利用预测编码可以去除图像数据的时间和空间的冗余，直观、简捷和容易实现，特别适用于硬件实现，对于传输速率高的地方，大多用此法。但是预测编码的压缩能力有限，DPCM一般压缩到2~4bit/s。变换编码是进行一种函数变换，不是直接对空域图像信号编码，而是首先将空域图像信号映射变换到另一个正交矢量空间(变换域、或频域)，产生一批变换系数，然后对这些变换系数进行编码处理。

　　变换编码的理论基础是"联合信息熵必不大于各分量信息熵之和。"也就是说，对于联合信源（x,y），其冗余度也隐含在信源间的相关性之中，通常不易直接对各分量进行编码；应尽量去除各分量间的相关性。
　　现在举一个例子，设有两个相邻的数据样本x1与x2，每样本采用3bit编码，因此各有23=8个幅度等级。而两个样本的联合事件，共有8×8=64种可能性，可用图4.5-1的二维平面坐标表示。其中x1轴与x2轴分别表示相邻两样本可能的幅度等级。对于慢变信号，相邻两样本x1与x2同时出现相近幅度等级的可能性较大。因此，如图4.5-1（a）阴影区内45。斜线附近的联合事件，其出现概率也就较大，不妨将此阴影区之边界称为相关圈。信源的相关性愈强，则相关圈愈加扁长。或者形象地说，x1与x2呈现"水涨船高"的紧密关联特性。为了要对圈内各点的位置进行编码，就要对两个差不多大的坐标值分别进行编码。当相关性愈弱时，此相关圈就愈显方圆形状，说明x1处于某一幅度等级时，x2可能出现在不相同的任意幅度等级上。

　　现在若对该数据对进行正交变换，从几何上相当于坐标系旋转45^。，变成y₁，y₂坐标系，如图4.5-1（b）所示。那么此时该相关圈正好处在y₁坐标轴上下，且该圈愈扁长，其在y₁上的投影就愈大，而在y₂上的投影就愈小。因而从y₁，y₂坐标来看，任凭y₁在较大范围内变化，而y₂却巍然"不动"或"只有微动"。这就意味着变量y₁和y₂之间在统计更加相互独立。因此，通过这种坐标系旋转变换，就能得到一组去掉大部分甚至全部统计相关性的另一种输出样本。
　　变换编码技术已有近30年的历史，技术上比较成熟，理论也比较完备，广泛应用于各种图像数据压缩，诸如单色图像、彩色图像、静止图像、运动图像，以及多媒体计算机技术中的电视帧内图像压缩和帧间图像压缩等。
　　正交变换的种类很多，如傅立叶（Fouries）变换、沃尔什（Walsh）变换、哈尔（Haar）变换、斜（slant）变换、余弦变换、正弦变换、K-L（Karhunen - Loeve）变换等。