西安交通大学-数字媒体实验报告.docx

《西安交通大学-数字媒体实验报告.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数字媒体课内实验专业班级计算机15/计算机14班学生姓名高君宇/吕智龙学号/提交日期2014年11月23日Email@qq.com实验分工以下三个实验为高君宇和吕智龙合作完成，其中吕智龙主要负责分析实验要求，拟出实现的基本算法，提出大致框架，并对最终的代码进行优化。高君宇主要负责代码的实现和调试。两人共同完成最终的实验报告。实验一、二维DCT变换题目描述将给定一幅RGB图像•转化为YUV图像，•对色差分量进行4：2：0的降采样，4:1:1的降采样，和4:2:2的降采样•对4：2：0的降采样结果，分别将Y，U，V通道的图像划分成8×8的图像块，计算每个小块的二维DCT变换，•每个图像块对

2、应有8×8=64个DCT系数，分别选用前4个，6个，8个，12个，24个系数重构图像。工具选择pMatlab2014a原图像如下：实验算法1.读入bmp图像；2.将图像的RGB空间转换成YUV空间（未进行伽马矫正）；3.对色差分量进行4：2：0采样4:2:0并不意味着只有Y，U而没有V分量。它指得是对每行扫描线来说，只有一种色度分量以2:1的抽样率存储。相邻的扫描行存储不同的色度分量，也就是说，如果一行是4:2:0的话，下一行就是4:0:2，再下一行是4:2:0...以此类推。对每个色度分量来说，水平方向和竖直方向的抽样率都是2:1，所以可以说色度的抽样率是4:1。对非压缩的8比特量化

3、的视频来说，每个由2×2个2行2列相邻的像素组成的宏像素需要占用6字节内存。4.进行DCT变换:1.构造一张Zigzag表，使用Z形变换扫描，对变换的DCT系数保留合适的个数（4,6,8,12,24）；2.DCT逆变换，图像重构，转回RGB空间。实验结果及分析1．4:2:0采样下DCT系数保留前4个，恢复出的图像：DCT系数保留前6个，恢复出的图像：DCT系数保留8个，恢复出的图像：DCT系数保留12个，恢复出的图像：DCT系数保留24个，恢复出的图像：可以看到，随着保留的DCT系数的个数不断增多，恢复出的图像的质量不断增强。注：实验时我曾经忘记做DCT逆变换，曾出现如下结果让我记忆颇

4、深：所以，进行数据分析和处理时一定要细心，把每一步骤都做好，浮躁是不行的。2.4:1:1采样原图采样后3.4:2:2采样原图采样后可以看到，4:1:1采样和4:2:2采样后的图像和原图都有一定的差距，4:2:2采样后失真更小。源程序见文件夹E1。实验四、运动估计题目描述给定视频流中截取的前后两帧图像，保存成BMP的格式，第一幅图像作为参考帧，第二幅图像作为当前帧，试：•从三步算法，2D对数算法，对偶算法三种运动估计算法中选择2种，编写相应程序，估计每个16×16宏块的运动；•根据估计的运动，进行运动补偿，计算每个宏块的差值，并且将差值保存成一幅图像。工具选择Matlab2014a原视频

5、帧如下：参考帧当前帧实验算法1.读入要处理的参考帧和当前帧；2.对参考帧进行边界处理，为其增加一个高度为32的边框，便于运行3D搜索法时处理边界值；3.对参考帧用3D搜索法进行运动估计：每次搜索9个点，确定一个最小的位置，然后再进行将搜索距离减半，继续9个点，循环迭代。选用MSE作为误差函数；4.计算当前帧中每个16*16宏块与参考帧中用3D搜索法得到的对应位置的16*16宏块的差值，选用MSE作为误差函数，选择误差最小的那个宏块作运动补偿；5.将所有对应宏块的差值保存成一副图像。6.使用2D对数法重新进行上述步骤。2D对数搜索法：每次搜索5个点，确定一个最小的位置，当遇到搜索区域的边

6、界或者最小值在中心点时候，减少搜索距离，继续搜索5个点，循环迭代。实验结果及分析1.3D搜索法的结果：2.2D对数法的结果：可以看出，对于这两帧图像，使用3D搜索法得到的运动误差更小。3.总结：这个实验中出现了很多错误，由于一开始对算法的理解不够透彻，我犯了如下错误：（1）搜索宏块时忘记更新节点坐标；（2）比对MSE误差时，没有及时更新最小误差值；（3）进行运动补偿时，错误的使用了当前帧和当前帧的差值；所以，一度出现了如下结果：我的体会是，实现一个算法之前，必须先要熟练掌握这个算法，做到每一步都了然于胸，才不至于编程时手忙脚乱。源程序见文件夹E4.实验七、WAV格式分析题目描述给定若干

7、段用WAV格式保存的音频数据•用UltraEdit等工具分析保存的WAV音频数据格式。工具选择UltraEdit32分析过程及结果待分析的音频大体信息如下：从这里可以看出这是一个43.1KB的wav格式的音频文件。这里面并没有什么有用信息，试听了一下，发现是发生频率不同的两声蜂鸣器的声音组成的一个两秒的音频。使用UltraEdit打开该音频文件，内容如下：其中，第一行0-3（00H-03H，下文按照这种十六进制的表示叙述）列表示的是”RIFF”