JPEG. કમ્પ્રેશન એલ્ગોરિધમ

ફરીથી નમસ્કાર! મને આ લેખ મે 2019 માં લખાયેલો મળ્યો. આ અહીં WAVE અને JPEG વિશેના લેખોની શ્રેણીનો સિલસિલો છે પ્રથમ. આ પ્રકાશનમાં ઇમેજ એન્કોડિંગ અલ્ગોરિધમ અને સંપૂર્ણ સ્વરૂપે જ તેની માહિતી શામેલ હશે.

ઇતિહાસની એક ચપટી

વિકિપીડિયા લેખનો એક ચમચી:

JPEG (જોઈન્ટ ફોટોગ્રાફિક એક્સપર્ટ્સ ગ્રુપ) ફોટોગ્રાફ્સ અને સમાન ઈમેજો સ્ટોર કરવા માટે ઉપયોગમાં લેવાતા લોકપ્રિય રાસ્ટર ગ્રાફિક્સ ફોર્મેટમાંનું એક છે.

કાર્યક્ષમ ઇમેજ કમ્પ્રેશન માટે 1991માં જોઈન્ટ ફોટોગ્રાફિક એક્સપર્ટ ગ્રુપ દ્વારા આ ધોરણ વિકસાવવામાં આવ્યું હતું.

છબીઓ કાચી થી JPEG પર કેવી રીતે જાય છે?

કેટલાક લોકો માને છે કે JPEG ઇમેજ એ હફમેન પદ્ધતિનો ઉપયોગ કરીને સંકુચિત કાચા ડેટા છે, પરંતુ આ સાચું નથી. કંટ્રોલ કમ્પ્રેશન પહેલાં, ડેટા લાંબી મુસાફરી કરે છે.

પ્રથમ, રંગ મોડેલને RGB થી YCbCr માં બદલવામાં આવે છે. આ માટે એક વિશેષ અલ્ગોરિધમ પણ છે - અહીં. Y ને સ્પર્શ કરવામાં આવ્યો નથી, કારણ કે તે તેજ માટે જવાબદાર છે, અને તેનો ફેરફાર નોંધનીય હશે.

ઇમેજ સાથે કરવાનું પ્રથમ વસ્તુ છે "પાતળું" (સબસેમ્પલિંગ). તે સમજવું સરળ છે: પિક્સેલ્સની 2x2 એરે લેવામાં આવે છે, પછી Cb અને Cr લેવામાં આવે છે - આ 4 પિક્સેલ્સના દરેક YCbCr ઘટકોના સરેરાશ મૂલ્યો. તેથી, અમે 6 બાઇટ્સ જીત્યા, 4 Y, 4 Cb, 4 Cr ને બદલે અમને 4 Y અને તે જ Cb અને Cr દરેક માટે મળ્યા (4 + 4 + 4 = 12; 4 + 1 + 1 = 6; 12 - 6 = 6). 2x2 સ્કેલ પર પણ, 2:1 કમ્પ્રેશન રેશિયો સાથેનું નુકસાનકારક કમ્પ્રેશન નક્કર લાગે છે. આ સમગ્ર છબીને લાગુ પડે છે. અને તેથી - તેઓએ અડધા કદમાં ઘટાડો કર્યો. અને અમે આ ટેકનિકનો ઉપયોગ કરી શકીએ છીએ અમારા રંગની દ્રષ્ટિને કારણે. વ્યક્તિ સરળતાથી તેજમાં તફાવત જોશે, પરંતુ રંગમાં નહીં, જો તે પિક્સેલ્સના નાના બ્લોક પર સરેરાશ કરવામાં આવે. પાતળું પણ એક લીટીમાં કરી શકાય છે, 4 પિક્સેલ આડા અને ઊભી રીતે. પ્રથમ વિકલ્પ વધુ વખત વપરાય છે. જો ઇમેજ ગુણવત્તા મહત્વપૂર્ણ છે, તો પછી ડિસીમેશન બિલકુલ કરવામાં આવતું નથી.
પાતળા થવાનું દ્રશ્ય ચિત્ર (હાબરે મને જીઆઈએફ દાખલ કરવાની મંજૂરી આપી નથી) - https://i.ibb.co/Rg5Th9H/150953010617579181.gif

તૈયારીનો મુખ્ય ભાગ

પ્રેપ

હવે સૌથી મુશ્કેલ અને સૌથી જરૂરી ભાગ આવે છે. સમગ્ર ઈમેજને 8x8 બ્લોકમાં વિભાજિત કરવામાં આવી છે (જો રિઝોલ્યુશન બ્લોક બાજુના બહુવિધ ન હોય તો ભરવાનો ઉપયોગ થાય છે).

હવે દરેક બ્લોક પર લાગુ કરો DCT (ડિસ્ક્રીટ કોસાઇન ટ્રાન્સફોર્મ). આ ભાગમાં, બિનજરૂરી બધું ચિત્રમાંથી બહાર કાઢવામાં આવે છે. DCT નો ઉપયોગ કરીને, તમારે એ સમજવાની જરૂર છે કે શું આપેલ બ્લોક (8×8) છબીના કોઈપણ એકવિધ ભાગનું વર્ણન કરે છે: આકાશ, દિવાલ; અથવા તે જટિલ માળખું (વાળ, પ્રતીકો, વગેરે) ધરાવે છે. તે તાર્કિક છે કે સમાન રંગના 64 પિક્સેલ માત્ર 1 દ્વારા વર્ણવી શકાય છે, કારણ કે બ્લોકનું કદ પહેલેથી જ જાણીતું છે. કમ્પ્રેશન માટે ઘણું બધું: 64 થી 1.

DCT બ્લોકને સ્પેક્ટ્રમમાં ફેરવે છે, અને જ્યાં રીડિંગ્સ તીવ્રપણે બદલાય છે, ગુણાંક હકારાત્મક બને છે, અને સંક્રમણ વધુ તીવ્ર, આઉટપુટ વધારે હશે. જ્યાં ગુણાંક વધારે છે, ચિત્ર રંગ અને તેજમાં સ્પષ્ટ સંક્રમણો દર્શાવે છે, જ્યાં તે ઓછું છે - બ્લોકમાં YCbCr ઘટકોના મૂલ્યોમાં નબળા (સરળ) ફેરફારો.

પરિમાણીકરણ

કમ્પ્રેશન સેટિંગ્સ અહીં પહેલેથી જ લાગુ છે. દરેક 8x8 મેટ્રિસિસમાંના દરેક ગુણાંકને ચોક્કસ સંખ્યા દ્વારા વિભાજિત કરવામાં આવે છે. જો તમે તેના તમામ ફેરફારો પછી છબીની ગુણવત્તાને ઘટાડશો નહીં, તો પછી વિભાજક એક હોવો જોઈએ. જો આ ફોટો દ્વારા કબજે કરેલી મેમરી તમારા માટે વધુ મહત્વની છે, તો વિભાજક 1 કરતા વધારે હશે અને ભાગ્ય ગોળાકાર થશે. તે તારણ આપે છે કે ગોળાકાર કર્યા પછી તમે ઘણીવાર ઘણા બધા શૂન્ય સાથે સમાપ્ત થાઓ છો.

વધુ કમ્પ્રેશનની શક્યતા ઊભી કરવા માટે ક્વોન્ટાઇઝેશન કરવામાં આવે છે. આલેખ y = sin(x) ને માપવાના ઉદાહરણનો ઉપયોગ કરીને તે કેવું દેખાય છે તે અહીં છે:

કમ્પ્રેશન

પ્રથમ આપણે ઝિગ-ઝેગ પેટર્નમાં મેટ્રિક્સમાંથી પસાર થઈએ છીએ:

આપણને સંખ્યાઓ સાથે એક-પરિમાણીય એરે મળે છે. આપણે જોઈએ છીએ કે તેમાં ઘણા બધા શૂન્ય છે, તે દૂર કરી શકાય છે. આ કરવા માટે, ઘણા શૂન્યના ક્રમને બદલે, આપણે 1 શૂન્ય દાખલ કરીએ છીએ અને તેના પછી ક્રમમાં તેમની સંખ્યા દર્શાવતી સંખ્યા. આ રીતે તમે સમગ્ર એરેના કદને 1/3 પર ફરીથી સેટ કરી શકો છો. અને પછી આપણે ફક્ત હફમેન પદ્ધતિનો ઉપયોગ કરીને આ એરેને સંકુચિત કરીએ છીએ અને તેને ફાઇલમાં જ લખીએ છીએ.

ક્યાં વપરાય છે

સર્વત્ર. PNG ની જેમ, JPEG નો ઉપયોગ કેમેરા, OSes (કંપનીના લોગો, એપ્લિકેશન ચિહ્નો, થંબનેલ્સ તરીકે) અને તમામ સંભવિત વિસ્તારોમાં થાય છે જ્યાં છબીઓને કાર્યક્ષમ રીતે સંગ્રહિત કરવાની જરૂર હોય છે.

નિષ્કર્ષ

આ ક્ષણે, JPEG વિશેનું જ્ઞાન હવે ફક્ત શૈક્ષણિક હેતુઓ માટે જ મૂલ્યવાન છે, કારણ કે તે પહેલાથી જ દરેક જગ્યાએ બાંધવામાં આવ્યું છે અને લોકોના મોટા જૂથો દ્વારા ઑપ્ટિમાઇઝ કરવામાં આવ્યું છે, પરંતુ વિજ્ઞાનના ગ્રેનાઈટ હજુ પણ સ્વાદિષ્ટ છે.

સ્ત્રોતો

વિકિપીડિયા પર YCbCr વિશે લેખ
JPEG પર વિકિપીડિયા લેખ
પીકાબુ પોસ્ટમાંથી PrEP વિશે થોડું
PrEP પર વિકિપીડિયા લેખ

સોર્સ: www.habr.com