分类向量量化器

分类VQ (Classified vector quantization , CVQ) ，采用多个编码簿，每一个编码簿都是专门用来编码具有某一类特殊性质的方块，例如水平方向的边，垂直方向的边，完全一致的领域等等。我们可以利用具有区别不同特殊性质的分类器，来选定编码某一类方块的编码簿。

使用CVQ的优点是使用许多小型的编码簿，每一个专门为某一类向量而设计，可以达到和使用单一一个大型编码簿相当的重建质量，且搜索时间会小很多。此外，CVQ也可以用在Mean/Residual vector quantization (参见乘码) 技术的余值向量上。

第一步：
将原影像切割成大小为n (通常n = 4 x 4 = 16) 且不相重叠的方块，每一个方块都经过一个以边的方向来做分类的分类器，将其归类为M类当中的一类；这些类别可能包括暗影像方块 (Shade block，没什么明显梯度的方块) ，中度范围方块 (Midrange block，具有中等梯度但无明显边的方块) ，垂直边方块，水平边方块，${\displaystyle {45}^{\circ <!--\; \circ \; -->}}$或${\displaystyle {135}^{\circ <!--\; \circ \; -->}}$边方块，以及混合型方块 (有边但方向不清楚)。

第二步：
每一个分类后的方块向量各以其所属之编码簿做编码。编码簿的大小可以各有不同，分别为${\displaystyle N_i}$，${\displaystyle i=1,2,3\dots <!--\; \dots \; -->,M}$，而且每一个方块在选择最接近的向量时，也可以采用不同的有损估算函数。整个码向量数目为 : ${\displaystyle N_c=\underset{i=1}{\overset{M}{\sum <!--\; \sum \; -->}}{N}_i}$。

第三步：
将所选出的码向量指针送给接收端，接收端则用这些指针解码。