CSDN论坛 > Delphi > VCL组件开发及应用

请问哪位大侠有对超过8位图像的离散余弦变换(DCT)操作的源码或组件?多谢! [问题点数:0分]

Bbs1
本版专家分:0
结帖率 100%
CSDN今日推荐
匿名用户不能发表回复!
其他相关推荐
离散余弦变换(DCT)
DCT变换、DCT反变换、分块DCT变换 一、引言        DCT变换的全称是离散余弦变换(Discrete Cosine Transform),主要用于将数据或图像的压缩,能够将空域的信号转换到频域上,具有良好的去相关性的性能。DCT变换本身是无损的,但是在图像编码等领域给接下来的量化、哈弗曼编码等创造了很好的条件,同时,由于DCT变换时对称的,所以,我们可以在
离散傅立叶变换DFT和离散余弦变换DCT
本文主要介绍了一维和二维的离散傅立叶变换与离散余弦变换。
离散余弦变换(DCT)
离散余弦变换(DCT for Discrete Cosine Transform)是与傅里叶变换相关的一种变换,它类似于离散傅里叶变换(DFT for Discrete Fourier Transform),但是只使用实数。离散余弦变换相当于一个长度大概是它两倍的离散傅里叶变换,这个离散傅里叶变换是对一个实偶函数进行的(因为一个实偶函数的傅里叶变换仍然是一个实偶函数)
DCT离散余弦变换C版本
#include #include using namespace std; #define PI 3.14159265354 #define DCT_SIZE 8 float DCT_Mat[DCT_SIZE][DCT_SIZE]; float DctMap[DCT_SIZE][DCT_SIZE]= { 130,130,130,129,134,133,129,130, 130
离散余弦变换(Discrete Cosine Transform)
DCT变换和FFT变换都属于变换压缩方法(TransformCompression),变换压缩的一个特点是将从前密度均匀的信息分布变换为密度不同的信息分布。在图像中,低频部分的信息量要大于高频部分的信息量,尽管低频部分的数据量比高频部分的数据量要小的多。例如删除掉占50%存储空间的高频部分,信息量的损失可能还不到5%。 变换编码有很多种。K–L变换的压缩效率很高,但算法实现困难;FFT变换算
Java实现【快速离散余弦变换FDCT】参考:《图像数字水印的JAVA实现 刘剑鸣 著》
原始图片: 水印图片: 嵌入水印后的图片: 提取出来的水印图片: 工具类:ImageUtil.java    MathTool.java package com.zeph.watermark.util; public class MathTool { public static double[][] intToDoubleMatrix(int[][
对图像傅里叶变换,DCT变换及重构并求均方误差
对图像进行傅立叶变换和离散余弦变换,并分别求出其逆变换后重构图像的均方误差。调用women图片。
Python二维离散余弦变换图像压缩应用(基于OpenCV)
离散余弦变换的特征是将物体信息能量汇聚到低频成分,高频成分接近0,因此被用于语音和图像处理领域。 在图像压缩存储中,可以将原始图像进行二维离散余弦变换,然后存储含有信息的低频部分的数据。在图像还原过程中,通过这些携带信息的低频数据就可以还原原始大小的图像。 Python程序如下: # -*- coding: -utf-8 -*- # Python版本:Python3.5 #库:numpy,o
优化IPOL网站中基于DCT(离散余弦变换)的图像去噪算法(附源代码)。
优化IPOL网站中基于DCT(离散余弦变换)的图像去噪算法(附源代码)。   在您阅读本文前,先需要告诉你的是:即使是本文优化过的算法,DCT去噪的计算量依旧很大,请不要向这个算法提出实时运行的苛刻要求。     言归正传,在IPOL网站中有一篇基于DCT的图像去噪文章,具体的链接地址是:http://www.ipol.im/pub/art/2011/ys-dct/,IPOL网站的最大特点
数字图像处理:11.离散余弦变换
已知离散傅里叶变换(DFT)为:     由于许多要处理的信号都是实信号,在使用DFT时由于傅里叶变换时由于实信号傅立叶变换的共轭对称性导致DFT后在频域中有一半的数据冗余。      离散余弦变换(DCT)是对实信号定义的一种变换,变换后在频域中得到的也是一个实信号,相比DFT而言,DCT可以减少一半以上的计算。DCT还有一个很重要的性质(能量集中特性):大多书自然信号(
关闭