的量化表设计为：低频系数的量化步长很小（保留精度），高频系数的量化步长很大（大幅压缩甚至归零）。经过量化后，大量高频AC系数变为零，这正是JPEG压缩比的核心来源。
在信号处理的理论框架中，离散傅里叶变换用复指数函数作为基函数，分解出的频域系数是复数，包含幅度和相位信息。而DCT只用实数余弦函数作为基函数，避免了复数运算，更利于硬件实现。但DCT真正的优势不在于计算简便，而在于"边界连续性假设"。
当DFT处理一个长度为N的有限信号时，它隐式地将信号视为周期为N的周期信号。如果信号在首尾两端不连续，周期延拓后会在边界处引入人为的跳变，这种跳变在频域中表现为高频伪影，分散了信号的能量。DCT通过构造一个长度为2N的偶对称信号——即将原信号镜像翻转后拼接在原信号之后——保证了延拓后信号的边界连续性，从根本上消除了人为高频分量。这就是DCT的能量集中特性优于DFT的数学本质，也是在图像压缩场景中DCT全面替代DFT的原因。
以实际图像数据为例，对一个8×8的自然图像子块做DCT变换后，通常出现以下分布规律：DC系数（即(0,0)位置）的值是原始像素平均值的8倍，远大于所有AC系数的总和。前几个低频AC系数（如(0,1)、(1,0)、(1,1)位置）通常还有较大数值，而从大约第10个系数开始，后续系数迅速下降并趋近于零。统计研究表明，前10%的系数（约6个）通常包含了95%以上的信号能量——这正是"能量压缩"的量化含义，也是JPEG能够实现十倍以上压缩比而画质损失可控的根本原因。
JPEG压缩不是DCT的简单套用，而是一条设计精密的流水线。理解每个环节的作用和边界条件，是应对考试中JPEG相关题目的关键。
第一步，色彩空间转换与色度子采样。JPEG编码的第一道工序，是将图像从RGB色彩空间转换为YCbCr空间。RGB是面向显示设备的色彩模型，三个通道具有同等的视觉重要性。但在压缩场景中，将亮度与色度分离更为高效。亮度分量Y由RGB三通道加权求和得到（人眼对绿色的敏感度最高，因此绿色权重最大），Cb和Cr则分别表示蓝色色度分量和红色色度分量。转换后，JPEG对Cb和Cr两个色度分量执行子采样。常见的4:2:0采样模式意味着：色度分量在水平和垂直方向上的分辨率均为亮度分量的一半。这一步在不明显影响视觉质量的前提下，将数据量减少了一半。
第二步，8×8分块与DCT变换。图像被划分为互不重叠的8×8像素块。如果图像的宽度或高度不是8的整数倍，编码器会填充边缘像素。每个8×8块内的像素值先减去128（将无符号整数范围映射到有符号范围，使DCT系数的动态范围居中），然后进行二维DCT变换，得到8×8的系数矩阵。
第三步，量化——有损压缩的关键。量化是JPEG压缩管线中唯一的"信息丢弃"步骤，也是压缩比的直接来源。JPEG标准提供了两个默认量化表——亮度量化表和色度量化表——各是一个8×8的矩阵。量化操作是将DCT系数除以量化表中对应位置的量化步长，然后四舍五入取整。量化表的设计体现了视觉心理学成果：低频位置的步长小（如亮度量化表的(0,0)位置约为16），保留精细信息；高频位置的步长大（如右下角可达到99甚至更高），使大量高频系数归零。用户可以调整品质因子来缩放整个量化表：品质因子越高，量化步长越小，文件越大，画质越好；反之亦然。
第四步，Z字形扫描与游程编码。量化后的8×8系数矩阵中，大量的零值集中在右下角。为了在后续的熵编码中高效地表示这些连续的零，JPEG采用Z字形（Zig-Zag）扫描顺序：从左上角的DC系数开始，沿对角线从左上向右下蜿蜒扫描。这种扫描策略将系数排列为一维序列，使得非零系数聚集在序列前端，零系数聚集在后端，形成长串的连续零。在游程编码阶段，AC系数被编码为"游程长度加非零值"的对，其中游程长度表示当前非零值之前连续零的个数。DC系数则采用差分脉冲编码调制（DPCM）处理：存储当前块DC值与上一个块DC值
本篇完！