‘壹’ 镐庢牱瀹屽杽淇℃伅閲忓寲鎸囨爣
瀹屽杽淇℃伅閲忓寲鎸囨爣濡备笅锛
1銆佺‘瀹氲瘎浠锋寚镙囥傚湪淇℃伅閲忓寲鎸囨爣镄勮瘎浠蜂綋绯讳腑锛岄渶瑕佺‘瀹氢竴浜涘叧阌镄勮瘎浠锋寚镙囷纴濡备俊鎭镄勫嗳纭镐с佸畬鏁存с佹椂鏁堟с佸彲淇″害銆佸彲鐢ㄦх瓑銆傝繖浜涜瘎浠锋寚镙囧簲璇ヤ笌鍏蜂綋镄勪俊鎭闇姹傚拰浣跨敤鍦烘櫙鐩稿尮閰嶃
2銆佽捐¤瘎浠锋爣鍑嗐傚湪纭瀹氲瘎浠锋寚镙囧悗锛岄渶瑕佽繘涓姝ヨ捐＄浉搴旂殑璇勪环镙囧嗳锛屽嵆瀵规疮涓璇勪环鎸囨爣杩涜岄噺鍖栧拰镙囧嗳鍖栥备緥濡傦纴瀵逛簬淇℃伅鍑嗙‘镐ц繖涓鎸囨爣锛屽彲浠ヨ捐″嚭涓浜涘叿浣撶殑璇勪环镙囧嗳锛屽傞敊璇鐜囥佽宸锣冨洿绛夈
3銆佹敹闆嗘暟鎹銆备负浜嗗逛俊鎭杩涜岄噺鍖栬瘎浠凤纴闇瑕佹敹闆嗗ぇ閲忕殑鏁版嵁鍜屼俊鎭锛屽寘𨰾淇℃伅𨱒ユ簮銆佷俊鎭璐ㄩ噺銆佷俊鎭浣跨敤鏁堟灉绛夈傝繖浜涙暟鎹鍙浠ラ氲繃钖勭嶆柟寮忚幏鍙栵纴濡傝皟镆ラ梾鍗枫佹暟鎹鎸栨帢銆佺敤鎴峰弽棣堢瓑銆
4銆佽繘琛屾暟鎹鍒嗘瀽銆傚湪鏀堕泦鍒拌冻澶熺殑鏁版嵁钖庯纴闇瑕佸规暟鎹杩涜屽垎鏋愬拰澶勭悊锛屼互纭瀹氢俊鎭閲忓寲鎸囨爣镄勫叿浣撴暟鍊煎拰璇勪环缁撴灉銆傛暟鎹鍒嗘瀽鍙浠ラ噰鐢ㄥ悇绉岖粺璁″垎鏋愭柟娉曞拰鏁版嵁鎸栨帢鎶链锛屽傚洖褰掑垎鏋愩佽仛绫诲垎鏋愩佸喅绛栨爲鍒嗘瀽绛夈
5銆佽瘎浼板拰鍙嶉堛傛渶钖庯纴闇瑕佸逛俊鎭閲忓寲鎸囨爣镄勮瘎浼扮粨鏋滆繘琛岃瘎浼板拰鍙嶉堬纴浠ョ‘瀹氭槸钖︽弧瓒充俊鎭闇姹傚拰浣跨敤鍦烘櫙镄勮佹眰銆傚傛灉璇勪及缁撴灉涓岖悊𨱍筹纴闇瑕佽繘涓姝ヤ紭鍖栧拰瀹屽杽淇℃伅閲忓寲鎸囨爣浣撶郴锛屼互鎻愰珮淇℃伅镄勮川閲忓拰浠峰笺
‘贰’ 量化的形式
在数字信号处理领域，量化指将信号的连续取值（或者大量可能的离散取值）近似为有限多个（或较少的）离散值的过程。量化主要应用于从连续信号到数字信号的转换中。连续信号经过采样成为离散信号，离散信号经过量化即成为数字信号。注意离散信号并不需要经过量化的过程。信号的采样和量化通常都是由ADC实现的。 例如CD音频信号就是按照44100Hz的频率采样，按16比特量化为有着65536（=）个可能取值的数字信号。 量化就是将模拟声音的波形转换为数字，表示采样值的二进制位数决定了量化的精度。量化的过程是先将整个幅度划分成有限个小幅度（量化阶距）的集合，把落入某个阶距内的样值归为一类，并赋予相同的量化值。
在上面的陈述中，若令等于 0，从而忽略掉比特率约束，或等价地假设要用定长码（FLC）而非用变长码（或其他熵编码法，如算术编码在率失真上就比定长码好）来表示量化数据，这个最优化问题就简化为了只需最小化失真的问题了。
级量化器产生的索引可以用比特/符号的定长码。例如当256 阶时，定长码的比特率为 8 比特/符号。由于这个原因，这样的量化器有时称作8比特量化器。不过使用定长码消除了压缩改进，但可以通过更好的熵编码来改善。
假设阶定长码，率失真最小化问题可以简化为失真最小化问题。简化的问题可以陈述为：给定一个概率密度函数为的信源，并约束量化器必须仅使用个分类区域，求得决策边界与重建层级来最小化得到的失真
.
对上述问题求最优解得到的量化器有时叫做MMSQE（最小均方量化误差）解，而得到的概率密度函数最优化的（非均匀）量化器叫做Lloyd–Max量化器，是用独立发现迭代方法从和求解两组联立方程的两个人来命名的，如下：
,
会将阈值置于每对重建值的中点，而
会让重建值位于其相关分类区间的质心（条件期望值）。
Lloyd方法I算法，最初于1957提出，并可以直接推广到用于向量数据。这个推广会得到Linde–Buzo–Gray（LBG）或K-平均分类器最优化方法。此外，此方法还可以进一步推广到对向量数据包含一个熵约束。
量化与数据压缩
量化在有损数据压缩中起着相当重要的作用。很多情况下，量化可以被当作将有损数据压缩同无损数据压缩相区别的标志之一。量化的目的通常是为了减少数据量。一些压缩算法，例如MP3和Vorbis，以有选择地丢弃部分数据作为压缩的一种方法，这种手段可以被认为是量化的过程也可以被看作是一种有损压缩的形式。
JPEG是一种利用了量化的图像有损压缩。JPEG的编码过程对原始的图像数据作离散余弦变换，然后对变换结果进行量化并作熵编码。通过量化可以降低变换值的精度，从而减少图像的数据量。当然，精度的损失意味着图像质量的下降。然而图像的质量可以通过量化位数的选择加以控制。例如，JPEG在每像素3比特的精度下得到的图像质量还让人可以接受的，相对于PCM抽样得到的每个像素24比特的原始图像来说，数据量大大下降了。
现代压缩技术通常以量化输出的信息熵，而不是输出值集合的大小度量信息量的多少。