ضغط الصور: شرح خوارزمية JPEG

في عالمنا الرقمي اليوم، الصور موجودة في كل مكان. من وسائل التواصل الاجتماعي إلى مواقع الويب وتطبيقات الجوال، يلعب المحتوى المرئي دورًا حاسمًا في التواصل ومشاركة المعلومات. ومع ذلك، يمكن للصور عالية الدقة أن تستهلك مساحة تخزين ونطاقًا تردديًا كبيرين، مما يؤدي إلى أوقات تحميل أبطأ وزيادة تكاليف التخزين. هنا يأتي دور تقنيات ضغط الصور. من بين طرق ضغط الصور المختلفة المتاحة، تبرز خوارزمية JPEG كواحدة من أكثر المعايير استخدامًا وشهرة. يقدم هذا المقال دليلاً شاملاً لفهم خوارزمية JPEG ومبادئها الأساسية وتطبيقاتها ومزاياها وقيودها.

ما هو ضغط الصور؟

ضغط الصور هو عملية تقليل حجم ملف الصورة دون المساس بجودتها المرئية بشكل كبير. الهدف هو تقليل متطلبات مساحة التخزين والنطاق الترددي مع الحفاظ على مستوى مقبول من دقة الصورة. يمكن تصنيف تقنيات ضغط الصور على نطاق واسع إلى فئتين:

• الضغط غير الفاقد للبيانات (Lossless Compression): تحافظ هذه التقنيات على جميع البيانات الأصلية في الصورة. عند فك ضغط الصورة المضغوطة، تكون مطابقة تمامًا للصورة الأصلية. الضغط غير الفاقد للبيانات مناسب للصور التي يكون فيها الحفاظ على كل التفاصيل أمرًا بالغ الأهمية، مثل الصور الطبية أو المستندات الأرشيفية. ومن الأمثلة على ذلك PNG و GIF.
• الضغط الفاقد للبيانات (Lossy Compression): تضحي هذه التقنيات ببعض بيانات الصورة لتحقيق نسب ضغط أعلى. لا تكون الصورة التي تم فك ضغطها مطابقة للأصلية، ولكن فقدان المعلومات غالبًا ما يكون غير محسوس للعين البشرية. الضغط الفاقد للبيانات مناسب للصور التي يكون فيها بعض التدهور مقبولًا مقابل أحجام ملفات أصغر، مثل الصور الفوتوغرافية على الويب. وتعتبر JPEG مثالاً رئيسيًا على الضغط الفاقد للبيانات.

مقدمة عن خوارزمية JPEG

JPEG (مجموعة خبراء التصوير المشتركة) هي خوارزمية ضغط فاقد للبيانات تُستخدم على نطاق واسع للصور الرقمية. تم توحيدها كمعيار في عام 1992 وأصبحت منذ ذلك الحين التنسيق السائد لتخزين ومشاركة الصور الفوتوغرافية. تستفيد خوارزمية JPEG من خصائص الرؤية البشرية لتحقيق نسب ضغط عالية مع الحفاظ على جودة صورة مقبولة. وهي تعمل عن طريق تجاهل المعلومات الأقل إدراكًا للعين البشرية، مثل التفاصيل عالية التردد والاختلافات اللونية الدقيقة.

خوارزمية JPEG ليست خوارزمية واحدة، بل هي مجموعة من التقنيات والخيارات. الوضع الأكثر شيوعًا للتشغيل هو JPEG الأساسي (baseline JPEG)، الذي يستخدم تحويل جيب التمام المتقطع (DCT) كتحويل أساسي له. سنركز في هذا الدليل على JPEG الأساسي.

الخطوات الرئيسية لخوارزمية JPEG

تتضمن خوارزمية JPEG عدة خطوات رئيسية، وهي موضحة أدناه:

1. تحويل فضاء الألوان

الخطوة الأولى في خوارزمية JPEG هي تحويل الصورة من فضاء الألوان الأصلي (مثل RGB) إلى فضاء ألوان مختلف يسمى YCbCr. يفصل فضاء الألوان هذا الصورة إلى ثلاثة مكونات:

• Y (اللمعان - Luminance): يمثل سطوع أو شدة الصورة.
• Cb (الكرومينانس الأزرق - Chrominance Blue): يمثل الفرق بين المكون الأزرق واللمعان.
• Cr (الكرومينانس الأحمر - Chrominance Red): يمثل الفرق بين المكون الأحمر واللمعان.

السبب في هذا التحويل هو أن العين البشرية أكثر حساسية للتغيرات في اللمعان (السطوع) منها للتغيرات في الكرومينانس (اللون). من خلال فصل هذه المكونات، يمكن لخوارزمية JPEG إعطاء الأولوية للحفاظ على معلومات اللمعان، وهو أمر حاسم لجودة الصورة المدركة.

مثال: صورة فوتوغرافية رقمية تم التقاطها بهاتف ذكي يتم تخزينها عادةً في فضاء الألوان RGB. تقوم خوارزمية JPEG أولاً بتحويل هذه الصورة إلى YCbCr قبل المتابعة في خطوات الضغط الإضافية.

2. الاختزال اللوني (Chroma Subsampling)

بعد التحويل إلى فضاء الألوان YCbCr، تقوم خوارزمية JPEG عادةً بإجراء الاختزال اللوني، المعروف أيضًا باسم أخذ العينات اللونية. تقلل هذه التقنية من كمية البيانات التي تمثل مكونات الكرومينانس (Cb و Cr) عن طريق حساب متوسط بعض المعلومات اللونية أو تجاهلها. نظرًا لأن العين البشرية أقل حساسية للتغيرات اللونية، يمكن لهذه العملية تقليل حجم الملف بشكل كبير دون التأثير بشكل ملحوظ على جودة الصورة المدركة.

تشمل نسب الاختزال اللوني الشائعة 4:4:4 (بدون اختزال)، 4:2:2 (اختزال أفقي)، و 4:2:0 (اختزال أفقي ورأسي). تعني نسبة 4:2:0 أنه مقابل كل أربع عينات لمعان، هناك عينتان Cb وعينتان Cr. ينتج عن هذا انخفاض بنسبة 50٪ في كمية بيانات الكرومينانس.

مثال: قد تستخدم صورة عالية الدقة اختزال لوني بنسبة 4:4:4 للاحتفاظ بأقصى قدر من الدقة اللونية. ومع ذلك، بالنسبة لصور الويب، غالبًا ما يتم استخدام اختزال 4:2:0 لتحقيق توازن أفضل بين جودة الصورة وحجم الملف.

3. تقسيم الكتل

تقوم خوارزمية JPEG بتقسيم الصورة إلى كتل بحجم 8x8 بكسل. ثم تتم معالجة كل كتلة بشكل مستقل. يتيح هذا النهج القائم على الكتل المعالجة المتوازية ويبسط حساب تحويل جيب التمام المتقطع (DCT)، وهي الخطوة التالية.

مثال: سيتم تقسيم صورة بحجم 640x480 بكسل إلى 4800 كتلة بحجم 8x8 بكسل (640/8 * 480/8 = 80 * 60 = 4800).

4. تحويل جيب التمام المتقطع (DCT)

تحويل جيب التمام المتقطع (DCT) هو تحويل رياضي يحول كل كتلة بحجم 8x8 بكسل من المجال المكاني إلى المجال الترددي. في المجال الترددي، يتم تمثيل كل كتلة بمجموعة من 64 معامل DCT، والتي تمثل سعة الترددات المكانية المختلفة.

يتميز تحويل DCT بخاصية تركيز معظم طاقة الإشارة في عدد قليل من المعاملات منخفضة التردد. وذلك لأن الصور الطبيعية تميل إلى أن يكون لها تباينات سلسة وتغيرات تدريجية في اللون والكثافة. عادةً ما تكون لمعاملات التردد العالي، التي تمثل الحواف الحادة والتفاصيل الدقيقة، سعات أصغر.

مثال: لنفترض وجود كتلة 8x8 تحتوي على تدرج سلس. بعد تطبيق DCT، سيكون المعامل المقابل لمكون DC (القيمة المتوسطة) كبيرًا، بينما ستكون المعاملات المقابلة للترددات الأعلى قريبة من الصفر.

5. التكميم (Quantization)

التكميم هو الخطوة الأكثر أهمية في خوارزمية JPEG لتحقيق نسب ضغط عالية. يتضمن تقسيم كل معامل DCT على قيمة تكميم وتقريب النتيجة إلى أقرب عدد صحيح. يتم تحديد قيم التكميم في جدول تكميم، وهو معلمة حاسمة في خوارزمية JPEG. يمكن استخدام جداول تكميم مختلفة لتحقيق مستويات مختلفة من الضغط وجودة الصورة.

تُدخل عملية التكميم فقدانًا عن طريق تجاهل بعض المعلومات الموجودة في معاملات DCT. يتم عادةً تكميم معاملات التردد العالي، التي تكون أقل إدراكًا للعين البشرية، بشكل أكثر قوة (أي القسمة على قيم أكبر) من معاملات التردد المنخفض. ينتج عن هذا تحول المزيد من معاملات التردد العالي إلى صفر، مما يساهم في الضغط.

مثال: قد يتم تكميم معامل بقيمة 10 بقيمة تكميم 5، مما ينتج عنه قيمة مكممة 2 (10/5 = 2). قد يتم تكميم معامل بقيمة 2 بقيمة تكميم 10، مما ينتج عنه قيمة مكممة 0 (2/10 = 0.2، مقربة إلى 0). يوضح هذا كيف أن القيم الأصغر أكثر عرضة للتحول إلى صفر، مما يؤدي إلى الضغط.

6. ترميز الإنتروبي (Entropy Encoding)

بعد التكميم، يتم ضغط معاملات DCT المكممة بشكل إضافي باستخدام تقنيات ترميز الإنتروبي. ترميز الإنتروبي هو طريقة ضغط غير فاقد للبيانات تستغل الخصائص الإحصائية للبيانات لتمثيلها بشكل أكثر كفاءة. تستخدم خوارزمية JPEG عادةً تقنيتين لترميز الإنتروبي:

• ترميز طول التشغيل (RLE): يُستخدم RLE لضغط تسلسل معاملات DCT المكممة داخل كل كتلة 8x8. يتم ترتيب معاملات DCT عادةً بنمط متعرج (zig-zag)، مما يجمع المعاملات ذات القيمة الصفرية معًا. يقوم RLE بترميز تسلسلات طويلة من الأصفار كقيمة واحدة، مما يقلل بشكل كبير من كمية البيانات.
• ترميز هوفمان (Huffman Coding): ترميز هوفمان هو نظام ترميز متغير الطول يعين رموزًا أقصر للرموز الأكثر تكرارًا ورموزًا أطول للرموز الأقل تكرارًا. تستخدم خوارزمية JPEG ترميز هوفمان لترميز كل من معاملات DC (المعامل الأول في كل كتلة) ومعاملات AC (المعاملات المتبقية).

مثال: لنأخذ تسلسلًا من معاملات DCT المكممة: [10، 5، 0، 0، 0، 0، 0، -2، 0، 0، ...]. قد يقوم RLE بترميز هذا التسلسل على النحو التالي: [10، 5، (0، 5)، -2، (0، 2)، ...]، حيث يمثل (0، 5) تشغيلًا لخمسة أصفار.

عملية فك ضغط JPEG

عملية فك ضغط JPEG هي عكس عملية الترميز. وتتضمن الخطوات التالية:

1. فك ترميز الإنتروبي: يتم فك تشفير البيانات المرمزة بالإنتروبي باستخدام فك ترميز هوفمان وفك ترميز طول التشغيل لإعادة بناء معاملات DCT المكممة.
2. إلغاء التكميم: يتم ضرب معاملات DCT المكممة بقيم التكميم المقابلة من جدول التكميم لتقريب معاملات DCT الأصلية.
3. تحويل جيب التمام المتقطع العكسي (IDCT): يتم تطبيق IDCT على كل كتلة 8x8 من معاملات DCT لتحويلها مرة أخرى إلى المجال المكاني، مما ينتج عنه قيم البكسل المعاد بناؤها.
4. رفع العينات اللونية: إذا تم استخدام الاختزال اللوني أثناء الترميز، يتم رفع عينات مكونات الكرومينانس إلى دقتها الأصلية.
5. تحويل فضاء الألوان: يتم تحويل الصورة مرة أخرى من فضاء الألوان YCbCr إلى فضاء الألوان الأصلي (مثل RGB).

مزايا خوارزمية JPEG

تقدم خوارزمية JPEG العديد من المزايا التي ساهمت في اعتمادها على نطاق واسع:

• نسب ضغط عالية: يمكن لـ JPEG تحقيق نسب ضغط عالية، خاصة للصور ذات التدرجات السلسة والتفاصيل الحادة الأقل. وهذا يسمح بأحجام ملفات أصغر، مما يقلل من متطلبات مساحة التخزين والنطاق الترددي.
• جودة قابلة للتعديل: يمكن تعديل مستوى الضغط للتحكم في الموازنة بين جودة الصورة وحجم الملف. يتيح هذا للمستخدمين اختيار مستوى الضغط المناسب لاحتياجاتهم الخاصة.
• توافق واسع: يتم دعم JPEG من قبل جميع عارضي الصور والمحررين ومتصفحات الويب تقريبًا. وهذا يجعله تنسيقًا متعدد الاستخدامات وسهل الوصول إليه.
• JPEG التقدمي (Progressive JPEG): هو نوع من خوارزمية JPEG يسمح بعرض الصورة تدريجيًا أثناء تنزيلها. يوفر هذا تجربة مستخدم أفضل، خاصة للصور الكبيرة أو التي يتم تنزيلها عبر اتصالات بطيئة.

قيود خوارزمية JPEG

على الرغم من مزاياها، فإن خوارزمية JPEG لها أيضًا بعض القيود:

• ضغط فاقد للبيانات: JPEG هي خوارزمية ضغط فاقد للبيانات، مما يعني أن بعض بيانات الصورة تُفقد أثناء عملية الضغط. يمكن أن يؤدي هذا إلى تدهور جودة الصورة، خاصة عند نسب الضغط العالية.
• عيوب الكتل (Blocking Artifacts): عند نسب الضغط العالية، يمكن أن تؤدي المعالجة القائمة على الكتل لخوارزمية JPEG إلى عيوب كتل مرئية، والتي تظهر ككتل مربعة ملحوظة في الصورة. تكون هذه العيوب ملحوظة بشكل خاص في المناطق ذات التدرجات السلسة.
• غير فعالة للنصوص والرسومات الخطية: لا تعد JPEG مناسبة تمامًا لضغط الصور التي تحتوي على نصوص أو رسومات خطية أو حواف حادة. غالبًا ما تحتوي هذه الأنواع من الصور على تفاصيل عالية التردد يتم تجاهلها بواسطة خوارزمية JPEG، مما يؤدي إلى مظهر ضبابي أو مشوه.
• غير مناسبة لدورات التحرير المتعددة: نظرًا لأن JPEG فاقد للبيانات، فإن التحرير المتكرر وإعادة حفظ صورة JPEG سيؤدي إلى فقدان تراكمي للجودة. بالنسبة للصور التي تتطلب دورات تحرير متعددة، من الأفضل استخدام تنسيق غير فاقد للبيانات مثل PNG أو TIFF.

تطبيقات خوارزمية JPEG

تُستخدم خوارزمية JPEG في مجموعة واسعة من التطبيقات، بما في ذلك:

• صور الويب: JPEG هو التنسيق الأكثر شيوعًا للصور على الويب. تجعل نسب الضغط العالية مثالية لتقليل أوقات تحميل الصفحات وتقليل استهلاك النطاق الترددي.
• التصوير الرقمي: تستخدم معظم الكاميرات الرقمية JPEG كتنسيق افتراضي لتخزين الصور الفوتوغرافية. يتيح ذلك تخزين عدد كبير من الصور على بطاقة الذاكرة دون التضحية بالكثير من جودة الصورة.
• وسائل التواصل الاجتماعي: تستخدم منصات التواصل الاجتماعي مثل فيسبوك وإنستغرام وتويتر JPEG لضغط وتخزين الصور التي يحملها المستخدمون.
• أرشفة الصور: على الرغم من أنها ليست مثالية للأرشفة طويلة الأمد للصور الهامة بسبب طبيعتها الفاقدة للبيانات، إلا أن JPEG تُستخدم غالبًا لأرشفة الصور حيث تكون مساحة التخزين مصدر قلق كبير ويكون بعض تدهور الجودة مقبولاً.
• ضغط الفيديو: تُستخدم JPEG أيضًا كأساس لبعض معايير ضغط الفيديو، مثل Motion JPEG (MJPEG).

بدائل JPEG والاتجاهات المستقبلية

بينما لا تزال JPEG تنسيقًا سائدًا، فقد ظهرت العديد من خوارزميات ضغط الصور البديلة في السنوات الأخيرة، والتي تقدم أداءً وميزات محسنة:

• JPEG 2000: هو معيار ضغط صور أحدث يقدم العديد من المزايا على خوارزمية JPEG الأصلية، بما في ذلك نسب ضغط أفضل، ودعم الضغط غير الفاقد للبيانات، ومعالجة محسنة للتفاصيل عالية التردد. ومع ذلك، لم يحقق JPEG 2000 نفس مستوى الاعتماد الواسع مثل JPEG بسبب تعقيده الحسابي الأعلى ومشكلات الترخيص.
• WebP: هو تنسيق صور طورته جوجل يوفر ضغطًا فاقدًا وغير فاقد للبيانات. يوفر WebP بشكل عام نسب ضغط أفضل من JPEG مع الحفاظ على جودة صورة مماثلة أو أفضل. يتم استخدامه بشكل متزايد على الويب ومدعوم من قبل معظم المتصفحات الحديثة.
• HEIF (تنسيق ملفات الصور عالي الكفاءة): هو تنسيق حاوية للصور والفيديو يستخدم معيار ضغط ترميز الفيديو عالي الكفاءة (HEVC). يوفر HEIF كفاءة ضغط ممتازة ويدعم مجموعة واسعة من الميزات، بما في ذلك الرسوم المتحركة والشفافية ومعلومات العمق. يتم استخدامه بواسطة أجهزة iOS من Apple ويكتسب اعتمادًا متزايدًا.
• AVIF (تنسيق ملفات الصور AV1): هو تنسيق صور يعتمد على برنامج ترميز الفيديو AV1. يوفر ضغطًا أفضل بكثير من JPEG مع تقديم جودة صورة مماثلة أو أفضل. يكتسب AVIF شعبية بسبب طبيعته مفتوحة المصدر ودعمه من شركات التكنولوجيا الكبرى.

من المرجح أن يكون مستقبل ضغط الصور مدفوعًا بالطلب المتزايد على الصور ومقاطع الفيديو عالية الجودة، فضلاً عن الحاجة إلى تقليل مساحة التخزين واستهلاك النطاق الترددي. من المتوقع أن تلعب خوارزميات الضغط الأحدث، مثل WebP و HEIF و AVIF، دورًا أكثر بروزًا في المشهد الرقمي، حيث تقدم أداءً وميزات محسنة مقارنة بمعيار JPEG القديم. ومع ذلك، من المرجح أن يضمن توافق JPEG الواسع استمرار أهميته لسنوات عديدة قادمة.

الخاتمة

لقد كانت خوارزمية JPEG حجر الزاوية في التصوير الرقمي لعقود. إن قدرتها على تحقيق نسب ضغط عالية مع الحفاظ على جودة صورة مقبولة جعلتها التنسيق السائد لتخزين ومشاركة الصور الفوتوغرافية. يعد فهم مبادئ وقيود خوارزمية JPEG أمرًا ضروريًا لأي شخص يعمل بالصور الرقمية، سواء كانوا مصورين أو مطوري ويب أو مصممي جرافيك. بينما تظهر خوارزميات ضغط صور أحدث، فإن إرث JPEG وتوافقه الواسع يضمنان استمرار أهميته في العالم الرقمي.

من خلال فهم تعقيدات خوارزمية JPEG، يمكنك اتخاذ قرارات مستنيرة بشأن ضغط الصور وتحسين صورك لمختلف التطبيقات، وموازنة جودة الصورة وحجم الملف والتوافق لتحقيق أفضل النتائج الممكنة.