Сжатие изображений: Демистификация алгоритма JPEG

В современном цифровом мире изображения повсюду. От социальных сетей до веб-сайтов и мобильных приложений — визуальный контент играет решающую роль в общении и обмене информацией. Однако изображения высокого разрешения могут занимать значительное дисковое пространство и пропускную способность, что приводит к замедлению загрузки и увеличению затрат на хранение. Именно здесь на помощь приходят методы сжатия изображений. Среди множества доступных методов сжатия изображений алгоритм JPEG выделяется как один из самых широко используемых и признанных стандартов. Эта статья представляет собой исчерпывающее руководство по пониманию алгоритма JPEG, его основных принципов, применения, преимуществ и недостатков.

Что такое сжатие изображений?

Сжатие изображений — это процесс уменьшения размера файла изображения без существенного ущерба для его визуального качества. Цель состоит в том, чтобы минимизировать требования к дисковому пространству и пропускной способности, сохраняя при этом приемлемый уровень точности изображения. Методы сжатия изображений можно условно разделить на две категории:

Сжатие без потерь: Эти методы сохраняют все исходные данные в изображении. Когда сжатое изображение распаковывается, оно идентично исходному. Сжатие без потерь подходит для изображений, где критически важно сохранить каждую деталь, например, для медицинских снимков или архивных документов. Примерами являются PNG и GIF.
Сжатие с потерями: Эти методы жертвуют некоторыми данными изображения для достижения более высоких коэффициентов сжатия. Распакованное изображение не идентично исходному, но потеря информации часто незаметна для человеческого глаза. Сжатие с потерями подходит для изображений, где некоторое ухудшение качества приемлемо в обмен на меньший размер файла, например, для фотографий в интернете. JPEG является ярким примером сжатия с потерями.

Представляем алгоритм JPEG

JPEG (Joint Photographic Experts Group, Объединенная группа экспертов по фотографии) — это широко используемый алгоритм сжатия с потерями для цифровых изображений. Он был стандартизирован в 1992 году и с тех пор стал доминирующим форматом для хранения и обмена фотографическими изображениями. Алгоритм JPEG использует особенности человеческого зрения для достижения высоких коэффициентов сжатия при сохранении приемлемого качества изображения. Он работает путем отбрасывания информации, которая менее заметна для человеческого глаза, такой как высокочастотные детали и тонкие цветовые вариации.

Алгоритм JPEG — это не единый алгоритм, а скорее набор методов и опций. Наиболее распространенным режимом работы является базовый JPEG, который использует дискретное косинусное преобразование (ДКП) в качестве основного преобразования. В этом руководстве мы сосредоточимся на базовом JPEG.

Ключевые этапы алгоритма JPEG

Алгоритм JPEG включает в себя несколько ключевых этапов, которые описаны ниже:

1. Преобразование цветового пространства

Первый шаг в алгоритме JPEG — преобразование изображения из исходного цветового пространства (например, RGB) в другое цветовое пространство под названием YCbCr. Это цветовое пространство разделяет изображение на три компонента:

Y (Luminance, Яркость): Представляет яркость или интенсивность изображения.
Cb (Chrominance Blue, Цветность синего): Представляет разницу между синим компонентом и яркостью.
Cr (Chrominance Red, Цветность красного): Представляет разницу между красным компонентом и яркостью.

Причина этого преобразования заключается в том, что человеческий глаз более чувствителен к изменениям яркости, чем к изменениям цветности. Разделяя эти компоненты, алгоритм JPEG может отдавать приоритет сохранению информации о яркости, что имеет решающее значение для воспринимаемого качества изображения.

Пример: Цифровая фотография, сделанная на смартфон, обычно хранится в цветовом пространстве RGB. Алгоритм JPEG сначала преобразует это изображение в YCbCr, прежде чем переходить к дальнейшим шагам сжатия.

2. Цветовая субдискретизация

После преобразования в цветовое пространство YCbCr алгоритм JPEG обычно выполняет цветовую субдискретизацию, также известную как субдискретизация цветности. Этот метод уменьшает количество данных, представляющих компоненты цветности (Cb и Cr), путем усреднения или отбрасывания части цветовой информации. Поскольку человеческий глаз менее чувствителен к цветовым вариациям, этот процесс может значительно уменьшить размер файла, не оказывая заметного влияния на воспринимаемое качество изображения.

Распространенные коэффициенты цветовой субдискретизации включают 4:4:4 (без субдискретизации), 4:2:2 (горизонтальная субдискретизация) и 4:2:0 (горизонтальная и вертикальная субдискретизация). Соотношение 4:2:0 означает, что на каждые четыре отсчета яркости приходится по два отсчета Cb и Cr. Это приводит к 50% сокращению объема данных о цветности.

Пример: Для изображения высокого разрешения может использоваться цветовая субдискретизация 4:4:4 для сохранения максимальной точности цвета. Однако для веб-изображений часто используется субдискретизация 4:2:0 для достижения лучшего баланса между качеством изображения и размером файла.

3. Разделение на блоки

Алгоритм JPEG делит изображение на блоки пикселей размером 8x8. Каждый блок затем обрабатывается независимо. Такой блочный подход позволяет осуществлять параллельную обработку и упрощает вычисление дискретного косинусного преобразования (ДКП), которое является следующим шагом.

Пример: Изображение размером 640x480 пикселей будет разделено на 4800 блоков 8x8 пикселей (640/8 * 480/8 = 80 * 60 = 4800).

4. Дискретное косинусное преобразование (ДКП)

Дискретное косинусное преобразование (ДКП) — это математическое преобразование, которое переводит каждый блок пикселей 8x8 из пространственной области в частотную. В частотной области каждый блок представлен набором из 64 коэффициентов ДКП, которые представляют амплитуду различных пространственных частот.

ДКП обладает свойством концентрировать большую часть энергии сигнала в нескольких низкочастотных коэффициентах. Это связано с тем, что естественные изображения, как правило, имеют плавные вариации и постепенные изменения цвета и интенсивности. Высокочастотные коэффициенты, которые представляют резкие края и мелкие детали, обычно имеют меньшие амплитуды.

Пример: Рассмотрим блок 8x8, содержащий плавный градиент. После применения ДКП коэффициент, соответствующий компоненту постоянного тока (среднее значение), будет большим, в то время как коэффициенты, соответствующие более высоким частотам, будут близки к нулю.

5. Квантование

Квантование — это самый важный шаг в алгоритме JPEG для достижения высоких коэффициентов сжатия. Он включает в себя деление каждого коэффициента ДКП на значение квантования и округление результата до ближайшего целого числа. Значения квантования указываются в таблице квантования, которая является ключевым параметром в алгоритме JPEG. Различные таблицы квантования могут использоваться для достижения различных уровней сжатия и качества изображения.

Процесс квантования вносит потери, отбрасывая часть информации, содержащейся в коэффициентах ДКП. Высокочастотные коэффициенты, которые менее заметны для человеческого глаза, обычно квантуются более агрессивно (т.е. делятся на большие значения), чем низкочастотные. В результате больше высокочастотных коэффициентов становятся равными нулю, что способствует сжатию.

Пример: Коэффициент со значением 10 может быть квантован со значением квантования 5, в результате чего получится квантованное значение 2 (10/5 = 2). Коэффициент со значением 2 может быть квантован со значением квантования 10, в результате чего получится квантованное значение 0 (2/10 = 0.2, округленное до 0). Это показывает, как меньшие значения с большей вероятностью обнуляются, что приводит к сжатию.

6. Энтропийное кодирование

После квантования квантованные коэффициенты ДКП дополнительно сжимаются с использованием методов энтропийного кодирования. Энтропийное кодирование — это метод сжатия без потерь, который использует статистические свойства данных для их более эффективного представления. Алгоритм JPEG обычно использует два метода энтропийного кодирования:

Кодирование длин серий (RLE): RLE используется для сжатия последовательности квантованных коэффициентов ДКП внутри каждого блока 8x8. Коэффициенты ДКП обычно располагаются в зигзагообразном порядке, что группирует нулевые коэффициенты вместе. RLE кодирует длинные последовательности нулей как одно значение, что значительно сокращает объем данных.
Кодирование Хаффмана: Кодирование Хаффмана — это схема кодирования переменной длины, которая присваивает более короткие коды более частым символам и более длинные коды — менее частым. Алгоритм JPEG использует кодирование Хаффмана для кодирования как DC-коэффициентов (первый коэффициент в каждом блоке), так и AC-коэффициентов (остальные коэффициенты).

Пример: Рассмотрим последовательность квантованных коэффициентов ДКП: [10, 5, 0, 0, 0, 0, 0, -2, 0, 0, ...]. RLE может закодировать эту последовательность как [10, 5, (0, 5), -2, (0, 2), ...], где (0, 5) представляет серию из 5 нулей.

Процесс декодирования JPEG

Процесс декодирования JPEG является обратным процессу кодирования. Он включает в себя следующие шаги:

Энтропийное декодирование: Энтропийно-закодированные данные декодируются с помощью декодирования Хаффмана и декодирования длин серий для восстановления квантованных коэффициентов ДКП.
Деквантование: Квантованные коэффициенты ДКП умножаются на соответствующие значения квантования из таблицы квантования для аппроксимации исходных коэффициентов ДКП.
Обратное дискретное косинусное преобразование (ОДКП): ОДКП применяется к каждому блоку 8x8 коэффициентов ДКП для их преобразования обратно в пространственную область, что приводит к восстановлению значений пикселей.
Повышение дискретизации цветности: Если во время кодирования использовалась цветовая субдискретизация, компоненты цветности повышаются до их исходного разрешения.
Преобразование цветового пространства: Изображение преобразуется обратно из цветового пространства YCbCr в исходное цветовое пространство (например, RGB).

Преимущества алгоритма JPEG

Алгоритм JPEG предлагает несколько преимуществ, которые способствовали его широкому распространению:

Высокие коэффициенты сжатия: JPEG может достигать высоких коэффициентов сжатия, особенно для изображений с плавными градиентами и меньшим количеством резких деталей. Это позволяет уменьшить размер файлов, что сокращает требования к дисковому пространству и пропускной способности.
Настраиваемое качество: Уровень сжатия можно регулировать для контроля компромисса между качеством изображения и размером файла. Это позволяет пользователям выбирать уровень сжатия, соответствующий их конкретным потребностям.
Широкая совместимость: JPEG поддерживается практически всеми программами для просмотра и редактирования изображений, а также веб-браузерами. Это делает его очень универсальным и доступным форматом.
Прогрессивный JPEG: Прогрессивный JPEG — это вариант алгоритма JPEG, который позволяет постепенно отображать изображение по мере его загрузки. Это обеспечивает лучший пользовательский опыт, особенно для больших изображений или при загрузке через медленное соединение.

Недостатки алгоритма JPEG

Несмотря на свои преимущества, алгоритм JPEG также имеет некоторые недостатки:

Сжатие с потерями: JPEG — это алгоритм сжатия с потерями, что означает потерю некоторых данных изображения в процессе сжатия. Это может привести к ухудшению качества изображения, особенно при высоких коэффициентах сжатия.
Блочные артефакты: При высоких коэффициентах сжатия блочная обработка алгоритма JPEG может привести к видимым блочным артефактам, которые проявляются в виде заметных квадратных блоков на изображении. Эти артефакты особенно заметны в областях с плавными градиентами.
Неэффективен для текста и штриховых рисунков: JPEG плохо подходит для сжатия изображений, содержащих текст, штриховые рисунки или резкие края. Изображения такого типа часто содержат высокочастотные детали, которые отбрасываются алгоритмом JPEG, что приводит к размытому или искаженному виду.
Не подходит для многократных циклов редактирования: Поскольку JPEG является форматом с потерями, повторное редактирование и сохранение JPEG-изображения приведет к совокупной потере качества. Для изображений, требующих многократных циклов редактирования, лучше использовать формат без потерь, такой как PNG или TIFF.

Применение алгоритма JPEG

Алгоритм JPEG используется в широком спектре приложений, включая:

Веб-изображения: JPEG — самый распространенный формат для изображений в интернете. Его высокие коэффициенты сжатия делают его идеальным для сокращения времени загрузки страниц и минимизации потребления пропускной способности.
Цифровая фотография: Большинство цифровых камер используют JPEG в качестве формата по умолчанию для хранения фотографий. Это позволяет хранить большое количество изображений на карте памяти, не жертвуя при этом слишком сильно качеством изображения.
Социальные сети: Платформы социальных сетей, такие как Facebook, Instagram и Twitter, используют JPEG для сжатия и хранения загруженных пользователями изображений.
Архивирование изображений: Хотя JPEG не идеален для долгосрочного архивирования критически важных изображений из-за своей природы с потерями, он часто используется для архивирования изображений, где дисковое пространство является основной проблемой, а некоторое ухудшение качества приемлемо.
Сжатие видео: JPEG также используется в качестве основы для некоторых стандартов сжатия видео, таких как Motion JPEG (MJPEG).

Альтернативы JPEG и будущие тенденции

Хотя JPEG остается доминирующим форматом, в последние годы появилось несколько альтернативных алгоритмов сжатия изображений, предлагающих улучшенную производительность и функции:

JPEG 2000: JPEG 2000 — это более новый стандарт сжатия изображений, который предлагает несколько преимуществ по сравнению с оригинальным алгоритмом JPEG, включая лучшие коэффициенты сжатия, поддержку сжатия без потерь и улучшенную обработку высокочастотных деталей. Однако JPEG 2000 не достиг такого же уровня широкого распространения, как JPEG, из-за своей более высокой вычислительной сложности и проблем с лицензированием.
WebP: WebP — это формат изображений, разработанный Google, который предлагает как сжатие без потерь, так и с потерями. WebP обычно обеспечивает лучшие коэффициенты сжатия, чем JPEG, при сохранении сопоставимого или лучшего качества изображения. Он все чаще используется в интернете и поддерживается большинством современных браузеров.
HEIF (High Efficiency Image File Format): HEIF — это формат-контейнер для изображений и видео, который использует стандарт сжатия High Efficiency Video Coding (HEVC). HEIF предлагает превосходную эффективность сжатия и поддерживает широкий спектр функций, включая анимацию, прозрачность и информацию о глубине. Он используется устройствами Apple на базе iOS и набирает все большую популярность.
AVIF (AV1 Image File Format): AVIF — это формат изображений, основанный на видеокодеке AV1. Он обеспечивает значительно лучшее сжатие, чем JPEG, при сопоставимом или лучшем качестве изображения. AVIF набирает популярность благодаря своему открытому исходному коду и поддержке со стороны крупных технологических компаний.

Будущее сжатия изображений, вероятно, будет определяться растущим спросом на высококачественные изображения и видео, а также необходимостью сокращения дискового пространства и потребления пропускной способности. Новые алгоритмы сжатия, такие как WebP, HEIF и AVIF, готовы играть более заметную роль в цифровом ландшафте, предлагая улучшенную производительность и функции по сравнению с устаревающим стандартом JPEG. Однако широкая совместимость JPEG, вероятно, обеспечит его актуальность еще на многие годы.

Заключение

Алгоритм JPEG на протяжении десятилетий был краеугольным камнем цифровой обработки изображений. Его способность достигать высоких коэффициентов сжатия при сохранении приемлемого качества изображения сделала его доминирующим форматом для хранения и обмена фотографическими изображениями. Понимание принципов и ограничений алгоритма JPEG необходимо каждому, кто работает с цифровыми изображениями, будь то фотографы, веб-разработчики или графические дизайнеры. Хотя появляются новые алгоритмы сжатия изображений, наследие и широкая совместимость JPEG обеспечивают его неизменную важность в цифровом мире.

Понимая тонкости алгоритма JPEG, вы можете принимать обоснованные решения о сжатии изображений и оптимизировать свои изображения для различных приложений, балансируя между качеством изображения, размером файла и совместимостью для достижения наилучших возможных результатов.