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 )
（更多…）

均方差(Mean Square Error, MSE)

　　评价一幅图像压缩前和压缩还原后的差异，有两种常用方法：
　　①大家来找茬——进化程度高的人类可轻易识别；
　　②数学方法——压缩前和还原后的图像作均方差；
均方差计算方法：
$$!MSE = \sqrt{\frac{1}{Number Of Pixels}\sum ({f}’-f)^{2}}$$
显然，MSE越小，图像的质量越好。

K-L 转换：

　　要想获得最小均方差的转换，可以使用K-L转换。K-L转换(Karhunen-Loève Transform)是建立在统计特性基础上的一种转换，它是均方差(MSE, Mean Square Error)意义下的最佳转换，因此在资料压缩技术中占有重要的地位。K-L转换是对输入的向量x，做一个正交变换，使得输出的向量得以去除数据的相关性。
　　简单地说，只要能不辞劳苦地算出图像的K-L转换，就能找到MSE最小的转换。
　　我的天啊，这听起来真棒！等等，K-L转换的计算复杂度奇高，半天压缩才压缩一副图片，恐怕自拍狂们会hold不住。
　　那有没有简单的变换方法，计算简单，又能保证图像质量？
（更多…）