一、变换算法在图像视频中的核心作用

我们国产的变换算法是比较少的，基本上都是在小波、DCT和FFT上发展优化升级的应用。我之前的文章给出了一种基于加权概率模型的变换算法，该算法在一定的程度上能有效的保存低频数据。而且我基于该算法给出了一些新的应用，如轮廓预测，图像增强，以及细胞识别等。本次，我基于上下文构造了一种全新的变换算法，目前来看，该算法具有极好的压缩效应。该算法已经被应用到我的视频压缩算法中，所以不能贴出变换算法的源代码。该算法还有巨大的提升空间。
1、算法不再使用小波和DCT。
2、采用16*16的块变换，效率高。
3、可延伸性强，可以发展新的去方块滤波针对轮廓边缘进行滤波和加强从而还原出清晰的图像。
4、本算法大部分的图像是可以通过AI去构造恢复算法的，同时利用纹理预测也能有效恢复图像。
5、该算法的理论，我也期待能通过国内期刊的论文审查，未来为国内图像视频算法提供一种新的理论发展方向。

二、实验效果

采用16*16的块进行变换，保留1/4系数后的效果如下。
保留1/16系数的效果如下。

保留1/64系数的效果。

保留1/256系数的效果。

保留系数的多少可以自定义。基于预测和补偿的方式，可以在1/256系数下恢复部分1/64系数的效果。从实验的结果来看，基于1/32到1/64的范围内能有效的基于纹理预测进行图像清晰化。而且每个系数均被设定在一个字节范围内，当然也可以映射在两个字节范围内。
在JLM Video中我采用了自己的变换算法，关键帧中部分用了1/16系数，关键帧部分预测块和预测帧均采用1/64系数，然后利用纹理预测和去块效应滤波还原出图像信息。
目前V1.0版本已经实现所有算法国产化，包括变换算法，量化方案（参考《杰林码原理及应用》书中的量化方案），熵编码（采用加权概率模型无损压缩算法，权系数可以参考《杰林码原理及应用》书中的权计算公式）。

第二组实验
保留1/4系数的效果如下。

保留1/16系数后的效果如下。

保留1/64系数后的效果如下。

本算法支持码流设置，清晰度也随着获得细节数据越多越清晰。
最近我看到有些朋友通过搜索“算法创新”“JS和网页资源加密”之类的看过我的博客，我觉得还是有很多的朋友在做这块的事，加油！
基础算法研究重点还是发掘新的数学方法，这个不能一蹴而就！
有的时候创新也就是一个简单的公式而已，比如haar小波，就是非常简单的代数运算，甚至53，97等小波，都是结合一些滤波函数构造的小波算法。DCT的发展史也是很有意思的，要相信自己。国内应该有大批的博士，专家参与基础算法的研究。这些算法大部分是能有效替代国外知识产权的，加油！一方面为自己加油，一方面为大家加油！！！