JPEG ഫോർമാറ്റ് എങ്ങനെ പ്രവർത്തിക്കുന്നു

JPEG ഇമേജുകൾ നമ്മുടെ ഡിജിറ്റൽ ജീവിതത്തിൽ സർവ്വവ്യാപിയാണ്, എന്നാൽ ഈ അവബോധത്തിന് പിന്നിൽ മനുഷ്യനേത്രങ്ങൾക്ക് മനസ്സിലാകാത്ത വിശദാംശങ്ങൾ നീക്കം ചെയ്യുന്ന അൽഗോരിതങ്ങളാണ്. ഏറ്റവും ചെറിയ ഫയൽ വലുപ്പത്തിലുള്ള ഏറ്റവും ഉയർന്ന ദൃശ്യ നിലവാരമാണ് ഫലം - എന്നാൽ എല്ലാം കൃത്യമായി എങ്ങനെ പ്രവർത്തിക്കും? നമ്മുടെ കണ്ണുകൾ കൃത്യമായി കാണാത്തത് എന്താണെന്ന് നോക്കാം!

ഒരു സുഹൃത്തിന് ഒരു ഫോട്ടോ അയയ്‌ക്കാനുള്ള കഴിവ് നിസ്സാരമായി കണക്കാക്കുന്നത് എളുപ്പമാണ്, കൂടാതെ അവർ ഏത് ഉപകരണമോ ബ്രൗസറോ ഓപ്പറേറ്റിംഗ് സിസ്റ്റമോ ഉപയോഗിക്കുന്നു എന്നതിനെക്കുറിച്ച് വിഷമിക്കേണ്ടതില്ല - എന്നാൽ അത് എല്ലായ്പ്പോഴും അങ്ങനെയായിരുന്നില്ല. 1980-കളുടെ തുടക്കത്തിൽ, കമ്പ്യൂട്ടറുകൾക്ക് ഡിജിറ്റൽ ഇമേജുകൾ സംഭരിക്കാനും പ്രദർശിപ്പിക്കാനും കഴിയുമായിരുന്നു, എന്നാൽ ഇത് ചെയ്യുന്നതിനുള്ള മികച്ച മാർഗത്തെക്കുറിച്ച് നിരവധി മത്സര ആശയങ്ങൾ ഉണ്ടായിരുന്നു. നിങ്ങൾക്ക് ഒരു കമ്പ്യൂട്ടറിൽ നിന്ന് മറ്റൊന്നിലേക്ക് ഒരു ഇമേജ് അയയ്ക്കാൻ കഴിയില്ല, അത് പ്രവർത്തിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു.

ഈ പ്രശ്നം പരിഹരിക്കാൻ, ലോകമെമ്പാടുമുള്ള വിദഗ്ധരുടെ ഒരു കമ്മിറ്റി 1986-ൽ വിളിച്ചുകൂട്ടി.ഫോട്ടോഗ്രാഫി വിദഗ്ധരുടെ സംയുക്ത സംഘം» (ജോയിൻ്റ് ഫോട്ടോഗ്രാഫിക് എക്‌സ്‌പെർട്ട് ഗ്രൂപ്പ്, ജെപിഇജി), സ്വിറ്റ്‌സർലൻഡിലെ ജനീവ ആസ്ഥാനമായി പ്രവർത്തിക്കുന്ന ഇൻ്റർനാഷണൽ ഓർഗനൈസേഷൻ ഫോർ സ്റ്റാൻഡേർഡൈസേഷനും (ഐഎസ്ഒ) ഇൻ്റർനാഷണൽ ഇലക്‌ട്രോ ടെക്‌നിക്കൽ കമ്മീഷനും (ഐഇസി) സംയുക്ത ശ്രമമായി സ്ഥാപിതമായി.

JPEG എന്ന് വിളിക്കപ്പെടുന്ന ഒരു കൂട്ടം ആളുകൾ 1992-ൽ JPEG ഡിജിറ്റൽ ഇമേജ് കംപ്രഷൻ സ്റ്റാൻഡേർഡ് സൃഷ്ടിച്ചു. ഇൻ്റർനെറ്റ് ഉപയോഗിക്കുന്ന ഏതൊരാൾക്കും JPEG എൻകോഡ് ചെയ്‌ത ചിത്രങ്ങൾ കണ്ടിട്ടുണ്ടാകും. ഇമേജുകൾ എൻകോഡ് ചെയ്യാനും അയയ്ക്കാനും സംഭരിക്കാനുമുള്ള ഏറ്റവും സാധാരണമായ മാർഗമാണിത്. വെബ് പേജുകൾ മുതൽ ഇമെയിൽ വരെ സോഷ്യൽ മീഡിയ വരെ, JPEG ഒരു ദിവസം കോടിക്കണക്കിന് തവണ ഉപയോഗിക്കുന്നു-നാം ഓൺലൈനിൽ ഒരു ചിത്രം കാണുമ്പോഴോ അയയ്ക്കുമ്പോഴോ. JPEG ഇല്ലെങ്കിൽ, വെബിന് വർണ്ണാഭം കുറവായിരിക്കും, വേഗത കുറയും, ഒരുപക്ഷേ പൂച്ച ചിത്രങ്ങൾ കുറവായിരിക്കും!

ഒരു JPEG ഇമേജ് എങ്ങനെ ഡീകോഡ് ചെയ്യാം എന്നതിനെക്കുറിച്ചാണ് ഈ ലേഖനം. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, കമ്പ്യൂട്ടറിൽ സംഭരിച്ചിരിക്കുന്ന കംപ്രസ് ചെയ്ത ഡാറ്റ സ്ക്രീനിൽ ദൃശ്യമാകുന്ന ഒരു ചിത്രമാക്കി മാറ്റാൻ എന്താണ് വേണ്ടത്. ഇത് അറിയേണ്ടതാണ്, കാരണം നമ്മൾ ദിവസവും ഉപയോഗിക്കുന്ന സാങ്കേതികവിദ്യ മനസ്സിലാക്കേണ്ടത് പ്രധാനമാണ്, മാത്രമല്ല കംപ്രഷൻ ലെവലുകൾ അൺലോക്ക് ചെയ്യുന്നതിലൂടെ, ധാരണയെക്കുറിച്ചും കാഴ്ചയെക്കുറിച്ചും, നമ്മുടെ കണ്ണുകൾ ഏറ്റവും സെൻസിറ്റീവ് ആയ വിശദാംശങ്ങളെക്കുറിച്ചും കൂടുതലറിയുന്നു.

കൂടാതെ, ഈ രീതിയിൽ ചിത്രങ്ങളുമായി കളിക്കുന്നത് വളരെ രസകരമാണ്.

JPEG-യുടെ ഉള്ളിലേക്ക് നോക്കുന്നു

ഒരു കമ്പ്യൂട്ടറിൽ, എല്ലാം ബൈനറി നമ്പറുകളുടെ ഒരു ശ്രേണിയായി സംഭരിച്ചിരിക്കുന്നു. സാധാരണയായി ഈ ബിറ്റുകൾ, പൂജ്യങ്ങൾ, ഒന്ന് എന്നിവ ബൈറ്റുകൾ ഉണ്ടാക്കുന്നതിനായി എട്ട് ഗ്രൂപ്പുകളായി തിരിച്ചിരിക്കുന്നു. നിങ്ങൾ ഒരു കമ്പ്യൂട്ടറിൽ ഒരു JPEG ഇമേജ് തുറക്കുമ്പോൾ, എന്തെങ്കിലും (ഒരു ബ്രൗസർ, ഒരു ഓപ്പറേറ്റിംഗ് സിസ്റ്റം, മറ്റെന്തെങ്കിലും) ബൈറ്റുകൾ ഡീകോഡ് ചെയ്യണം, യഥാർത്ഥ ചിത്രം പ്രദർശിപ്പിക്കാൻ കഴിയുന്ന നിറങ്ങളുടെ പട്ടികയായി പുനഃസ്ഥാപിക്കുന്നു.

ഈ മധുരം ഡൗൺലോഡ് ചെയ്താൽ ഒരു പൂച്ചയുടെ ഫോട്ടോ ഒരു ടെക്സ്റ്റ് എഡിറ്ററിൽ അത് തുറക്കുക, നിങ്ങൾ ഒരു കൂട്ടം പൊരുത്തമില്ലാത്ത പ്രതീകങ്ങൾ കാണും.

ഫയലിൻ്റെ ഉള്ളടക്കങ്ങൾ പരിശോധിക്കാൻ ഞാൻ നോട്ട്പാഡ്++ ഉപയോഗിക്കുന്നു, കാരണം വിൻഡോസിലെ നോട്ട്പാഡ് പോലുള്ള സാധാരണ ടെക്സ്റ്റ് എഡിറ്ററുകൾ സംരക്ഷിച്ചതിന് ശേഷം ബൈനറി ഫയലിനെ കേടുവരുത്തും, അത് മേലിൽ JPEG ഫോർമാറ്റിനെ തൃപ്തിപ്പെടുത്തില്ല.

ഒരു വേഡ് പ്രോസസറിൽ ഒരു ഇമേജ് തുറക്കുന്നത് കമ്പ്യൂട്ടറിനെ ആശയക്കുഴപ്പത്തിലാക്കുന്നു, നിങ്ങൾ കണ്ണുകൾ തിരുമ്മുമ്പോൾ നിറമുള്ള പാടുകൾ കാണാൻ തുടങ്ങുമ്പോൾ നിങ്ങളുടെ തലച്ചോറിനെ ആശയക്കുഴപ്പത്തിലാക്കുന്നതുപോലെ!

നിങ്ങൾ കാണുന്ന ഈ പാടുകൾ അറിയപ്പെടുന്നത് ഫോസ്ഫീനുകൾ, അവ ഒരു നേരിയ ഉത്തേജനത്തിൻ്റെയോ മനസ്സ് സൃഷ്ടിക്കുന്ന ഒരു ഭ്രമാത്മകതയുടെയോ ഫലമല്ല. ഒപ്റ്റിക് നാഡികളിലെ ഏതെങ്കിലും വൈദ്യുത സിഗ്നലുകൾ പ്രകാശത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ അറിയിക്കുന്നുവെന്ന് നിങ്ങളുടെ മസ്തിഷ്കം കരുതുന്നതിനാലാണ് അവ സംഭവിക്കുന്നത്. മസ്തിഷ്കം ഈ അനുമാനങ്ങൾ നടത്തേണ്ടതുണ്ട്, കാരണം ഒരു സിഗ്നൽ ഒരു ശബ്ദമാണോ, ഒരു കാഴ്ചയാണോ അല്ലെങ്കിൽ മറ്റെന്തെങ്കിലും ആണോ എന്ന് അറിയാൻ ഒരു മാർഗവുമില്ല. ശരീരത്തിലെ എല്ലാ ഞരമ്പുകളും കൃത്യമായി ഒരേ വൈദ്യുത പ്രേരണകൾ കൈമാറുന്നു. നിങ്ങളുടെ കണ്ണുകളിൽ സമ്മർദ്ദം ചെലുത്തുന്നതിലൂടെ, നിങ്ങൾ ദൃശ്യമല്ലാത്ത സിഗ്നലുകൾ അയയ്ക്കുന്നു, എന്നാൽ നിങ്ങളുടെ മസ്തിഷ്കം വ്യാഖ്യാനിക്കുന്ന കണ്ണിൻ്റെ റിസപ്റ്ററുകൾ സജീവമാക്കുന്നു - ഈ സാഹചര്യത്തിൽ, തെറ്റായി - ദൃശ്യപരമായി. നിങ്ങൾക്ക് അക്ഷരാർത്ഥത്തിൽ സമ്മർദ്ദം കാണാൻ കഴിയും!

കമ്പ്യൂട്ടറുകൾ തലച്ചോറുമായി എത്രത്തോളം സാമ്യമുള്ളതാണെന്ന് ചിന്തിക്കുന്നത് തമാശയാണ്, എന്നാൽ ഡാറ്റയുടെ അർത്ഥം - ശരീരത്തിലൂടെ ഞരമ്പുകളാൽ കൊണ്ടുപോകപ്പെടുകയോ കമ്പ്യൂട്ടറിൽ സംഭരിക്കുകയോ - അത് എങ്ങനെ വ്യാഖ്യാനിക്കപ്പെടുന്നു എന്നതിനെ ആശ്രയിച്ചിരിക്കുന്നു എന്ന് വ്യക്തമാക്കുന്നതിനുള്ള ഉപയോഗപ്രദമായ സാമ്യം കൂടിയാണിത്. എല്ലാ ബൈനറി ഡാറ്റയും 0-ഉം 1-ഉം ചേർന്നതാണ്, ഏത് തരത്തിലുള്ള വിവരങ്ങളും കൈമാറാൻ കഴിയുന്ന അടിസ്ഥാന ഘടകങ്ങളാണ്. ഫയൽ എക്സ്റ്റൻഷനുകൾ പോലുള്ള സൂചനകൾ ഉപയോഗിച്ച് അവ എങ്ങനെ വ്യാഖ്യാനിക്കാമെന്ന് നിങ്ങളുടെ കമ്പ്യൂട്ടർ പലപ്പോഴും കണ്ടെത്തുന്നു. ഇപ്പോൾ ഞങ്ങൾ അവയെ ടെക്‌സ്‌റ്റായി വ്യാഖ്യാനിക്കാൻ നിർബന്ധിക്കുന്നു, കാരണം അതാണ് ടെക്‌സ്‌റ്റ് എഡിറ്റർ പ്രതീക്ഷിക്കുന്നത്.

JPEG ഡീകോഡ് ചെയ്യുന്നതെങ്ങനെയെന്ന് മനസിലാക്കാൻ, നമ്മൾ യഥാർത്ഥ സിഗ്നലുകൾ തന്നെ കാണേണ്ടതുണ്ട് - ബൈനറി ഡാറ്റ. ഇത് ഒരു ഹെക്സാഡെസിമൽ എഡിറ്റർ ഉപയോഗിച്ചോ നേരിട്ടോ ചെയ്യാം യഥാർത്ഥ ലേഖനം വെബ് പേജ്! ഒരു ചിത്രമുണ്ട്, അതിനടുത്തായി ടെക്സ്റ്റ് ഫീൽഡിൽ അതിൻ്റെ എല്ലാ ബൈറ്റുകളും (തലക്കെട്ട് ഒഴികെ), ദശാംശ രൂപത്തിൽ അവതരിപ്പിച്ചിരിക്കുന്നു. നിങ്ങൾക്ക് അവ മാറ്റാൻ കഴിയും, സ്ക്രിപ്റ്റ് വീണ്ടും എൻകോഡ് ചെയ്യുകയും ഈച്ചയിൽ ഒരു പുതിയ ചിത്രം നിർമ്മിക്കുകയും ചെയ്യും.

ഈ എഡിറ്ററുമായി കളിക്കുന്നതിലൂടെ നിങ്ങൾക്ക് ഒരുപാട് കാര്യങ്ങൾ പഠിക്കാനാകും. ഉദാഹരണത്തിന്, ഏത് ക്രമത്തിലാണ് പിക്സലുകൾ സംഭരിച്ചിരിക്കുന്നതെന്ന് നിങ്ങൾക്ക് പറയാമോ?

ഈ ഉദാഹരണത്തിലെ വിചിത്രമായ കാര്യം, ചില സംഖ്യകൾ മാറ്റുന്നത് ചിത്രത്തെ ബാധിക്കില്ല, പക്ഷേ, ഉദാഹരണത്തിന്, നിങ്ങൾ 17 എന്ന സംഖ്യയെ ആദ്യ വരിയിൽ 0 ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിച്ചാൽ, ഫോട്ടോ പൂർണ്ണമായും നശിപ്പിക്കപ്പെടും!

7 ലെ 1988 ഓൺ ലൈനിൽ 254 എന്ന സംഖ്യ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുന്നത് പോലുള്ള മറ്റ് മാറ്റങ്ങൾ, നിറം മാറ്റുന്നു, പക്ഷേ തുടർന്നുള്ള പിക്സലുകളിൽ മാത്രം.

ഒരുപക്ഷേ ഏറ്റവും വിചിത്രമായ കാര്യം, ചില സംഖ്യകൾ നിറം മാത്രമല്ല, ചിത്രത്തിൻ്റെ ആകൃതിയും മാറ്റുന്നു എന്നതാണ്. ഞാൻ എന്താണ് ഉദ്ദേശിക്കുന്നതെന്ന് കാണാൻ വരി 70-ലെ 12-നെ 2-ലേക്ക് മാറ്റുക, ചിത്രത്തിൻ്റെ മുകളിലെ വരി നോക്കുക.

നിങ്ങൾ ഏത് JPEG ഇമേജ് ഉപയോഗിച്ചാലും, ബൈറ്റുകൾ എഡിറ്റ് ചെയ്യുമ്പോൾ ഈ നിഗൂഢമായ ചെസ്സ് പാറ്റേണുകൾ നിങ്ങൾ എപ്പോഴും കണ്ടെത്തും.

എഡിറ്ററുമായി കളിക്കുമ്പോൾ, ഈ ബൈറ്റുകളിൽ നിന്ന് ഒരു ഫോട്ടോ എങ്ങനെ പുനർനിർമ്മിക്കുന്നുവെന്ന് മനസിലാക്കാൻ പ്രയാസമാണ്, കാരണം JPEG കംപ്രഷൻ മൂന്ന് വ്യത്യസ്ത സാങ്കേതികവിദ്യകൾ ഉൾക്കൊള്ളുന്നു, അത് ലെവലുകളിൽ തുടർച്ചയായി പ്രയോഗിക്കുന്നു. നമ്മൾ കാണുന്ന നിഗൂഢമായ പെരുമാറ്റം കണ്ടെത്തുന്നതിന് ഞങ്ങൾ ഓരോന്നും പ്രത്യേകം പഠിക്കും.

JPEG കംപ്രഷൻ്റെ മൂന്ന് തലങ്ങൾ:

1. വർണ്ണ ഉപസാമ്പിൾ.
2. ഡിസ്ക്രീറ്റ് കോസൈൻ രൂപാന്തരവും സാമ്പിളും.
3. ദൈർഘ്യ എൻകോഡിംഗ് പ്രവർത്തിപ്പിക്കുക, ഡെൽറ്റ и ഹഫ്മാൻ

കംപ്രഷൻ്റെ വ്യാപ്തിയെക്കുറിച്ച് നിങ്ങൾക്ക് ഒരു ആശയം നൽകുന്നതിന്, മുകളിലുള്ള ചിത്രം 79 അക്കങ്ങളെ അല്ലെങ്കിൽ ഏകദേശം 819 KB പ്രതിനിധീകരിക്കുന്നു എന്നത് ശ്രദ്ധിക്കുക. ഞങ്ങൾ ഇത് കംപ്രഷൻ ഇല്ലാതെ സംഭരിച്ചാൽ, ഓരോ പിക്സലിനും മൂന്ന് അക്കങ്ങൾ ആവശ്യമാണ് - ചുവപ്പ്, പച്ച, നീല ഘടകങ്ങൾക്ക്. ഇത് 79 സംഖ്യകൾ അല്ലെങ്കിൽ ഏകദേശം. 917 കെ.ബി. JPEG കംപ്രഷൻ്റെ ഫലമായി, അന്തിമ ഫയൽ 700 തവണയിലധികം കുറഞ്ഞു!

വാസ്തവത്തിൽ, ഈ ചിത്രം കൂടുതൽ കംപ്രസ് ചെയ്യാൻ കഴിയും. താഴെ രണ്ട് ചിത്രങ്ങൾ അടുത്തടുത്താണ് - വലതുവശത്തുള്ള ഫോട്ടോ 16 KB ലേക്ക് കംപ്രസ് ചെയ്തു, അതായത്, കംപ്രസ് ചെയ്യാത്ത പതിപ്പിനേക്കാൾ 57 മടങ്ങ് ചെറുതാണ്!

നിങ്ങൾ സൂക്ഷിച്ചുനോക്കിയാൽ, ഈ ചിത്രങ്ങൾ സമാനമല്ലെന്ന് നിങ്ങൾ കാണും. അവ രണ്ടും JPEG കംപ്രഷൻ ഉള്ള ചിത്രങ്ങളാണ്, എന്നാൽ ശരിയായത് വോളിയത്തിൽ വളരെ ചെറുതാണ്. ഇത് അൽപ്പം മോശമായി കാണപ്പെടുന്നു (പശ്ചാത്തല വർണ്ണ ചതുരങ്ങൾ നോക്കുക). അതുകൊണ്ടാണ് JPEG-യെ ലോസി കംപ്രഷൻ എന്നും വിളിക്കുന്നത്; കംപ്രഷൻ പ്രക്രിയയിൽ, ചിത്രം മാറുകയും ചില വിശദാംശങ്ങൾ നഷ്ടപ്പെടുകയും ചെയ്യുന്നു.

1. വർണ്ണ ഉപസാമ്പിൾ

കംപ്രഷൻ്റെ ആദ്യ തലം മാത്രം പ്രയോഗിച്ച ഒരു ചിത്രം ഇതാ.

(ഇൻ്ററാക്ടീവ് പതിപ്പ് - ഇൻ ഒറിജിനൽ ലേഖനങ്ങൾ). ഒരു നമ്പർ നീക്കം ചെയ്യുന്നത് എല്ലാ നിറങ്ങളെയും നശിപ്പിക്കുന്നു. എന്നിരുന്നാലും, കൃത്യമായി ആറ് അക്കങ്ങൾ നീക്കം ചെയ്താൽ, അത് ചിത്രത്തെ ഫലത്തിൽ ബാധിക്കില്ല.

ഇപ്പോൾ അക്കങ്ങൾ മനസ്സിലാക്കാൻ അൽപ്പം എളുപ്പമാണ്. ഇത് ഏതാണ്ട് ഒരു ലളിതമായ നിറങ്ങളുടെ പട്ടികയാണ്, അതിൽ ഓരോ ബൈറ്റും കൃത്യമായി ഒരു പിക്സൽ മാറുന്നു, എന്നാൽ അതേ സമയം ഇത് കംപ്രസ് ചെയ്യാത്ത ചിത്രത്തിൻ്റെ പകുതി വലുപ്പമാണ് (ഈ കുറച്ച വലുപ്പത്തിൽ ഇത് ഏകദേശം 300 KB എടുക്കും). എന്തുകൊണ്ടെന്ന് ഊഹിക്കാമോ?

ഈ സംഖ്യകൾ സാധാരണ ചുവപ്പ്, പച്ച, നീല ഘടകങ്ങളെ പ്രതിനിധീകരിക്കുന്നില്ലെന്ന് നിങ്ങൾക്ക് കാണാൻ കഴിയും, കാരണം ഞങ്ങൾ എല്ലാ അക്കങ്ങളും പൂജ്യങ്ങൾ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിച്ചാൽ, നമുക്ക് ഒരു പച്ച ചിത്രം ലഭിക്കും (വെളുപ്പിന് പകരം).

കാരണം ഈ ബൈറ്റുകൾ Y (തെളിച്ചം) യെ സൂചിപ്പിക്കുന്നു.

സിബി (ആപേക്ഷിക നീലനിറം),

കൂടാതെ Cr (ആപേക്ഷിക ചുവപ്പ്) ചിത്രങ്ങൾ.

എന്തുകൊണ്ട് RGB ഉപയോഗിക്കരുത്? എല്ലാത്തിനുമുപരി, മിക്ക ആധുനിക സ്ക്രീനുകളും ഇങ്ങനെയാണ് പ്രവർത്തിക്കുന്നത്. നിങ്ങളുടെ മോണിറ്ററിന് ഓരോ പിക്സലിനും വ്യത്യസ്ത തീവ്രതയോടെ ചുവപ്പും പച്ചയും നീലയും ഉൾപ്പെടെ ഏത് നിറവും പ്രദർശിപ്പിക്കാൻ കഴിയും. ഇവ മൂന്നും പൂർണ്ണ തെളിച്ചത്തിൽ ഓണാക്കിയാൽ വെള്ളയും ഓഫാക്കുന്നതിലൂടെ കറുപ്പും ലഭിക്കും.

മനുഷ്യൻ്റെ കണ്ണ് എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിന് സമാനമാണ് ഇത്. നമ്മുടെ കണ്ണിലെ വർണ്ണ റിസപ്റ്ററുകളെ വിളിക്കുന്നു "കോണുകൾ“, കൂടാതെ മൂന്ന് തരങ്ങളായി തിരിച്ചിരിക്കുന്നു, അവയിൽ ഓരോന്നും ചുവപ്പ്, പച്ച അല്ലെങ്കിൽ നീല നിറങ്ങളോട് കൂടുതൽ സെൻസിറ്റീവ് ആണ് [എസ്-തരം കോണുകൾ വയലറ്റ്-നീലയിൽ സെൻസിറ്റീവ് ആണ് (ഇംഗ്ലീഷ് ഷോർട്ട് - ഷോർട്ട്-വേവ് സ്പെക്ട്രത്തിൽ നിന്നുള്ള എസ്), എം -ടൈപ്പ് - പച്ച-മഞ്ഞയിൽ (ഇംഗ്ലീഷ് മീഡിയത്തിൽ നിന്ന് എം - മീഡിയം-വേവ്), എൽ-ടൈപ്പ് - മഞ്ഞ-ചുവപ്പ് (ഇംഗ്ലീഷിൽ നിന്ന് എൽ ലോംഗ് - ലോംഗ്-വേവ്) സ്പെക്ട്രത്തിൻ്റെ ഭാഗങ്ങളിൽ. ഈ മൂന്ന് തരം കോണുകളുടെ സാന്നിധ്യം (സ്പെക്ട്രത്തിൻ്റെ മരതകം പച്ച ഭാഗത്ത് സെൻസിറ്റീവ് ആയ തണ്ടുകൾ) ഒരു വ്യക്തിക്ക് വർണ്ണ ദർശനം നൽകുന്നു. / ഏകദേശം. പരിഭാഷ.]. വിറകുകൾ, നമ്മുടെ കണ്ണിലെ മറ്റൊരു തരം ഫോട്ടോറിസെപ്റ്റർ, തെളിച്ചത്തിലെ മാറ്റങ്ങൾ കണ്ടുപിടിക്കാൻ പ്രാപ്തമാണ്, എന്നാൽ നിറത്തോട് വളരെ സെൻസിറ്റീവ് ആണ്. നമ്മുടെ കണ്ണുകൾക്ക് ഏകദേശം 120 ദശലക്ഷം വടികളും 6 ദശലക്ഷം കോണുകളും മാത്രമേയുള്ളൂ.

അതുകൊണ്ടാണ് നിറവ്യത്യാസത്തേക്കാൾ തെളിച്ചത്തിലെ മാറ്റങ്ങൾ കണ്ടുപിടിക്കാൻ നമ്മുടെ കണ്ണുകൾക്ക് നല്ലത്. നിങ്ങൾ തെളിച്ചത്തിൽ നിന്ന് നിറം വേർതിരിക്കുകയാണെങ്കിൽ, നിങ്ങൾക്ക് ഒരു ചെറിയ നിറം നീക്കംചെയ്യാം, ആരും ഒന്നും ശ്രദ്ധിക്കില്ല. ലൂമിനൻസ് ഘടകങ്ങളേക്കാൾ കുറഞ്ഞ റെസല്യൂഷനിൽ ഒരു ചിത്രത്തിൻ്റെ വർണ്ണ ഘടകങ്ങളെ പ്രതിനിധീകരിക്കുന്ന പ്രക്രിയയാണ് ക്രോമ സബ്സാംപ്ലിംഗ്. മുകളിലുള്ള ഉദാഹരണത്തിൽ, ഓരോ പിക്സലിനും കൃത്യമായി ഒരു Y ഘടകമുണ്ട്, കൂടാതെ നാല് പിക്സലുകളുടെ ഓരോ ഗ്രൂപ്പിനും കൃത്യമായി ഒരു Cb ഉം ഒരു Cr ഘടകവും ഉണ്ട്. അതിനാൽ, ചിത്രത്തിൽ ഒറിജിനലിനേക്കാൾ നാലിരട്ടി കുറഞ്ഞ വർണ്ണ വിവരങ്ങൾ അടങ്ങിയിരിക്കുന്നു.

YCbCr കളർ സ്പേസ് JPEG-ൽ മാത്രമല്ല ഉപയോഗിക്കുന്നത്. ടെലിവിഷൻ പ്രോഗ്രാമുകൾക്കായി 1938 ലാണ് ഇത് ആദ്യം കണ്ടുപിടിച്ചത്. എല്ലാവർക്കും കളർ ടിവി ഇല്ല, അതിനാൽ നിറവും തെളിച്ചവും വേർതിരിക്കുന്നത് എല്ലാവർക്കും ഒരേ സിഗ്നൽ ലഭിക്കാൻ അനുവദിച്ചു, കൂടാതെ നിറമില്ലാത്ത ടിവികൾ തെളിച്ച ഘടകം മാത്രം ഉപയോഗിച്ചു.

അതിനാൽ എഡിറ്ററിൽ നിന്ന് ഒരു നമ്പർ നീക്കം ചെയ്യുന്നത് എല്ലാ നിറങ്ങളെയും പൂർണ്ണമായും നശിപ്പിക്കുന്നു. ഘടകങ്ങൾ YYYY Cb Cr എന്ന രൂപത്തിലാണ് സംഭരിച്ചിരിക്കുന്നത് (വാസ്തവത്തിൽ, ആ ക്രമത്തിലായിരിക്കണമെന്നില്ല - സ്റ്റോറേജ് ഓർഡർ ഫയൽ ഹെഡറിൽ വ്യക്തമാക്കിയിരിക്കുന്നു). ആദ്യത്തെ നമ്പർ നീക്കം ചെയ്യുന്നത് Cb യുടെ ആദ്യ മൂല്യം Y ആയും Cr Cb ആയും കാണുന്നതിന് കാരണമാകും, കൂടാതെ നിങ്ങൾക്ക് പൊതുവായി ചിത്രത്തിൻ്റെ എല്ലാ നിറങ്ങളും മാറ്റുന്ന ഒരു ഡൊമിനോ ഇഫക്റ്റ് ഉണ്ടായിരിക്കും.

YCbCr ഉപയോഗിക്കാൻ JPEG സ്പെസിഫിക്കേഷൻ നിങ്ങളെ നിർബന്ധിക്കുന്നില്ല. എന്നാൽ മിക്ക ഫയലുകളും ഇത് ഉപയോഗിക്കുന്നു, കാരണം ഇത് RGB-യേക്കാൾ മികച്ച ഡൗൺസാമ്പിൾ ഇമേജുകൾ നിർമ്മിക്കുന്നു. എന്നാൽ നിങ്ങൾ എൻ്റെ വാക്ക് എടുക്കേണ്ടതില്ല. RGB-ലും YCbCr-ലും ഓരോ ഘടകങ്ങളുടെയും ഉപസാമ്പിൾ എങ്ങനെയായിരിക്കുമെന്ന് ചുവടെയുള്ള പട്ടികയിൽ നിങ്ങൾക്കായി കാണുക.

(ഇൻ്ററാക്ടീവ് പതിപ്പ് - ഇൻ ഒറിജിനൽ ലേഖനങ്ങൾ).

നീലയുടെ നീക്കം ചുവപ്പ് അല്ലെങ്കിൽ പച്ച പോലെ ശ്രദ്ധേയമല്ല. നിങ്ങളുടെ കണ്ണുകളിലെ ആറ് ദശലക്ഷം കോണുകൾ കാരണം, ഏകദേശം 64% ചുവപ്പിനോടും 32% പച്ചയോടും 2% നീലയോടും സെൻസിറ്റീവ് ആണ്.

Y ഘടകത്തിൻ്റെ (താഴെ ഇടത്) ഡൗൺസാംപ്ലിംഗ് മികച്ചതായി കാണപ്പെടുന്നു. ഒരു ചെറിയ മാറ്റം പോലും ശ്രദ്ധേയമാണ്.

ഒരു ഇമേജ് RGB-യിൽ നിന്ന് YCbCr-ലേക്ക് പരിവർത്തനം ചെയ്യുന്നത് ഫയലിൻ്റെ വലുപ്പം കുറയ്ക്കില്ല, പക്ഷേ അത് നീക്കം ചെയ്യാൻ കഴിയുന്ന കുറച്ച് ദൃശ്യമായ വിശദാംശങ്ങൾ കണ്ടെത്തുന്നത് എളുപ്പമാക്കുന്നു. രണ്ടാം ഘട്ടത്തിൽ ലോസി കംപ്രഷൻ സംഭവിക്കുന്നു. കൂടുതൽ കംപ്രസ്സുചെയ്യാവുന്ന രൂപത്തിൽ ഡാറ്റ അവതരിപ്പിക്കുക എന്ന ആശയത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് ഇത്.

2. ഡിസ്ക്രീറ്റ് കോസൈൻ രൂപാന്തരവും സാമ്പിളും

ഈ ലെവൽ കംപ്രഷൻ, മിക്കവാറും, JPEG എന്തിനെക്കുറിച്ചാണ്. നിറങ്ങൾ YCbCr-ലേക്ക് പരിവർത്തനം ചെയ്‌ത ശേഷം, ഘടകങ്ങൾ വ്യക്തിഗതമായി കംപ്രസ്സുചെയ്യുന്നു, അതിനാൽ നമുക്ക് Y ഘടകത്തിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കാം, ഈ ലെയർ പ്രയോഗിച്ചതിന് ശേഷം Y ഘടക ബൈറ്റുകൾ എങ്ങനെയിരിക്കും.

(ഇൻ്ററാക്ടീവ് പതിപ്പ് - ഇൻ ഒറിജിനൽ ലേഖനങ്ങൾ). സംവേദനാത്മക പതിപ്പിൽ, ഒരു പിക്സലിൽ ക്ലിക്കുചെയ്യുന്നത് എഡിറ്ററിനെ പ്രതിനിധീകരിക്കുന്ന വരിയിലേക്ക് സ്ക്രോൾ ചെയ്യുന്നു. അവസാനത്തിൽ നിന്ന് അക്കങ്ങൾ നീക്കം ചെയ്യുകയോ ഒരു നിശ്ചിത സംഖ്യയിലേക്ക് കുറച്ച് പൂജ്യങ്ങൾ ചേർക്കുകയോ ചെയ്യുക.

ഒറ്റനോട്ടത്തിൽ, ഇത് വളരെ മോശം കംപ്രഷൻ പോലെ തോന്നുന്നു. ഒരു ഇമേജിൽ 100 പിക്സലുകൾ ഉണ്ട്, അവയുടെ തെളിച്ചം (Y-ഘടകങ്ങൾ) പ്രതിനിധീകരിക്കാൻ 000 സംഖ്യകൾ ആവശ്യമാണ്-ഇത് ഒന്നും കംപ്രസ് ചെയ്യുന്നതിനേക്കാൾ മോശമാണ്!

എന്നിരുന്നാലും, ഈ സംഖ്യകളിൽ ഭൂരിഭാഗവും പൂജ്യമാണെന്ന കാര്യം ശ്രദ്ധിക്കുക. മാത്രമല്ല, വരികളുടെ അവസാനത്തിലുള്ള എല്ലാ പൂജ്യങ്ങളും ചിത്രം മാറ്റാതെ തന്നെ നീക്കം ചെയ്യാവുന്നതാണ്. ഏകദേശം 26 സംഖ്യകൾ അവശേഷിക്കുന്നു, ഇത് ഏകദേശം 000 മടങ്ങ് കുറവാണ്!

ഈ ലെവലിൽ ചെസ്സ് പാറ്റേണുകളുടെ രഹസ്യം അടങ്ങിയിരിക്കുന്നു. നമ്മൾ കണ്ട മറ്റ് ഇഫക്റ്റുകളിൽ നിന്ന് വ്യത്യസ്തമായി, ഈ പാറ്റേണുകളുടെ രൂപം ഒരു കുഴപ്പമല്ല. അവയാണ് മുഴുവൻ ചിത്രത്തിൻ്റെയും നിർമ്മാണ ബ്ലോക്കുകൾ. എഡിറ്ററിൻ്റെ ഓരോ വരിയിലും കൃത്യമായി 64 അക്കങ്ങൾ അടങ്ങിയിരിക്കുന്നു, 64 അദ്വിതീയ പാറ്റേണുകളുടെ തീവ്രതയുമായി ബന്ധപ്പെട്ട ഡിസ്ക്രീറ്റ് കോസൈൻ ട്രാൻസ്ഫോർമേഷൻ (ഡിസിടി) ഗുണകങ്ങൾ.

കോസൈൻ പ്ലോട്ടിനെ അടിസ്ഥാനമാക്കിയാണ് ഈ പാറ്റേണുകൾ രൂപപ്പെടുന്നത്. അവയിൽ ചിലത് ഇങ്ങനെയാണ്:

8 ൽ 64 എണ്ണം

എല്ലാ 64 പാറ്റേണുകളും കാണിക്കുന്ന ഒരു ചിത്രം ചുവടെയുണ്ട്.

(ഇൻ്ററാക്ടീവ് പതിപ്പ് - ഇൻ ഒറിജിനൽ ലേഖനങ്ങൾ).

ഈ പാറ്റേണുകൾക്ക് പ്രത്യേക പ്രാധാന്യമുണ്ട്, കാരണം അവ 8x8 ചിത്രങ്ങളുടെ അടിസ്ഥാനമാണ്. നിങ്ങൾക്ക് ലീനിയർ ബീജഗണിതം പരിചയമില്ലെങ്കിൽ, ഈ 8 പാറ്റേണുകളിൽ നിന്ന് ഏത് 8x64 ഇമേജും നിർമ്മിക്കാം എന്നാണ് ഇതിനർത്ഥം. ചിത്രങ്ങളെ 8x8 ബ്ലോക്കുകളായി വിഭജിച്ച് ഓരോ ബ്ലോക്കിനെയും ഈ 64 ഗുണകങ്ങളുടെ സംയോജനമാക്കി മാറ്റുന്ന പ്രക്രിയയാണ് DCT.

ഏത് ചിത്രവും 64 നിർദ്ദിഷ്ട പാറ്റേണുകൾ കൊണ്ട് രചിക്കാമെന്നത് മാജിക് പോലെ തോന്നുന്നു. എന്നിരുന്നാലും, ഭൂമിയിലെ ഏത് സ്ഥലത്തെയും രണ്ട് സംഖ്യകളാൽ വിവരിക്കാമെന്ന് പറയുന്നതിന് സമാനമാണ് ഇത് - അക്ഷാംശവും രേഖാംശവും [അർദ്ധഗോളങ്ങളെ സൂചിപ്പിക്കുന്നത് / ഏകദേശം. പരിഭാഷ.]. നമ്മൾ പലപ്പോഴും ഭൂമിയുടെ ഉപരിതലത്തെ ദ്വിമാനമാണെന്ന് കരുതുന്നു, അതിനാൽ നമുക്ക് രണ്ട് സംഖ്യകൾ മാത്രമേ ആവശ്യമുള്ളൂ. 8x8 ചിത്രത്തിന് 64 അളവുകൾ ഉണ്ട്, അതിനാൽ നമുക്ക് 64 അക്കങ്ങൾ ആവശ്യമാണ്.

കംപ്രഷൻ്റെ കാര്യത്തിൽ ഇത് എങ്ങനെയാണ് നമ്മെ സഹായിക്കുന്നതെന്ന് ഇതുവരെ വ്യക്തമായിട്ടില്ല. 64x8 ഇമേജ് പ്രതിനിധീകരിക്കാൻ നമുക്ക് 8 അക്കങ്ങൾ ആവശ്യമുണ്ടെങ്കിൽ, 64 ബ്രൈറ്റ്‌നെസ് ഘടകങ്ങൾ സംഭരിക്കുന്നതിനേക്കാൾ മികച്ചത് എന്തുകൊണ്ട്? ഞങ്ങൾ മൂന്ന് RGB നമ്പറുകളെ മൂന്ന് YCbCr നമ്പറുകളാക്കി മാറ്റിയ അതേ കാരണത്താലാണ് ഞങ്ങൾ ഇത് ചെയ്യുന്നത്: സൂക്ഷ്മമായ വിശദാംശങ്ങൾ നീക്കംചെയ്യാൻ ഇത് ഞങ്ങളെ അനുവദിക്കുന്നു.

8x8 ബ്ലോക്കുകളിൽ JPEG DCT പ്രയോഗിക്കുന്നതിനാൽ ഈ ഘട്ടത്തിൽ എന്ത് വിശദാംശങ്ങളാണ് നീക്കം ചെയ്തതെന്ന് കൃത്യമായി കാണാൻ പ്രയാസമാണ്. എന്നിരുന്നാലും, മുഴുവൻ ചിത്രത്തിലും ഇത് പ്രയോഗിക്കാൻ ആരും ഞങ്ങളെ വിലക്കുന്നില്ല. മുഴുവൻ ചിത്രത്തിലും പ്രയോഗിച്ചിരിക്കുന്ന Y ഘടകത്തിന് DCT എങ്ങനെ കാണപ്പെടുന്നുവെന്നത് ഇതാ:

ഫോട്ടോയിൽ ഫലത്തിൽ ശ്രദ്ധേയമായ മാറ്റങ്ങളൊന്നും കൂടാതെ 60-ലധികം നമ്പറുകൾ അവസാനം നിന്ന് നീക്കം ചെയ്യാനാകും.

എന്നിരുന്നാലും, ആദ്യത്തെ അഞ്ച് അക്കങ്ങൾ പൂജ്യമാക്കിയാൽ, വ്യത്യാസം വ്യക്തമാകും.

തുടക്കത്തിലെ അക്കങ്ങൾ ചിത്രത്തിലെ കുറഞ്ഞ ആവൃത്തിയിലുള്ള മാറ്റങ്ങളെ പ്രതിനിധീകരിക്കുന്നു, അത് നമ്മുടെ കണ്ണുകൾ നന്നായി എടുക്കുന്നു. അവസാനത്തിലേക്കുള്ള അക്കങ്ങൾ, ശ്രദ്ധിക്കാൻ കൂടുതൽ ബുദ്ധിമുട്ടുള്ള ഉയർന്ന ആവൃത്തികളിലെ മാറ്റങ്ങളെ സൂചിപ്പിക്കുന്നു. "കണ്ണിന് കാണാൻ കഴിയാത്തത് കാണാൻ", ആദ്യത്തെ 5000 അക്കങ്ങൾ പൂജ്യമാക്കി നമുക്ക് ഈ ഉയർന്ന ഫ്രീക്വൻസി വിശദാംശങ്ങൾ വേർതിരിച്ചെടുക്കാം.

പിക്സലിൽ നിന്ന് പിക്സലിലേക്ക് ഏറ്റവും വലിയ മാറ്റം സംഭവിക്കുന്ന ചിത്രത്തിൻ്റെ എല്ലാ മേഖലകളും ഞങ്ങൾ കാണുന്നു. പൂച്ചയുടെ കണ്ണുകൾ, മീശ, ടെറി പുതപ്പ്, താഴെ ഇടത് മൂലയിലെ നിഴലുകൾ എന്നിവ വേറിട്ടുനിൽക്കുന്നു. ആദ്യത്തെ 10 സംഖ്യകൾ പൂജ്യമാക്കി നിങ്ങൾക്ക് കൂടുതൽ മുന്നോട്ട് പോകാം:

20:

40:

60:

ഈ ഹൈ-ഫ്രീക്വൻസി വിശദാംശങ്ങൾ കംപ്രഷൻ ഘട്ടത്തിൽ JPEG നീക്കം ചെയ്യുന്നു. നിറങ്ങൾ ഡിസിടി ഗുണകങ്ങളാക്കി മാറ്റുന്നതിൽ നഷ്ടമില്ല. ഉയർന്ന ഫ്രീക്വൻസി അല്ലെങ്കിൽ പൂജ്യത്തിനടുത്തുള്ള മൂല്യങ്ങൾ നീക്കം ചെയ്യുന്ന സാമ്പിൾ ഘട്ടത്തിൽ നഷ്ടം സംഭവിക്കുന്നു. നിങ്ങൾ JPEG സേവിംഗ് ക്വാളിറ്റി കുറയ്ക്കുമ്പോൾ, പ്രോഗ്രാം നീക്കം ചെയ്ത മൂല്യങ്ങളുടെ എണ്ണത്തിൻ്റെ പരിധി വർദ്ധിപ്പിക്കുന്നു, ഇത് ഫയൽ വലുപ്പം കുറയ്ക്കുന്നു, പക്ഷേ ചിത്രം കൂടുതൽ പിക്സലേറ്റ് ആക്കുന്നു. അതുകൊണ്ടാണ് 57 മടങ്ങ് ചെറുതായ ആദ്യ വിഭാഗത്തിലെ ചിത്രം ഇതുപോലെ കാണപ്പെട്ടത്. ഉയർന്ന നിലവാരമുള്ള പതിപ്പിനെ അപേക്ഷിച്ച് ഓരോ 8x8 ബ്ലോക്കും വളരെ കുറച്ച് DCT ഗുണകങ്ങളാണ് പ്രതിനിധീകരിക്കുന്നത്.

ചിത്രങ്ങളുടെ ക്രമാനുഗതമായ സ്ട്രീമിംഗ് പോലെ നിങ്ങൾക്ക് അത്തരമൊരു രസകരമായ പ്രഭാവം സൃഷ്ടിക്കാൻ കഴിയും. കൂടുതൽ കൂടുതൽ ഗുണകങ്ങൾ ഡൗൺലോഡ് ചെയ്യുമ്പോൾ കൂടുതൽ കൂടുതൽ വിശദമായി വരുന്ന ഒരു മങ്ങിയ ചിത്രം നിങ്ങൾക്ക് പ്രദർശിപ്പിക്കാൻ കഴിയും.

24 നമ്പറുകൾ ഉപയോഗിച്ച് നിങ്ങൾക്ക് ലഭിക്കുന്നത് വിനോദത്തിനായി ഇവിടെയുണ്ട്:

അല്ലെങ്കിൽ വെറും 5000:

വളരെ അവ്യക്തമാണ്, പക്ഷേ എങ്ങനെയെങ്കിലും തിരിച്ചറിയാനാകും!

3. നീളമുള്ള എൻകോഡിംഗ്, ഡെൽറ്റ, ഹഫ്മാൻ എന്നിവ പ്രവർത്തിപ്പിക്കുക

ഇതുവരെ, കംപ്രഷൻ്റെ എല്ലാ ഘട്ടങ്ങളും നഷ്ടപ്പെട്ടു. അവസാന ഘട്ടം, നേരെമറിച്ച്, നഷ്ടമില്ലാതെ തുടരുന്നു. ഇത് വിവരങ്ങൾ ഇല്ലാതാക്കില്ല, പക്ഷേ ഇത് ഫയലിൻ്റെ വലുപ്പം ഗണ്യമായി കുറയ്ക്കുന്നു.

വിവരങ്ങൾ വലിച്ചെറിയാതെ നിങ്ങൾക്ക് എങ്ങനെ എന്തെങ്കിലും കംപ്രസ് ചെയ്യാൻ കഴിയും? 700 x 437 എന്ന ലളിതമായ കറുത്ത ദീർഘചതുരം എങ്ങനെ വിവരിക്കുമെന്ന് സങ്കൽപ്പിക്കുക.

JPEG ഇതിനായി 5000 നമ്പറുകൾ ഉപയോഗിക്കുന്നു, എന്നാൽ കൂടുതൽ മികച്ച ഫലങ്ങൾ നേടാൻ കഴിയും. കഴിയുന്നത്ര കുറച്ച് ബൈറ്റുകളിൽ അത്തരമൊരു ചിത്രം വിവരിക്കുന്ന ഒരു എൻകോഡിംഗ് സ്കീം നിങ്ങൾക്ക് സങ്കൽപ്പിക്കാൻ കഴിയുമോ?

എനിക്ക് കൊണ്ടുവരാൻ കഴിയുന്ന ഏറ്റവും കുറഞ്ഞ സ്കീം നാല് ഉപയോഗിക്കുന്നു: മൂന്ന് ഒരു നിറത്തെ പ്രതിനിധീകരിക്കുന്നു, നാലാമത്തേത് ആ നിറത്തിന് എത്ര പിക്സലുകൾ ഉണ്ടെന്ന് സൂചിപ്പിക്കാൻ. ഈ ഘനീഭവിച്ച രീതിയിൽ ആവർത്തിക്കുന്ന മൂല്യങ്ങളെ പ്രതിനിധീകരിക്കുന്ന ആശയത്തെ റൺ-ലെങ്ത്ത് എൻകോഡിംഗ് എന്ന് വിളിക്കുന്നു. എൻകോഡ് ചെയ്ത ഡാറ്റ അതിൻ്റെ യഥാർത്ഥ രൂപത്തിലേക്ക് പുനഃസ്ഥാപിക്കാൻ കഴിയുന്നതിനാൽ ഇത് നഷ്ടരഹിതമാണ്.

ഒരു കറുത്ത ദീർഘചതുരം ഉള്ള ഒരു JPEG ഫയൽ 4 ബൈറ്റുകളേക്കാൾ വളരെ വലുതാണ് - DCT തലത്തിൽ, 8x8 പിക്സൽ ബ്ലോക്കുകളിൽ കംപ്രഷൻ പ്രയോഗിക്കുന്നത് ഓർക്കുക. അതിനാൽ, നമുക്ക് ഓരോ 64 പിക്സലിനും ഒരു ഡിസിടി ഗുണകം ആവശ്യമാണ്. നമുക്ക് ഒരെണ്ണം ആവശ്യമാണ്, കാരണം ഒരു ഡിസിടി കോഫിഫിഷ്യൻ്റ് സംഭരിക്കുന്നതിന് പകരം 63 പൂജ്യങ്ങൾ, റൺ ലെങ്ത് എൻകോഡിംഗ് ഒരു നമ്പർ സംഭരിക്കാനും "മറ്റെല്ലാം പൂജ്യങ്ങൾ" എന്ന് സൂചിപ്പിക്കാനും അനുവദിക്കുന്നു.

ഡെൽറ്റ എൻകോഡിംഗ് എന്നത് ഓരോ ബൈറ്റിലും ഒരു കേവല മൂല്യത്തിന് പകരം ചില മൂല്യങ്ങളിൽ നിന്നുള്ള വ്യത്യാസം ഉൾക്കൊള്ളുന്ന ഒരു സാങ്കേതികതയാണ്. അതിനാൽ, ചില ബൈറ്റുകൾ എഡിറ്റുചെയ്യുന്നത് മറ്റെല്ലാ പിക്സലുകളുടെയും നിറം മാറ്റുന്നു. ഉദാഹരണത്തിന്, സംഭരിക്കുന്നതിന് പകരം

12 13 14 14 XIX XIX 14

നമുക്ക് 12-ൽ ആരംഭിക്കാം, തുടർന്ന് അടുത്ത സംഖ്യ ലഭിക്കുന്നതിന് എത്രമാത്രം കൂട്ടുകയോ കുറയ്ക്കുകയോ ചെയ്യണമെന്ന് സൂചിപ്പിക്കാം. ഡെൽറ്റ കോഡിംഗിലെ ഈ ക്രമം ഒരു രൂപമെടുക്കുന്നു:

12 1 1 0 0 -1 0 1

പരിവർത്തനം ചെയ്ത ഡാറ്റ യഥാർത്ഥ ഡാറ്റയേക്കാൾ ചെറുതല്ല, പക്ഷേ അത് കംപ്രസ് ചെയ്യാൻ എളുപ്പമാണ്. റൺ ലെങ്ത് എൻകോഡിംഗിന് മുമ്പ് ഡെൽറ്റ എൻകോഡിംഗ് പ്രയോഗിക്കുന്നത് നഷ്ടരഹിതമായ കംപ്രഷൻ ആയിരിക്കുമ്പോൾ തന്നെ വളരെയധികം സഹായിക്കും.

8x8 ബ്ലോക്കുകൾക്ക് പുറത്ത് ഉപയോഗിക്കുന്ന ചില സാങ്കേതിക വിദ്യകളിൽ ഒന്നാണ് ഡെൽറ്റ കോഡിംഗ്. 64 ഡിസിടി ഗുണകങ്ങളിൽ ഒന്ന് സ്ഥിരമായ തരംഗ പ്രവർത്തനമാണ് (ഖര നിറം). ഇത് ലൂമ ഘടകങ്ങൾക്കായുള്ള ഓരോ ബ്ലോക്കിൻ്റെയും ശരാശരി തെളിച്ചത്തെ പ്രതിനിധീകരിക്കുന്നു, അല്ലെങ്കിൽ സിബി ഘടകങ്ങളുടെ ശരാശരി നീലനിറം തുടങ്ങിയവ. ഓരോ ഡിസിടി ബ്ലോക്കിൻ്റെയും ആദ്യ മൂല്യത്തെ ഡിസി മൂല്യം എന്ന് വിളിക്കുന്നു, കൂടാതെ ഓരോ ഡിസി മൂല്യവും മുമ്പത്തെവയുമായി ബന്ധപ്പെട്ട് ഡെൽറ്റ എൻകോഡ് ചെയ്തിരിക്കുന്നു. അതിനാൽ, ആദ്യത്തെ ബ്ലോക്കിൻ്റെ തെളിച്ചം മാറ്റുന്നത് എല്ലാ ബ്ലോക്കുകളെയും ബാധിക്കും.

അന്തിമ രഹസ്യം അവശേഷിക്കുന്നു: ഏകവചനം മാറ്റുന്നത് മുഴുവൻ ചിത്രത്തെയും എങ്ങനെ നശിപ്പിക്കും? ഇതുവരെ, കംപ്രഷൻ ലെവലുകൾക്ക് അത്തരം ഗുണങ്ങൾ ഉണ്ടായിരുന്നില്ല. ഉത്തരം JPEG തലക്കെട്ടിലാണ്. ആദ്യത്തെ 500 ബൈറ്റുകളിൽ ഇമേജിനെക്കുറിച്ചുള്ള മെറ്റാഡാറ്റ അടങ്ങിയിരിക്കുന്നു - വീതി, ഉയരം മുതലായവ, ഞങ്ങൾ അവയുമായി ഇതുവരെ പ്രവർത്തിച്ചിട്ടില്ല.

ഒരു ഹെഡർ ഇല്ലാതെ JPEG ഡീകോഡ് ചെയ്യുന്നത് മിക്കവാറും അസാധ്യമാണ് (അല്ലെങ്കിൽ വളരെ ബുദ്ധിമുട്ടാണ്). ഞാൻ നിങ്ങൾക്ക് ചിത്രം വിവരിക്കാൻ ശ്രമിക്കുന്നതുപോലെ കാണപ്പെടും, എൻ്റെ മതിപ്പ് അറിയിക്കുന്നതിനായി ഞാൻ വാക്കുകൾ കണ്ടുപിടിക്കാൻ തുടങ്ങുന്നു. വിവരണം മിക്കവാറും ഘനീഭവിച്ചതായിരിക്കും, കാരണം ഞാൻ പറയാൻ ആഗ്രഹിക്കുന്ന അർത്ഥത്തിൽ എനിക്ക് വാക്കുകൾ കണ്ടുപിടിക്കാൻ കഴിയും, എന്നാൽ മറ്റെല്ലാവർക്കും അവ അർത്ഥമാക്കുന്നില്ല.

ഇത് മണ്ടത്തരമാണെന്ന് തോന്നുന്നു, പക്ഷേ സംഭവിക്കുന്നത് അതാണ്. ഓരോ JPEG ഇമേജും അതിനുള്ള പ്രത്യേക കോഡുകൾ ഉപയോഗിച്ച് കംപ്രസ് ചെയ്തിരിക്കുന്നു. കോഡ് നിഘണ്ടു തലക്കെട്ടിൽ സംഭരിച്ചിരിക്കുന്നു. ഈ സാങ്കേതികതയെ ഹഫ്മാൻ കോഡ് എന്നും പദാവലിയെ ഹഫ്മാൻ ടേബിൾ എന്നും വിളിക്കുന്നു. തലക്കെട്ടിൽ, പട്ടികയിൽ രണ്ട് ബൈറ്റുകൾ അടയാളപ്പെടുത്തിയിരിക്കുന്നു - 255, തുടർന്ന് 196. ഓരോ വർണ്ണ ഘടകത്തിനും അതിൻ്റേതായ പട്ടിക ഉണ്ടായിരിക്കാം.

പട്ടികകളിലെ മാറ്റങ്ങൾ ഏതൊരു ചിത്രത്തെയും സമൂലമായി ബാധിക്കും. 15-ാമത്തെ വരി 1 ആക്കി മാറ്റുന്നത് ഒരു നല്ല ഉദാഹരണമാണ്.

വ്യക്തിഗത ബിറ്റുകൾ എങ്ങനെ വായിക്കണമെന്ന് പട്ടികകൾ വ്യക്തമാക്കുന്നതിനാലാണ് ഇത് സംഭവിക്കുന്നത്. ദശാംശ രൂപത്തിലുള്ള ബൈനറി സംഖ്യകളിൽ മാത്രമാണ് ഞങ്ങൾ ഇതുവരെ പ്രവർത്തിച്ചത്. എന്നാൽ, നിങ്ങൾ ഒരു ബൈറ്റിൽ നമ്പർ 1 സംഭരിക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, അത് 00000001 ആയി കാണപ്പെടും എന്ന വസ്തുത ഇത് ഞങ്ങളിൽ നിന്ന് മറയ്ക്കുന്നു, കാരണം ഓരോ ബൈറ്റിനും കൃത്യമായി എട്ട് ബിറ്റുകൾ ഉണ്ടായിരിക്കണം, അവയിലൊന്ന് മാത്രം മതി.

നിങ്ങൾക്ക് ധാരാളം ചെറിയ സംഖ്യകളുണ്ടെങ്കിൽ ഇത് വലിയ ഇടം പാഴാക്കാൻ സാധ്യതയുണ്ട്. ഓരോ സംഖ്യയും എട്ട് ബിറ്റുകൾ ഉൾക്കൊള്ളണം എന്ന ഈ ആവശ്യകതയിൽ അയവ് വരുത്താൻ നമ്മെ അനുവദിക്കുന്ന ഒരു സാങ്കേതികതയാണ് ഹഫ്മാൻ കോഡ്. ഇതിനർത്ഥം നിങ്ങൾ രണ്ട് ബൈറ്റുകൾ കാണുകയാണെങ്കിൽ:

234 115

അപ്പോൾ, ഹഫ്മാൻ ടേബിളിനെ ആശ്രയിച്ച്, ഇവ മൂന്ന് സംഖ്യകളായിരിക്കാം. അവ വേർതിരിച്ചെടുക്കാൻ, നിങ്ങൾ ആദ്യം അവയെ വ്യക്തിഗത ബിറ്റുകളായി വിഭജിക്കേണ്ടതുണ്ട്:

11101010 01110011

തുടർന്ന് അവയെ എങ്ങനെ ഗ്രൂപ്പുചെയ്യാമെന്ന് മനസിലാക്കാൻ ഞങ്ങൾ പട്ടികയിലേക്ക് നോക്കുന്നു. ഉദാഹരണത്തിന്, ഇത് ആദ്യത്തെ ആറ് ബിറ്റുകൾ, (111010), അല്ലെങ്കിൽ ദശാംശത്തിൽ 58, തുടർന്ന് അഞ്ച് ബിറ്റുകൾ (10011), അല്ലെങ്കിൽ 19, അവസാനത്തെ നാല് ബിറ്റുകൾ (0011), അല്ലെങ്കിൽ 3 എന്നിവ ആകാം.

അതിനാൽ, കംപ്രഷൻ്റെ ഈ ഘട്ടത്തിൽ ബൈറ്റുകൾ മനസ്സിലാക്കുന്നത് വളരെ ബുദ്ധിമുട്ടാണ്. ബൈറ്റുകൾ അവ തോന്നുന്നതിനെ പ്രതിനിധീകരിക്കുന്നില്ല. ഈ ലേഖനത്തിൽ പട്ടികയുമായി പ്രവർത്തിക്കുന്നതിൻ്റെ വിശദാംശങ്ങളിലേക്ക് ഞാൻ പോകില്ല, പക്ഷേ വസ്തുക്കൾ ഈ വിഷയത്തിൽ ഓൺലൈനിൽ മതി.

ഈ അറിവ് ഉപയോഗിച്ച് നിങ്ങൾക്ക് ചെയ്യാൻ കഴിയുന്ന രസകരമായ ഒരു ട്രിക്ക് JPEG-ൽ നിന്ന് തലക്കെട്ട് വേർതിരിച്ച് പ്രത്യേകം സംഭരിക്കുക എന്നതാണ്. വാസ്തവത്തിൽ, നിങ്ങൾക്ക് മാത്രമേ ഫയൽ വായിക്കാൻ കഴിയൂ എന്ന് മാറുന്നു. ഫയലുകൾ കൂടുതൽ ചെറുതാക്കാനാണ് ഫേസ്ബുക്ക് ഇത് ചെയ്യുന്നത്.

മറ്റെന്താണ് ചെയ്യാൻ കഴിയുക, ഹഫ്മാൻ ടേബിൾ അൽപ്പം മാറ്റുക എന്നതാണ്. മറ്റുള്ളവർക്ക് അത് ഒരു തകർന്ന ചിത്രം പോലെ കാണപ്പെടും. അത് പരിഹരിക്കാനുള്ള മാന്ത്രിക മാർഗം നിങ്ങൾക്ക് മാത്രമേ അറിയൂ.

നമുക്ക് സംഗ്രഹിക്കാം: അപ്പോൾ JPEG ഡീകോഡ് ചെയ്യാൻ എന്താണ് വേണ്ടത്? ആവശ്യമുള്ളത്:

1. ഹെഡറിൽ നിന്ന് ഹഫ്മാൻ പട്ടിക(കൾ) എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്‌ത് ബിറ്റുകൾ ഡീകോഡ് ചെയ്യുക.
2. ഓരോ 8x8 ബ്ലോക്കിനുമുള്ള ഓരോ വർണ്ണത്തിനും ലുമിനൻസ് ഘടകത്തിനുമായി ഡിസ്‌ക്രീറ്റ് കോസൈൻ ട്രാൻസ്ഫോർമേഷൻ കോഫിഫിഷ്യറ്റുകൾ എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്യുക, വിപരീത റൺ-ലെങ്ത്, ഡെൽറ്റ എൻകോഡിംഗ് പരിവർത്തനങ്ങൾ എന്നിവ നടത്തുന്നു.
3. ഓരോ 8x8 ബ്ലോക്കിനും പിക്സൽ മൂല്യങ്ങൾ ലഭിക്കുന്നതിന് ഗുണകങ്ങളെ അടിസ്ഥാനമാക്കി കോസൈനുകൾ സംയോജിപ്പിക്കുക.
4. ഉപസാംപ്ലിംഗ് നടത്തിയിട്ടുണ്ടെങ്കിൽ വർണ്ണ ഘടകങ്ങൾ സ്കെയിൽ ചെയ്യുക (ഈ വിവരം തലക്കെട്ടിലുണ്ട്).
5. ഓരോ പിക്സലിനും ലഭിക്കുന്ന YCbCr മൂല്യങ്ങൾ RGB-ലേക്ക് പരിവർത്തനം ചെയ്യുക.
6. ചിത്രം സ്ക്രീനിൽ പ്രദർശിപ്പിക്കുക!

ഒരു പൂച്ചയ്‌ക്കൊപ്പം ഒരു ഫോട്ടോ കാണുന്നതിനുള്ള ഗുരുതരമായ ജോലി! എന്നിരുന്നാലും, ഞാൻ അതിൽ ഇഷ്ടപ്പെടുന്നത് മനുഷ്യ കേന്ദ്രീകൃതമായ JPEG സാങ്കേതികവിദ്യ എത്രത്തോളം ആണെന്ന് ഇത് കാണിക്കുന്നു എന്നതാണ്. ഇത് ഞങ്ങളുടെ ധാരണയുടെ പ്രത്യേകതകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, ഇത് പരമ്പരാഗത സാങ്കേതികവിദ്യകളേക്കാൾ മികച്ച കംപ്രഷൻ നേടാൻ ഞങ്ങളെ അനുവദിക്കുന്നു. JPEG എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് ഇപ്പോൾ ഞങ്ങൾ മനസ്സിലാക്കുന്നു, ഈ സാങ്കേതികവിദ്യകൾ മറ്റ് മേഖലകളിലേക്ക് എങ്ങനെ കൈമാറാമെന്ന് നമുക്ക് സങ്കൽപ്പിക്കാൻ കഴിയും. ഉദാഹരണത്തിന്, വീഡിയോയിലെ ഡെൽറ്റ എൻകോഡിംഗിന് ഫയൽ വലുപ്പത്തിൽ ഗണ്യമായ കുറവ് നൽകാൻ കഴിയും, കാരണം ഫ്രെയിമിൽ നിന്ന് ഫ്രെയിമിലേക്ക് മാറാത്ത മുഴുവൻ ഏരിയകളും (ഉദാഹരണത്തിന്, പശ്ചാത്തലം).

ലേഖനത്തിൽ ഉപയോഗിച്ചിരിക്കുന്ന കോഡ്, തുറന്നിരിക്കുന്നു, നിങ്ങളുടെ ചിത്രങ്ങൾ എങ്ങനെ മാറ്റിസ്ഥാപിക്കാം എന്നതിനെക്കുറിച്ചുള്ള നിർദ്ദേശങ്ങൾ ഇതിൽ അടങ്ങിയിരിക്കുന്നു.

അവലംബം: www.habr.com