Compression DCT压缩

DCT（DiscreteCosineT转换）如何帮助压缩声音（或任何波形数据）？根据DCT变换，结果有N个输入值和N个输出值。压缩在何处实现以及如何实现？

在我看来，这是对以频率（频率+振幅+重复）形式呈现的输入（波）某些值的重复进行的分析。例如，如果音频（低音）中有许多低噪声，则DCT将输出许多低频值（=类似值）（即，考虑均衡器频带）。这可以用于任何压缩算法。而且DCT是无损失的和可逆的。

想想序列1,2,3,4,5，。。它根本不会使用LZ（zip）进行压缩，因为没有重复。现在将序列编码为差异：1,1,1,1,1，。。。Zip现在可以压缩99%。每种算法都能很好地检测特定的模式。DCT有助于将数据编码成可压缩的格式。

DCT不压缩。DCT输出的大小与输入信号的大小相同。然而，DCT的作用是压缩信号的能量。粗略地说，在频域中，你会得到一小部分大系数和很多小系数。这种情况非常适合熵编码器，它可以消除DCT输出中的冗余，从而提供压缩。

Loseless？你能给我一些关于你写的算法的链接吗？也许这是有损的，但是如果你能把系数四舍五入，你可以压缩一点：我试过DCT。只是转换到频域，再转换到时域。最后的结果和原来的结果不一样……真奇怪！你看过这一页的底部了吗？有一个8x8位图的DCT？清楚的解释…简短而甜蜜的回答这个问题与编程没有直接关系；它更多的是关于信号处理和数学。因此，您应该考虑将其移动到OR或OR。