量化 (信号处理)

量化在数字信号处理领域是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（=${\displaystyle 2^{16}}$。

在计算机或者其它应用，一个已知的量化方法。在均匀量化方法里共有两个变量，叫和。

如果${\displaystyle x}$（）中带有一个偏移量以使得每个量化表示都位于输入区域的中间位置。${\displaystyle 2^{-<!--\; -\; -->(M-<!--\; -\; -->1)}}$。按照这个量化定律，假定在整个量化步长上量化噪声大致是均匀分布的，并且假定量化的输入信号${\displaystyle x}$量化器，是用独立发现迭代方法从 ${\displaystyle \mathrm{\partial <!--\; \partial \; -->}D/\mathrm{\partial <!--\; \partial \; -->}{b}_k=0}$ 和 ${\displaystyle \mathrm{\partial <!--\; \partial \; -->}D/\mathrm{\partial <!--\; \partial \; -->}{y}_k=0}$ 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（英语：Lloyd's algorithm），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）（英语：Linde–Buzo–Gray algorithm）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。

从最基本的意义上来说，所有的物理量都是量子化的，这是量子力学的结论。为了数学上的明晰性，在宏观的尺度上可以将量子的性质忽略，因此信号可以表示为连续的形式。

在实际应用中，这种内在的量子或量化的性质并不需要考虑。首先，量子效应会被信号的噪声淹没，因为任何观察对象在实际系统中总会伴随有其他物理现象。其次，测量仪器不可能绝对精确，被测的信号必然会被测量噪声污染。

量化误差是指在量化过程引起的误差，表现为量化结果和被量化模拟量之间存在差值。这种差值在输出端体现为引入了量化噪声。