Блог

Как DCT (Discrete Cosine Transform) помогает сжимать звук (или любые волнообразные данные)? В соответствии с преобразованием DCT в результате получается N входных значений и N выходных значений. Где достигается сжатие и как?

DCT не выполняет сжатие. Размер выходного сигнала DCT такой же, как размер входного сигнала. Однако DCT выполняет сжатие энергии сигнала. Грубо говоря, в итоге вы получаете небольшое подмножество больших коэффициентов и множество малых коэффициентов в частотной области. Эта ситуация идеально подходит для энтропийного кодера, который может устранить избыточность на выходе DCT, обеспечивая таким образом сжатие.

Подумайте о последовательности 1,2,3,4,5,.. Он вообще не будет сжиматься с использованием LZ (zip), потому что повторение равно нулю. Теперь закодируйте последовательность как различия: 1,1,1,1,1, … Zip теперь сжмет ее на 99%. Каждый алгоритм хорошо распознает определенный шаблон. DCT помогает кодировать данные в формат, который хорошо сжимается.

IMO это анализ повторений определенных значений входного сигнала (волны), представленных в виде частот (frequence amplitude повторение). Например, если у вас много низких шумов в аудио (бас), DCT выдаст много значений (= похожих значений) с низкими частотами (т. Е. Подумайте о диапазоне эквалайзера). Это может быть использовано для любого алгоритма сжатия. А также DCT является без потерь и обратимым.