JPEG | format de fișier folosit pentru a comprima imagini digitale

Cum funcționează

YP_b P_r

Primul lucru notabil în ceea ce privește compresia JPEG este modul în care este stocată culoarea fiecărui pixel. Fiecărui pixel al imaginii îi sunt atribuiți 3 octeți pentru a-i defini culoarea. Toți cei trei octeți pot avea orice valoare de la 0 la 255 și fiecare combinație posibilă a celor trei octeți reprezintă o altă culoare. În majoritatea formatelor de fișiere, pentru definirea culorii se utilizează formatul RGB. RGB înseamnă Red Green Blue (roșu, verde, albastru). Se numește astfel deoarece primul dintre cei trei octeți vă spune cât de mult roșu există în culoarea pixelului. Al doilea octet vă spune cât de mult verde există în culoare, iar al treilea octet cât de mult albastru. Cu cât valoarea primului octet este mai mare, cu atât pixelul pare mai roșu.

JPEG utilizează, de asemenea, trei octeți pentru fiecare pixel, dar folosește formatul YP_b P_r (cunoscut și sub numele de YC_b C_r ). Aici, primul octet ne spune cât de luminos este pixelul. Al doilea octet ne spune cât de albastru este pixelul. Al treilea octet ne spune cât de roșu este pixelul. Utilizând acest format de culoare, luminozitatea este stocată separat de culoare. Acest lucru este util, deoarece vom comprima o imagine. Deoarece ochiul uman percepe mai bine luminozitatea decât culoarea, putem aplica o compresie mai mare la octeții de culoare (octetul P_b și octetul P_r ). Deoarece vedem mai bine luminozitatea, folosim o compresie mai mică pe octetul Y, pentru ca imaginea să arate mai bine după compresie.

Deoarece imaginile sunt cel mai adesea stocate în format RGB, primul pas al compresiei JPEG este, de obicei, schimbarea corectă a formatului RGB în formatul YP_b P ._r

Transformarea discretă a cosinusului

JPEG utilizează funcții cosinus pentru a reprezenta o imagine. Prin urmare, vom vorbi puțin despre funcțiile cosinus. Iată cum ar putea arăta o funcție cosinus:

Pentru ca funcția cosinus să reprezinte culoarea unui pixel, spunem că, cu cât valoarea funcției cosinus este mai mare, cu atât este mai luminos pixelul. Dacă am avea un set de pixeli care să fie luminoși, întunecați și luminoși, am putea folosi funcția de mai sus pentru a-i defini.

Funcția ar putea avea, de asemenea, o frecvență mai mare. De exemplu:

Dar iată unde devine interesant. Putem crea, de asemenea, diferite funcții prin luarea mediei diferitelor funcții cosinus. Iată cum ar arăta dacă am lua media celor două funcții de mai sus:

În JPEG, DCT se aplică la blocuri de 8 × 8 pixeli.

Cuantificare

Până în prezent, nicio informație nu a fost pierdută în procesul de comprimare a imaginii. În această etapă, filtrăm informațiile. Din acest motiv, acesta este pasul care scade calitatea imaginii. Pentru fiecare bloc de 8 × 8 pixeli, funcțiile cosinusoidale cu frecvențe ridicate sunt setate la 0. Acest lucru înseamnă că acestea nu mai pot avea niciun impact asupra modului în care arată imaginea atunci când o decomprimați.

O mulțime de valori vor fi acum 0, ceea ce înseamnă că acest lucru poate fi foarte ușor de comprimat. Acest lucru se face cu ajutorul codului Huffman. Codificarea Huffman este ultimul pas al compresiei JPEG. Este, de asemenea, singurul pas în care datele sunt efectiv comprimate.

 
(cos(x) + cos(2x)) / 2  


cos(x)  


cos(2x)  

Structura

Fiind un fișier de calculator, un fișier JPEG este alcătuit din mai mulți octeți. Un octet în hexazecimal ar putea arăta ca 0x01. Primii octeți ai unui fișier JPEG sunt 0xFF, 0xD8 ("FF D8"); acești octeți sunt numiți "Start Of Image" (SOI). Prima secțiune de octeți dintr-un JPEG este antetul; aceasta se află de la FF D8 până chiar înainte de ultimii octeți 0xFF, 0xDA ("FF DA"). Antetul conține date despre date și alte date utile. Următoarea secțiune de octeți dintr-un JPEG este reprezentată de datele imaginii; aceasta este cuprinsă între FF DA și 0xFF, 0xD9 ("FF D9"). Octeții FF DA se numesc Start Of Scan (SOS), iar cei FF D9 se numesc End Of Image (EOI).