JPEG | tiedostomuoto, jota käytetään digitaalisten kuvien pakkaamiseen

Miten se toimii

YP P_br

Ensimmäinen merkittävä asia JPEG-pakkauksessa on tapa, jolla kunkin pikselin väri tallennetaan. Kuvan jokaiselle pikselille annetaan 3 tavua, jotka määrittelevät sen värin. Kaikilla kolmella tavulla voi olla mikä tahansa arvo välillä 0-255, ja jokainen mahdollinen kolmen tavun yhdistelmä tarkoittaa toista väriä. Useimmissa tiedostomuodoissa värin määrittelyyn käytetään RGB-muotoa. RGB on lyhenne sanoista Red Green Blue (punainen, vihreä, sininen). Se on nimetty näin, koska ensimmäinen kolmesta tavusta kertoo, kuinka paljon punaista pikselin värissä on. Toinen tavu kertoo, kuinka paljon värissä on vihreää, ja kolmas tavu kertoo, kuinka paljon sinistä. Mitä suurempi arvo ensimmäisellä tavulla on, sitä punaisemmalta pikseli näyttää.

JPEG käyttää myös kolmea tavua jokaista pikseliä kohti, mutta se käyttää YP P_br (tunnetaan myös nimellä YC C_br ) -formaattia. Tässä ensimmäinen tavu kertoo, kuinka kirkas pikseli on. Toinen tavu kertoo, kuinka sininen pikseli on. Kolmas tavu kertoo, kuinka punainen pikseli on. Tässä väriformaatissa kirkkaus tallennetaan värin lisäksi. Tämä on hyödyllistä, koska aiomme pakata kuvaa. Koska ihmissilmä näkee kirkkauden paremmin kuin värin, värit tavuihin (P_b -tavu ja P_r -tavu) voidaan soveltaa suurempaa pakkausta. Koska näemme kirkkauden paremmin, käytämme vähemmän pakkausta Y-byteihin, jotta kuva näyttäisi paremmalta pakkauksen jälkeen.

Koska kuvat tallennetaan useimmiten RGB-muodossa, JPEG-pakkauksen ensimmäinen vaihe on yleensä RGB-muodon muuttaminen oikein YP P_br -muodoksi.

Diskreetti kosinimuunnos

JPEG käyttää kuvan esittämiseen kosinifunktioita. Siksi puhumme hieman kosinifunktioista. Kosinifunktio voi näyttää seuraavalta:

Jotta kosinifunktio kuvaisi pikselin väriä, sanotaan, että mitä suurempi kosinifunktion arvo on, sitä kirkkaampi pikseli on. Jos meillä olisi joukko pikseleitä, jotka vaihtelisivat kirkkaasta tummaan ja kirkkaaseen, voisimme käyttää edellä esitettyä funktiota niiden määrittelyyn.

Toiminnolla voisi olla myös korkeampi taajuus. Esimerkiksi näin:

Mutta tässä kohtaa asia muuttuu mielenkiintoiseksi. Voimme myös luoda erilaisia funktioita ottamalla keskiarvon eri kosinifunktioista. Seuraavassa on, miltä näyttäisi, jos ottaisimme keskiarvon kahdesta edellä mainitusta funktiosta:

JPEG:ssä DCT:tä sovelletaan 8 × 8 pikselin lohkoihin.

Kvantifiointi

Toistaiseksi kuvan pakkaamisessa ei ole menetetty mitään tietoa. Tässä vaiheessa suodatamme tietoa pois. Tästä syystä tämä vaihe heikentää kuvan laatua. Jokaisessa 8 × 8 pikselin lohkossa korkeataajuuksiset kosinifunktiot asetetaan arvoon 0. Tämä tarkoittaa, että niillä ei voi enää olla vaikutusta siihen, miltä kuva näyttää, kun se puretaan.

Monet arvot ovat nyt 0, mikä tarkoittaa, että tämä voidaan pakata hyvin helposti. Tämä tehdään Huffman-koodauksen avulla. Huffman-koodaus on JPEG-pakkauksen viimeinen vaihe. Se on myös ainoa vaihe, jossa tiedot todella pakataan.

 
(cos(x) + cos(2x)) / 2  


cos(x)  


cos(2x)  

Rakenne

Koska JPEG-tiedosto on tietokonetiedosto, se koostuu useista tavuista. Yksi tavu heksadesimaalisessa muodossa voi näyttää 0x01. JPEG-tiedoston ensimmäiset tavut ovat 0xFF, 0xD8 ("FF D8"); näitä tavuja kutsutaan nimellä Start Of Image (SOI). JPEG-muodossa ensimmäinen tavuosa on otsikko; se alkaa FF D8:sta ja jatkuu juuri ennen viimeisiä 0xFF, 0xDA ("FF DA") tavuja. Otsikko sisältää tietoja datasta ja muita hyödyllisiä tietoja. JPEG-muodossa seuraava tavuosa on kuvatiedot; tämä on FF DA:sta 0xFF, 0xD9:ään ("FF D9"). FF DA -tavuja kutsutaan nimellä Start Of Scan (SOS) ja FF D9 -tavuja nimellä End Of Image (EOI).