三个印度人改变压缩算法，一意孤行整个暑假，却因“太简单”申不到经费

明敏 丰色 发自 凹非寺
量子位 | 公众号 QbitAI

世界上最好用的压缩软件是什么？

微信。

这个段子想必很多人都听过。

一张几兆的图片，经微信一发，立马降到几百kb。

△如果是有损压缩画质会下降（右图天空有波纹）

虽说这是个吐槽，但u1s1，图片视频压缩其实是一项非常必要的技术。

比如视频通话、传输大量图片时，如果不压缩的话，要么图像完全无法传送，要么就是干等了。

所以在数字时代这几十年里，萌生出了很多相关的技术，比如JPEG、H.26X。

不过你或许不知道，这些技术往上追溯，可以从47年前说起。

有三位名不见经传的印度工程师“一意孤行”，在没申请到研究经费的情况下，利用暑假时间鼓捣出来了一项技术，后来直接成为图像视频压缩的行业标准。

它就是DCT。

全称为Discrete Cosine Transform，即离散余弦变换。

而有趣的是，DCT诞生之初时，就连作者本人都没有想到，它后来会有如此巨大的影响力。

没有DCT，就没有JPEG/MPEG

直接说DCT可能很多人不知道是什么，但JPEG大家肯定都听过。

它除了是一种常见的图片文件后缀名，其实也是一种有损压缩标准，可以把一张图片从左边这样变成右边这样：

ps.有损和无损的区别：无损压缩可以再100%还原图像；有损不可以，但有损压缩后的图像大小会大大减少。

DCT就是实现这个过程的一种基础技术。

它是傅立叶变换的一种，可以将图像从空域转换到频域，也就是把图像从像素矩阵变成用带有频率等信息的函数来表示。

具体变换过程，我们以一张图像中一个3×3的像素块为例：

△ 图源博客园博主@沉默的背影 X-Pacific

对这个像素块做DTC变换，就相当于把除了第一个像素以外，其余像素的部分信息都抽取到第一个格中。

这样，第一个格的像素值表示的就是一张图的总体样貌，称为低频信息；其余格表示的就是图像中人物或物体的细节，称为高频信息。

经DCT转换后，每个3×3的像素块都会产生1个DC（直流）系数（位于第一个格）及8个AC（交流）系数（剩余格），前者是DCT最重要的输出。

由于大部分的图像能量会集中在低频部分，因此转换之后输出的DC系数值比较大，而输出的AC系值比较小。

利用“人眼对低频分量的图像比对高频分量的图像更敏感”这一原理，再通过量化保存下来低频分量，舍弃高频分量（将大部分AC系数值变为0）、丢掉那些对视觉效果影响不大的信息，从而达到压缩目的。

从下面这两张图像的三维投影，我们可以看到DCT变换带来的改变：

（上：原图；下：经过DCT变换后）

在实际的JPEG压缩标准中，都是将一张图像分成若干个8×8的像素块（不够的用空白补齐）。

将色彩空间从RGB转为YUV之后，从左至右、从上至下对每个块进行DCT变换。

然后对每个块变换得来的系数进行量化，在这个过程中，一些重要的分量就被去除了，且无法恢复。

因此，这是一种不可逆的有损压缩技术。

接着对量化后得到的AC系数和DC系数再分别进行编码，经过哈夫曼编码后得到下面这样的一大串数字。

解压缩时对每个图像块做DCT反转换（IDCT），就可以重建完整图像。

具体计算过程如下：

首先将图片中每个像素的原始灰度和亮度值用8bit表示，也就是(0，255)这个范围。

由于大多数值都会分布在128左右，所以会将这些值都减去128，这样会有更多值为0，有利于压缩，这时候范围变成(-128，127)。

然后再用DCT变换公式进行变换，二维的用这个：

变换完后进行根据量化表进行量化，将大部分系数变为0，完成压缩。

ps.量化表是根据人眼对量化误差的视觉阈值来确定的，有固定的一张表。

后面就是前面说的一系列编码过程了。

1974年1月，这项技术首次被发表在IEEE Transactions on Computers上面。

自此，图像和视频压缩领域的行业标准就诞生了。

1998年世界首个视频压缩标准H.261、1992年的JPEG和MPEG、2010年的WebP、2013年的HEIF、2018年谷歌亚马逊等公司联合创建的AV1……等压缩标准都是基于这项技术，且一直沿用至今。

40多年都名不见经传的发明者

DCT的作者有3位，分别是Nasir Ahmed（纳西尔·艾哈迈德）、K.R. Rao（K.R.拉奥）和T. Natarajan（T.纳塔拉詹）。

纳西尔是新墨西哥大学电气与计算机工程系名誉教授。

他1940年出生于印度班加罗尔，1966年在新墨西哥大学获得博士学位。

1966-1968年，他在霍尼韦尔公司担任首席工程师，1968-1983年在堪萨斯州立大学担任教授。

1983-2001年，他回到新墨西哥大学担任电气与计算机工程系首席教授。在此期间，他先后担任过系主任、研究生院院长等职位。

今年，纳西尔已经有82岁高龄。

另一位主要作者是K.R.拉奥。

他同样是一位美籍印度裔学者。

1960年，他在佛罗里达大学获得核工程专业博士学位。1966年，又在新墨西哥大学获得电气与计算机工程专业博士学位。

之后50年，他一直在得克萨斯州阿灵顿分校工作，担任电气工程系教授。

与此同时，他还是IEEE Fellow。

2021年1月15日，拉奥教授挥别人世，享年89岁。

T.纳塔拉詹当时是纳西尔带的博士生，如今在互联网上已经检索不到太多他的相关信息。

可以说相比于大名鼎鼎的DCT，几位发明者称得上是“名不见经传”了。

实际上，40多年来，DCT发明的幕后故事一直鲜有人关注。

甚至连纳西尔的儿子都表示，“从来没想过父亲带来的影响有如此之大”。

而将纳西尔从幕后推至台前的，还多亏了一部美剧中的一波致敬。

2020年，《我们的生活》中有一段剧情是纳西尔以视频通话的方式，讲述了自己和妻子相爱的故事。

片方表示，设计这一桥段的初衷，就是希望更多人意识到，当下我们能够通过互联网快速发送图片视频，都与纳西尔的工作离不开关系。

剧情播出后，不少媒体将DCT定义为“改变世界的算法”，也称纳西尔这位名不见经传的工程师，终于从幕后推到了台前。

不过，纳西尔在自己的回忆视频里表示，当初真的没想到DCT会带来如此大的影响。

我也无法预测技术发展的速度，对于FaceTime这些应用的出现，我感到非常惊讶。

△纳西尔年轻时（图左）

要知道，DCT最初可能差一点就被扼杀在了摇篮里。

1972年，当时已经对DCT初有构思的纳西尔向美国国家科学基金会（NSF）递交了一份申请，希望NSF能为他研究DCT提供资金支持。

不过令纳西尔惊讶的是，这个申请直接被毙掉了，评审人给出的意见是“它太简单了”。

但好在纳西尔并没有放弃，他始终觉得这个idea很有新意。

唯一令他有所顾虑的是，他可能是只能利用假期来完成DCT的相关工作了，而且这期间可能没有任何收入。

所以，纳西尔回家和妻子说：

我有直觉，这事儿值得做下去。只不过我们需要计划好如何度过一个没有薪水的暑假。

妻子没有任何犹豫就支持了他。

于是，在1973年的夏天，DCT的研究工作正式开始了。

参与到这项研究的，还有纳西尔的好友拉奥和博士生纳塔拉詹。

拉奥也是支持纳西尔研究DCT的重要人物之一。

在纳西尔的申请被毙掉后，他第一时间把自己的想法告诉了好友拉奥。

拉奥给出了这样的回复：

你要立即把这些结果以短文的形式发表。

这就是“How I Came Up with the Discrete Cosine Transform”诞生的始末。

后来，这篇文章几乎称得上是图片视频压缩领域的必读之文。

之后的故事，也就是我们所熟知的了。

1974年，《Discrete Cosine Transform》在IEEE Transactions on Computers上发表。

截至目前，这篇文章的被引次数已经达到5878次。

纳西尔曾在采访中表示，自己人生中最大的礼物，就是人们对DCT的认可。

参考链接：
[1]https://spectrum.ieee.org/krrao-tribute
https://www.islamicity.org/80703/nasir-ahmeds-algorithm-that-transformed-the-world/
[2]https://cloud.tencent.com/developer/article/1862531
[3]https://mp.weixin.qq.com/s?__biz=MzU1NTEzOTM5Mw==&mid=2247512538&idx=1&sn=57f46386002cf5554681f8ef9f61a3e0&chksm=fbda19f4ccad90e219bf224db522e9999086dff886bae09562e1aeba4450d4ba0247a73c3138&scene=21#wechat_redirect
[4]https://blog.csdn.net/freee12/article/details/109953732
[5]https://blog.csdn.net/weixin_52779958/article/details/124413405
[6]https://www.youtube.com/watch?v=I9VXaVVs7WY