JPEG ក្បួនដោះស្រាយការបង្ហាប់

ជំរាបសួរ​ជា​ថ្មី​ម្តង​ទៀត! ខ្ញុំ​បាន​រក​ឃើញ​អត្ថបទ​នេះ​ត្រូវ​បាន​សរសេរ​ត្រឡប់​មក​វិញ​នៅ​ខែ​ឧសភា ឆ្នាំ 2019។ នេះគឺជាការបន្តនៃអត្ថបទជាបន្តបន្ទាប់អំពី WAVE និង JPEG នៅទីនេះ ដំបូង. ការបោះពុម្ពនេះនឹងរួមបញ្ចូលព័ត៌មានអំពីក្បួនដោះស្រាយការអ៊ិនកូដរូបភាព និងទម្រង់ទាំងមូល។

បំណែកនៃប្រវត្តិសាស្ត្រ

មួយស្លាបព្រានៃអត្ថបទវិគីភីឌា៖

JPEG (Joint Photographic Experts Group) គឺជាទម្រង់ក្រាហ្វិក raster ដ៏ពេញនិយមមួយ ដែលប្រើសម្រាប់រក្សាទុករូបថត និងរូបភាពស្រដៀងគ្នា។

ស្តង់ដារនេះត្រូវបានបង្កើតឡើងដោយក្រុមអ្នកជំនាញការថតរូបរួមគ្នាកាលពីឆ្នាំ 1991 សម្រាប់ការបង្រួមរូបភាពប្រកបដោយប្រសិទ្ធភាព។

តើរូបភាពពីឆៅទៅ JPEG យ៉ាងដូចម្តេច?

មនុស្សមួយចំនួនគិតថារូបភាព JPEG គឺជាទិន្នន័យឆៅដែលត្រូវបានបង្ហាប់ដោយប្រើវិធីសាស្ត្រ Huffman ប៉ុន្តែនេះមិនមែនជាការពិតទេ។ មុនពេលគ្រប់គ្រងការបង្ហាប់ ទិន្នន័យធ្វើដំណើរទៅឆ្ងាយ។

ដំបូង គំរូពណ៌ត្រូវបានផ្លាស់ប្តូរពី RGB ទៅ YCbCr ។ មានសូម្បីតែក្បួនដោះស្រាយពិសេសសម្រាប់រឿងនេះ - នៅទីនេះ. Y មិនត្រូវបានប៉ះទេព្រោះវាទទួលខុសត្រូវចំពោះពន្លឺហើយការផ្លាស់ប្តូររបស់វានឹងគួរឱ្យកត់សម្គាល់។

រឿងដំបូងដែលត្រូវធ្វើជាមួយរូបភាពគឺ "ស្តើង" (គំរូរង) ។ វាងាយស្រួលយល់៖ អារេ 2x2 នៃភីកសែលត្រូវបានយក បន្ទាប់មក Cb និង Cr ត្រូវបានយក - តម្លៃជាមធ្យមនៃសមាសធាតុ YCbCr នីមួយៗនៃ 4 ភីកសែលទាំងនេះ។ ដូច្នេះ យើងបានឈ្នះ 6 បៃជំនួសឱ្យ 4 Y, 4 Cb, 4 Cr យើងទទួលបាន 4 Y និង Cb និង Cr ដូចគ្នាសម្រាប់ពួកគេម្នាក់ៗ (4 + 4 + 4 = 12; 4 + 1 + 1 = 6; 12 - 6 = 6) ។ សូម្បីតែមាត្រដ្ឋាន 2x2 ការបង្ហាប់ការបាត់បង់ជាមួយនឹងសមាមាត្រការបង្ហាប់ 2: 1 ស្តាប់ទៅរឹងមាំ។ នេះអនុវត្តចំពោះរូបភាពទាំងមូល។ ហើយដូច្នេះ - ពួកគេបានធ្លាក់ចុះពាក់កណ្តាលទំហំ។ ហើយយើងអាចប្រើបច្ចេកទេសនេះដោយអរគុណចំពោះការយល់ឃើញពណ៌របស់យើង។ មនុស្សម្នាក់នឹងសម្គាល់ឃើញភាពខុសគ្នានៃពន្លឺយ៉ាងងាយស្រួល ប៉ុន្តែមិនមានពណ៌ទេ ប្រសិនបើវាជាមធ្យមលើប្លុកតូចមួយនៃភីកសែល។ ការ​ស្តើង​ក៏​អាច​ត្រូវ​បាន​ធ្វើ​ក្នុង​បន្ទាត់​មួយ 4 pixels ផ្ដេក និង​បញ្ឈរ។ ជម្រើសទីមួយត្រូវបានប្រើញឹកញាប់ជាង។ ប្រសិនបើគុណភាពរូបភាពមានសារៈសំខាន់ នោះការបំបែកមិនត្រូវបានអនុវត្តទាល់តែសោះ។
រូបភាពដែលមើលឃើញនៃការស្តើង (Habr មិនអនុញ្ញាតឱ្យខ្ញុំបញ្ចូល gif) - https://i.ibb.co/Rg5Th9H/150953010617579181.gif

ផ្នែកសំខាន់នៃការរៀបចំ

ឃ

ឥឡូវនេះបានមកដល់ផ្នែកដែលពិបាកបំផុត និងចាំបាច់បំផុត។ រូបភាពទាំងមូលត្រូវបានបែងចែកទៅជាប្លុក 8x8 (ការបំពេញត្រូវបានប្រើប្រសិនបើគុណភាពបង្ហាញមិនមែនជាពហុភាគីនៃប្លុក) ។

ឥឡូវនេះអនុវត្តចំពោះប្លុកនីមួយៗ DCT (ការបំលែងកូស៊ីនុសដាច់ដោយឡែក). នៅក្នុងផ្នែកនេះអ្វីគ្រប់យ៉ាងដែលមិនចាំបាច់ត្រូវបានយកចេញពីរូបភាព។ ដោយប្រើ DCT អ្នកត្រូវយល់ថាតើប្លុកដែលបានផ្តល់ឱ្យ (8 × 8) ពិពណ៌នាអំពីផ្នែកឯកតានៃរូបភាព៖ មេឃ ជញ្ជាំង។ ឬវាមានរចនាសម្ព័ន្ធស្មុគស្មាញ (សក់ និមិត្តសញ្ញា។ល។)។ វាជាឡូជីខលដែល 64 ភីកសែលនៃពណ៌ស្រដៀងគ្នាអាចត្រូវបានពិពណ៌នាដោយគ្រាន់តែ 1, ដោយសារតែ ទំហំប្លុកត្រូវបានដឹងរួចហើយ។ ច្រើនសម្រាប់ការបង្ហាប់: 64 ដល់ 1 ។

DCT ប្រែប្លុកទៅជាវិសាលគម ហើយកន្លែងដែលការអានផ្លាស់ប្តូរយ៉ាងខ្លាំង មេគុណក្លាយជាវិជ្ជមាន ហើយការផ្លាស់ប្តូរកាន់តែច្បាស់ ទិន្នផលនឹងកាន់តែខ្ពស់។ នៅកន្លែងដែលមេគុណខ្ពស់ជាង រូបភាពបង្ហាញពីការផ្លាស់ប្តូរពណ៌ និងពន្លឺច្បាស់ ដែលវាទាបជាង - ការផ្លាស់ប្តូរខ្សោយ (រលោង) នៅក្នុងតម្លៃនៃសមាសធាតុ YCbCr នៅក្នុងប្លុក។

បរិមាណ

ការកំណត់ការបង្ហាប់ត្រូវបានអនុវត្តរួចហើយនៅទីនេះ។ មេគុណនីមួយៗក្នុងម៉ាទ្រីស 8x8 នីមួយៗត្រូវបានបែងចែកដោយចំនួនជាក់លាក់មួយ។ ប្រសិនបើអ្នកនឹងមិនកាត់បន្ថយគុណភាពរូបភាពបន្ទាប់ពីការកែប្រែរបស់វាទាំងអស់នោះ ការបែងចែកគួរតែមួយ។ ប្រសិនបើអង្គចងចាំដែលកាន់កាប់ដោយរូបថតនេះគឺសំខាន់ជាងសម្រាប់អ្នក នោះផ្នែកនឹងធំជាង 1 ហើយកូតានឹងមានរាងមូល។ វាប្រែថាបន្ទាប់ពីការបង្គត់អ្នកតែងតែបញ្ចប់ដោយលេខសូន្យជាច្រើន។

Quantization ត្រូវបានធ្វើឡើងដើម្បីបង្កើតលទ្ធភាពនៃការបង្ហាប់កាន់តែច្រើន។ នេះជាអ្វីដែលវាមើលទៅដូចជាការប្រើឧទាហរណ៍នៃបរិមាណក្រាហ្វ y = sin(x)៖

ការបង្រួម

ដំបូងយើងឆ្លងកាត់ម៉ាទ្រីសតាមលំនាំ zig-zag៖

យើងទទួលបានអារេមួយវិមាត្រដែលមានលេខ។ យើងឃើញថាមានលេខសូន្យជាច្រើននៅក្នុងនោះ ពួកគេអាចដកចេញបាន។ ដើម្បីធ្វើដូចនេះជំនួសឱ្យលំដាប់នៃលេខសូន្យជាច្រើន យើងបញ្ចូលលេខសូន្យ 1 ហើយបន្ទាប់ពីវាលេខដែលបង្ហាញពីលេខរបស់ពួកគេនៅក្នុងលំដាប់។ វិធីនេះអ្នកអាចកំណត់ឡើងវិញទៅទំហំ 1/3 នៃអារេទាំងមូល។ ហើយបន្ទាប់មកយើងគ្រាន់តែបង្ហាប់អារេនេះដោយប្រើវិធីសាស្ត្រ Huffman ហើយសរសេរវាទៅក្នុងឯកសារដោយខ្លួនឯង។

កន្លែងដែលត្រូវប្រើ

គ្រប់ទីកន្លែង។ ដូច PNG ដែរ JPEG ត្រូវ​បាន​ប្រើ​នៅ​ក្នុង​កាមេរ៉ា ប្រព័ន្ធ​ប្រតិបត្តិការ (ជា​ឡូហ្គោ​ក្រុមហ៊ុន រូបតំណាង​កម្មវិធី រូបភាព​តូច) និង​ក្នុង​គ្រប់​ផ្នែក​ដែល​អាច​ធ្វើ​ទៅ​បាន​ដែល​រូបភាព​ត្រូវ​ការ​រក្សា​ទុក​ឱ្យ​មាន​ប្រសិទ្ធភាព។

សេចក្តីសន្និដ្ឋាន

នៅពេលនេះ ចំណេះដឹងអំពី JPEG ឥឡូវនេះមានតម្លៃសម្រាប់តែគោលបំណងអប់រំប៉ុណ្ណោះ ព្រោះវាត្រូវបានសាងសង់រួចហើយនៅគ្រប់ទីកន្លែង និងត្រូវបានធ្វើឱ្យប្រសើរដោយមនុស្សច្រើនក្រុម ប៉ុន្តែថ្មក្រានីតនៃវិទ្យាសាស្ត្រនៅតែឆ្ងាញ់។

ប្រភព។

អត្ថបទអំពី YCbCr នៅលើវិគីភីឌា
អត្ថបទវិគីភីឌានៅលើ JPEG
បន្តិចអំពី PrEP ពីការបង្ហោះ Pikabu
អត្ថបទវិគីភីឌានៅលើ PrEP

ប្រភព: www.habr.com