在媒體處理過程中我們常常會碰到圖像和聲音振鈴效應，圖像振鈴效應如下圖。
TI netra 平台也提供了DRN（Used for removing De-Ringing artifacts）模塊。了解De-Ringing,有助於我們提升音視頻質量。
在高清視頻中人在走動過程會在白牆背景上留有類似水波紋的殘影。加大會議碼率也不能消除這個現象，過平台有殘影，點對點也有殘影，友商過來的碼流也有這個現像。
經過分析，水波紋的殘影就是振鈴效應。
1.1 振鈴效應
在信號處理中，振鈴效應是一種出現在信號快速轉換時，附加在轉換邊緣上導致失真的信號。而在圖像或影像上，振鈴效應會導致出現在邊緣附近的環帶或像是"鬼影"的環狀偽影；在音頻中，振鈴效應會導致出現在短暫音附近的回聲，特別是由打擊樂器發出的聲音；最容易注意到的是預回聲。使用"振鈴"這一個詞則是因為輸出信號在輸入信號快速轉換的邊緣附近出現一有一定衰減速度的震盪，這個現象相似於鍾被敲擊之后發出聲音的過程。
1.2 造成振鈴的原因
在時域上，產生振鈴效應的原因則是因為Sinc函數中的漣波，即為一個完美低通濾波器的脈沖響應(在時域中的形式)。在數學上這叫做吉布斯現象。
吉布斯現象（Gibbs phenomenon），由Henry Wilbraham於1848年最先提出，並由約西亞·吉布斯於1899年證明。在工程應用時常用有限正弦項正弦波疊加逼近原周期信號。所用的諧波次數N的大小決定逼近原波形的程度，N增加，逼近的精度不斷改善。但是由於對於具有不連續點的周期信號會發生一種現象：當選取的傅里葉級數的項數N增加時，合成的波形雖然更逼近原函數，但在不連續點附近會出現一個固定高度的過沖，N越大，過沖的最大值越靠近不連續點，但其峰值並不下降，而是大約等於原函數在不連續點處跳變值的9%，且在不連續點兩側呈現衰減振盪的形式。
當信號轉換速度加劇的時候，我們可以在振鈴中區別出過沖(和下沖)，過沖時輸出信號較輸入訊號高，而在過沖之后，信號因為過度修正而變得低於目標數值，之后來回震盪；這些現象往往會同時發生，因此常常被混用，而被共同稱為"振鈴"。
從圖像DCT函數來看，一條像素線代表了一個采樣的波形，因此，一個具有銳利的黑/白邊緣的塊將類似於一個只有最小和最大采樣值組成的方波。
DCT量化會扭曲波形。失真通常有一個波浪形狀，增加一些值，減少一些值。圖像中，藍色為過沖，紅色為下沖。
圖像解碼器會對數據做過沖保護，將波形剪輯到允許的數值范圍內(YUV 8位輸出中為0-255)。剪切后超調值被壓平(<0替換為0，>255替換為255)，所以只有下次失真仍然可見，解碼后還是會產生振鈴現像。
目前主流視頻編碼使用8×8或16×16的區塊，並對其中的每一個區塊使用離散余弦變換(DCT)。DCT是一種和傅立葉變換相關的變換，而振鈴效應的發生是因為損失了高頻的信號成分或是高頻成分的精確度有所損失。
1.3 De-ringing
常用去振鈴的方法有量子化前改變波形:將最小值和最小值擴展到超值(其他保持不變)。
修改后的波形振幅較大，經過編碼器壓縮后，畸變更有可能保持在超調范圍內，由視頻解碼器完成的剪輯將使所有超調區域變平，從而隱藏所有振鈴失真。
1.4 會議系統中的振鈴效應
綜上，會議系統中產生振鈴效應一般產生在兩個地方。
- 圖像的前后處理。如在做圖像濾波（縮放也可看做是一種濾波）和圖像增強（邊緣增強，圖像去噪）時。
- 圖像編碼時。在亮度對比差很大時更容易產生。
去振鈴處理是需要運算資源的，現代編碼器都會把去振鈴處理放在內部。而在圖像前后處理過程中有的系統會開放去振鈴的API接口，用戶自己根據資源的情況來判斷是否啟動DRN（Used for removing De-Ringing artifacts）模塊。
2 總結
振鈴效應在視頻通信中是容易出現的一種現象，通過了解振鈴效應，我們選取濾波器和編碼器時要盡量避免它。