[Week2.5]图像量化——JPEG在此压缩

　　图像经过分块、DCT变化，已经为压缩作好准备了。纳尼！折腾了大半天才算“作好准备”，你大爷逗我吧？客官请息怒，“量化”就正式开始压缩啦，3天瘦20斤，效果显著，无用退款！

JPEG量化：更多地保留低频信息

　　经过DCT变换后，图像低频部分都集中在左上角，这部分信息对人类理解图像内容非常重要；图像高频部分集中在右下角，这部分记录图像的细微变化，人眼几乎不能察觉。
　　所以，更多地保留DCT左上方的低频信息，去除DCT右下方的高频信息，既能大大压缩图像大小，同时较好地保证了图像质量。
　　说得容易，实现方法也很容易，那就是“量化”。

　　Soga！那...量化是啥？
　　简单地说，“量化”是将“连续量”转换为“离散量”的过程。“四舍五入”、“向下取整”就是典型的量化。
　　比如，设量化器(Quantizer)为8，那么，16,21,24,59的量化结果是：
　　[16/8] * 8 = 16;
　　[21/8] * 8 = 16;
　　[24/8] * 8 = 24;
　　[59/8] * 8 = 56;
　　( 这里[ ]表示向下取整 )

JPEG量化矩阵

　　为了尽可能的保留低频信息去除高频信息，JPEG的典型量化矩阵左上方的数都比较小，右下方的数都比较大。量化之后，右下方的信息基本都是0了。

　　想要得到更好的压缩效果，还可以使用2倍，4倍，8倍甚至32倍的量化矩阵。当然，量化矩阵越大，图像的质量也会越差。

Max-Lloyd优化量化

　　JPEG使用统一的量化矩阵，它“不用思考”就能得到不错的压缩效果。不过，有没有更优的量化矩阵呢？必须有，那就是Max-Lloyd Optimal Quantizer, 它会根据具体图像的特征，计算出动态的量化矩阵，从而获得比统一量化矩阵更有效的动态量化矩阵。
　　尽管Lloyd量化可以获得更好的效果，但因为它运算复杂，要保证各种设备(如手机)都能高速地支持JPEG，JPEG还是义无反顾地采用了统一量化矩阵。
Max-Lloyd Optimal Quantizer可参考：
http://en.wikipedia.org/wiki/Quantization_(signal_processing)#Neglecting_the_entropy_constraint:_Lloyd.E2.80.93Max_quantization