ຮູບແບບ JPEG ເຮັດວຽກແນວໃດ

ຮູບພາບ JPEG ແມ່ນມີຢູ່ທົ່ວທຸກແຫ່ງໃນຊີວິດດິຈິຕອລຂອງພວກເຮົາ, ແຕ່ຢູ່ເບື້ອງຫຼັງການຮັບຮູ້ຂອງ veneer ນີ້ແມ່ນ algorithms ທີ່ເອົາລາຍລະອຽດທີ່ບໍ່ສາມາດຮັບຮູ້ໄດ້ກັບຕາຂອງມະນຸດ. ຜົນໄດ້ຮັບແມ່ນຄຸນນະພາບສາຍຕາສູງສຸດໃນຂະຫນາດໄຟລ໌ທີ່ນ້ອຍທີ່ສຸດ - ແຕ່ມັນເຮັດວຽກທັງຫມົດໄດ້ແນວໃດ? ມາ​ເບິ່ງ​ກັນ​ວ່າ​ຕາ​ເຮົາ​ເບິ່ງ​ບໍ່​ໄດ້​!

ມັນງ່າຍທີ່ຈະຍອມຮັບຄວາມສາມາດໃນການສົ່ງຮູບພາບໄປຫາເພື່ອນແລະບໍ່ຕ້ອງກັງວົນກ່ຽວກັບອຸປະກອນ, ຕົວທ່ອງເວັບຫຼືລະບົບປະຕິບັດການທີ່ເຂົາເຈົ້າກໍາລັງໃຊ້ - ແຕ່ນັ້ນບໍ່ແມ່ນສະເຫມີ. ໃນຕົ້ນຊຸມປີ 1980, ຄອມພິວເຕີສາມາດເກັບຮັກສາແລະສະແດງຮູບພາບດິຈິຕອນ, ແຕ່ມີແນວຄວາມຄິດທີ່ແຂ່ງຂັນຫຼາຍກ່ຽວກັບວິທີທີ່ດີທີ່ສຸດທີ່ຈະເຮັດສິ່ງນີ້. ທ່ານບໍ່ສາມາດພຽງແຕ່ສົ່ງຮູບພາບຈາກຄອມພິວເຕີເຄື່ອງຫນຶ່ງໄປຫາເຄື່ອງອື່ນແລະຫວັງວ່າມັນຈະເຮັດວຽກ.

​ເພື່ອ​ແກ້​ໄຂ​ບັນຫາ​ນີ້, ຄະນະ​ຜູ້​ຊ່ຽວຊານ​ຈາກ​ທົ່ວ​ໂລກ​ໄດ້​ເຕົ້າ​ໂຮມ​ກັນ​ໃນ​ປີ 1986 ​ໂດຍ​ມີ​ຊື່ວ່າ “.ກຸ່ມຜູ້ຊ່ຽວຊານດ້ານການຖ່າຍຮູບຮ່ວມກັນ» (Joint Photographic Experts Group, JPEG), ສ້າງຕັ້ງຂຶ້ນເປັນຄວາມພະຍາຍາມຮ່ວມກັນລະຫວ່າງອົງການມາດຕະຖານສາກົນ (ISO) ແລະຄະນະກໍາມະການໄຟຟ້າສາກົນ (IEC), ສອງອົງການຈັດຕັ້ງມາດຕະຖານສາກົນທີ່ມີສໍານັກງານໃຫຍ່ຢູ່ເຈນີວາ, ສະວິດເຊີແລນ.

ກຸ່ມຄົນທີ່ເອີ້ນວ່າ JPEG ໄດ້ສ້າງມາດຕະຖານການບີບອັດຮູບພາບດິຈິຕອນ JPEG ໃນປີ 1992. ໃຜກໍ່ຕາມທີ່ເຄີຍໃຊ້ອິນເຕີເນັດອາດຈະພົບກັບຮູບພາບທີ່ຖືກເຂົ້າລະຫັດ JPEG. ນີ້ແມ່ນວິທີທົ່ວໄປທີ່ສຸດໃນການເຂົ້າລະຫັດ, ສົ່ງ ແລະເກັບຮັກສາຮູບພາບ. ຈາກຫນ້າເວັບໄປຫາອີເມວໄປຫາສື່ສັງຄົມ, JPEG ຖືກໃຊ້ຫຼາຍຕື້ເທື່ອຕໍ່ມື້ - ເກືອບທຸກຄັ້ງທີ່ພວກເຮົາເບິ່ງຮູບພາບອອນໄລນ໌ຫຼືສົ່ງມັນ. ຖ້າບໍ່ມີ JPEG, ເວັບໄຊຕ໌ຈະມີສີສັນໜ້ອຍລົງ, ຊ້າລົງ ແລະອາດມີຮູບແມວໜ້ອຍລົງ!

ບົດຄວາມນີ້ແມ່ນກ່ຽວກັບວິທີການຖອດລະຫັດຮູບພາບ JPEG. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ສິ່ງທີ່ຕ້ອງການເພື່ອປ່ຽນຂໍ້ມູນທີ່ຖືກບີບອັດທີ່ເກັບໄວ້ໃນຄອມພິວເຕີເປັນຮູບພາບທີ່ປາກົດຢູ່ໃນຫນ້າຈໍ. ນີ້ແມ່ນມູນຄ່າທີ່ຮູ້, ບໍ່ພຽງແຕ່ເນື່ອງຈາກວ່າມັນເປັນສິ່ງສໍາຄັນທີ່ຈະເຂົ້າໃຈເຕັກໂນໂລຢີທີ່ພວກເຮົາໃຊ້ທຸກໆມື້, ແຕ່ຍັງຍ້ອນວ່າໂດຍການປົດລັອກລະດັບການບີບອັດ, ພວກເຮົາຮຽນຮູ້ເພີ່ມເຕີມກ່ຽວກັບການຮັບຮູ້ແລະການເບິ່ງເຫັນ, ແລະລາຍລະອຽດຂອງຕາຂອງພວກເຮົາມີຄວາມອ່ອນໄຫວທີ່ສຸດ.

ນອກຈາກນັ້ນ, ການຫຼີ້ນກັບຮູບພາບຕ່າງໆໃນລັກສະນະນີ້ແມ່ນຫນ້າສົນໃຈຫຼາຍ.

ຊອກຫາຢູ່ໃນ JPEG

ໃນຄອມພິວເຕີ, ທຸກສິ່ງທຸກຢ່າງຖືກເກັບໄວ້ເປັນລໍາດັບຂອງຕົວເລກຖານສອງ. ໂດຍປົກກະຕິແລ້ວ bits, zeros ແລະ ones ເຫຼົ່ານີ້ຖືກຈັດເປັນກຸ່ມຂອງແປດເພື່ອສ້າງເປັນ bytes. ເມື່ອທ່ານເປີດຮູບພາບ JPEG ໃນຄອມພິວເຕີ, ບາງສິ່ງບາງຢ່າງ (ຕົວທ່ອງເວັບ, ລະບົບປະຕິບັດການ, ສິ່ງອື່ນ) ຕ້ອງຖອດລະຫັດ bytes, ຟື້ນຟູຮູບພາບຕົ້ນສະບັບເປັນບັນຊີລາຍຊື່ຂອງສີທີ່ສາມາດສະແດງໄດ້.

ຖ້າເຈົ້າດາວໂຫລດຫວານນີ້ ຮູບຂອງແມວ ແລະເປີດມັນຢູ່ໃນຕົວແກ້ໄຂຂໍ້ຄວາມ, ທ່ານຈະເຫັນຫຼາຍຕົວອັກສອນທີ່ບໍ່ສອດຄ່ອງກັນ.

ທີ່ນີ້ຂ້ອຍກໍາລັງໃຊ້ Notepad ++ ເພື່ອກວດເບິ່ງເນື້ອໃນຂອງໄຟລ໌, ເພາະວ່າຕົວແກ້ໄຂຂໍ້ຄວາມປົກກະຕິເຊັ່ນ Notepad ໃນ Windows ຈະທໍາລາຍໄຟລ໌ຄູ່ຫຼັງຈາກບັນທຶກແລະມັນຈະບໍ່ພໍໃຈກັບຮູບແບບ JPEG ອີກຕໍ່ໄປ.

ການເປີດຮູບພາບໃນເຄື່ອງປະມວນຜົນຄຳສັບເຮັດໃຫ້ຄອມພິວເຕີສັບສົນ, ຄືກັບວ່າເຈົ້າສັບສົນສະໝອງ ເມື່ອເຈົ້າກົ້ມຕາແລ້ວເລີ່ມເຫັນຈຸດສີ!

ຈຸດເຫຼົ່ານີ້ທີ່ທ່ານເຫັນແມ່ນເປັນທີ່ຮູ້ຈັກເປັນ phosphenes, ແລະບໍ່ແມ່ນຜົນມາຈາກການກະຕຸ້ນແສງສະຫວ່າງຫຼື hallucination ສ້າງຂຶ້ນໂດຍຈິດໃຈ. ພວກມັນເກີດຂື້ນເພາະວ່າສະຫມອງຂອງເຈົ້າຄິດວ່າສັນຍານໄຟຟ້າໃດໆໃນເສັ້ນປະສາດ optic ຖ່າຍທອດຂໍ້ມູນກ່ຽວກັບແສງສະຫວ່າງ. ສະຫມອງຈໍາເປັນຕ້ອງເຮັດໃຫ້ສົມມຸດຕິຖານເຫຼົ່ານີ້ເພາະວ່າບໍ່ມີທາງທີ່ຈະຮູ້ວ່າສັນຍານເປັນສຽງ, ວິໄສທັດ, ຫຼືສິ່ງອື່ນ. ເສັ້ນປະສາດທັງໝົດໃນຮ່າງກາຍສົ່ງກະແສໄຟຟ້າຄືກັນ. ໂດຍການໃຊ້ຄວາມກົດດັນຕໍ່ຕາຂອງທ່ານ, ທ່ານສົ່ງສັນຍານທີ່ບໍ່ແມ່ນສາຍຕາ, ແຕ່ກະຕຸ້ນ receptors ຂອງຕາ, ເຊິ່ງສະຫມອງຂອງທ່ານຕີຄວາມຫມາຍ - ໃນກໍລະນີນີ້, ບໍ່ຖືກຕ້ອງ - ເປັນບາງສິ່ງບາງຢ່າງທີ່ເບິ່ງເຫັນ. ເຈົ້າສາມາດເຫັນຄວາມກົດດັນໄດ້ແທ້ໆ!

ມັນເປັນເລື່ອງຕະຫລົກທີ່ຈະຄິດກ່ຽວກັບຄອມພິວເຕີ້ທີ່ຄ້າຍຄືກັນກັບສະຫມອງ, ແຕ່ມັນກໍ່ເປັນການປຽບທຽບທີ່ເປັນປະໂຫຍດເພື່ອສະແດງໃຫ້ເຫັນເຖິງຄວາມຫມາຍຂອງຂໍ້ມູນຫຼາຍປານໃດ - ບໍ່ວ່າຈະຜ່ານຮ່າງກາຍໂດຍເສັ້ນປະສາດຫຼືເກັບຮັກສາໄວ້ໃນຄອມພິວເຕີ້ - ຂຶ້ນກັບວິທີທີ່ມັນຖືກຕີຄວາມຫມາຍ. ຂໍ້ມູນຖານສອງທັງໝົດແມ່ນປະກອບດ້ວຍ 0s ແລະ 1s, ອົງປະກອບພື້ນຖານທີ່ສາມາດຖ່າຍທອດຂໍ້ມູນປະເພດໃດກໍໄດ້. ຄອມພິວເຕີຂອງທ່ານມັກຈະຊອກຫາວິທີຕີຄວາມໝາຍໃຫ້ເຂົາເຈົ້າໂດຍໃຊ້ຂໍ້ຄຶດເຊັ່ນ: ການຂະຫຍາຍໄຟລ໌. ຕອນນີ້ພວກເຮົາບັງຄັບມັນໃຫ້ຕີຄວາມໝາຍເປັນຂໍ້ຄວາມ, ເພາະວ່ານັ້ນຄືສິ່ງທີ່ຕົວແກ້ໄຂຂໍ້ຄວາມຄາດຫວັງ.

ເພື່ອເຂົ້າໃຈວິທີການຖອດລະຫັດ JPEG, ພວກເຮົາຈໍາເປັນຕ້ອງເບິ່ງສັນຍານຕົ້ນສະບັບດ້ວຍຕົນເອງ - ຂໍ້ມູນຖານສອງ. ອັນນີ້ສາມາດເຮັດໄດ້ໂດຍໃຊ້ຕົວແກ້ໄຂເລກຖານສິບຫົກ, ຫຼືໂດຍກົງ ໜ້າເວັບບົດຄວາມຕົ້ນສະບັບ! ມີຮູບພາບ, ຖັດຈາກທີ່ຢູ່ໃນພາກສະຫນາມຂໍ້ຄວາມແມ່ນ bytes ທັງຫມົດຂອງມັນ (ຍົກເວັ້ນ header), ນໍາສະເຫນີໃນຮູບແບບທົດສະນິຍົມ. ທ່ານ​ສາ​ມາດ​ປ່ຽນ​ແປງ​ໃຫ້​ເຂົາ​ເຈົ້າ​, ແລະ​ສະ​ຄິບ​ຈະ re-encode ແລະ​ຜະ​ລິດ​ຕະ​ພັນ​ຮູບ​ພາບ​ໃຫມ່​ໃນ​ການ​ບິນ​ໄດ້​.

ທ່ານສາມາດຮຽນຮູ້ຫຼາຍພຽງແຕ່ໂດຍການຫຼີ້ນກັບບັນນາທິການນີ້. ຕົວຢ່າງ, ທ່ານສາມາດບອກໄດ້ວ່າ pixels ຈະຖືກເກັບໄວ້ໃນຄໍາສັ່ງໃດ?

ສິ່ງທີ່ແປກປະຫລາດຂອງຕົວຢ່າງນີ້ແມ່ນການປ່ຽນຕົວເລກບາງຢ່າງບໍ່ມີຜົນກະທົບຕໍ່ຮູບພາບທັງຫມົດ, ຕົວຢ່າງເຊັ່ນຖ້າທ່ານປ່ຽນເລກ 17 ກັບ 0 ໃນແຖວທໍາອິດ, ຮູບພາບຈະເສຍຫາຍຫມົດ!

ການປ່ຽນແປງອື່ນໆ, ເຊັ່ນການປ່ຽນ 7 ໃນເສັ້ນ 1988 ດ້ວຍເລກ 254, ປ່ຽນສີ, ແຕ່ພຽງແຕ່ pixels ຕໍ່ມາ.

ບາງທີສິ່ງທີ່ແປກປະຫລາດແມ່ນວ່າຕົວເລກບາງຢ່າງປ່ຽນແປງບໍ່ພຽງແຕ່ສີ, ແຕ່ຍັງຮູບຮ່າງຂອງຮູບພາບ. ປ່ຽນ 70 ໃນແຖວ 12 ຫາ 2 ແລະເບິ່ງແຖວເທິງຂອງຮູບເພື່ອເບິ່ງວ່າຂ້ອຍຫມາຍຄວາມວ່າແນວໃດ.

ແລະບໍ່ວ່າຮູບພາບ JPEG ທີ່ທ່ານໃຊ້, ທ່ານຈະພົບເຫັນຮູບແບບ chess ທີ່ລຶກລັບເຫຼົ່ານີ້ຕະຫຼອດເວລາເມື່ອດັດແກ້ bytes.

ເມື່ອຫຼີ້ນກັບບັນນາທິການ, ມັນເປັນການຍາກທີ່ຈະເຂົ້າໃຈວິທີການສ້າງຮູບພາບຈາກ bytes ເຫຼົ່ານີ້, ນັບຕັ້ງແຕ່ການບີບອັດ JPEG ປະກອບດ້ວຍສາມເຕັກໂນໂລຢີທີ່ແຕກຕ່າງກັນ, ນໍາໃຊ້ຕາມລໍາດັບໃນລະດັບ. ພວກເຮົາຈະສຶກສາແຕ່ລະຄົນແຍກຕ່າງຫາກເພື່ອເປີດເຜີຍພຶດຕິກໍາທີ່ລຶກລັບທີ່ພວກເຮົາເຫັນ.

ສາມ​ລະ​ດັບ​ຂອງ​ການ​ບີບ​ອັດ JPEG​:

1. ການເກັບຕົວຢ່າງສີ.
2. ການຫັນປ່ຽນ cosine ແຍກກັນແລະການເກັບຕົວຢ່າງ.
3. ແລ່ນການເຂົ້າລະຫັດຄວາມຍາວ, delta и ຮັຟແມນ

ເພື່ອໃຫ້ທ່ານມີຄວາມຄິດກ່ຽວກັບຂະຫນາດຂອງການບີບອັດ, ໃຫ້ສັງເກດວ່າຮູບຂ້າງເທິງນີ້ເປັນຕົວແທນຂອງຕົວເລກ 79, ຫຼືປະມານ 819 KB. ຖ້າພວກເຮົາເກັບຮັກສາມັນໂດຍບໍ່ມີການບີບອັດ, ແຕ່ລະ pixels ຕ້ອງການສາມຕົວເລກ - ສໍາລັບອົງປະກອບສີແດງ, ສີຂຽວແລະສີຟ້າ. ນີ້ຈະເປັນຈໍານວນ 79 ຕົວເລກ, ຫຼືປະມານ. 917 KB. ເປັນຜົນມາຈາກການບີບອັດ JPEG, ໄຟລ໌ສຸດທ້າຍຖືກຫຼຸດລົງຫຼາຍກວ່າ 700 ເທື່ອ!

ໃນຄວາມເປັນຈິງ, ຮູບພາບນີ້ສາມາດຖືກບີບອັດຫຼາຍ. ຂ້າງລຸ່ມນີ້ແມ່ນສອງຮູບຂ້າງຄຽງກັນ - ຮູບດ້ານຂວາໄດ້ຖືກບີບອັດເປັນ 16 KB, ນັ້ນແມ່ນ, 57 ເທົ່ານ້ອຍກວ່າຮຸ່ນທີ່ບໍ່ໄດ້ບີບອັດ!

ຖ້າທ່ານເບິ່ງຢ່າງໃກ້ຊິດ, ທ່ານຈະເຫັນວ່າຮູບພາບເຫຼົ່ານີ້ບໍ່ຄືກັນ. ທັງສອງແມ່ນຮູບພາບທີ່ມີການບີບອັດ JPEG, ແຕ່ອັນທີ່ຖືກຕ້ອງແມ່ນມີປະລິມານໜ້ອຍກວ່າ. ມັນຍັງເບິ່ງບໍ່ດີເລັກນ້ອຍ (ເບິ່ງສີ່ຫຼ່ຽມສີພື້ນຫລັງ). ນັ້ນແມ່ນເຫດຜົນທີ່ JPEG ຍັງເອີ້ນວ່າການບີບອັດ lossy; ໃນ​ລະ​ຫວ່າງ​ການ​ຂະ​ບວນ​ການ​ບີບ​ອັດ​, ຮູບ​ພາບ​ປ່ຽນ​ແປງ​ແລະ​ສູນ​ເສຍ​ລາຍ​ລະ​ອຽດ​ບາງ​ຢ່າງ​.

1. ການເກັບຕົວຢ່າງສີ

ນີ້ແມ່ນຮູບພາບທີ່ມີການບີບອັດລະດັບທຳອິດເທົ່ານັ້ນ.

(ສະບັບໂຕ້ຕອບ - ໃນ ຕົ້ນສະບັບ ບົດຄວາມ). ການເອົາຕົວເລກຫນຶ່ງທໍາລາຍສີທັງຫມົດ. ຢ່າງໃດກໍຕາມ, ຖ້າຕົວເລກຫົກຖືກໂຍກຍ້າຍອອກ, ມັນເກືອບບໍ່ມີຜົນຕໍ່ຮູບພາບ.

ໃນປັດຈຸບັນຕົວເລກແມ່ນງ່າຍທີ່ຈະຖອດລະຫັດເລັກນ້ອຍ. ນີ້ແມ່ນເກືອບບັນຊີລາຍຊື່ຂອງສີທີ່ງ່າຍດາຍ, ເຊິ່ງແຕ່ລະ byte ມີການປ່ຽນແປງແນ່ນອນຫນຶ່ງ pixels ລວງ, ແຕ່ໃນເວລາດຽວກັນມັນແມ່ນເຄິ່ງຫນຶ່ງຂອງຂະຫນາດຂອງຮູບພາບທີ່ບໍ່ໄດ້ຮັບການບີບອັດ (ເຊິ່ງຈະໃຊ້ເວລາປະມານ 300 KB ໃນຂະຫນາດທີ່ຫຼຸດລົງນີ້). ເຈົ້າເດົາໄດ້ບໍ່ວ່າຍ້ອນຫຍັງ?

ທ່ານສາມາດເຫັນໄດ້ວ່າຕົວເລກເຫຼົ່ານີ້ບໍ່ໄດ້ເປັນຕົວແທນຂອງອົງປະກອບສີແດງ, ສີຂຽວແລະສີຟ້າມາດຕະຖານ, ເພາະວ່າຖ້າພວກເຮົາປ່ຽນຕົວເລກທັງຫມົດດ້ວຍສູນ, ພວກເຮົາຈະໄດ້ຮັບຮູບພາບສີຂຽວ (ແທນທີ່ຈະເປັນສີຂາວ).

ນີ້ແມ່ນຍ້ອນວ່າ bytes ເຫຼົ່ານີ້ຢືນສໍາລັບ Y (ຄວາມສະຫວ່າງ),

Cb (ຄວາມ​ເປັນ​ສີ​ຟ້າ​ພີ່​ນ້ອງ​)​,

ແລະ Cr (ສີແດງພີ່ນ້ອງ) ຮູບພາບ.

ເປັນຫຍັງບໍ່ໃຊ້ RGB? ຫຼັງຈາກທີ່ທັງຫມົດ, ນີ້ແມ່ນວິທີການເຮັດວຽກຂອງຫນ້າຈໍທີ່ທັນສະໄຫມທີ່ສຸດ. ຈໍສະແດງຜົນຂອງທ່ານສາມາດສະແດງສີໃດໆ, ລວມທັງສີແດງ, ສີຂຽວແລະສີຟ້າ, ທີ່ມີຄວາມເຂັ້ມແຕກຕ່າງກັນສໍາລັບແຕ່ລະ pixels ລວງ. ສີຂາວແມ່ນໄດ້ຮັບໂດຍການເປີດທັງສາມຢ່າງທີ່ມີຄວາມສະຫວ່າງເຕັມ, ແລະສີດໍາໂດຍການປິດພວກມັນ.

ນີ້ຍັງຄ້າຍຄືກັນກັບວິທີການຕາຂອງມະນຸດເຮັດວຽກ. ຕົວຮັບສີໃນຕາຂອງພວກເຮົາຖືກເອີ້ນວ່າ ".ໂກນ“, ແລະຖືກແບ່ງອອກເປັນສາມປະເພດ, ແຕ່ລະຊະນິດມີຄວາມອ່ອນໄຫວຕໍ່ກັບສີແດງ, ສີຂຽວ, ຫຼືສີຟ້າ [ໂກນດອກປະເພດ S ມີຄວາມອ່ອນໄຫວໃນສີມ່ວງ-ສີຟ້າ (S ຈາກພາສາອັງກິດສັ້ນ - ຄື້ນສັ້ນ), M. -type - ໃນສີຂຽວ - ສີເຫຼືອງ (M ຈາກພາສາອັງກິດຂະຫນາດກາງ - ຄື້ນກາງ), ແລະປະເພດ L - ໃນສີເຫຼືອງ - ສີແດງ (L ຈາກພາສາອັງກິດ Long - ຄື້ນຍາວ) ຂອງ spectrum. ການປະກົດຕົວຂອງໂກນດອກສາມຊະນິດນີ້ (ແລະ rods, ເຊິ່ງມີຄວາມອ່ອນໄຫວຢູ່ໃນສ່ວນສີຂຽວ emerald ຂອງ spectrum) ເຮັດໃຫ້ຄົນມີວິໄສທັດສີ. / ປະມານ. ແປ.]. ໄມ້ທ່ອນ, ປະເພດຂອງ photoreceptor ອື່ນໃນຕາຂອງພວກເຮົາ, ແມ່ນສາມາດກວດພົບການປ່ຽນແປງໃນຄວາມສະຫວ່າງ, ແຕ່ມີຄວາມອ່ອນໄຫວຫຼາຍຕໍ່ກັບສີ. ຕາຂອງພວກເຮົາມີປະມານ 120 ລ້ານ rods ແລະມີພຽງແຕ່ 6 ລ້ານໂກນ.

ນີ້ແມ່ນເຫດຜົນທີ່ວ່າຕາຂອງພວກເຮົາດີຫຼາຍໃນການກວດສອບການປ່ຽນແປງຂອງຄວາມສະຫວ່າງກວ່າການປ່ຽນແປງຂອງສີ. ຖ້າທ່ານແຍກສີອອກຈາກຄວາມສະຫວ່າງ, ທ່ານສາມາດເອົາສີເລັກນ້ອຍແລະບໍ່ມີໃຜສັງເກດເຫັນຫຍັງ. Chroma subsampling ແມ່ນຂະບວນການເປັນຕົວແທນຂອງອົງປະກອບສີຂອງຮູບພາບທີ່ມີຄວາມລະອຽດຕ່ໍາກວ່າອົງປະກອບ luminance. ໃນຕົວຢ່າງຂ້າງເທິງ, ແຕ່ລະ pixels ມີອົງປະກອບ Y ຢ່າງແທ້ຈິງ, ແລະແຕ່ລະກຸ່ມຂອງສີ່ pixels ມີອົງປະກອບ Cb ແລະຫນຶ່ງ Cr. ດັ່ງນັ້ນ, ຮູບພາບມີຂໍ້ມູນສີຫນ້ອຍກວ່າຮູບຕົ້ນສະບັບສີ່ເທົ່າ.

ພື້ນທີ່ສີ YCbCr ແມ່ນໃຊ້ບໍ່ພຽງແຕ່ໃນ JPEG ເທົ່ານັ້ນ. ມັນໄດ້ຖືກປະດິດສ້າງໃນເບື້ອງຕົ້ນໃນປີ 1938 ສໍາລັບລາຍການໂທລະພາບ. ບໍ່ແມ່ນທຸກຄົນມີໂທລະພາບສີ, ສະນັ້ນການແຍກສີແລະຄວາມສະຫວ່າງໄດ້ອະນຸຍາດໃຫ້ທຸກຄົນໄດ້ຮັບສັນຍານດຽວກັນ, ແລະໂທລະພາບທີ່ບໍ່ມີສີພຽງແຕ່ໃຊ້ອົງປະກອບຄວາມສະຫວ່າງເທົ່ານັ້ນ.

ດັ່ງນັ້ນການຖອນຫນຶ່ງຕົວເລກຈາກບັນນາທິການທັງຫມົດທໍາລາຍສີທັງຫມົດ. ອົງປະກອບຖືກເກັບໄວ້ໃນຮູບແບບ YYYY Cb Cr (ໃນຄວາມເປັນຈິງ, ບໍ່ຈໍາເປັນຕ້ອງຢູ່ໃນຄໍາສັ່ງນັ້ນ - ຄໍາສັ່ງເກັບຮັກສາແມ່ນລະບຸໄວ້ໃນຫົວໄຟລ໌). ການຖອນຕົວເລກທໍາອິດຈະເຮັດໃຫ້ຄ່າທໍາອິດຂອງ Cb ຖືກຮັບຮູ້ເປັນ Y, Cr ເປັນ Cb, ແລະໂດຍທົ່ວໄປແລ້ວທ່ານຈະມີຜົນກະທົບ domino ທີ່ປ່ຽນສີທັງຫມົດຂອງຮູບ.

ສະເພາະ JPEG ບໍ່ໄດ້ບັງຄັບໃຫ້ທ່ານໃຊ້ YCbCr. ແຕ່ໄຟລ໌ສ່ວນໃຫຍ່ໃຊ້ມັນເພາະວ່າມັນຜະລິດຮູບພາບທີ່ຫຼຸດລົງດີກວ່າ RGB. ແຕ່ເຈົ້າບໍ່ ຈຳ ເປັນຕ້ອງເອົາ ຄຳ ເວົ້າຂອງຂ້ອຍ ສຳ ລັບມັນ. ເບິ່ງຕົວທ່ານເອງໃນຕາຕະລາງຂ້າງລຸ່ມນີ້ວ່າຕົວຢ່າງຍ່ອຍຂອງແຕ່ລະອົງປະກອບຂອງແຕ່ລະຄົນຈະມີລັກສະນະແນວໃດໃນ RGB ແລະ YCbCr.

(ສະບັບໂຕ້ຕອບ - ໃນ ຕົ້ນສະບັບ ບົດຄວາມ).

ການໂຍກຍ້າຍຂອງສີຟ້າແມ່ນບໍ່ສັງເກດເຫັນເປັນສີແດງຫຼືສີຂຽວ. ນັ້ນແມ່ນຍ້ອນວ່າຫົກລ້ານໂກນຢູ່ໃນຕາຂອງເຈົ້າ, ປະມານ 64% ມີຄວາມອ່ອນໄຫວຕໍ່ກັບສີແດງ, 32% ເປັນສີຂຽວແລະ 2% ເປັນສີຟ້າ.

ການລົງຕົວຢ່າງຂອງອົງປະກອບ Y (ຊ້າຍລຸ່ມ) ແມ່ນເຫັນໄດ້ດີທີ່ສຸດ. ເຖິງແມ່ນວ່າການປ່ຽນແປງເລັກນ້ອຍແມ່ນສັງເກດເຫັນ.

ການແປງຮູບພາບຈາກ RGB ເປັນ YCbCr ບໍ່ໄດ້ຫຼຸດລົງຂະຫນາດໄຟລ໌, ແຕ່ມັນເຮັດໃຫ້ມັນງ່າຍຕໍ່ການຊອກຫາລາຍລະອຽດທີ່ເບິ່ງເຫັນຫນ້ອຍທີ່ສາມາດເອົາອອກໄດ້. ການບີບອັດ Lossy ເກີດຂື້ນໃນຂັ້ນຕອນທີສອງ. ມັນແມ່ນອີງໃສ່ແນວຄວາມຄິດຂອງການນໍາສະເຫນີຂໍ້ມູນໃນຮູບແບບທີ່ບີບອັດຫຼາຍ.

2. ການຫັນປ່ຽນ cosine ແຍກແລະການເກັບຕົວຢ່າງ

ລະດັບການບີບອັດນີ້ແມ່ນ, ສໍາລັບສ່ວນໃຫຍ່, ສິ່ງທີ່ JPEG ແມ່ນກ່ຽວກັບ. ຫຼັງຈາກການປ່ຽນສີເປັນ YCbCr, ອົງປະກອບໄດ້ຖືກບີບອັດເປັນສ່ວນບຸກຄົນ, ດັ່ງນັ້ນພວກເຮົາສາມາດສຸມໃສ່ພຽງແຕ່ອົງປະກອບ Y ແລະນີ້ແມ່ນສິ່ງທີ່ bytes ອົງປະກອບ Y ເບິ່ງຄືວ່າຫຼັງຈາກນໍາໃຊ້ຊັ້ນນີ້.

(ສະບັບໂຕ້ຕອບ - ໃນ ຕົ້ນສະບັບ ບົດຄວາມ). ໃນສະບັບໂຕ້ຕອບ, ການຄລິກໃສ່ pixels ລວງເລື່ອນບັນນາທິການໄປຫາເສັ້ນທີ່ເປັນຕົວແທນ. ລອງເອົາຕົວເລກອອກຈາກທ້າຍ ຫຼືເພີ່ມເລກສູນໃສ່ຕົວເລກທີ່ແນ່ນອນ.

ຢູ່ glance ທໍາອິດ, ມັນຄ້າຍຄືການບີບອັດທີ່ບໍ່ດີຫຼາຍ. ມີ 100 pixels ໃນຮູບ, ແລະມັນໃຊ້ເວລາ 000 ຕົວເລກເພື່ອສະແດງເຖິງຄວາມສະຫວ່າງຂອງພວກມັນ (ອົງປະກອບ Y) - ຮ້າຍແຮງກວ່າການບີບອັດບໍ່ມີຫຍັງເລີຍ!

ຢ່າງໃດກໍຕາມ, ໃຫ້ສັງເກດວ່າຕົວເລກເຫຼົ່ານີ້ແມ່ນສູນ. ຍິ່ງໄປກວ່ານັ້ນ, ທັງຫມົດສູນເຫຼົ່ານັ້ນໃນຕອນທ້າຍຂອງເສັ້ນສາມາດຖືກໂຍກຍ້າຍອອກໂດຍບໍ່ມີການປ່ຽນຮູບພາບ. ຕົວເລກຍັງເຫຼືອປະມານ 26 ໂຕ, ແລະນີ້ເກືອບ 000 ເທົ່າ!

ລະດັບນີ້ປະກອບດ້ວຍຄວາມລັບຂອງຮູບແບບຫມາກຮຸກ. ບໍ່ເຫມືອນກັບຜົນກະທົບອື່ນໆທີ່ພວກເຮົາໄດ້ເຫັນ, ຮູບລັກສະນະຂອງຮູບແບບເຫຼົ່ານີ້ບໍ່ແມ່ນຄວາມຜິດປົກກະຕິ. ພວກເຂົາເປັນສິ່ງກໍ່ສ້າງຂອງຮູບພາບທັງຫມົດ. ແຕ່ລະແຖວຂອງບັນນາທິການມີຕົວເລກ 64 ຢ່າງແນ່ນອນ, ຄ່າສໍາປະສິດການຫັນປ່ຽນ cosine discrete (DCT) ທີ່ສອດຄ້ອງກັບຄວາມເຂັ້ມຂຸ້ນຂອງ 64 ຮູບແບບທີ່ເປັນເອກະລັກ.

ຮູບ​ແບບ​ເຫຼົ່າ​ນີ້​ແມ່ນ​ໄດ້​ຮັບ​ການ​ສ້າງ​ຕັ້ງ​ຂຶ້ນ​ໂດຍ​ອີງ​ໃສ່​ດິນ​ຕອນ cosine​. ນີ້ແມ່ນສິ່ງທີ່ພວກເຂົາເບິ່ງຄື:

8 ຈາກທັງໝົດ 64 ຄະແນນ

ຂ້າງລຸ່ມນີ້ແມ່ນຮູບພາບສະແດງໃຫ້ເຫັນທັງຫມົດ 64 ຮູບແບບ.

(ສະບັບໂຕ້ຕອບ - ໃນ ຕົ້ນສະບັບ ບົດຄວາມ).

ຮູບແບບເຫຼົ່ານີ້ແມ່ນມີຄວາມສໍາຄັນໂດຍສະເພາະຍ້ອນວ່າພວກມັນເປັນພື້ນຖານຂອງຮູບພາບ 8x8. ຖ້າທ່ານບໍ່ຄຸ້ນເຄີຍກັບພຶດຊະຄະນິດເສັ້ນຊື່, ນີ້ໝາຍຄວາມວ່າຮູບພາບ 8x8 ສາມາດສ້າງໄດ້ຈາກ 64 ຮູບແບບເຫຼົ່ານີ້. DCT ແມ່ນຂະບວນການແບ່ງຮູບພາບເຂົ້າໄປໃນ 8x8 ຕັນແລະປ່ຽນແຕ່ລະບລັອກເຂົ້າໄປໃນການປະສົມປະສານຂອງຄ່າສໍາປະສິດ 64 ເຫຼົ່ານີ້.

ມັນເບິ່ງຄືວ່າເປັນ magic ທີ່ຮູບພາບໃດຫນຶ່ງສາມາດປະກອບດ້ວຍ 64 ຮູບແບບສະເພາະ. ຢ່າງໃດກໍຕາມ, ນີ້ແມ່ນຄືກັນກັບການເວົ້າວ່າສະຖານທີ່ໃດຫນຶ່ງໃນໂລກສາມາດຖືກອະທິບາຍໂດຍສອງຕົວເລກ - latitude ແລະ longitude [ຊີ້ບອກ hemispheres / approx. ແປ.]. ພວກເຮົາມັກຈະຄິດວ່າພື້ນຜິວຂອງໂລກເປັນສອງມິຕິ, ດັ່ງນັ້ນພວກເຮົາຕ້ອງການພຽງແຕ່ສອງຕົວເລກ. ຮູບພາບ 8x8 ມີ 64 ຂະຫນາດ, ດັ່ງນັ້ນພວກເຮົາຕ້ອງການ 64 ຕົວເລກ.

ມັນຍັງບໍ່ທັນເປັນທີ່ຊັດເຈນວ່ານີ້ຊ່ວຍພວກເຮົາແນວໃດໃນແງ່ຂອງການບີບອັດ. ຖ້າພວກເຮົາຕ້ອງການຕົວເລກ 64 ເພື່ອເປັນຕົວແທນຂອງຮູບພາບ 8x8, ເປັນຫຍັງມັນຈຶ່ງຈະດີກວ່າພຽງແຕ່ເກັບຮັກສາອົງປະກອບຄວາມສະຫວ່າງ 64? ພວກເຮົາເຮັດສິ່ງນີ້ສໍາລັບເຫດຜົນດຽວກັນທີ່ພວກເຮົາຫັນສາມຕົວເລກ RGB ເຂົ້າໄປໃນສາມຕົວເລກ YCbCr: ມັນຊ່ວຍໃຫ້ພວກເຮົາເອົາລາຍລະອຽດທີ່ລະອຽດອ່ອນ.

ມັນຍາກທີ່ຈະເຫັນວ່າລາຍລະອຽດໃດຖືກລົບອອກໃນຂັ້ນຕອນນີ້ເພາະວ່າ JPEG ໃຊ້ DCT ກັບ 8x8 ຕັນ. ຢ່າງໃດກໍຕາມ, ບໍ່ມີໃຜຫ້າມພວກເຮົາທີ່ຈະນໍາໃຊ້ມັນກັບຮູບພາບທັງຫມົດ. ນີ້ແມ່ນສິ່ງທີ່ DCT ເບິ່ງຄືວ່າສໍາລັບອົງປະກອບ Y ທີ່ນໍາໃຊ້ກັບຮູບພາບທັງຫມົດ:

ຫຼາຍກວ່າ 60 ຕົວເລກສາມາດເອົາອອກຈາກທ້າຍໄດ້ໂດຍເກືອບບໍ່ມີການປ່ຽນແປງທີ່ສັງເກດເຫັນກັບຮູບ.

ຢ່າງໃດກໍຕາມ, ໃຫ້ສັງເກດວ່າຖ້າພວກເຮົາສູນອອກຫ້າຕົວເລກທໍາອິດ, ຄວາມແຕກຕ່າງຈະເຫັນໄດ້ຊັດເຈນ.

ຕົວເລກໃນຕອນເລີ່ມຕົ້ນສະແດງເຖິງການປ່ຽນແປງຄວາມຖີ່ຕ່ໍາໃນຮູບພາບ, ເຊິ່ງຕາຂອງພວກເຮົາເລືອກໄດ້ດີທີ່ສຸດ. ຕົວເລກຕໍ່ທ້າຍຊີ້ໃຫ້ເຫັນເຖິງການປ່ຽນແປງໃນຄວາມຖີ່ສູງທີ່ຍາກທີ່ຈະສັງເກດເຫັນ. ເພື່ອ "ເບິ່ງສິ່ງທີ່ຕາບໍ່ສາມາດເບິ່ງໄດ້," ພວກເຮົາສາມາດແຍກລາຍລະອຽດຄວາມຖີ່ສູງເຫຼົ່ານີ້ໂດຍການສູນອອກຕົວເລກ 5000 ທໍາອິດ.

ພວກເຮົາເຫັນທຸກພື້ນທີ່ຂອງຮູບພາບທີ່ການປ່ຽນແປງທີ່ໃຫຍ່ທີ່ສຸດເກີດຂື້ນຈາກ pixels ລວງໄປຫາ pixels ລວງ. ຕາຂອງແມວ, ມົດລູກຂອງລາວ, ຜ້າຫົ່ມ terry ແລະເງົາຢູ່ແຈເບື້ອງຊ້າຍລຸ່ມແມ່ນໂດດເດັ່ນ. ທ່ານສາມາດໄປຕື່ມອີກໂດຍການສູນອອກຕົວເລກ 10 ທໍາອິດ:

20:

40:

60:

ລາຍລະອຽດຄວາມຖີ່ສູງເຫຼົ່ານີ້ຖືກລຶບອອກໂດຍ JPEG ໃນລະຫວ່າງຂັ້ນຕອນການບີບອັດ. ບໍ່ມີການສູນເສຍໃນການປ່ຽນສີເປັນຄ່າສໍາປະສິດ DCT. ການສູນເສຍເກີດຂື້ນໃນຂັ້ນຕອນການເກັບຕົວຢ່າງ, ບ່ອນທີ່ຄ່າຄວາມຖີ່ສູງຫຼືໃກ້ສູນຖືກໂຍກຍ້າຍ. ເມື່ອທ່ານຫຼຸດລົງຄຸນນະພາບການປະຫຍັດ JPEG, ໂປລແກລມເພີ່ມຂອບເຂດສໍາລັບຈໍານວນຄ່າທີ່ຖືກໂຍກຍ້າຍ, ເຊິ່ງເຮັດໃຫ້ຂະຫນາດໄຟລ໌ຫຼຸດລົງ, ແຕ່ເຮັດໃຫ້ຮູບພາບມີ pixelated ຫຼາຍ. ນັ້ນແມ່ນເຫດຜົນທີ່ວ່າຮູບພາບໃນພາກທໍາອິດ, ເຊິ່ງມີຂະຫນາດນ້ອຍກວ່າ 57 ເທົ່າ, ເບິ່ງແບບນີ້. ແຕ່ລະ 8x8 ຕັນໄດ້ຖືກສະແດງໂດຍຄ່າສໍາປະສິດ DCT ຫນ້ອຍກວ່າເມື່ອທຽບໃສ່ກັບຮຸ່ນທີ່ມີຄຸນນະພາບສູງກວ່າ.

ທ່ານສາມາດສ້າງຜົນກະທົບທີ່ເຢັນເຊັ່ນການຖ່າຍທອດຮູບພາບເທື່ອລະກ້າວ. ທ່ານ​ສາ​ມາດ​ສະ​ແດງ​ຮູບ​ພາບ​ທີ່​ມົວ​ໄດ້​ກາຍ​ເປັນ​ລາຍ​ລະ​ອຽດ​ຫຼາຍ​ຂຶ້ນ​ເນື່ອງ​ຈາກ​ການ​ດາວ​ໂຫຼດ​ຕົວ​ສໍາ​ປະ​ສິດ​ຫຼາຍ​ຂຶ້ນ​.

ທີ່ນີ້, ພຽງແຕ່ສໍາລັບການມ່ວນຊື່ນ, ແມ່ນສິ່ງທີ່ທ່ານໄດ້ຮັບພຽງແຕ່ 24 ຕົວເລກ:

ຫຼືພຽງແຕ່ 5000:

ມົວຫຼາຍ, ແຕ່ສາມາດຮັບຮູ້ໄດ້!

3. ດໍາເນີນການ encoding ຄວາມຍາວ, delta ແລະ Huffman

ມາຮອດປະຈຸ, ທຸກຂັ້ນຕອນຂອງການບີບອັດໄດ້ຖືກສູນເສຍ. ຂັ້ນຕອນສຸດທ້າຍ, ໃນທາງກົງກັນຂ້າມ, ດໍາເນີນການໂດຍບໍ່ມີການສູນເສຍ. ມັນບໍ່ໄດ້ລຶບຂໍ້ມູນ, ແຕ່ມັນຫຼຸດລົງຢ່າງຫຼວງຫຼາຍຂະຫນາດໄຟລ໌.

ເຈົ້າສາມາດບີບອັດບາງສິ່ງບາງຢ່າງໂດຍບໍ່ຖິ້ມຂໍ້ມູນໄດ້ແນວໃດ? ຈິນຕະນາການວ່າພວກເຮົາຈະອະທິບາຍຮູບສີ່ຫລ່ຽມສີດຳແບບງ່າຍໆ 700 x 437 ແນວໃດ.

JPEG ໃຊ້ 5000 ຕົວເລກສໍາລັບການນີ້, ແຕ່ຜົນໄດ້ຮັບທີ່ດີກວ່າຫຼາຍສາມາດບັນລຸໄດ້. ທ່ານສາມາດຈິນຕະນາການຮູບແບບການເຂົ້າລະຫັດທີ່ຈະອະທິບາຍຮູບພາບດັ່ງກ່າວໃນສອງສາມ bytes ເທົ່າທີ່ເປັນໄປໄດ້ບໍ?

ຮູບແບບທີ່ນ້ອຍທີ່ສຸດທີ່ຂ້ອຍສາມາດມາໄດ້ໂດຍໃຊ້ສີ່: ສາມເພື່ອສະແດງສີ, ແລະສີ່ເພື່ອຊີ້ບອກຈໍານວນ pixels ທີ່ມີສີນັ້ນ. ແນວຄວາມຄິດຂອງການເປັນຕົວແທນຂອງຄ່າຊ້ໍາກັນໃນວິທີການ condensed ນີ້ເອີ້ນວ່າການເຂົ້າລະຫັດໄລຍະແລ່ນ. ມັນບໍ່ມີການສູນເສຍເພາະວ່າພວກເຮົາສາມາດຟື້ນຟູຂໍ້ມູນທີ່ຖືກເຂົ້າລະຫັດກັບຮູບແບບຕົ້ນສະບັບຂອງມັນ.

ໄຟລ໌ JPEG ທີ່ມີຮູບສີ່ຫລ່ຽມສີດໍາມີຂະຫນາດໃຫຍ່ກວ່າ 4 bytes - ຈື່ໄວ້ວ່າໃນລະດັບ DCT, ການບີບອັດແມ່ນໃຊ້ກັບຕັນ 8x8 pixels. ດັ່ງນັ້ນ, ຢ່າງຫນ້ອຍ, ພວກເຮົາຕ້ອງການຄ່າສໍາປະສິດ DCT ຫນຶ່ງສໍາລັບທຸກໆ 64 pixels. ພວກເຮົາຕ້ອງການອັນຫນຶ່ງເພາະວ່າແທນທີ່ຈະເກັບຮັກສາຄ່າສໍາປະສິດ DCT ຫນຶ່ງທີ່ຕິດຕາມດ້ວຍ 63 ​​zeros, ການເຂົ້າລະຫັດຂອງຄວາມຍາວອະນຸຍາດໃຫ້ພວກເຮົາເກັບຮັກສາຫນຶ່ງຕົວເລກແລະຊີ້ໃຫ້ເຫັນວ່າ "ອື່ນໆທັງຫມົດແມ່ນສູນ."

ການເຂົ້າລະຫັດ Delta ແມ່ນເຕັກນິກທີ່ແຕ່ລະ byte ມີຄວາມແຕກຕ່າງຈາກຄ່າບາງຢ່າງ, ແທນທີ່ຈະເປັນຄ່າຢ່າງແທ້ຈິງ. ດັ່ງນັ້ນ, ການແກ້ໄຂບາງ bytes ປ່ຽນສີຂອງ pixels ອື່ນໆທັງຫມົດ. ຕົວຢ່າງ, ແທນທີ່ຈະເກັບຮັກສາ

12 13 14 14 14 13 13 14

ພວກເຮົາສາມາດເລີ່ມຕົ້ນດ້ວຍ 12 ແລະຫຼັງຈາກນັ້ນພຽງແຕ່ຊີ້ບອກວ່າພວກເຮົາຈໍາເປັນຕ້ອງເພີ່ມຫຼືລົບຫຼາຍປານໃດເພື່ອໃຫ້ໄດ້ຕົວເລກຕໍ່ໄປ. ແລະລໍາດັບນີ້ໃນ delta coding ໃຊ້ເວລາຮູບແບບ:

12 1 1 0 0 -1 0 1

ຂໍ້ມູນທີ່ຖືກແປງບໍ່ນ້ອຍກວ່າຂໍ້ມູນຕົ້ນສະບັບ, ແຕ່ມັນງ່າຍຕໍ່ການບີບອັດ. ການໃຊ້ການເຂົ້າລະຫັດ delta ກ່ອນການເຂົ້າລະຫັດຄວາມຍາວຂອງການເຮັດວຽກສາມາດຊ່ວຍໄດ້ຫຼາຍໃນຂະນະທີ່ຍັງຖືກບີບອັດທີ່ບໍ່ມີການສູນເສຍ.

ການເຂົ້າລະຫັດ Delta ແມ່ນຫນຶ່ງໃນເຕັກນິກຈໍານວນຫນ້ອຍທີ່ໃຊ້ນອກ 8x8 blocks. ຂອງ 64 ຄ່າສໍາປະສິດ DCT, ຫນຶ່ງແມ່ນພຽງແຕ່ຫນ້າທີ່ຄື້ນຄົງທີ່ (ສີແຂງ). ມັນສະແດງເຖິງຄວາມສະຫວ່າງສະເລ່ຍຂອງແຕ່ລະບລັອກສໍາລັບອົງປະກອບ luma, ຫຼືຄວາມສະຫວ່າງສະເລ່ຍຂອງອົງປະກອບ Cb, ແລະອື່ນໆ. ຄ່າທໍາອິດຂອງແຕ່ລະ DCT block ເອີ້ນວ່າຄ່າ DC, ແລະແຕ່ລະຄ່າ DC ແມ່ນ delta ທີ່ເຂົ້າລະຫັດກັບຄ່າທີ່ຜ່ານມາ. ດັ່ງນັ້ນ, ການປ່ຽນແປງຄວາມສະຫວ່າງຂອງຕັນທໍາອິດຈະສົ່ງຜົນກະທົບຕໍ່ທຸກຕັນ.

ຄວາມລຶກລັບສຸດທ້າຍຍັງຄົງຢູ່: ການປ່ຽນແປງຄໍານາມທີ່ທໍາລາຍຮູບພາບທັງຫມົດໄດ້ແນວໃດ? ມາຮອດປະຈຸ, ລະດັບການບີບອັດຍັງບໍ່ທັນມີຄຸນສົມບັດດັ່ງກ່າວ. ຄໍາຕອບແມ່ນຢູ່ໃນຫົວຂໍ້ JPEG. 500 bytes ທໍາອິດມີ metadata ກ່ຽວກັບຮູບພາບ - width, height, ແລະອື່ນໆ, ແລະພວກເຮົາຍັງບໍ່ໄດ້ເຮັດວຽກກັບພວກເຂົາເທື່ອ.

ຖ້າບໍ່ມີ header ມັນເກືອບເປັນໄປບໍ່ໄດ້ (ຫຼືຍາກຫຼາຍ) ທີ່ຈະຖອດລະຫັດ JPEG. ມັນຈະເບິ່ງຄືວ່າຂ້ອຍພະຍາຍາມອະທິບາຍຮູບພາບຂອງເຈົ້າ, ແລະຂ້ອຍກໍ່ເລີ່ມປະດິດຄໍາສັບຕ່າງໆເພື່ອສະແດງຄວາມປະທັບໃຈຂອງຂ້ອຍ. ຄໍາອະທິບາຍອາດຈະຂ້ອນຂ້າງຂົມຂື່ນ, ເພາະວ່າຂ້ອຍສາມາດປະດິດຄໍາທີ່ມີຄວາມຫມາຍທີ່ຂ້ອຍຕ້ອງການບົ່ງບອກ, ແຕ່ສໍາລັບຄົນອື່ນຈະບໍ່ມີຄວາມຫມາຍ.

ມັນຟັງຄືໂງ່, ແຕ່ນັ້ນແມ່ນສິ່ງທີ່ເກີດຂຶ້ນແທ້ໆ. ແຕ່ລະຮູບ JPEG ຖືກບີບອັດດ້ວຍລະຫັດສະເພາະຂອງມັນ. ວັດຈະນານຸກົມລະຫັດຖືກເກັບໄວ້ໃນສ່ວນຫົວ. ເຕັກນິກນີ້ເອີ້ນວ່າລະຫັດ Huffman ແລະຄໍາສັບເອີ້ນວ່າຕາຕະລາງ Huffman. ໃນ header, ຕາຕະລາງຖືກຫມາຍດ້ວຍສອງ bytes - 255 ແລະຫຼັງຈາກນັ້ນ 196. ແຕ່ລະອົງປະກອບຂອງສີສາມາດມີຕາຕະລາງຂອງຕົນເອງ.

ການປ່ຽນແປງຕາຕະລາງຈະສົ່ງຜົນກະທົບຕໍ່ຮູບພາບໃດໆ. ຕົວຢ່າງທີ່ດີແມ່ນການປ່ຽນແຖວທີ 15 ເປັນ 1.

ອັນນີ້ເກີດຂຶ້ນເພາະວ່າຕາຕະລາງລະບຸວ່າ bits ແຕ່ລະອັນຄວນອ່ານແນວໃດ. ມາຮອດປະຈຸບັນພວກເຮົາໄດ້ເຮັດວຽກກັບຕົວເລກຖານສອງໃນຮູບແບບທົດສະນິຍົມເທົ່ານັ້ນ. ແຕ່ນີ້ເຊື່ອງຈາກພວກເຮົາຄວາມຈິງທີ່ວ່າຖ້າທ່ານຕ້ອງການເກັບຈໍານວນ 1 ໃນ byte, ມັນຈະເບິ່ງຄືວ່າ 00000001, ເພາະວ່າແຕ່ລະ byte ຕ້ອງມີແປດບິດທີ່ແນ່ນອນ, ເຖິງແມ່ນວ່າຕ້ອງການພຽງແຕ່ຫນຶ່ງໃນນັ້ນ.

ນີ້ອາດຈະເປັນສິ່ງເສດເຫຼືອຂະຫນາດໃຫຍ່ຂອງພື້ນທີ່ຖ້າຫາກວ່າທ່ານມີຈໍານວນຂະຫນາດນ້ອຍຫຼາຍ. ລະຫັດ Huffman ແມ່ນເຕັກນິກທີ່ຊ່ວຍໃຫ້ພວກເຮົາຜ່ອນຄາຍຄວາມຕ້ອງການນີ້ທີ່ແຕ່ລະຕົວເລກຕ້ອງຄອບຄອງແປດບິດ. ນີ້ຫມາຍຄວາມວ່າຖ້າທ່ານເຫັນສອງ bytes:

234 115

ຫຼັງຈາກນັ້ນ, ອີງຕາມຕາຕະລາງ Huffman, ເຫຼົ່ານີ້ອາດຈະເປັນສາມຕົວເລກ. ເພື່ອສະກັດພວກມັນ, ກ່ອນອື່ນ ໝົດ ທ່ານຕ້ອງແຍກພວກມັນອອກເປັນແຕ່ລະບິດ:

11101010 01110011

ຫຼັງຈາກນັ້ນ, ພວກເຮົາເບິ່ງຕາຕະລາງເພື່ອຄິດວິທີການຈັດກຸ່ມພວກມັນ. ຕົວຢ່າງ, ນີ້ອາດຈະເປັນຫົກບິດທໍາອິດ, (111010), ຫຼື 58 ໃນອັດຕານິຍົມ, ຕາມດ້ວຍຫ້າບິດ (10011), ຫຼື 19, ແລະສຸດທ້າຍສີ່ບິດສຸດທ້າຍ (0011), ຫຼື 3.

ດັ່ງນັ້ນ, ມັນເປັນການຍາກຫຼາຍທີ່ຈະເຂົ້າໃຈ bytes ໃນຂັ້ນຕອນຂອງການບີບອັດນີ້. Bytes ບໍ່ໄດ້ເປັນຕົວແທນຂອງສິ່ງທີ່ພວກເຂົາເບິ່ງຄືວ່າ. ຂ້າພະເຈົ້າຈະບໍ່ເຂົ້າໄປໃນລາຍລະອຽດຂອງການເຮັດວຽກກັບຕາຕະລາງໃນບົດຄວາມນີ້, ແຕ່ ວັດສະດຸ ກ່ຽວກັບບັນຫານີ້ອອນໄລນ໌ ແມ່ນພຽງພໍ.

ຫນຶ່ງໃນເຄັດລັບທີ່ຫນ້າສົນໃຈທີ່ທ່ານສາມາດເຮັດໄດ້ດ້ວຍຄວາມຮູ້ນີ້ແມ່ນການແຍກສ່ວນຫົວອອກຈາກ JPEG ແລະເກັບຮັກສາມັນແຍກຕ່າງຫາກ. ໃນຄວາມເປັນຈິງ, ມັນ turns ໃຫ້ເຫັນວ່າພຽງແຕ່ທ່ານສາມາດອ່ານໄຟລ໌. Facebook ເຮັດສິ່ງນີ້ເພື່ອເຮັດໃຫ້ໄຟລ໌ນ້ອຍລົງ.

ສິ່ງອື່ນທີ່ສາມາດເຮັດໄດ້ຄືການປ່ຽນຕາຕະລາງ Huffman ຂ້ອນຂ້າງນ້ອຍ. ສໍາລັບຄົນອື່ນມັນຈະຄ້າຍຄືຮູບທີ່ແຕກຫັກ. ແລະພຽງແຕ່ທ່ານຈະຮູ້ວ່າວິທີການ magical ທີ່ຈະແກ້ໄຂມັນ.

ໃຫ້ສະຫຼຸບ: ດັ່ງນັ້ນສິ່ງທີ່ຈໍາເປັນເພື່ອຖອດລະຫັດ JPEG? ຈໍາເປັນ:

1. ສະກັດຕາຕະລາງ Huffman ອອກຈາກສ່ວນຫົວແລະຖອດລະຫັດ bits.
2. ສະກັດຄ່າສໍາປະສິດການຫັນປ່ຽນ cosine ແຍກກັນສໍາລັບແຕ່ລະສີ ແລະອົງປະກອບຄວາມສະຫວ່າງສໍາລັບແຕ່ລະບລັອກ 8x8, ດໍາເນີນການ inverse run-length ແລະ delta encoding transforms.
3. ສົມທົບການ cosines ໂດຍອີງໃສ່ຄ່າສໍາປະສິດທີ່ຈະໄດ້ຮັບຄ່າ pixels ​​ລວງສໍາລັບແຕ່ລະ 8x8 block.
4. ຂະຫນາດອົງປະກອບສີຖ້າການເກັບຕົວຢ່າງຍ່ອຍໄດ້ຖືກປະຕິບັດ (ຂໍ້ມູນນີ້ແມ່ນຢູ່ໃນສ່ວນຫົວ).
5. ປ່ຽນຄ່າ YCbCr ທີ່ເປັນຜົນມາຈາກແຕ່ລະ pixel ເປັນ RGB.
6. ສະ​ແດງ​ຮູບ​ພາບ​ໃນ​ຫນ້າ​ຈໍ​!

ວຽກໜັກພຽງເບິ່ງຮູບກັບແມວ! ຢ່າງໃດກໍຕາມ, ສິ່ງທີ່ຂ້ອຍມັກກ່ຽວກັບມັນແມ່ນວ່າມັນສະແດງໃຫ້ເຫັນວ່າເຕັກໂນໂລຢີ JPEG ຂອງມະນຸດເປັນສູນກາງແນວໃດ. ມັນແມ່ນອີງໃສ່ peculiarities ຂອງການຮັບຮູ້ຂອງພວກເຮົາ, ທີ່ອະນຸຍາດໃຫ້ພວກເຮົາສາມາດບັນລຸການບີບອັດທີ່ດີກວ່າຫຼາຍກ່ວາເຕັກໂນໂລຊີທໍາມະດາ. ແລະໃນປັດຈຸບັນທີ່ພວກເຮົາເຂົ້າໃຈວິທີການເຮັດວຽກຂອງ JPEG, ພວກເຮົາສາມາດຈິນຕະນາການວ່າເຕັກໂນໂລຢີເຫຼົ່ານີ້ສາມາດໂອນໄປສູ່ພື້ນທີ່ອື່ນໆໄດ້ແນວໃດ. ຕົວຢ່າງ, ການເຂົ້າລະຫັດ delta ໃນວິດີໂອສາມາດສະຫນອງການຫຼຸດຜ່ອນຂະຫນາດໄຟລ໌ຢ່າງຫຼວງຫຼາຍ, ເນື່ອງຈາກວ່າມັນມັກຈະມີພື້ນທີ່ທັງຫມົດທີ່ບໍ່ປ່ຽນແປງຈາກກອບເປັນກອບ (ຕົວຢ່າງ, ພື້ນຫລັງ).

ລະຫັດທີ່ໃຊ້ໃນບົດຄວາມ, ແມ່ນເປີດ, ແລະມີຄໍາແນະນໍາກ່ຽວກັບວິທີການທົດແທນຮູບພາບດ້ວຍຂອງທ່ານເອງ.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com