从我读到的内容来看，有一些针对不同应用程序的量化矩阵，Adobe Photoshop 有 15 个左右。这个想法是，虽然这些矩阵有基于误差的数学计算，但推导出一个好的量化矩阵的最佳方法是简单地使用人眼（在 JPEG 的情况下）我还没有看到任何不遵循的量化矩阵右下频率有重罚（高数）的总体趋势，尽管一些图像的高频系数很大，但较低的频率通常更大。

DCT 系数驻留在类似于频率的域中。因此，如果您有一个适应频域的模型，它可以以某种方式应用于 DCT 系数。只有您的标签谈论压缩，所以让我们假设我们谈论 DCT 域中的任何类型的处理。您可以计算 10% 的最低系数的中值能量，并只保留那些高两倍的能量。这将是一种收缩形式，与上述中值阈值有关。仅当（4 或 8）个周围系数至少为其值的十分之一时，您才能保留系数。它是一种块选择。

所以，总而言之，重要的应该放在模型中（几乎引用@MarcusMuller）。对于人类观看的场景的压缩，使用视觉模型和图像行为模型。此答案中提供了有关 DCT 系数行为的详细信息。正如您所注意到的，标准表不是对称的：一个量化的水平特征多于垂直特征。对于人类和许多陆生哺乳动物来说，垂直分量的灵敏度要高一些。我听到的唯一解释是，我们更能适应即将出现的危险。

但是，如果您决定压缩零均值中频纹理怎么办？那么基本矩阵就不是很合适了。设计一个保留中频特征的 Q 矩阵更为有效，尽管它包含在 JPEG 文件的标题中。由于 JPEG 标准未知，解码器所需的新 Q 矩阵导致的大小增加是由于更好的矩阵而导致的质量改进的补偿。

我一直在研究卫星图像压缩。在那里，水平和垂直是相对的，我们使用自定义 Q 矩阵。