数组实现DCT图像压缩的核心是：先用双重循环和预计算余弦表完成一维DCT-II，再通过行列分离法扩展至二维；压缩靠量化表除法取整与高频系数截断，重构时逆序IDCT并裁剪像素值。
用数组实现离散余弦变换（DCT）并用于图像压缩，核心是把图像看作二维数值矩阵，通过数学运算将其从像素空间转到频率空间，再靠舍弃不敏感的高频系数来压缩。整个过程不依赖现成函数库也能完成，关键是理解每一步的数组操作逻辑。
用纯数组实现一维DCT-II（最常用形式）
先从最基础的一维开始，这是二维DCT的构建块。对长度为 N 的输入数组 x[n]（n = 0…N−1），DCT-II 公式为：
X[k] = α(k) × Σ x[n] × cos[π×(n+0.5)×k / N]，其中 k = 0…N−1
α(k) 是归一化系数：k=0 时为 1/√N，其余为 √(2/N)
- 用双重循环实现：外层遍历 k（频率索引），内层遍历 n（采样点）
- cos 项可预先计算并存入二维查找表（如 dct_matrix[N][N]），避免重复调用三角函数，提升速度
- 注意浮点精度，建议统一用 double 类型存储中间结果
- 验证正交性：对同一组数据做 DCT 再 IDCT，应基本还原原数组（误差在 1e−12 量级内）
扩展到二维DCT：先按行再按列（或反之）
图像本质是二维数组，标准做法是分块处理（如 8×8）。对一个 8×8 块 A，二维DCT等价于：DCT(A) = M × A × Mᵀ，其中 M 是 8×8 的一维DCT基矩阵
- 先对每行做一维DCT → 得中间矩阵 B
- 再对 B 的每列做一维DCT → 得最终频域系数矩阵 D
- 也可先列后行，结果一致（因矩阵乘法满足 (M×A)×Mᵀ = M×(A×Mᵀ)）
- 实际编码中，避免显式构造大矩阵，直接用嵌套循环模拟矩阵乘法更省内存
图像压缩实战：量化 + 截断是关键压缩动作
DCT本身不压缩，只是重排能量。真正压缩发生在后续两步，都基于数组操作：
- 量化：用一个 8×8 量化表 Q（如 JPEG 默认亮度表），对 D 中每个元素除以对应位置的 Q[i][j]，再四舍五入取整。高频位置（右下角）Q 值大 → 结果更易为 0
- 截断/清零：设定阈值（如只保留左上 4×4 区域），将右下三角或 Z 字形扫描后第 32 位之后的系数全置 0
- 压缩率粗略估算：原始 64 个 float → 量化后可能只剩 15 个非零 int → 存储体积下降明显
- 注意：量化不可逆，是信息损失主因；IDCT 只能重建近似图像
重构图像：IDCT 数组实现与注意事项
逆变换公式与 DCT 类似，仅系数和 cos 相位略有调整。对量化后的 8×8 矩阵 Dq，IDCT 同样分两步：
- 先对每列做一维 IDCT → 得中间矩阵 C
- 再对每行做一维 IDCT → 得重建块 R
- IDCT 中的归一化系数需与 DCT 配对使用（例如 DCT 用 √(2/N)，IDCT 就要补回 √(2/N) 或 1/√N）
- 重建块像素值可能超出 [0,255]，需做截断（clip）或重缩放，否则显示发白或发黑
- 多个 8×8 块拼回原图时，注意保持行列顺序，避免错位
