格形噪声：多在图象的平坦区域出现。在变换域内，直流分量DC系数体现了图象块的平均亮度，所以这个系数包含了图象块的大部分能量。在平坦区域，亮度的变化很小，但是如果有亮度的递增或递减，在量化取整时进行了四舍五入，可能会导致DC 系数越过相邻量化级的判决门限，造成在重建图象中块边界处出现亮度突变，在视觉效果上表现为在平坦区域内出现的片状轮廓，这种噪声称之为“格形噪声” 。

对于压缩图象质量的客观评价，以往用得较多的是峰值信噪比，其计算公式如下：

其中为原始图象，为重建图象通过计算两个图象之间的均方误差，进而得到图象的峰值信噪比，来反映图象的受损程度。而对于块效应而言，图象的均方误差比峰值信噪比更能反映图象质量的好坏。

但是, 从块效应产生的原因来看，均方误差和峰值信噪比并不能完全真实反映块效应的大小。因为块效应主要是由于图象块与块之间的不连续产生的，而不是图象中所有象素的失真产生的。针对这一点, 有两种度量块效应的方法可以使用。

块间相邻象素差值法

这是一种比较传统和简单的度量块效应的方法。针对块与块之间的不连续性，假定和是位于不同块的相邻象素，由于压缩前的图象中，和有很大的相关性，但经过压缩后由于量化误差的原因，它们之间的相关性大大减弱。于是，我们可以用所有这些象素的差值的平方和来表示块效应的严重程度，如下式：

我们可以用同样的方法来计算同一块内的象素,得到，将和分别求均值，然后再做差值，差值越大，块效应就越严重。

这种方法的优点是计算简单，而且和主观评价得出的结果相关性比较好。但是，如果原图象中两块之间本身就存在着很强的不连续性，这种方法得出的结论就不够准确了。

边缘检测法

对于块效应来说，这是一种更有针对性的方法。从图象效果上来看，块效应的出现意味着出现了水平和垂直方向的新的边缘，我们可以把图象的边缘信息作为特征值，对图象进行特征值提取，将编码前和解码后图象的边缘信息进行比较，从而反应图象压缩造成的块效应的强弱。

运用边缘检测理论，可以将图象边缘信息提取出来，这一边缘信息不仅有大小(幅度或能量)，而且有方向(幅角)。我们将方向接近水平或垂直的边缘信息的能量相加为H′，其余方向的边缘信息的能量相加为H ，二者相除得到一个系数Q ，即Q =H′/H 。这个Q 就体现了图象边缘分布的情况：Q 值越大，水平和垂直方向的边缘信息就越多。将重建图象的Q 值与原始图象的Q 值相比较则可以估算出重建图象中块效应的强弱。

这种方法的优点在于，完全从块效应的视觉效果出发，真实反映图象的块效应，而且还能去除不同图象内容对块效应度量的影响，客观的反映压缩系统的性能。同时，Q 值定义为水平、垂直方向与非水平、垂直方向的边缘能量之比，也能排除边缘模糊的影响，因为如果重建图象出现了模糊，水平、垂直方向与非水平、垂直方向的边缘能量都会下降，而它们的比值则不会受大的影响。但是其难点也是显而易见的，即对边缘信息的检测没有完全准确和可靠的方法。

一般对块效应的消除大都采用了图象后处理技术，其最大好处是可以不改变编码过程，并保持压缩码率。

一般说来，后处理技术可以分为两种，一种是基于图象增强的方法，一种是基于图象恢复的方法。基于图象增强的方法目的是提高主观质量，需要考虑人眼的视觉特性和块效应的结构，其典型例子是对图象进行块边缘滤波；基于图象恢复的方法是考虑解码端接收的数据和失真模型的先验知识的图象恢复算法，包括最大后验概率、最小均方误差等。

鲁业频、黄席樾、李强、李博、谢胜利、刘晓云、王跃生、孙平