KNOWECON WIKI

ARTICLE

离散余弦变换

离散余弦变换概述 离散余弦变换（Discrete Cosine Transform，简称 DCT）是一种将有限长离散信号表示为不同频率余弦函数加权和的正交变换，其数学基础建立在实对称矩阵的特征分解之上。与离散傅里叶变换（DFT）相比，DCT 仅使用余弦基函数，完全避免了复数运算，因此计算效率更高，内存占用更少。更为关键的是，DCT 具有比 DFT 更强的能量

浏览 0 更新 2026-07-14

离散余弦变换概述

离散余弦变换（Discrete Cosine Transform，简称 DCT）是一种将有限长离散信号表示为不同频率余弦函数加权和的正交变换，其数学基础建立在实对称矩阵的特征分解之上。与离散傅里叶变换（DFT）相比，DCT 仅使用余弦基函数，完全避免了复数运算，因此计算效率更高，内存占用更少。更为关键的是，DCT 具有比 DFT 更强的能量压缩特性——对于大多数自然信号，DCT 能够将信号的主要信息集中到更少的系数中。这一特性使 DCT 成为 JPEG 图像压缩、MPEG 视频编码、MP3 音频压缩等有损压缩标准的核心数学工具，也是现代数字媒体技术的基石之一。

DCT 由 Nasir Ahmed、T. Natarajan 和 K. R. Rao 于 1974 年共同提出，相关论文发表于《IEEE Transactions on Computers》。Ahmed 最初在探索图像编码时发现，余弦基函数比傅里叶基函数更适合处理图像边界的不连续性，因此能够有效减少 Gibbs 现象带来的伪影。JPEG 委员会在二十世纪八十年代末经过大量对比实验，最终将 DCT 选定为国际标准图像压缩变换，自此 DCT 的应用迅速扩展到整个数字多媒体领域，成为过去四十年来应用最广泛的信号处理工具之一。

数学定义

DCT 共有八种标准变体（DCT-I 至 DCT-VIII），其区别在于边界条件的处理方式和对称性选取的不同。在八种变体中，应用最为广泛的是 DCT-II，也是 JPEG 和 MPEG 标准中实际采用的变换类型。对于长度为 N 的实数序列 x[n]（n = 0, 1, …, N−1），DCT-II 的数学定义为：

X[k]=∑n=0N−1x[n]⋅cos⁡ ⁣[πN(n+12)k],k=0,1,…,N−1X[k] = \sum_{n=0}^{N-1} x[n] \cdot \cos\!\left[ \frac{\pi}{N} \left( n + \frac{1}{2} \right) k \right], \quad k = 0, 1, \ldots, N-1

对应的逆变换（IDCT-II）定义为：

x[n]=1N∑k=0N−1ϵk⋅X[k]⋅cos⁡ ⁣[πN(n+12)k]x[n] = \frac{1}{N} \sum_{k=0}^{N-1} \epsilon_k \cdot X[k] \cdot \cos\!\left[ \frac{\pi}{N} \left( n + \frac{1}{2} \right) k \right]

其中权重系数 ϵ0=1\epsilon_0 = 1，而 ϵk=2\epsilon_k = 2 对于 k≥1k \geq 1。从线性代数角度看，DCT 是一个 N×N 的正交变换矩阵，其行向量构成一组标准正交基，这意味着变换前后能量守恒（Parseval 定理成立），且逆变换的计算仅需对矩阵进行转置操作，计算效率极高。

二维 DCT 与可分离性

对于图像等二维信号，二维 DCT 具有重要的可分离性质：对二维数据块进行 DCT 等价于先对每一行执行一维 DCT，再对每一列执行一维 DCT。这一性质将计算复杂度从 O(M²N²) 大幅降低至 O(M²N + MN²)，使得在实际硬件中高效实现 DCT 成为可能。JPEG 标准选择将图像划分为 8×8 像素块，对每个块独立进行二维 DCT。8×8 的块尺寸并非随意选定，而是经过大量实验得出的经典折中——更小的块会导致压缩率不足且产生更多块边界伪影，更大的块则会使计算量急剧增加且信号局部平稳性假设不再成立。

能量压缩性质

能量压缩是 DCT 最为重要的数学性质，也是其在压缩领域获得广泛应用的根本原因。对于高度相关的信号（如自然图像中相邻像素的灰度值），DCT 能将绝大部分信号能量集中到极少数低频系数上，而高频系数的幅值趋近于零。从数学理论上分析，DCT 对一阶马尔可夫过程的近似性能非常接近 Karhunen-Loève 变换——后者在最小均方误差意义上是理论最优的变换编码工具。然而，KLT 依赖信号的具体统计特性，其变换矩阵随输入变化，无法预先计算且没有快速算法；而 DCT 是固定变换，可以离线计算且拥有成熟的快速实现。在典型自然图像上，DCT 可以将 90\% 以上的信号能量集中到仅占总量 10\% 的低频系数中，这是 JPEG 能够以极小的视觉质量损失实现高压缩比的数学根源。此外，DCT 的直流系数（DC 系数）直接对应图像块的平均亮度，这一特性在图像分析和检索中也有重要用途。

快速算法

直接根据定义公式计算长度为 N 的一维 DCT 需要 O(N²) 次乘加运算，对于实时处理场景而言计算量过大。通过系统利用余弦函数的对称性和周期性，可以设计多种复杂度为 O(N log N) 的快速算法。最经典的方法是将长度为 N 的 DCT 重新表达为长度为 2N 的实偶对称序列的 DFT，然后调用高度优化的快速傅里叶变换算法完成计算。对于 JPEG 中使用的 8×8 DCT，存在经过专门设计的定点数实现方案——Chen 算法和 Loeffler 算法是其中最具代表性的两类，前者仅需 16 次乘法和 26 次加法，后者进一步将乘法次数压缩至 11 次。某些硬件实现甚至完全消除了乘法运算，仅通过移位和加法操作即可完成 8×8 DCT，非常适合在嵌入式设备、移动处理器和硬件编码器中使用。

主要应用

DCT 最为人熟知的应用是 JPEG 图像压缩，其流程可概括为三个步骤：首先将图像分割为互不重叠的 8×8 像素块，对每个块施加二维 DCT 得到 64 个频域系数；然后进行量化——利用人眼视觉系统对高频细节不敏感的特性，使用较大的量化步长作用于高频系数，使得大量高频系数变为零；最后对量化后的系数进行 Zigzag 扫描和熵编码（霍夫曼编码或算术编码），进一步消除统计冗余。在 视频编码 领域，MPEG-1/2/4 和 H.261/H.263 等标准同样以二维 DCT 为核心，结合运动补偿和帧间预测技术实现高效视频压缩。在 音频编码 领域，MP3 使用了 DCT 的变体——修正离散余弦变换（MDCT），通过 50\% 重叠的分析窗口和时域混叠消除技术，在避免块边界效应的同时实现完全重建。此外，DCT 还广泛应用于数字水印嵌入与提取、图像取证分析、特征提取、语音信号处理以及科学计算中的谱方法等领域。

DCT 的局限性与理论地位

尽管 DCT 性能优异，它并非完美无缺。DCT 是基于固定分块操作的全局变换：它将图像划分为独立处理的块，块与块之间的相关性被完全忽略，导致在高压缩率下出现明显的块边界效应——即视觉上可见的马赛克方块。JPEG 2000 标准以离散小波变换替代 DCT，通过对整幅图像进行多分辨率分解，从根本上消除了块边界伪影。然而小波变换的计算复杂度远高于 DCT，且专利和标准化方面的历史原因使得 JPEG 2000 始终未能取代 JPEG 的统治地位。

从理论角度看，DCT 在变换编码领域占据近乎最优的地位。它在不对信号统计特性做任何先验假设的前提下，为平稳随机过程提供了媲美最优 KLT 的压缩性能，同时拥有高效且可硬件化的快速算法。DCT 完美地平衡了数学优雅性、计算效率和压缩性能三者之间的关系，是信号处理领域为数不多的、兼具理论深度与工程实用价值的典范之一。自 1974 年问世以来，DCT 深刻塑造了数字媒体的存储与传输方式，从互联网上流通的海量 JPEG 图片到各类视频流媒体服务，处处可见这一变换的贡献，它是现代数字基础设施中不可或缺的数学基石之一。