JPEG文件编解码详解.docx
《JPEG文件编解码详解.docx》由会员分享,可在线阅读,更多相关《JPEG文件编解码详解.docx(25页珍藏版)》请在冰豆网上搜索。
JPEG文件编解码详解
JPEG(JointPhotographicExpertsGroup)是联合图像专家小组的英文缩写。
它由国际电话与电报咨询委员会CCITT(TheInternationalTelegraphandTelephoneConsultativeCommittee)与国际标准化组织ISO于1986年联合成立的一个小组,负责制定静态数字图像的编码标准。
小组一直致力于标准化工作,开发研制出连续色调、多级灰度、静止图像的数字图像压缩编码方法,即JPEG算法。
JPEG算法被确定为国际通用标准,其适用范围广泛,除用于静态图像编码外,还推广到电视图像序列的帧内图像压缩。
而用JPEG算法压缩出来的静态图片文件称为JPEG文件,扩展名通常为*.jpg、*.jpe*.jpeg。
JPEG专家组开发了两种基本的压缩算法、两种数据编码方法、四种编码模式。
具体如下:
压缩算法:
● 有损的离散余弦变换(DiscreteCosineTransform,DCT);
● 无损的预测技术压缩。
数据编码方法:
● 哈夫曼编码;
● 算术编码;
编码模式:
● 基于DCT顺序模式:
编/解码通过一次扫描完成;
● 基于DCT递进模式:
编/解码需要多次扫描完成,扫描效果从粗糙到精细,逐级递进;
● 无损模式:
基于DPCM,保证解码后完全精确恢复到原图像采样值;
● 层次模式:
图像在多个空间多种分辨率进行编码,可以根据需要只对低分辨率数据作解码,放弃高分辨率信息。
在实际应用中,JPEG图像使用的是离散余弦变换、哈夫曼编码、顺序模式。
JPEG压缩编码算法的主要计算步骤如下:
(0)8*8分块。
(1) 正向离散余弦变换(FDCT)。
(2) 量化(quantization)。
(3)Z字形编码(zigzagscan)。
(4) 使用差分脉冲编码调制(DPCM)对直流系数(DC)进行编码。
(5) 使用行程长度编码(RLE)对交流系数(AC)进行编码。
(6) 熵编码。
笔者在实践过程中查阅了大量的资料,发现大多数书籍资料和网上资料都是从编码角度分析JPEG的编/解码方式,并且都只是介绍编码过程中的主要方法。
所以,本文从解码角度详细分析JPEG的编/解码过程,并且加入许多笔者实践过程中遇到的问题和解决方法,希望从另一个角度说明问题,以更好帮助读者结合其他资料解决问题。
不过,介绍解码过程之前,首先要了解JPEG文件中数据的存储格式。
一、JPEG文件格式介绍
JPEG文件使用的数据存储方式有多种。
最常用的格式称为JPEG文件交换格式(JPEGFileInterchangeFormat,JFIF)。
而JPEG文件大体上可以分成两个部分:
标记码(Tag)和压缩数据。
标记码由两个字节构成,其前一个字节是固定值0xFF,后一个字节则根据不同意义有不同数值。
在每个标记码之前还可以添加数目不限的无意义的0xFF填充,也就说连续的多个0xFF可以被理解为一个0xFF,并表示一个标记码的开始。
而在一个完整的两字节的标记码后,就是该标记码对应的压缩数据流,记录了关于文件的诸种信息。
常用的标记有SOI、APP0、DQT、SOF0、DHT、DRI、SOS、EOI。
注意,SOI等都是标记的名称。
在文件中,标记码是以标记代码形式出现。
例如SOI的标记代码为0xFFD8,即在JPEG文件中的如果出现数据0xFFD8,则表示此处为一个SOI标记。
本文附录列出一张完整的JPEG定义的标记表,供读者查阅。
这里仅列出几个常用标记的标记代码、占用字节长度和表示的意义。
● SOI,StartofImage,图像开始
◆ 标记代码 2字节 固定值0xFFD8
● APP0,Application,应用程序保留标记0
◆ 标记代码 2字节 固定值0xFFE0
◆ 包含9个具体字段:
① 数据长度 2字节 ①~⑨9个字段的总长度
即不包括标记代码,但包括本字段
② 标识符 5字节 固定值0x4A46494600,即字符串“JFIF0”
③ 版本号 2字节 一般是0x0102,表示JFIF的版本号1.2
可能会有其他数值代表其他版本
④ X和Y的密度单位 1字节 只有三个值可选
0:
无单位;1:
点数/英寸;2:
点数/厘米
⑤ X方向像素密度 2字节 取值范围未知
⑥ Y方向像素密度 2字节 取值范围未知
⑦ 缩略图水平像素数目 1字节 取值范围未知
⑧ 缩略图垂直像素数目 1字节 取值范围未知
⑨ 缩略图RGB位图 长度可能是3的倍数 缩略图RGB位图数据
本标记段可以包含图像的一个微缩版本,存为24位的RGB像素。
如果没有微缩图像(这种情况更常见),则字段⑦“缩略图水平像素数目”和字段⑧“缩略图垂直像素数目”的值均为0。
● APPn,Application,应用程序保留标记n,其中n=1~15(任选)
◆ 标记代码 2字节 固定值0xFFE1~0xFFF
◆ 包含2个具体字段:
① 数据长度 2字节 ①~②2个字段的总长度
即不包括标记代码,但包括本字段
② 详细信息 数据长度-2字节 内容不定
例如,AdobePhotoshop生成的JPEG图像中就用了APP1和APP13两个标记段分别存储了一幅图像的副本。
● DQT,DefineQuantizationTable,定义量化表
◆ 标记代码 2字节 固定值0xFFDB
◆ 包含9个具体字段:
① 数据长度 2字节 字段①和多个字段②的总长度
即不包括标记代码,但包括本字段
② 量化表 数据长度-2字节
a) 精度及量化表ID 1字节 高4位:
精度,只有两个可选值
0:
8位;1:
16位
低4位:
量化表ID,取值范围为0~3
b) 表项 (64×(精度+1))字节 例如8位精度的量化表
其表项长度为64×(0+1)=64字节
本标记段中,字段②可以重复出现,表示多个量化表,但最多只能出现4次。
● SOF0,StartofFrame,帧图像开始
◆ 标记代码 2字节 固定值0xFFC0
◆ 包含9个具体字段:
① 数据长度 2字节 ①~⑥六个字段的总长度
即不包括标记代码,但包括本字段
② 精度 1字节 每个数据样本的位数
通常是8位,一般软件都不支持 12位和16位
③ 图像高度 2字节 图像高度(单位:
像素),如果不支持 DNL 就必须 >0
④ 图像宽度 2字节 图像宽度(单位:
像素),如果不支持 DNL 就必须 >0
⑤ 颜色分量数 1字节 只有3个数值可选
1:
灰度图;3:
YCrCb或YIQ;4:
CMYK
而JFIF中使用YCrCb,故这里颜色分量数恒为3
⑥颜色分量信息 颜色分量数×3字节(通常为9字节)
a) 颜色分量ID 1字节
b) 水平/垂直采样因子 1字节 高4位:
水平采样因子
低4位:
垂直采样因子
(曾经看到某资料把这两者调转了)
c) 量化表 1字节 当前分量使用的量化表的ID
本标记段中,字段⑥应该重复出现,有多少个颜色分量(字段⑤),就出现多少次(一般为3次)。
● DHT,DifineHuffmanTable,定义哈夫曼表
◆ 标记代码 2字节 固定值0xFFC4
◆ 包含2个具体字段:
①数据长度 2字节 字段①和多个字段②的总长度
即不包括标记代码,但包括本字段
② 哈夫曼表 数据长度-2字节
a) 表ID和表类型 1字节 高4位:
类型,只有两个值可选
0:
DC直流;1:
AC交流
低4位:
哈夫曼表ID,
注意,DC表和AC表分开编码
b) 不同位数的码字数量 16字节
c) 编码内容 16个不同位数的码字数量之和(字节)
本标记段中,字段②可以重复出现(一般4次),也可以致出现1次。
例如,AdobePhotoshop 生成的JPEG图片文件中只有1个DHT标记段,里边包含了4个哈夫曼表;而MacromediaFireworks生成的JPEG图片文件则有4个DHT标记段,每个DHT标记段只有一个哈夫曼表。
● DRI,DefineRestartInterval,定义差分编码累计复位的间隔
◆ 标记代码 2字节 固定值0xFFDD
◆ 包含2个具体字段:
①数据长度 2字节 固定值0x0004,①~②两个字段的总长度
即不包括标记代码,但包括本字段
②MCU块的单元中的重新开始间隔
2字节 设其值为n,则表示每n个MCU块就有一个
RSTn标记。
第一个标记是RST0,第二个是
RST1等,RST7后再从RST0重复。
如果没有本标记段,或间隔值为0时,就表示不存在重开始间隔和标记RST
● SOS,StartofScan,扫描开始 12字节
◆ 标记代码 2字节 固定值0xFFDA
◆ 包含2个具体字段:
①数据长度 2字节 ①~④两个字段的总长度
即不包括标记代码,但包括本字段
②颜色分量数 1字节 应该和SOF中的字段⑤的值相同,即:
1:
灰度图是;3:
YCrCb或YIQ;4:
CMYK。
而JFIF中使用YCrCb,故这里颜色分量数恒为3
③颜色分量信息
a) 颜色分量ID 1字节
b) 直流/交流系数表号 1字节 高4位:
直流分量使用的哈夫曼树编号
低4位:
交流分量使用的哈夫曼树编号
④ 压缩图像数据
a)谱选择开始 1字节 固定值0x00
b)谱选择结束 1字节 固定值0x3F
c)谱选择 1字节 在基本JPEG中总为00
本标记段中,字段③应该重复出现,有多少个颜色分量(字段②),就出现多少次(一般为3次)。
本段结束后,紧接着就是真正的图像信息了。
图像信息直至遇到一个标记代码就自动结束,一般就是以EOI标记表示结束。
● EOI,EndofImage,图像结束 2字节
◆ 标记代码 2字节 固定值0xFFD9
这里补充说明一下,由于在JPEG文件中0xFF具有标志性的意思,所以在压缩数据流(真正的图像信息)中出现0xFF,就需要作特别处理。
具体方法是,在数据0xFF后添加一个没有意义的0x00。
换句话说,如果在图像数据流中遇到0xFF,应该检测其紧接着的字符,如果是
1)0x00,则表示0xFF是图像流的组成部分,需要进行译码;
2)0xD9,则与0xFF组成标记EOI,则图像流结束,同时图像文件结束;
3)0xD0~0xD7,则组成RSTn标记,则要忽视整个RSTn标记,即不对当前0xFF和紧接的0xDn两个字节进行译码,并按RST标记的规则调整译码变量;
3)0xFF,则忽视当前0xFF,对后一个0xFF再作判断;
4)其他数值,则忽视当前0xFF,并保留紧接的此数值用于译码。
二、 JPEG解码过程详解
下面来详细讲述JPEG文件的解码过程。
1.读入文件的相关信息
按照上述的JPEG文件数据存储方式,把要解码的文件的相关信息一一读出,为接下来的解码工作做好准备。
参考方法是,设计一系列的结构体对应各个标记,并存储标记内表示的信息。
其中图像长宽、多个量化表和哈夫曼表、水平/垂直采样因子等多项信息比较重要。
以下给出读取过程中的两个问题。
1)整个文件的大体结构
JFIF格式的JPEG文件(*.jpg)的一般顺序为:
SOI(0xFFD8)
APP0(0xFFE0)
[APPn(0xFFEn)]可选
DQT(0xFFDB)
SOF0(0xFFC0)
DHT(0xFFC4)
SOS(0xFFDA)
压缩数据
EOI(0xFFD9)
2)字的高低位问题
JPEG文件格式中,一个字(16位)的存储使用的是 Motorola 格式, 而不是 Intel 格式。
也就是说, 一个字的高字节(高8位)在数据流的前面, 低字节(低8位)在数据流的后面,与平时习惯的Intel格式不一样。
.
3)读出哈夫曼表数据
a)理论说明
在标记段DHT内,包含了一个或者多个的哈夫曼表。
对于单一个哈夫曼表,应该包括了三部分:
● 哈夫曼表ID和表类型
这个字节的值为一般只有四个0x00、0x01、0x10、0x11。
0x00表示DC直流0号表;
0x01表示DC直流1号表;
0x10表示AC交流0号表;
0x11表示AC交流1号表。
● 不同位数的码字数量
JPEG文件的哈夫曼编码只能是1~16位。
这个字段的16个字节分别表示1~16位的编码码字在哈夫曼树中的个数。
● 编码内容
这个字段记录了哈夫曼树中各个叶子结点的权。
所以,上一字段(不同位数的码字数量)的16个数值之和就应该是本字段的长度,也就是哈夫曼树中叶子结点个数。
b)举例说明
以下面一段哈夫曼表数据举例说明(数据全部以16进制表示):
11 00 02 02 00 05 01 06 01 00 00 00 00 00 00 00 00
00 01 11 02 21 03 31 41 12 51 617181912213 32
红色部分(第1字节)为哈夫曼表ID和表类型,其值0x11表示此部分数据描述的是AC交流1号表。
蓝色部分(2~17字节)为不同位数的码字的数量。
这16个数值实际意义为:
没有1位和4位的哈夫曼码字;2位和3位的码字各有2个;5位码字有5个;6位和8位码字各有1个;7位码字各有6个;没有9位或以上的码字。
绿色部分(18~34字节)为编码内容。
由蓝色部分数据知道,此哈夫曼树有0+2+2+0+5+1+6+1=17个叶子结点,即本字段应该有17个字节。
这段数据表示17个叶子结点按从小到大排列,其权值依次为0、1、11、2、21、3、31、41……
4)建立哈夫曼树
a)理论说明
在读出哈夫曼表的数据后,就要建立哈夫曼树。
具体方法为:
1)第一个码字必定为0。
如果第一个码字位数为1,则码字为0;
如果第一个码字位数为2,则码字为00;
如此类推。
2)从第二个码字开始,
如果它和它前面的码字位数相同,则当前码字为它前面的码字加1;
如果它的位数比它前面的码字位数大,则当前码字是前面的码字加1后再在后边添若干个0,直至满足位数长度为止。
b)举例说明
继续以上边的例子说明问题。
⏹ 由于没有1位的码字,所以第一个码字的位数为2,即码字为00;
⏹ 由于2位的码字有两个,所以第二个码字位数仍为2,即码字为00+1=01;
⏹ 第三个码字为3位,比第二个码字长1位,所以第三个码字为:
01+1=10,然后再添1个“0”,得100;
⏹ ……
如此类推,最后得到这个哈夫曼树如下:
序号
码字长度
码字
权值
1
2
00
0x00
2
2
01
0x01
3
3
100
0x11
4
3
101
0x02
5
5
11000
0x21
6
5
11001
0x03
7
5
11010
0x31
8
5
11011
0x41
9
5
11100
0x12
10
6
111010
0x51
11
7
1110110
0x61
12
7
1110111
0x71
13
7
1111000
0x81
14
7
1111001
0x91
15
7
1111010
0x22
16
7
1111011
0x13
17
8
11111000
0x32
特别注意的是,如果中间有某个位数的码字缺失,例如没有4位码字,则应该在3位码字加1后,添加“00”补足5位,形成下一个5位码字。
在准备好所有的图片信息后,就可以对图片数据进行解码了。
2.初步了解图像数据流的结构
1)理论说明
分析图像数据流的结构,笔者准备以一个从宏观到微观的顺序为读者详细剖析,即:
数据流→最小编码单元→数据单元与颜色分量。
a) 在图片像素数据流中,信息可以被分为一段接一段的最小编码单元(MinimumCodedUnit,MCU)数据流。
所谓MCU,是图像中一个正方矩阵像素的数据。
矩阵的大小是这样确定的:
查阅标记SOF0,可以得到图像不同颜色分量的采样因子,即Y、Cr、Cb三个分量各自的水平采样因子和垂直采样因子。
大多图片的采样因子为4:
1:
1或1:
1:
1。
其中,4:
1:
1即(2*2):
(1*1):
(1*1));1:
1:
1即(1*1):
(1*1):
(1*1)。
记三个分量中水平采样因子最大值为Hmax,垂直采样因子最大值为Vmax,那么单个MCU矩阵的宽就是Hmax*8像素,高就是Vmax*8像素。
如果,整幅图像的宽度和高度不是MCU宽度和高度的整数倍,那么编码时会用某些数值填充进去,保证解码过程中MCU的完整性(解码完成后,可直接忽视图像宽度和高度外的数据)。
在数据流中,MCU的排列方法是从左到右,从上到下。
b) 每个MCU又分为若干个数据