Attēlu kompresija: JPEG algoritma demistifikācija

Mūsdienu digitālajā pasaulē attēli ir visur. No sociālajiem medijiem līdz tīmekļa vietnēm un mobilajām lietojumprogrammām, vizuālais saturs spēlē izšķirošu lomu komunikācijā un informācijas apmaiņā. Tomēr augstas izšķirtspējas attēli var patērēt ievērojamu atmiņas vietu un joslas platumu, kas noved pie lēnākiem ielādes laikiem un palielinātām uzglabāšanas izmaksām. Tieši šeit talkā nāk attēlu kompresijas tehnikas. Starp dažādajām pieejamajām attēlu kompresijas metodēm JPEG algoritms izceļas kā viens no visplašāk izmantotajiem un atzītākajiem standartiem. Šis raksts sniedz visaptverošu ceļvedi JPEG algoritma izpratnei, tā pamatprincipiem, pielietojumiem, priekšrocībām un ierobežojumiem.

Kas ir attēlu kompresija?

Attēlu kompresija ir process, kurā tiek samazināts attēla faila izmērs, būtiski nepasliktinot tā vizuālo kvalitāti. Mērķis ir samazināt uzglabāšanas vietas un joslas platuma prasības, vienlaikus saglabājot pieņemamu attēla precizitātes līmeni. Attēlu kompresijas tehnikas var plaši iedalīt divās kategorijās:

Bezzudumu kompresija: Šīs tehnikas saglabā visus sākotnējos datus attēlā. Kad saspiestais attēls tiek atspiests, tas ir identisks oriģinālajam attēlam. Bezzudumu kompresija ir piemērota attēliem, kur ir svarīgi saglabāt katru detaļu, piemēram, medicīniskiem attēliem vai arhīva dokumentiem. Piemēri ir PNG un GIF.
Zudumradošā kompresija: Šīs tehnikas upurē dažus attēla datus, lai sasniegtu augstākas kompresijas attiecības. Atspiestais attēls nav identisks oriģinālam, bet informācijas zudums bieži nav pamanāms cilvēka acij. Zudumradošā kompresija ir piemērota attēliem, kur zināma degradācija ir pieņemama apmaiņā pret mazākiem failu izmēriem, piemēram, fotogrāfijām tīmeklī. JPEG ir spilgts zudumradošās kompresijas piemērs.

Iepazīstinām ar JPEG algoritmu

JPEG (Joint Photographic Experts Group) ir plaši izmantots zudumradošās kompresijas algoritms digitālajiem attēliem. Tas tika standartizēts 1992. gadā un kopš tā laika ir kļuvis par dominējošo formātu fotogrāfisku attēlu glabāšanai un kopīgošanai. JPEG algoritms izmanto cilvēka redzes īpašības, lai sasniegtu augstas kompresijas attiecības, vienlaikus saglabājot pieņemamu attēla kvalitāti. Tas darbojas, atmetot informāciju, kas ir mazāk uztverama cilvēka acij, piemēram, augstfrekvences detaļas un smalkas krāsu variācijas.

JPEG algoritms nav viens vienīgs algoritms, bet gan tehniku un opciju kopums. Visizplatītākais darbības režīms ir bāzes JPEG, kas kā galveno transformāciju izmanto Diskrēto kosinusa transformāciju (DKT). Šajā ceļvedī mēs koncentrēsimies uz bāzes JPEG.

JPEG algoritma galvenie soļi

JPEG algoritms ietver vairākus galvenos soļus, kas ir izklāstīti zemāk:

1. Krāsu telpas pārveidošana

Pirmais solis JPEG algoritmā ir attēla pārveidošana no tā sākotnējās krāsu telpas (piem., RGB) uz citu krāsu telpu, ko sauc par YCbCr. Šī krāsu telpa sadala attēlu trīs komponentēs:

Y (Luminiscence): Pārstāv attēla spilgtumu vai intensitāti.
Cb (Hrominances zilā komponente): Pārstāv atšķirību starp zilo komponenti un luminiscenci.
Cr (Hrominances sarkanā komponente): Pārstāv atšķirību starp sarkano komponenti un luminiscenci.

Šīs pārveidošanas iemesls ir tas, ka cilvēka acs ir jutīgāka pret luminiscences (spilgtuma) izmaiņām nekā pret hrominances (krāsas) izmaiņām. Atdalot šīs komponentes, JPEG algoritms var prioritizēt luminiscences informācijas saglabāšanu, kas ir izšķiroša uztveramajai attēla kvalitātei.

Piemērs: Digitālā fotogrāfija, kas uzņemta ar viedtālruni, parasti tiek glabāta RGB krāsu telpā. JPEG algoritms vispirms pārveido šo attēlu uz YCbCr, pirms turpina ar nākamajiem kompresijas soļiem.

2. Hrominances apakšizlase

Pēc pārveidošanas uz YCbCr krāsu telpu JPEG algoritms parasti veic hrominances apakšizlasi. Šī tehnika samazina datu apjomu, kas pārstāv hrominances komponentes (Cb un Cr), vidēji aprēķinot vai atmetot daļu krāsu informācijas. Tā kā cilvēka acs ir mazāk jutīga pret krāsu variācijām, šis process var ievērojami samazināt faila izmēru, manāmi neietekmējot uztverto attēla kvalitāti.

Izplatītākās hrominances apakšizlases attiecības ietver 4:4:4 (bez apakšizlases), 4:2:2 (horizontālā apakšizlase) un 4:2:0 (horizontālā un vertikālā apakšizlase). Attiecība 4:2:0 nozīmē, ka uz katriem četriem luminiscences paraugiem ir divi Cb paraugi un divi Cr paraugi. Tā rezultātā hrominances datu apjoms tiek samazināts par 50%.

Piemērs: Augstas izšķirtspējas attēlā var izmantot 4:4:4 hrominances apakšizlasi, lai saglabātu maksimālu krāsu precizitāti. Tomēr tīmekļa attēliem bieži tiek izmantota 4:2:0 apakšizlase, lai panāktu labāku līdzsvaru starp attēla kvalitāti un faila izmēru.

3. Sadalīšana blokos

JPEG algoritms sadala attēlu 8x8 pikseļu blokos. Katrs bloks pēc tam tiek apstrādāts neatkarīgi. Šī uz blokiem balstītā pieeja ļauj veikt paralēlu apstrādi un vienkāršo Diskrētās kosinusa transformācijas (DKT) aprēķinu, kas ir nākamais solis.

Piemērs: Attēls ar izmēru 640x480 pikseļi tiktu sadalīts 4800 blokos pa 8x8 pikseļiem (640/8 * 480/8 = 80 * 60 = 4800).

4. Diskrētā kosinusa transformācija (DKT)

Diskrētā kosinusa transformācija (DKT) ir matemātiska transformācija, kas katru 8x8 pikseļu bloku pārveido no telpiskās domēna uz frekvenču domēnu. Frekvenču domēnā katru bloku pārstāv 64 DKT koeficientu kopa, kas pārstāv dažādu telpisko frekvenču amplitūdu.

DKT piemīt īpašība koncentrēt lielāko daļu signāla enerģijas dažos zemas frekvences koeficientos. Tas ir tāpēc, ka dabiskos attēlos parasti ir gludas variācijas un pakāpeniskas krāsu un intensitātes izmaiņas. Augstfrekvences koeficientiem, kas pārstāv asas malas un smalkas detaļas, parasti ir mazākas amplitūdas.

Piemērs: Apsveriet 8x8 bloku, kas satur gludu gradientu. Pēc DKT pielietošanas koeficients, kas atbilst līdzstrāvas komponentei (vidējā vērtība), būs liels, savukārt koeficienti, kas atbilst augstākām frekvencēm, būs tuvu nullei.

5. Kvantēšana

Kvantēšana ir vissvarīgākais solis JPEG algoritmā, lai sasniegtu augstas kompresijas attiecības. Tā ietver katra DKT koeficienta dalīšanu ar kvantēšanas vērtību un rezultāta noapaļošanu līdz tuvākajam veselajam skaitlim. Kvantēšanas vērtības ir norādītas kvantēšanas tabulā, kas ir būtisks parametrs JPEG algoritmā. Var izmantot dažādas kvantēšanas tabulas, lai sasniegtu dažādus kompresijas un attēla kvalitātes līmeņus.

Kvantēšanas process rada zudumus, atmetot daļu informācijas, kas ietverta DKT koeficientos. Augstfrekvences koeficienti, kas ir mazāk uztverami cilvēka acij, parasti tiek kvantēti agresīvāk (t.i., dalīti ar lielākām vērtībām) nekā zemas frekvences koeficienti. Tā rezultātā vairāk augstfrekvences koeficientu kļūst par nulli, kas veicina kompresiju.

Piemērs: Koeficients ar vērtību 10 var tikt kvantēts ar kvantēšanas vērtību 5, rezultātā iegūstot kvantētu vērtību 2 (10/5 = 2). Koeficients ar vērtību 2 var tikt kvantēts ar kvantēšanas vērtību 10, rezultātā iegūstot kvantētu vērtību 0 (2/10 = 0.2, noapaļots uz 0). Tas parāda, kā mazākas vērtības, visticamāk, tiks iestatītas uz nulli, tādējādi panākot kompresiju.

6. Entropijas kodēšana

Pēc kvantēšanas kvantētie DKT koeficienti tiek tālāk saspiesti, izmantojot entropijas kodēšanas tehnikas. Entropijas kodēšana ir bezzudumu kompresijas metode, kas izmanto datu statistiskās īpašības, lai tos efektīvāk attēlotu. JPEG algoritms parasti izmanto divas entropijas kodēšanas tehnikas:

Secīgu atkārtojumu kodēšana (RLE): RLE tiek izmantota, lai saspiestu kvantēto DKT koeficientu secību katrā 8x8 blokā. DKT koeficienti parasti tiek sakārtoti zig-zag rakstā, kas sagrupē nulles vērtības koeficientus kopā. RLE kodē garas nulles secības kā vienu vērtību, kas ievērojami samazina datu apjomu.
Hafmena kodēšana: Hafmena kodēšana ir mainīga garuma kodēšanas shēma, kas piešķir īsākus kodus biežāk sastopamiem simboliem un garākus kodus retāk sastopamiem simboliem. JPEG algoritms izmanto Hafmena kodēšanu, lai kodētu gan līdzstrāvas koeficientus (pirmais koeficients katrā blokā), gan maiņstrāvas koeficientus (atlikušos koeficientus).

Piemērs: Apsveriet kvantēto DKT koeficientu secību: [10, 5, 0, 0, 0, 0, 0, -2, 0, 0, ...]. RLE varētu kodēt šo secību kā [10, 5, (0, 5), -2, (0, 2), ...], kur (0, 5) apzīmē 5 nulles secību.

JPEG dekodēšanas process

JPEG dekodēšanas process ir pretējs kodēšanas procesam. Tas ietver šādus soļus:

Entropijas dekodēšana: Ar entropiju kodētie dati tiek dekodēti, izmantojot Hafmena dekodēšanu un secīgu atkārtojumu dekodēšanu, lai atjaunotu kvantētos DKT koeficientus.
Dekvantēšana: Kvantētie DKT koeficienti tiek reizināti ar atbilstošajām kvantēšanas vērtībām no kvantēšanas tabulas, lai aptuveni atjaunotu sākotnējos DKT koeficientus.
Inversā diskrētā kosinusa transformācija (IDKT): IDKT tiek pielietota katram 8x8 DKT koeficientu blokam, lai tos pārveidotu atpakaļ telpiskajā domēnā, iegūstot atjaunotās pikseļu vērtības.
Hrominances augšupizlase: Ja kodēšanas laikā tika izmantota hrominances apakšizlase, hrominances komponentes tiek palielinātas līdz to sākotnējai izšķirtspējai.
Krāsu telpas pārveidošana: Attēls tiek pārveidots atpakaļ no YCbCr krāsu telpas uz sākotnējo krāsu telpu (piem., RGB).

JPEG algoritma priekšrocības

JPEG algoritms piedāvā vairākas priekšrocības, kas ir veicinājušas tā plašo izplatību:

Augstas kompresijas attiecības: JPEG var sasniegt augstas kompresijas attiecības, īpaši attēliem ar gludiem gradientiem un mazāk asām detaļām. Tas ļauj izveidot mazākus failu izmērus, kas samazina uzglabāšanas vietas un joslas platuma prasības.
Pielāgojama kvalitāte: Kompresijas līmeni var pielāgot, lai kontrolētu kompromisu starp attēla kvalitāti un faila izmēru. Tas ļauj lietotājiem izvēlēties kompresijas līmeni, kas ir piemērots viņu konkrētajām vajadzībām.
Plaša saderība: JPEG atbalsta praktiski visas attēlu skatīšanas programmas, redaktori un tīmekļa pārlūkprogrammas. Tas padara to par ļoti daudzpusīgu un pieejamu formātu.
Progresīvais JPEG: Progresīvais JPEG ir JPEG algoritma variants, kas ļauj attēlu pakāpeniski parādīt, kamēr tas tiek lejupielādēts. Tas nodrošina labāku lietotāja pieredzi, īpaši lieliem attēliem vai attēliem, kas tiek lejupielādēti lēnos savienojumos.

JPEG algoritma ierobežojumi

Neskatoties uz tā priekšrocībām, JPEG algoritmam ir arī daži ierobežojumi:

Zudumradošā kompresija: JPEG ir zudumradošās kompresijas algoritms, kas nozīmē, ka kompresijas procesā tiek zaudēti daži attēla dati. Tas var izraisīt attēla kvalitātes pasliktināšanos, īpaši pie augstām kompresijas attiecībām.
Bloku artefakti: Pie augstām kompresijas attiecībām JPEG algoritma uz blokiem balstītā apstrāde var radīt redzamus bloku artefaktus, kas parādās kā pamanāmi kvadrātveida bloki attēlā. Šie artefakti ir īpaši pamanāmi apgabalos ar gludiem gradientiem.
Neefektīvs tekstam un līniju mākslai: JPEG nav labi piemērots attēlu saspiešanai, kas satur tekstu, līniju mākslu vai asas malas. Šāda veida attēlos bieži ir augstfrekvences detaļas, kuras JPEG algoritms atmet, kā rezultātā rodas izplūdis vai izkropļots izskats.
Nav piemērots vairākiem rediģēšanas cikliem: Tā kā JPEG ir zudumradošs, atkārtota JPEG attēla rediģēšana un atkārtota saglabāšana radīs kumulatīvu kvalitātes zudumu. Attēliem, kuriem nepieciešami vairāki rediģēšanas cikli, labāk izmantot bezzudumu formātu, piemēram, PNG vai TIFF.

JPEG algoritma pielietojumi

JPEG algoritms tiek izmantots plašā lietojumu klāstā, tostarp:

Tīmekļa attēli: JPEG ir visizplatītākais formāts attēliem tīmeklī. Tā augstās kompresijas attiecības padara to ideālu lapu ielādes laika samazināšanai un joslas platuma patēriņa minimizēšanai.
Digitālā fotogrāfija: Lielākā daļa digitālo kameru izmanto JPEG kā noklusējuma formātu fotogrāfiju glabāšanai. Tas ļauj atmiņas kartē saglabāt lielu skaitu attēlu, pārāk neupurējot attēla kvalitāti.
Sociālie mediji: Sociālo mediju platformas, piemēram, Facebook, Instagram un Twitter, izmanto JPEG, lai saspiestu un uzglabātu lietotāju augšupielādētos attēlus.
Attēlu arhivēšana: Lai gan tas nav ideāls ilgtermiņa kritisku attēlu arhivēšanai tā zudumradošā rakstura dēļ, JPEG bieži tiek izmantots attēlu arhivēšanai, kur uzglabāšanas vieta ir galvenais apsvērums un zināma kvalitātes degradācija ir pieņemama.
Video kompresija: JPEG tiek izmantots arī kā pamats dažiem video kompresijas standartiem, piemēram, Motion JPEG (MJPEG).

JPEG alternatīvas un nākotnes tendences

Lai gan JPEG joprojām ir dominējošs formāts, pēdējos gados ir parādījušies vairāki alternatīvi attēlu kompresijas algoritmi, kas piedāvā uzlabotu veiktspēju un funkcijas:

JPEG 2000: JPEG 2000 ir jaunāks attēlu kompresijas standarts, kas piedāvā vairākas priekšrocības salīdzinājumā ar sākotnējo JPEG algoritmu, tostarp labākas kompresijas attiecības, bezzudumu kompresijas atbalstu un uzlabotu augstfrekvences detaļu apstrādi. Tomēr JPEG 2000 nav sasniedzis tādu pašu plašu izplatību kā JPEG tā lielākās skaitļošanas sarežģītības un licencēšanas problēmu dēļ.
WebP: WebP ir Google izstrādāts attēlu formāts, kas piedāvā gan bezzudumu, gan zudumradošo kompresiju. WebP parasti nodrošina labākas kompresijas attiecības nekā JPEG, saglabājot salīdzināmu vai labāku attēla kvalitāti. To arvien vairāk izmanto tīmeklī, un to atbalsta lielākā daļa mūsdienu pārlūkprogrammu.
HEIF (High Efficiency Image File Format): HEIF ir konteinera formāts attēliem un video, kas izmanto High Efficiency Video Coding (HEVC) kompresijas standartu. HEIF piedāvā izcilu kompresijas efektivitāti un atbalsta plašu funkciju klāstu, tostarp animāciju, caurspīdīgumu un dziļuma informāciju. To izmanto Apple iOS ierīces, un tā popularitāte pieaug.
AVIF (AV1 Image File Format): AVIF ir attēlu formāts, kas balstīts uz AV1 video kodeku. Tas nodrošina ievērojami labāku kompresiju nekā JPEG, piedāvājot salīdzināmu vai labāku attēla kvalitāti. AVIF gūst popularitāti tā atvērtā koda rakstura un lielāko tehnoloģiju uzņēmumu atbalsta dēļ.

Attēlu kompresijas nākotni, visticamāk, virzīs pieaugošais pieprasījums pēc augstas kvalitātes attēliem un video, kā arī nepieciešamība samazināt uzglabāšanas vietu un joslas platuma patēriņu. Jaunāki kompresijas algoritmi, piemēram, WebP, HEIF un AVIF, ir gatavi ieņemt nozīmīgāku lomu digitālajā vidē, piedāvājot uzlabotu veiktspēju un funkcijas salīdzinājumā ar novecojušo JPEG standartu. Tomēr JPEG plašā saderība, visticamāk, nodrošinās tā nepārtrauktu nozīmību vēl daudzus gadus.

Noslēgums

JPEG algoritms gadu desmitiem ir bijis digitālās attēlveidošanas stūrakmens. Tā spēja sasniegt augstas kompresijas attiecības, vienlaikus saglabājot pieņemamu attēla kvalitāti, ir padarījusi to par dominējošo formātu fotogrāfisku attēlu glabāšanai un kopīgošanai. Izpratne par JPEG algoritma principiem un ierobežojumiem ir būtiska ikvienam, kas strādā ar digitālajiem attēliem, neatkarīgi no tā, vai tie ir fotogrāfi, tīmekļa izstrādātāji vai grafiskie dizaineri. Lai gan parādās jauni attēlu kompresijas algoritmi, JPEG mantojums un plašā saderība nodrošina tā nepārtraukto nozīmi digitālajā pasaulē.

Izprotot JPEG algoritma sarežģītību, jūs varat pieņemt pamatotus lēmumus par attēlu kompresiju un optimizēt savus attēlus dažādiem lietojumiem, līdzsvarojot attēla kvalitāti, faila izmēru un saderību, lai sasniegtu vislabākos iespējamos rezultātus.