DSC（Display Stream Compression，显示流压缩）是由视频电子标准协会（VESA）开发的一种高效的视频压缩技术。随着显示技术的发展，尤其是分辨率和帧率的大幅提升，传统的物理接口在传输高带宽需求的视频信号时面临了挑战。DSC技术的出现正是为了解决这一问题，使得通过现有的物理接口如DP 1.4及以上版本、HDMI 2.1以及嵌入式DP（eDP）1.4及以上版本能够支持更高的显示分辨率和刷新率。
DSC技术的一大亮点在于其实现了出色的压缩效率，将图像数据压缩至每像素8位（bpp）。这意味着对于常规的每像素24位色彩深度的图像，DSC可以实现3倍的压缩比；而对于色彩深度达到每像素30位的图像，其压缩比更是能达到3.75倍。接下来，在深入分析DSC工作原理的过程中，我们将探讨这种高效压缩能力背后的关键因素。
DSC的发展历程彰显了它在显示技术领域日益增长的重要性。自2014年首次推出以来，DSC便迅速获得了业界的关注。到了2016年，这项技术被正式纳入DisplayPort 1.4标准，这一里程碑事件为其在计算机显示器领域的广泛应用打下了坚固基石。紧接着，在2017年，随着HDMI 2.1也将DSC纳入麾下，其应用范围得到了进一步的拓展。
从那时起，DSC持续演进，并在后续的显示接口标准中扮演着不可或缺的角色，如在DisplayPort 2.0和2.1版本中的关键贡献。它不仅支持更高的分辨率和刷新率，还确保了图像传输的质量与效率。因此，DSC逐渐成为现代显示解决方案的核心元素之一，为用户带来更加流畅、清晰的视觉体验。
DSC如何工作？
我们可以将DSC的工作机制与包裹递送的过程相比较，以更直观地理解其原理。假设你需要将大量物品（这里指图像数据）从一个地点运输到另一个地点（即从源设备传输到显示器）。若不进行任何优化处理，直接将这些物品一股脑儿装进一个大箱子里（意味着未经压缩的数据传输），那么这个箱子不仅体积庞大、重量惊人，甚至可能因为过大而难以搬运，这会导致物流效率低下且耗时费力（对应于占用过多的带宽并降低传输速度）。
这时，DSC就如同一位极其聪明的包装专家介入了进来。它首先会细致地检查每一件物品（分析图像数据），发现其中有些部分非常相似或完全一致（比如相邻像素点或是画面中色彩、亮度相近的区域）。基于这种洞察，DSC采用了一系列精妙绝伦的打包技巧来减少货物的整体尺寸和重量（即压缩数据），同时确保所有物品都能完好无损、高效快捷地抵达目的地（在保持高质量的前提下实现快速传输）。
1、预处理阶段
在数据预处理阶段，为了适应后续的压缩操作，会依据特定的编码类型及像素格式对数据进行一系列转换。如果原始编码为RGB模式，首先需要将其转换成一种可逆的YCGCO格式。这种转换之所以必要，是因为YCGCO编码的数据在后续的压缩流程中更易于被算法处理和优化。
对于采用“简单4:2:2”这样的像素格式的情况，我们通常运用插值技术来提升数据的完整性。具体来说，这一过程涉及根据邻近像素的色度信息推测并填充缺失的色度样本，从而将原本的格式升级为4:4:4格式。通过这种方式，算法能够较为准确地补充当前像素点可能缺失的色度值，这不仅使图像数据变得更加完整，而且提高了整体结构的一致性，有利于实现更加高效的压缩效果。
整个过程可以类比于在打包前对物品进行细致的分类与整理——确保每一件物品都处于最适合其形状的位置上。就像在包装过程中巧妙利用泡沫填充空隙以达到最佳的保护和空间利用率一样，在数据预处理中，通过对图像数据的精心调整和优化，我们同样能实现更高效、更紧凑的数据传输方案。
2、编码和预测步骤
编码预测步骤的核心在于通过使用相邻像素的数据来推测目标像素值。具体来说，设备首先基于周边像素的信息对目标像素进行预估。随后，将预测得到的像素值与实际的原始像素值对比，计算出两者之间的差异即误差值。该误差值而非完整的像素数据将被传送至接收端，接收器利用相同的方法进行像素预测，并结合接收到的误差值调整预测结果，使之尽可能接近真实的像素值。这样一来，只需传输误差信息，即可大幅减少需传输的数据量。
数字流压缩（DSC）技术运用了多种策略实现高效的编码预测，如中值匹配自适应预测（MMAP）、块预测（BP）和中点预测（MP）等方法。在实际应用中，DSC会依据图像的具体特征选择最适合的预测方案。这一过程可以类比为打包行李时根据物品特性选择最佳包装策略——考虑因素包括箱内物品的种类、数量以及分布情况（相当于图像中的像素组成）。例如：
•若箱内主要是同类型的小物件（类似于图像中具有高相似度像素的区域），则MMAP技术是理想的选择，因为这种方法在处理此类数据时表现尤为出色。
•对于按照某种模式排列的物品（代表特定分布的像素），BP方法可能更加适用，因为它能够更好地适应这种规律性的布局。
•当遇到介于两种常见状态之间的物品（像素值位于两个参考点之间的情况），MP方法将是更佳的选择，以确保预测的精确性。
3、比特率控制和缓冲机制
在DSC技术中，比特率控制算法通过密切关注色彩均匀性和缓冲区满度这两个关键指标来实现高效的数据压缩。当处理具有大面积均匀或平坦色调的图像时，系统能够识别出这种情况，并相应地降低位深，从而实现更有效的数据压缩。相反，如果检测到缓冲区接近其容量上限，系统将适时调整像素组的量化位深，确保数据可以被及时处理，避免发生缓冲区溢出的问题。
这种比特率控制机制使得DSC能够在既定的比特率范围内动态调节量化位深，以尽量减少压缩过程中可能出现的伪影现象。这一过程与优化运输包装策略颇为相似：我们首先评估箱内物品的布局（相当于色彩均匀性），同时考虑箱子内的可用空间（缓冲区满度）。对于那些内部物品排列有序且剩余空间较大的情况（类似于色彩过渡平滑的区域），我们可以采取更为紧密的包装方式（降低量化位深），因为这类简单的颜色信息不需要太高的精度就能保持原貌。然而，在面对形状复杂、剩余空间有限的情形时（即颜色变化丰富的区域），则需要更加审慎地选择合适的包装方法（适当调整量化位深），确保所有物品都能妥善安置（在带宽限制内），并尽可能减少因压缩导致的损害（减少伪影）。
通过这种方式，该算法精心平衡了数据压缩与视觉保真度之间的关系，保证了图像既能被高效压缩，又能维持其原有的视觉质量，满足“视觉无损”的高标准。这意味着，用户在查看经过压缩处理的图像时，几乎不会察觉到任何明显的压缩伪影，享受高质量的视觉体验。
4、索引颜色历史（ICH）和熵编码应用
索引颜色历史（ICH）作为DSC技术中的一个精妙设计，极大地增强了压缩效率。其核心理念在于将图像中频繁出现的像素信息以索引的形式进行存储。例如，在特定的应用场景如游戏界面元素或拥有大面积一致背景色的画面中，这些重复出现的像素值能够被记录在一个包含32个条目的ICH缓冲区里。在实际的数据传输过程中，仅需发送代表这些像素的索引数据而非完整的像素细节，这大大降低了所需传输的数据量，提升了整体的压缩效果。
此机制可类比于物流中的打包流程：设想一些经常共同出现的物品（即图像中反复出现的像素信息），比如一套办公用品（包括铅笔、橡皮擦、直尺等）。我们可以将这套办公用品置于一个小盒内，并为这个盒子标记一个标签（相当于赋予一个索引）。当我们在处理更大包裹的打包任务时，只需找到并引用这个小盒上的标签就能识别出内部的所有物品，而无需逐一打开小盒重新检查和贴标（避免了传输大量冗余的像素信息）。这种做法不仅节省了大量的空间，也减少了贴标的工作量（有效减少了数据量）。
5、图像切片和平铺合成
为了实现更高效的压缩效果并简化后续的数据传输过程，DSC技术将整幅图像分割成多个不同尺寸的切片。这些切片可以依据图像宽度进行划分，例如整个图像宽度或四分之一宽度；也可以根据高度进行分割，形成包含8行、32行或108行等不同大小的块状区域。通过这种细分策略，每个独立的切片能够被同时编码，使得编码资源可以根据图像内容的特点更加灵活地分配，从而达到优化压缩效率的目的。
想象一下打包大量物品准备运输的情形：如果所有物品未经分类就一股脑儿地堆在一起，那么不仅包装会显得杂乱无章，管理起来也会非常困难，而且对物品的保护也不充分（不利于高效压缩和安全传输）。然而，通过将图像数据切割成分离的小部分，就像将物品按照类型分类，并分别装入更小的包裹中（即切片），每个包裹因此变得更加容易处理。例如，在打包一个装有许多小物件的大箱子时，将其分成几个小包裹不仅可以使打包过程更为简单，还能降低在运输过程中因挤压而导致损坏的风险（减少数据丢失或错误的可能性）。同样，在图像传输中，切片技术让每一部分的数据更容易管理和优化，最终提高了整体的压缩和传输效率。
由此可见，DSC（显示流压缩）作为VESA开发的一种先进的图像压缩方案，已经成为HDMI 2.1、DP 1.4/2.0等接口解决带宽限制问题的关键。它通过一系列步骤如预处理、预测编码、比特率控制、索引优化以及图像切片等多阶段协同工作，在不影响视觉质量的前提下显着减少了视频数据量，支持了更高分辨率和帧速率的显示需求。展望未来，随着显示技术的不断进步，DSC将继续担当起连接高质量视觉体验与有限带宽之间的“桥梁”角色，为用户提供更加流畅和清晰的观看体验。
