JPEG

Hogyan működik

YP_b P_r

A JPEG tömörítés első figyelemre méltó eleme az a mód, ahogyan az egyes képpontok színét tárolják. A kép minden egyes képpontjához 3 bájtot rendelnek a színének meghatározásához. Mindhárom bájt 0 és 255 közötti értéket vehet fel, és a három bájt minden lehetséges kombinációja egy másik színt jelöl. A legtöbb fájlformátumban az RGB formátumot használják a szín meghatározására. Az RGB a Red Green Blue (vörös, zöld, kék) rövidítése. Azért kapta ezt a nevet, mert a három bájt közül az első megadja, hogy mennyi vörös van a pixel színében. A második bájt megadja, hogy mennyi zöld van a színben, a harmadik bájt pedig azt, hogy mennyi kék. Minél magasabb az első bájt értéke, annál pirosabbnak tűnik a pixel.

A JPEG szintén három bájtot használ minden egyes pixelre, de ez az YP_b P_r (más néven YC_b C_r ) formátumot használja. Itt az első bájt azt mondja meg, hogy mennyire világos az adott képpont. A második bájt azt mondja meg, hogy mennyire kék a pixel. A harmadik bájt megmondja, hogy a pixel mennyire vörös. Ezt a színformátumot használva a fényerő a színtől függetlenül tárolódik. Ez azért hasznos, mert egy képet fogunk tömöríteni. Mivel az emberi szem jobban látja a fényerőt, mint a színt, nagyobb tömörítést alkalmazhatunk a színbájtokra (a P_b -bájt és a P_r -bájt). Mivel a fényerőt jobban látjuk, az Y-bájton kevesebb tömörítést alkalmazunk, hogy a kép a tömörítés után jobban nézzen ki.

Mivel a képeket leggyakrabban RGB formátumban tárolják, a JPEG tömörítés első lépése általában az RGB formátum megfelelő átalakítása YP_b P_r formátumra.

Diszkrét koszinusz transzformáció

A JPEG kozinuszfüggvényeket használ a kép ábrázolásához. Ezért most egy kicsit a koszinuszfüggvényekről fogunk beszélni. Így nézhet ki egy koszinuszfüggvény:

Ahhoz, hogy a koszinuszfüggvény egy képpont színét ábrázolja, azt mondjuk, hogy minél nagyobb a koszinuszfüggvény értéke, annál világosabb a képpont. Ha lenne egy olyan pixelhalmazunk, amely világos-sötét-fényes-fényes, akkor a fenti függvényt használhatnánk a meghatározásukra.

A funkciónak nagyobb frekvenciája is lehet. Például így:

De itt kezd érdekes lenni a dolog. Különböző függvényeket is létrehozhatunk, ha különböző koszinuszfüggvények átlagát vesszük. Így nézne ki, ha a fenti két függvény átlagát vennénk:

A JPEG-ben a DCT-t 8 × 8 pixeles blokkokra alkalmazzák.

Kvantálás

Eddig a kép tömörítése során nem veszett el semmilyen információ. Ebben a lépésben kiszűrjük az információkat. Ezért ez az a lépés, amely csökkenti a kép minőségét. Minden 8 × 8 pixeles blokk esetében a magas frekvenciájú koszinuszfüggvényeket 0-ra állítjuk. Ez azt jelenti, hogy ezek már nem befolyásolhatják a kép kinézetét a tömörítés visszanyerésekor.

Sok érték most 0 lesz, ami azt jelenti, hogy ez nagyon könnyen tömöríthető. Ez a Huffman-kódolás segítségével történik. A Huffman-kódolás a JPEG tömörítés utolsó lépése. Ez egyben az egyetlen olyan lépés, amelyben az adatok ténylegesen tömörítésre kerülnek.

cos(x)


cos(2x)


(cos(x) + cos(2x)) / 2