变换？指的是把图像中的各个像素通过一种数学变换（如傅立叶变换、正交变换等）从一种空间变换到一种空间（如频率域、正交矢量空间），信号在时域或空域信息冗余度大，而变换后参数之间相关性很小或者不相关，减少了数据量。
利用人的视觉特性—对高频细节不敏感，滤除高频系数、保留低频系数，对变换后的信号进行量化与编码操作，达到数据压缩的效果。最后再在接收端对信号译码、反变换恢复原图。
预测编码可以去除图像数据的时间和空间上的冗余，而变换编码则是希望数据在新的空间中尽可能相互独立，能力更加集中。但我们为什么要选择正交变换呢？让我们看看正交变换的优势所在。
极限熵的保持正交变换本身不会丢失信息，可以用传递变换系数实现信息传递。
能量保持变换域中信号能量与原来空间域中的信号能量相等。
去（解）相关正交变换可以将强相关的空间样值变为不相关或弱相关的变换系数，去除存在于相关性之中的数据冗余度。
能量重新分配与集中变换域系数与DPCM法相同，零与小幅值系数占绝大多数，但DPCM的幅度分布在全空间均可能，要对每一个残差编码，而变换法则按统计规律集中分布在一定区域上，舍弃能量较小者或给其分配较少的位数，压缩数据率。
变换域系数的编码有区域编码、阈值编码、系数量化三种方式。其中区域编码只对规定区域内的变换系数进行量化编码，而编码区里域的形状取决于压缩比、变换方式、变换块大小等因素。变换域信号能量集中在矩阵左上部，且左上角元素集中能量最大，因此我们只对变换域左上部区域变换系数进行编码传输，对右下角不进行编码传输。
这样的编码方式虽然简单并有利于限制误码扩散，但是它会严重损失图像质量，造成边缘模糊等问题。
因此可以采用阈值编码，多数低频成分仍被编码输出，而少数超过阈值的高频成分也被编码输出，来弥补区域编码的不足。