最近研究这一部分，试图配合自创的压缩方式，形成自有的视频格式，试验总结如下。（以前没接触过这一块，都是在网上临时学习的，边学边试验，得出初步的结果）
1. 当前大部分视频经过DCT（离散余弦变换）处理后压缩，视频处理过程（编码过程）如下：
视频帧 -> 分解成YUV色差 -> UV色差偏移+128 -> 分区块DCT处理 -> 量化 -> 压缩 -> 压缩帧打包。视频解压是反过来的，（解码过程）如下：
视频帧 <- YUV色差合成RGB <- UV色差偏移-128 <- 反向DCT还原YUV区块 <- 反向量化 <- 解压 <- 压缩帧解包。
2. DCT理论是无损的，得到的是浮点数，再用浮点反向DCT变换，回复原数（是浮点都会有损失，取决于浮点精度）。因压缩需要整形数，所以转成整形数，这一过程称“量化”，造成一定损失，如果DCT后将浮点数“放大”（乘以某数，提高精度），恢复质量有所提高，但压缩率下降。一般称这一数为量化质量，为10时，压缩率为20%，图像质量尚可，不“放大”，显示效果极差，无法接受。
3. DCT输入范围：测试过字节和字输入，特性一样。有符号数和无符号数特性基本一样。
4. 传统视频（几乎当前所有视频）需要转成YUV色差方式再DCT变换压缩，是因为以下三个原因：
（1）最早期是黑白电视机，也就是黑白灰度信号，当彩色电视机出现后，为了兼容黑白电视机，选择了色差信号，其中Y是三个基色合成的信号，可以针对彩色和黑白电视机。
（2）压缩需要，由于对颜色细节不敏感，单独减少颜色细节，具有一定压缩作用。
（3）因最早是由黑白电视机、摄像机、录像机、演播传播系统等发展而来，选择的是兼容方式，当今虽然有RGB摄像及录像原始信号，但未压缩，无法正常使用，所以需要转色差方式压缩。
5. 作为一款自研多媒体软件，视频是不可少的，现有视频播放器都是调用别人的视频播放库，没有任何自主权，虽然有免费的库，但考虑到完全自控，简洁，还是要走创新的路，思路如下：
（1）视频分解成色差方式，其一是为了“兼容”传统黑白系统，作为独立软件不需要考虑“兼容”，采用自有格式，自己的播放器。
（2）视频压缩不同于传统压缩，要求速度，还要兼顾压缩率，看了当今几乎所以的压缩原理，通过融合自我想法，尝试新压缩方法。
（3）转换成色差，压缩颜色，充分利用视觉特点也是很好的方案，相对基于RGB的压缩方式，是否有优势，还需更多的思考。目前可以确定 YUV4:2:0 效果不好，YUV4:1:1 有改善，但很少用，YUV4:2:2 效果和压缩均衡，相对较好。YUV的不足是需要分离视频，需要运算，耗用一定时间，另一个问题是三个基色相互依赖，对还原色纯度不利。
（4）如果分别压缩RGB三个基色变量，因相互无牵连，当压缩率不同时，可能造成色彩混乱。所以RGB作为一个变量压缩，使用最多的RGB888也就是RGB24原始彩色格式，作为一个24位无符号变量，但没有相关量化表，出现困局。
（5）自己造量化表有点悬了，量化表是根据心里因素，对去除图像中的高频分量（也就是清晰度），做了权衡，是相关专家组经过大量实践得出的，经试验，确实如此。
（6）转了一圈，还是回到了色差方式，不是为了兼容，而是为了压缩色彩，利用现有资源，先做到自主，完全掌握，迈出第一步。
6. 相关参考：
//YUV转换宏 #define MY(R, G, B) ( R * 0.2989 + G * 0.5866 + B * 0.1145) #define MU(R, G, B) ((R * (-0.1688) + G * (-0.3312) + B * 0.5000 + 128)) #define MV(R, G, B) ((R * 0.5000 + G * (-0.4184) + B * (-0.0816) + 128)) const BYTE bzYQTable[8][8] = { //亮度Y量化表 {16,11,10,16,24,40,51,61}, {12,12,14,19,26,58,60,55}, {14,13,16,24,40,57,69,56}, {14,17,22,29,51,87,80,62}, {18,22,37,56,68,109,103,77}, {24,35,55,64,81,104,113,92}, {49,64,78,87,103,121,120,101}, {72,92,95,98,112,100,103,99}}; const BYTE bzUVQTable[8][8] = { //色度UV量化表 {17,18,24,47,99,99,99,99}, {18,21,26,66,99,99,99,99}, {24,26,56,99,99,99,99,99}, {47,66,99,99,99,99,99,99}, {99,99,99,99,99,99,99,99}, {99,99,99,99,99,99,99,99}, {99,99,99,99,99,99,99,99}, {99,99,99,99,99,99,99,99}}; void __fastcall CDCT::DCT(float fOutPut[][8], char czInPut[][8])//离散余玄变换 { float ALPHA, BETA, tmp; int u,v,i,j; for(u = 0; u < 8; u++) { for(v = 0; v < 8; v++) { if(u == 0) ALPHA = sqrt(1.0 / 8.0); else ALPHA = sqrt(2.0 / 8.0); if(v == 0) BETA = sqrt(1.0 / 8.0); else BETA = sqrt(2.0 / 8.0); tmp = 0.0; for(i = 0; i < 8; i++) for(j = 0; j < 8; j++) { tmp += czInPut[i][j] * cos((2 * i + 1) * u * PI / (2 * 8)) * cos((2 * j + 1) * v * PI / (2 * 8)); } fOutPut[u][v] = ALPHA * BETA * tmp; } } } void __fastcall CDCT::Quant(int czOutPut[][8], float InMatrix[][8], const BYTE bzQTable[][8])//量化 { int x,y; float fQuant; for(x = 0; x < 8; x++) for(y = 0; y < 8; y++) { fQuant = InMatrix[x][y] / bzQTable[x][y];//量化 fQuant = fQuant * byQuantizationQuality;//量化质量 czOutPut[x][y] = (int)fQuant;//截尾 } }