JPEG | filformat, der bruges til at komprimere digitale billeder

Sådan fungerer det

YP P_br

Den første bemærkelsesværdige ting ved JPEG-komprimering er den måde, hvorpå farven på hver enkelt pixel gemmes. Hver pixel i billedet får tildelt 3 bytes til at definere sin farve. Alle tre bytes kan have en værdi fra 0 til 255, og alle mulige kombinationer af de tre bytes står for en anden farve. I de fleste filformater anvendes RGB-formatet til at definere farven. RGB står for rød, grøn, blå. Det hedder sådan, fordi den første af de tre bytes fortæller dig, hvor meget rødt der er i pixelens farve. Den anden byte fortæller dig, hvor meget grøn der er i farven, og den tredje byte fortæller dig, hvor meget blå der er i farven. Jo højere værdi den første byte har, jo mere rød ser pixelen ud.

JPEG bruger også tre bytes for hver pixel, men det bruger YP P_br (også kendt som YC C_br ) formatet. Her fortæller den første byte os, hvor lysstærk pixelen er. Den anden byte fortæller os, hvor blå pixelen er. Den tredje byte fortæller os, hvor rød pixelen er. Ved brug af dette farveformat lagres lysstyrken separat fra farven. Dette er nyttigt, fordi vi skal komprimere et billede. Da det menneskelige øje er bedre til at se lysstyrke end farve, kan vi anvende en større komprimering på farvebytes (P_b -byte og P_r -byte). Da vi ser lysstyrke bedre, anvender vi mindre komprimering på Y-byte, så billedet ser bedre ud efter komprimering.

Da billeder oftest er gemt i RGB-format, er det første trin i JPEG-komprimering normalt at ændre RGB-formatet korrekt til YP P_br formatet.

Diskret cosinus-transformation

JPEG bruger cosinusfunktioner til at repræsentere et billede. Derfor vil vi tale lidt om cosinusfunktioner. Sådan kan en cosinusfunktion se ud:

For at få cosinusfunktionen til at repræsentere farven på en pixel siger vi, at jo højere værdien af cosinusfunktionen er, jo lysere er pixelen. Hvis vi havde et sæt pixels, der gik lys-mørk-hvid, kunne vi bruge ovenstående funktion til at definere dem.

Funktionen kan også have en højere frekvens. Som dette:

Men det er her, det bliver interessant. Vi kan også skabe forskellige funktioner ved at tage gennemsnittet af forskellige cosinusfunktioner. Her er, hvordan det ville se ud, hvis vi tog gennemsnittet af de to ovenstående funktioner:

I JPEG anvendes DCT på blokke på 8 × 8 pixels.

Kvantisering

Indtil videre er der ikke gået nogen oplysninger tabt i forbindelse med komprimeringen af billedet. I dette trin filtrerer vi oplysninger fra. Derfor er dette det trin, der sænker billedets kvalitet. For hver blok på 8 × 8 pixels sættes cosinusfunktionerne med høje frekvenser til 0. Det betyder, at disse ikke længere kan have nogen indflydelse på, hvordan billedet ser ud, når du dekomprimerer det.

Mange værdier vil nu være 0, hvilket betyder, at det er meget nemt at komprimere. Dette gøres ved hjælp af Huffman-kodning. Huffman-kodning er det sidste trin i JPEG-komprimeringen. Det er også det eneste trin, hvor dataene rent faktisk komprimeres.

 
(cos(x) + cos(2x)) / 2  


cos(x)  


cos(2x)  

Struktur

En JPEG-fil er en computerfil og består af flere bytes. En byte i hexadecimalt format kan se ud som 0x01. De allerførste bytes i en JPEG-fil er 0xFF, 0xD8 ("FF D8"); disse bytes kaldes Start Of Image (SOI). Den første sektion af bytes i et JPEG er headeren; denne er fra FF D8 til lige før de sidste 0xFF, 0xDA ("FF DA") bytes. Overskriften indeholder data om dataene og andre nyttige data. Den næste sektion af bytes i et JPEG er billeddataene; denne sektion er fra FF DA til 0xFF, 0xD9 ("FF D9"). FF DA-bytes hedder SOS (Start Of Scan), og FF D9-bytes hedder EOI (End Of Image).