JPEG. Алгоритам за компресија

Здраво повторно! Ја најдов оваа статија напишана уште во мај 2019 година. Ова е продолжение на серијата написи за WAVE и JPEG, овде прво. Оваа публикација ќе содржи информации за алгоритмот за кодирање на сликата и самиот формат како целина.

Малку историја

Лажица статија на Википедија:

JPEG (Joint Photographic Experts Group) е еден од популарните растерски графички формати што се користат за складирање фотографии и слични слики.

Овој стандард беше развиен од Заедничката фотографска експертска група уште во 1991 година за ефикасна компресија на сликата.

Како сликите преминуваат од необработени во JPEG?

Некои луѓе мислат дека JPEG сликите се необработени податоци компресирани со методот Хафман, но тоа не е точно. Пред да се контролира компресија, податоците патуваат долг пат.

Прво, моделот на боја се менува од RGB во YCbCr. Постои дури и посебен алгоритам за ова - тука. Y не е допрен, бидејќи е одговорен за осветленоста, а неговата промена ќе биде забележлива.

Првото нешто што треба да се направи со сликата е „разредување“ (подземање примероци). Лесно е да се разбере: се зема низа пиксели 2x2, потоа се земаат Cb и Cr - просечните вредности на секоја од YCbCr компонентите на овие 4 пиксели. Значи, освоивме 6 бајти, наместо 4 Y, 4 Cb, 4 Cr добивме 4 Y и исти Cb и Cr за секој од нив (4 + 4 + 4 = 12; 4 + 1 + 1 = 6; 12 - 6 = 6). При рамномерна скала 2x2, компресијата со загуби со сооднос на компресија 2:1 звучи солидно. Ова се однесува на целата слика. И така - паднаа половина големина. И ние можеме да ја користиме оваа техника благодарение на нашата перцепција на бои. Човек лесно ќе забележи разлика во осветленоста, но не и во бојата, ако таа е просечно пресметана на мал блок пиксели. Разредувањето може да се направи и во линија, 4 пиксели хоризонтално и вертикално. Првата опција се користи почесто. Ако квалитетот на сликата е важен, тогаш десеткувањето воопшто не се врши.
Визуелна илустрација за разредување (Хабр не ми дозволи да вметнам гиф) - https://i.ibb.co/Rg5Th9H/150953010617579181.gif

Главниот дел од подготовката

Dkp

Сега доаѓа најтешкиот и најпотребниот дел. Целата слика е поделена на 8x8 блокови (пополнувањето се користи ако резолуцијата не е повеќекратна од страната на блокот).

Сега се применува на секој блок DCT (дискретна косинусна трансформација). Во овој дел од сликата е извадено се што е непотребно. Користејќи DCT, треба да разберете дали даден блок (8×8) опишува кој било монотон дел од сликата: небото, ѕидот; или содржи сложена структура (коса, симболи и сл.). Логично е дека 64 пиксели со слична боја може да се опишат со само 1, бидејќи големината на блокот е веќе позната. Толку за компресија: 64 до 1.

DCT го претвора блокот во спектар и таму каде што отчитувањата нагло се менуваат, коефициентот станува позитивен, а колку е поостра транзицијата, толку ќе биде поголем излезот. Онаму каде што коефициентот е поголем, сликата покажува јасни транзиции во бојата и осветленоста, каде што е помал - слаби (мазни) промени во вредностите на компонентите YCbCr во блокот.

Квантизација

Поставките за компресија веќе се применуваат овде. Секој од коефициентите во секоја од матриците 8x8 е поделен со одреден број. Ако нема да го намалите квалитетот на сликата по сите нејзини модификации, тогаш делителот треба да биде еден. Ако меморијата што ја зафаќа оваа фотографија ви е поважна, тогаш делителот ќе биде поголем од 1, а количникот ќе биде заокружен. Излегува дека по заокружувањето често завршувате со многу нули.

Квантизацијата се прави за да се создаде можност за уште поголема компресија. Еве како изгледа користејќи го примерот за квантизирање на графикот y = sin(x):

Компресија

Прво поминуваме низ матрицата во цик-цак шема:

Добиваме еднодимензионална низа со броеви. Гледаме дека има многу нули во него, може да се отстранат. За да го направите ова, наместо низа од многу нули, внесуваме 1 нула и по неа број што го означува нивниот број во низата. На овој начин можете да се ресетирате на 1/3 од големината на целата низа. И тогаш едноставно ја компресираме оваа низа користејќи го методот Хафман и ја запишуваме во самата датотека.

Каде што се користи

Насекаде. Како PNG, JPEG се користи во камери, оперативни системи (како логоа на компании, икони на апликации, сликички) и во сите можни области каде што треба ефикасно да се складираат сликите.

Излез

Во моментов, знаењето за JPEG сега е вредно само за образовни цели, бидејќи веќе е вградено насекаде и оптимизирано од големи групи луѓе, но гранитот на науката е сè уште вкусен.

Извори

Статија за YCbCr на Википедија
Статија на Википедија за JPEG
Малку за PrEP од објавата на Пикабу
Статија на Википедија за PrEP

Извор: www.habr.com