JPEG फॉर्मेट कैसे काम करता है

JPEG की छवियां हमारे डिजिटल जीवन में हर जगह पाई जाती हैं, लेकिन जागरूकता के इस कवर के पीछे एल्गोरिदम निहित हैं जो उन विवरणों को खत्म करते हैं जो मानव आंख से नहीं होते हैं। परिणाम सबसे छोटी फ़ाइल आकार के साथ उच्चतम दृश्य गुणवत्ता है - लेकिन यह बिल्कुल कैसे काम करता है? आइए देखें कि वास्तव में हमारी आँखें क्या नहीं देखती हैं!

यह लेना आसान है, दी गई है, किसी दोस्त को फोटो भेजने की क्षमता, और यह चिंता नहीं है कि यह किस डिवाइस, ब्राउज़र या ऑपरेटिंग सिस्टम का उपयोग करता है - हालांकि, यह हमेशा ऐसा नहीं रहा है। 1980 के दशक की शुरुआत तक, कंप्यूटर डिजिटल छवियों को संग्रहीत और प्रदर्शित करना जानते थे, लेकिन ऐसा करने के सर्वोत्तम तरीके के बारे में कई प्रतिस्पर्धी विचार थे। बस एक कंप्यूटर से दूसरे कंप्यूटर पर एक छवि भेजना और यह आशा करना असंभव था कि सब कुछ काम करता है।

इस समस्या को हल करने के लिए, 1986 में दुनिया भर के विशेषज्ञों की एक समिति का नाम "संयुक्त फोटोग्राफिक विशेषज्ञ समूह (JPEG)" के तहत इकट्ठा किया गया था, जो अंतर्राष्ट्रीय मानकीकरण संगठन (आईएसओ) और अंतर्राष्ट्रीय इलेक्ट्रोटेक्निकल कमीशन (IEC) के सहयोग पर आधारित है। ) - दो अंतर्राष्ट्रीय मानकीकरण संगठन, जिनका मुख्यालय जिनेवा (स्विट्जरलैंड) में स्थित है।

JPEG नामक लोगों के एक समूह ने 1992 में JPEG डिजिटल छवि संपीड़न मानक बनाया। इंटरनेट का उपयोग करने वाले किसी को भी JPEG- एन्कोडेड छवियों का सामना करने की संभावना थी। यह छवियों को एन्कोड करने, भेजने और संग्रहीत करने का सबसे आम तरीका है। वेब पेज से लेकर ईमेल और सोशल नेटवर्क तक, जेपीईजी का उपयोग दिन में अरबों बार किया जाता है - लगभग हर बार जब हम किसी छवि को ऑनलाइन देखते हैं या भेजते हैं। JPEG के बिना, वेब कम जीवंत, धीमा होगा, और शायद कम बिल्ली के चित्र होंगे!

यह आलेख JPEG छवि को डीकोड करने के तरीके के बारे में है। दूसरे शब्दों में, कंप्यूटर पर संग्रहीत संपीड़ित डेटा को स्क्रीन पर दिखाई देने वाली छवि में परिवर्तित करने के लिए क्या आवश्यक है। इसके बारे में जानने के लायक है, न केवल क्योंकि यह उस तकनीक को समझने के लिए महत्वपूर्ण है जिसे हम दैनिक उपयोग करते हैं, बल्कि इसलिए भी कि संपीड़न स्तरों का खुलासा करते समय, हम धारणा और दृष्टि को बेहतर ढंग से समझते हैं, साथ ही उन विवरणों को भी समझते हैं जिनके लिए हमारी आंखें सबसे संवेदनशील हैं।

इसके अलावा, इस तरह से छवियों के साथ खेलना बहुत दिलचस्प है।

जेपीईजी के अंदर देखना

कंप्यूटर पर, सब कुछ बाइनरी संख्याओं के अनुक्रम के रूप में संग्रहीत किया जाता है। आमतौर पर, ये बिट्स, शून्य और वाले, आठ में समूहीकृत होते हैं, जो बाइट बनाते हैं। जब आप एक कंप्यूटर पर JPEG छवि खोलते हैं, तो कुछ (ब्राउज़र, ओएस, कुछ और) को बाइट्स को डीकोड करना चाहिए, मूल छवि को उन रंगों की सूची के रूप में पुनर्स्थापित करना चाहिए जिन्हें प्रदर्शित किया जा सकता है।

यदि आप इस प्यारी बिल्ली की तस्वीर को डाउनलोड करते हैं और इसे एक पाठ संपादक में खोलते हैं, तो आप असंगत पात्रों का एक गुच्छा देखेंगे।


यहां मैं एक फाइल की सामग्री की जांच करने के लिए नोटपैड ++ का उपयोग करता हूं, क्योंकि विंडोज से नोटपैड जैसे नियमित पाठ संपादक सहेजने के बाद बाइनरी को दूषित कर देंगे और यह JPEG प्रारूप को संतुष्ट नहीं करेगा।

जब आप एक टेक्स्ट एडिटर में एक छवि खोलते हैं, तो आप कंप्यूटर को भ्रमित करते हैं, ठीक उसी तरह जैसे आप अपने मस्तिष्क को भ्रमित करते हैं जब आप अपनी आँखें रगड़ते हैं और रंगीन स्पॉट देखना शुरू करते हैं!

आपके द्वारा देखे जाने वाले ये धब्बे फॉस्फेन के रूप में जाने जाते हैं और यह दिमाग द्वारा उत्पन्न किसी प्रकाश उत्तेजना या मतिभ्रम के संपर्क में नहीं होते हैं। वे इसलिए होते हैं क्योंकि आपका मस्तिष्क मानता है कि ऑप्टिक नसों में कोई भी विद्युत संकेत प्रकाश के बारे में जानकारी संचारित करता है। मस्तिष्क को इस तरह की धारणाएं बनाने की जरूरत है, क्योंकि यह जानना असंभव है कि संकेत ध्वनि, दृष्टि या कुछ और है। शरीर की सभी नसें समान विद्युत आवेगों को संचारित करती हैं। आंखों पर दबाव डालकर, आप ऐसे संकेत भेजते हैं जो दृश्य नहीं होते हैं, लेकिन आंख के रिसेप्टर्स को सक्रिय करते हैं जो आपके मस्तिष्क की व्याख्या करता है - इस मामले में, गलत तरीके से - कुछ दृश्य के रूप में। आप सचमुच दबाव देखने में सक्षम हैं!

यह सोचना मजेदार है कि कंप्यूटर मस्तिष्क की तरह कैसे दिखते हैं, लेकिन यह एक उपयोगी सादृश्य भी है जो दिखाता है कि डेटा का महत्व कितनी दृढ़ता से है - शरीर द्वारा नसों के माध्यम से प्रेषित, या कंप्यूटर पर संग्रहीत - उनकी व्याख्या पर निर्भर करता है। सभी द्विआधारी डेटा में शून्य और वाले होते हैं, बुनियादी घटक जो किसी भी प्रकार की जानकारी संचारित कर सकते हैं। आपका कंप्यूटर अक्सर अनुमान लगाता है कि फ़ाइल एक्सटेंशन जैसे संकेत का उपयोग करके उनकी व्याख्या कैसे करें। और अब हम उन्हें पाठ के रूप में व्याख्या करने के लिए मजबूर कर रहे हैं, क्योंकि यह पाठ संपादक की अपेक्षा है।

जेपीईजी को डिकोड करने के तरीके को समझने के लिए, हमें मूल संकेतों को स्वयं देखने की आवश्यकता है - बाइनरी डेटा। यह हेक्स संपादक का उपयोग करके, या सीधे मूल लेख के वेब पेज पर किया जा सकता है! एक छवि है, जिसके बगल में टेक्स्ट बॉक्स उसके सभी बाइट्स (हेडर को छोड़कर), दशमलव रूप में प्रस्तुत किए गए हैं। आप उन्हें बदल सकते हैं, और स्क्रिप्ट को फिर से भरना और मक्खी पर एक नई छवि का उत्पादन करेगा।



आप इस संपादक के साथ खेलकर बहुत कुछ सीख सकते हैं। उदाहरण के लिए, क्या आप बता सकते हैं कि पिक्सल किस क्रम में संग्रहीत हैं?

इस उदाहरण में, यह अजीब है कि कुछ संख्याओं को बदलने से छवि बिल्कुल प्रभावित नहीं होती है, लेकिन, उदाहरण के लिए, यदि आप पहली पंक्ति में 0 के साथ संख्या 17 को प्रतिस्थापित करते हैं, तो तस्वीर पूरी तरह से खराब हो जाएगी!



अन्य परिवर्तन, उदाहरण के लिए, 254 नंबर के साथ लाइन 1988 पर 7 की जगह रंग बदलता है, लेकिन केवल बाद के पिक्सेल।



शायद सबसे अजीब बात यह है कि कुछ संख्याएं न केवल रंग बदलती हैं, बल्कि छवि का आकार भी बनाती हैं। लाइन 12 से 2 पर 70 को बदलें और छवि का शीर्ष पंक्ति देखें कि मेरा क्या मतलब है।



और कोई फर्क नहीं पड़ता कि जेपीईजी छवि आप क्या उपयोग करते हैं, बाइट्स को संपादित करते समय आप हमेशा इन गुप्त शतरंज अनुक्रमों को देखेंगे।

संपादक के साथ खेलते समय, यह समझना मुश्किल है कि इन बाइट्स से फोटो को कैसे बनाया गया है, क्योंकि JPEG संपीड़न में तीन अलग-अलग प्रौद्योगिकियां शामिल हैं जो कि स्तरों पर क्रमिक रूप से लागू होती हैं। हम उनमें से प्रत्येक का अध्ययन करेंगे जो हमारे द्वारा देखे गए रहस्यमय व्यवहार को प्रकट करने के लिए अलग-अलग होंगे।

JPEG संपीड़न के तीन स्तर:

1. रंग नीचे आना ।
2. असतत कोसाइन रूपांतरण और विवेकाधिकार ।
3. एन्कोडिंग श्रृंखला की लंबाई , डेल्टा और हफ़मैन

ताकि आप संपीड़न के पैमाने की कल्पना कर सकें, कृपया ध्यान दें कि ऊपर की छवि 79,819 संख्याओं का प्रतिनिधित्व करती है, अर्थात लगभग 79 Kb। यदि हम इसे बिना संपीड़न के संग्रहीत करते हैं, तो प्रत्येक पिक्सेल के लिए तीन संख्याओं की आवश्यकता होगी - लाल, हरे और नीले घटक के लिए। यह 917,700 नंबर या लगभग होगा। 917 Kb। JPEG संपीड़न के परिणामस्वरूप, परिणामी फ़ाइल 10 गुना से अधिक घट गई है!

वास्तव में, इस छवि को बहुत अधिक दृढ़ता से संपीड़ित किया जा सकता है। नीचे दो चित्र हैं जो साइड में हैं - दाईं ओर की फोटो 16 Kb पर सिकुड़ी हुई थी, जो कि असम्पीडित संस्करण से 57 गुना छोटा है!



यदि आप बारीकी से देखते हैं, तो आप देखेंगे कि ये चित्र समान नहीं हैं। वे दोनों जेपीईजी संपीड़न के साथ चित्र हैं, लेकिन सही मात्रा में बहुत छोटा है। यह थोड़ा बुरा भी लगता है (पृष्ठभूमि के रंगों के वर्गों को देखें)। इसलिए, जेपीईजी को हानिपूर्ण संपीड़न भी कहा जाता है; संपीड़न के दौरान, छवि बदल जाती है और कुछ विवरण खो देती है।

1. रंग downsampling

यहां केवल पहले संपीड़न स्तर का उपयोग करके एक छवि है।


(इंटरएक्टिव संस्करण - मूल लेख में)। एक नंबर निकालने से सभी रंग नष्ट हो जाते हैं। हालांकि, यदि आप ठीक छह नंबर हटाते हैं, तो यह व्यावहारिक रूप से छवि को प्रभावित नहीं करता है।

अब संख्याओं को समझना थोड़ा आसान हो गया है। यह रंगों की एक लगभग सरल सूची है, जिसमें प्रत्येक बाइट बिल्कुल एक पिक्सेल बदलती है, लेकिन साथ ही यह पहले से ही एक असम्पीडित छवि का आधा आकार है (जो इतने कम आकार में लगभग 300 केबी पर कब्जा कर लेगा)। लगता है क्यों?

आप देख सकते हैं कि ये संख्याएँ मानक लाल, हरे और नीले घटकों को निरूपित नहीं करती हैं, क्योंकि यदि हम सभी संख्याओं को शून्य से प्रतिस्थापित करते हैं, तो हमें एक हरे रंग की छवि मिलती है (और सफेद नहीं)।



ऐसा इसलिए है क्योंकि ये बाइट्स Y (चमक) को दर्शाते हैं,



सीबी (सापेक्ष नीलापन),



और सीआर (सापेक्ष लालिमा) चित्र।



आरजीबी का उपयोग क्यों नहीं? वास्तव में, यह सबसे आधुनिक स्क्रीन काम करता है। आपका मॉनिटर किसी भी रंग को दिखा सकता है, जिसमें प्रत्येक पिक्सेल के लिए अलग-अलग तीव्रता के साथ लाल, हरा और नीला शामिल है। श्वेत को तीनों पूर्ण चमक पर, और काले - को बंद करके प्राप्त किया जाता है।



यह भी मानव आंख के काम के समान है। हमारी आंखों के रंग रिसेप्टर्स को " शंकु " कहा जाता है और इन्हें तीन प्रकारों में विभाजित किया जाता है, जिनमें से प्रत्येक लाल, हरे, या नीले रंग के प्रति अधिक संवेदनशील होता है [S- प्रकार के शंकु वायलेट-ब्लू में संवेदनशील होते हैं (अंग्रेजी से शार्ट शॉर्ट - शॉर्टवेव) स्पेक्ट्रम), एम-प्रकार - हरे-पीले रंग में (अंग्रेजी से एम। मध्यम - मध्यम लहर), और एल-प्रकार - पीले-लाल (अंग्रेजी से एल। लंबी - लंबी-लहर) स्पेक्ट्रम के कुछ हिस्सों में। इन तीन प्रकार के शंकु की उपस्थिति (और स्पेक्ट्रम के पन्ना हरे हिस्से में संवेदनशील छड़) एक व्यक्ति को रंग दृष्टि देती है। / लगभग। ट्रांस।]। रॉड्स , हमारी आंखों में एक अन्य प्रकार के फोटोरिसेप्टर, केवल चमक में परिवर्तन को पकड़ सकते हैं, लेकिन वे बहुत अधिक संवेदनशील हैं। हमारी आंखों में लगभग 120 मिलियन छड़ और केवल 6 मिलियन शंकु हैं।

इसलिए, हमारी आंखों के रंग में बदलाव की तुलना में चमक में बदलाव नोटिस करता है। यदि आप रंग को चमक से अलग करते हैं, तो आप थोड़ा रंग हटा सकते हैं, और कोई भी कुछ भी नोटिस नहीं करेगा। रंग downsampling चमक घटकों की तुलना में कम संकल्प पर एक छवि के रंग घटकों का प्रतिनिधित्व करने की प्रक्रिया है। ऊपर दिए गए उदाहरण में, प्रत्येक पिक्सेल में ठीक एक Y घटक होता है, और चार पिक्सेल के प्रत्येक व्यक्ति समूह में ठीक एक Cb घटक और एक Cr होता है। इसलिए, छवि में मूल की तुलना में चार गुना कम रंग की जानकारी होती है।

YCbCr रंग अंतरिक्ष न केवल JPEG में प्रयोग किया जाता है। यह मूल रूप से टेलीविजन शो के लिए 1938 में आविष्कार किया गया था। सभी के पास रंगीन टीवी नहीं है, इसलिए रंग और चमक के अलगाव ने सभी को एक ही संकेत प्राप्त करने की अनुमति दी, और बिना रंग के टीवी ने केवल चमक घटक का उपयोग किया।

इसलिए, संपादक से एक नंबर को हटाने से सभी रंग पूरी तरह से नष्ट हो जाते हैं। घटकों को YYYY Cb Cr के रूप में संग्रहीत किया जाता है (वास्तव में, जरूरी नहीं कि उस क्रम में - फ़ाइल हेडर में भंडारण क्रम निर्दिष्ट है)। पहली संख्या को हटाने से तथ्य यह होगा कि पहले Cb मान को Y, Cr को Cb के रूप में माना जाएगा, और एक पूरे प्रभाव के रूप में, चित्र के सभी रंगों को स्विच करते हुए निकलेगा।

JPEG विनिर्देश आपको YCbCr का उपयोग करने के लिए बाध्य नहीं करता है। लेकिन ज्यादातर फाइलों में इसका उपयोग किया जाता है क्योंकि यह RGB की तुलना में डाउनसम्पलिंग के बाद बेहतर गुणवत्ता वाली छवियां देता है। लेकिन आपको इसके लिए मेरा शब्द नहीं लेना होगा। नीचे दी गई तालिका में अपने आप को देखें कि प्रत्येक व्यक्तिगत घटक की डाउनसम्पलिंग RGB और YCbCr में कैसे दिखेगी।


(इंटरएक्टिव संस्करण - मूल लेख में)।

नीला हटाना लाल या हरे रंग की तरह ध्यान देने योग्य नहीं है। ऐसा इसलिए है क्योंकि आपकी आंखों में छह मिलियन शंकु हैं, लगभग 64% लाल रंग के प्रति संवेदनशील हैं, 32% हरे और 2% नीले रंग के हैं।

घटक Y का उप-नमूना (नीचे बाएं) सबसे अच्छा देखा जाता है। ध्यान देने योग्य थोड़ा परिवर्तन भी है।

RGB से YCbCr पर छवि बदलने से फ़ाइल का आकार कम नहीं होता है, लेकिन कम ध्यान देने योग्य विवरणों को ढूंढना आसान हो जाता है जिन्हें हटाया जा सकता है। हानिपूर्ण संपीड़न दूसरे चरण में होता है। यह अधिक संकुचित रूप में डेटा का प्रतिनिधित्व करने के विचार पर आधारित है।

2. असतत कोसाइन रूपांतरण और विवेकाधिकार

अधिकांश भाग के लिए यह संपीड़न स्तर JPEG का सार निर्धारित करता है। YCbCr में रंगों को परिवर्तित करने के बाद, घटकों को अलग से संकुचित किया जाता है, इसलिए हम बाद में केवल Y घटक पर ध्यान केंद्रित कर सकते हैं। और इस तरह से Y घटक के बाइट्स इस स्तर को लागू करने के बाद दिखते हैं।


(इंटरएक्टिव संस्करण - मूल लेख में)। इंटरैक्टिव संस्करण में, पिक्सेल पर क्लिक करने से संपादक को उस रेखा पर स्क्रॉल करता है जो इसे इंगित करता है। अंत से संख्याओं को हटाने या एक विशिष्ट संख्या में कुछ शून्य जोड़ने का प्रयास करें।

पहली नज़र में, यह एक बहुत खराब संपीड़न जैसा दिखता है। छवि में 100,000 पिक्सेल हैं, और उनकी चमक (Y- घटक) को इंगित करने के लिए 102,400 नंबर आवश्यक हैं - यह किसी भी चीज़ को संपीड़ित न करने से भी बदतर है!

हालाँकि, ध्यान दें कि इनमें से अधिकांश संख्याएँ शून्य हैं। इसके अलावा, लाइनों के अंत में इन सभी शून्य को छवि को बदले बिना हटाया जा सकता है। लगभग 26,000 संख्याएँ शेष हैं, और यह लगभग 4 गुना कम है!

इस स्तर पर शतरंज पैटर्न का रहस्य है। अन्य प्रभावों के विपरीत जो हमने देखा, इन पैटर्नों की उपस्थिति एक गड़बड़ नहीं है। वे पूरी छवि के निर्माण खंड हैं। संपादक की प्रत्येक पंक्ति में ठीक 64 संख्याएँ हैं, असतत कोसाइन रूपांतरण (DCT) गुणांक 64 अद्वितीय प्रतिमानों की तीव्रता के अनुरूप हैं।

ये पैटर्न कॉशन ग्राफ के आधार पर बनते हैं। यहाँ उनमें से कुछ हैं:


64 बाधाओं में से 8

नीचे एक छवि है जो सभी 64 पैटर्न दिखा रहा है।


(इंटरएक्टिव संस्करण - मूल लेख में)।

इन पैटर्न का विशेष महत्व है क्योंकि वे 8x8 छवियों का आधार बनाते हैं। यदि आप रैखिक बीजगणित से अपरिचित हैं, तो इसका मतलब है कि इन 8 में से कोई भी 8x8 छवि प्राप्त की जा सकती है। DCT 8x8 ब्लॉक में छवियों को विभाजित करने और प्रत्येक ब्लॉक को इन 64 गुणांकों के संयोजन में बदलने की प्रक्रिया है।

तथ्य यह है कि किसी भी छवि 64 विशिष्ट पैटर्न से बना हो सकता है जादू लगता है। हालाँकि, यह कहने के लिए समान है कि पृथ्वी पर किसी भी स्थान को दो संख्याओं द्वारा वर्णित किया जा सकता है - अक्षांश और देशांतर [गोलार्द्ध / लगभग इंगित करता है। ट्रांस।]। हम अक्सर पृथ्वी की सतह को दो आयामी मानते हैं, इसलिए हमें केवल दो संख्याओं की आवश्यकता होती है। एक 8x8 छवि में 64 आयाम हैं, इसलिए हमें 64 नंबर चाहिए।

यह अभी तक स्पष्ट नहीं है कि यह हमें संपीड़न के अर्थ में कैसे मदद करता है। अगर हमें 8x8 छवि का प्रतिनिधित्व करने के लिए 64 नंबर की आवश्यकता है, तो यह सिर्फ 64 ल्यूमिनेंस घटकों को संग्रहीत करने से बेहतर क्यों होगा? हम इसी कारण से करते हैं कि हमने तीन आरजीबी संख्याओं को तीन वाईसीबीसीआर संख्याओं में बदल दिया: यह हमें अदृश्य विवरणों को हटाने की अनुमति देता है।

यह देखना कठिन है कि इस चरण में कौन से विवरण निकाले गए हैं, क्योंकि JPEG 8x8 ब्लॉकों पर DCT लागू करता है। हालांकि, कोई भी हमें इसे पूरी तस्वीर पर लागू करने के लिए मना नहीं करता है। पूरी तस्वीर पर लागू होने पर घटक Y में DCT कैसा दिखता है:



अंत से, आप फोटो में वस्तुतः कोई ध्यान देने योग्य परिवर्तन के साथ 60,000 से अधिक नंबर हटा सकते हैं।



हालांकि, ध्यान दें कि यदि हम पहले पांच नंबर को रीसेट करते हैं, तो अंतर स्पष्ट होगा।



शुरुआत में संख्या छवि में कम आवृत्ति परिवर्तनों को इंगित करती है, और हमारी आंखें उन्हें सबसे अच्छा उठाती हैं। अंत के पास की संख्या उच्च आवृत्तियों में परिवर्तन दर्शाती है जो नोटिस करना अधिक कठिन है। "जो आंख से दिखाई नहीं दे रहा है उसे देखने के लिए" हम पहले 5000 की संख्या को शून्य करके इन उच्च आवृत्ति भागों को अलग कर सकते हैं।



हम छवि के सभी क्षेत्रों को देखते हैं जिसमें पिक्सेल से पिक्सेल में सबसे बड़ा परिवर्तन होता है। निचले बाएँ कोने में बिल्ली की आँखें, उसकी मूंछें, टेरी कंबल और छाया बाहर खड़ी हैं। आप पहले 10,000 नंबरों को साफ़ करके आगे बढ़ सकते हैं:



20 000:



40 000:



60 000:



ये हाई-फ्रीक्वेंसी पार्ट्स कंप्रेशन फेज के दौरान jpeg और डिलीट होते हैं। रंग को DCT गुणांक में बदलना दोषरहित है। नुकसान विवेक के कदम पर उत्पन्न होते हैं, जहां उच्च आवृत्ति मान या शून्य के करीब हटा दिए जाते हैं। जब आप JPEG को सहेजने की गुणवत्ता को कम करते हैं, तो प्रोग्राम हटाए गए मानों की संख्या के लिए सीमा बढ़ाता है, जो फ़ाइल आकार में कमी देता है, लेकिन चित्र को अधिक पिक्सेल बनाता है। इसलिए, पहले खंड में छवि, जो 57 गुना छोटी थी, इस तरह दिखती थी। प्रत्येक 8x8 ब्लॉक में एक बेहतर संस्करण की तुलना में डीसीटी गुणांक की बहुत कम संख्या थी।

आप छवियों के क्रमिक स्ट्रीमिंग की तरह एक शांत प्रभाव बना सकते हैं। आप एक धुंधली तस्वीर दिखा सकते हैं, जो अधिक विस्तृत हो जाती है क्योंकि अधिक से अधिक गुणांक डाउनलोड हो जाते हैं।

यहाँ, सिर्फ मनोरंजन के लिए, क्या होता है जब सिर्फ 24,000 नंबरों का उपयोग किया जाता है:



या सिर्फ 5000:



बहुत धुंधली, लेकिन मानो पहचानने लायक!

3. श्रृंखला लंबाई, डेल्टा और हफमैन का कोडिंग

अब तक, संपीड़न के सभी चरण नुकसान के साथ चले गए हैं। अंतिम चरण, इसके विपरीत, नुकसान के बिना चला जाता है। यह जानकारी को नष्ट नहीं करता है, लेकिन फ़ाइल आकार को महत्वपूर्ण रूप से कम कर देता है।

बिना सूचना को छोड़े आप कैसे कुछ संकुचित कर सकते हैं? कल्पना कीजिए कि हम एक साधारण काले आयत 700 x 437 का वर्णन कैसे करेंगे।

जेपीईजी इसके लिए 5000 नंबरों का उपयोग करता है, लेकिन बहुत बेहतर परिणाम प्राप्त किया जा सकता है। क्या आप एक ऐसी कोडिंग स्कीम की कल्पना कर सकते हैं जो इस तरह की इमेज को कुछ बाइट्स के साथ संभव हो सके?

न्यूनतम योजना जिसे मैं चार: तीन के साथ रंग इंगित करने के लिए उपयोग कर सकता हूं, और चौथा - उस रंग में कितने पिक्सेल हैं। ऐसे संकुचित तरीके से बार-बार मूल्यों का प्रतिनिधित्व करने के विचार को श्रृंखला लंबाई कोडिंग कहा जाता है। इसका कोई नुकसान नहीं है, क्योंकि हम इसके मूल रूप में एन्कोड किए गए डेटा को पुनर्स्थापित कर सकते हैं।

काली आयत के साथ JPEG फ़ाइल का आकार 4 बाइट्स से बहुत बड़ा है - याद रखें कि DCT स्तर पर, संपीड़न 8x8 पिक्सेल के ब्लॉक पर लागू होता है। इसलिए, प्रत्येक 64 पिक्सेल के लिए कम से कम हमें एक डीसीटी गुणांक की आवश्यकता होती है। हमें एक की आवश्यकता है क्योंकि 63 शून्य के बाद एक एकल डीसीटी गुणांक के भंडारण के बजाय श्रृंखला की लंबाई एन्कोडिंग हमें एक नंबर स्टोर करने की अनुमति देती है और संकेत देती है कि "सभी अन्य शून्य हैं"।

डेल्टा कोडिंग एक ऐसी तकनीक है जिसमें प्रत्येक बाइट में निरपेक्ष मान के बजाय कुछ मूल्य का अंतर होता है। इसलिए, कुछ बाइट्स को संपादित करने से अन्य सभी पिक्सेल का रंग बदल जाता है। उदाहरण के लिए, भंडारण के बजाय

12 13 14 14 14 13 13 14

हम 12 के साथ शुरू कर सकते हैं, और उसके बाद बस संकेत कर सकते हैं कि हमें अगला नंबर प्राप्त करने के लिए कितना जोड़ना या घटाना है। और डेल्टा कोडिंग में यह अनुक्रम फॉर्म लेता है:

12 1 0 0 -1 -1 0 1

परिवर्तित डेटा मूल से कम प्राप्त नहीं किया गया है, लेकिन इसे संपीड़ित करना पहले से आसान है। एन्कोडिंग श्रृंखला की लंबाई से पहले डेल्टा कोडिंग का उपयोग करना बहुत मदद कर सकता है, जबकि शेष दोषरहित संपीड़न।

डेल्टा कोडिंग 8x8 ब्लॉकों के बाहर उपयोग की जाने वाली कुछ तकनीकों में से एक है। 64 डीसीटी गुणांकों में से, बस एक निरंतर तरंग फ़ंक्शन (ठोस रंग) है। यह ल्यूमिनेन्स घटकों के लिए प्रत्येक ब्लॉक की औसत चमक, या सीबी घटकों के लिए औसत मोटाई का प्रतिनिधित्व करता है, और इसी तरह। प्रत्येक DCT ब्लॉक के पहले मूल्य को DC मान कहा जाता है, और प्रत्येक DC मान पिछले वाले के संबंध में डेल्टा कोडिंग से गुजरता है। इसलिए, पहले ब्लॉक की चमक में बदलाव सभी ब्लॉक को प्रभावित करेगा।

आखिरी रहस्य बना हुआ है: एकवचन परिवर्तन पूरी तस्वीर को पूरी तरह से कैसे खराब करता है? अब तक, संपीड़न स्तरों में ऐसे गुण नहीं थे। जवाब JPEG हेडर में निहित है। पहले 500 बाइट में छवि के बारे में मेटाडाटा होता है - चौड़ाई, ऊंचाई, आदि, और अब तक हमने उनके साथ काम नहीं किया है।

हेडर के बिना, जेपीईजी को डीकोड करना लगभग असंभव (अच्छी तरह से, या बहुत मुश्किल) है। ऐसा लगेगा जैसे कि मैं आपको चित्र का वर्णन करने की कोशिश कर रहा हूं, और अपनी छाप बताने के लिए शब्दों का आविष्कार करना शुरू कर दूं। वर्णन शायद बहुत संक्षिप्त होगा, क्योंकि मैं शब्दों का आविष्कार ठीक उसी अर्थ के साथ कर सकता हूं जिसे मैं व्यक्त करना चाहता हूं, लेकिन अन्य सभी के लिए वे समझ में नहीं आएंगे।

यह बेवकूफ लगता है, लेकिन वास्तव में ऐसा ही होता है। प्रत्येक JPEG छवि को इसके लिए विशिष्ट कोड के साथ संपीड़ित किया जाता है। कोड का एक शब्दकोश हेडर में संग्रहीत किया जाता है। इस तकनीक को हफ़मैन कोड कहा जाता है, और शब्दकोश को हफ़मैन तालिका कहा जाता है। शीर्ष लेख में, तालिका को दो बाइट्स - 255 और फिर 196 के साथ चिह्नित किया गया है। प्रत्येक रंग घटक की अपनी तालिका हो सकती है।

तालिकाओं में परिवर्तन मौलिक रूप से किसी भी छवि को प्रभावित करेगा। 15 वीं पंक्ति में 12 में से 1 को बदलना एक अच्छा उदाहरण है।



इसका कारण यह है कि टेबल व्यक्तिगत बिट्स को पढ़ने का संकेत देते हैं। अब तक, हमने केवल दशमलव रूप में द्विआधारी संख्याओं के साथ काम किया है। लेकिन यह हमसे इस तथ्य को छिपाता है कि यदि आप एक बाइट में नंबर 1 को स्टोर करना चाहते हैं, तो यह 00000001 की तरह दिखाई देगा, क्योंकि प्रत्येक बाइट में ठीक आठ बिट्स होने चाहिए, भले ही उनमें से केवल एक की आवश्यकता हो।

यदि आपके पास बहुत कम संख्या है, तो यह संभावित रूप से अंतरिक्ष की एक बड़ी बर्बादी है। हफ़मैन कोड एक ऐसी तकनीक है जो हमें इस आवश्यकता को पूरा करने की अनुमति देती है, जिसके अनुसार प्रत्येक संख्या को आठ बिट्स पर कब्जा करना चाहिए। इसका मतलब है कि यदि आप दो बाइट्स देखते हैं:

234 115

वह, हफ़मैन तालिका के आधार पर, ये तीन संख्याएँ हो सकती हैं। उन्हें निकालने के लिए, आपको पहले उन्हें अलग-अलग बिट्स में विभाजित करने की आवश्यकता है:

11101010 01110011

फिर हम यह समझने के लिए तालिका में बदल जाते हैं कि उन्हें कैसे समूहित किया जाए। उदाहरण के लिए, यह पहले छह बिट्स हो सकते हैं, (111010), या दशमलव प्रणाली में 58, इसके बाद पांच बिट्स (10011), या 19, और अंत में अंतिम चार बिट्स (0011), या 3.

इसलिए, बाइट्स को समझना बहुत मुश्किल है संपीड़न के इस स्तर पर। बाइट्स का प्रतिनिधित्व नहीं करता है कि यह क्या लगता है। मैं इस लेख में तालिका के साथ काम करने के विवरण में नहीं जाऊंगा, लेकिन नेटवर्क पर इस मुद्दे पर पर्याप्त सामग्री है ।

दिलचस्प ट्रिक्स में से एक आप कर सकते हैं यदि आप जानते हैं कि हेडर को जेपीईजी से अलग करना और इसे अलग से स्टोर करना है। वास्तव में, यह पता चला है कि केवल आप फ़ाइल पढ़ सकते हैं। फ़ेसबुक साइज़ को और कम करने के लिए फेसबुक ऐसा कर रहा है।

आप और क्या कर सकते हैं हफ़मैन तालिका को थोड़ा संशोधित करें। दूसरों के लिए, यह एक क्षतिग्रस्त तस्वीर की तरह दिखेगा। और केवल आपको इसके सुधार का जादू संस्करण पता चल जाएगा।

संक्षेप में: जेपीईजी डिकोडिंग के लिए क्या आवश्यक है? यह आवश्यक है:

1. हेडर से हफ़मैन तालिका निकालें और बिट्स को डीकोड करें।
2. श्रृंखला लंबाई और डेल्टा के कोडिंग के उलटा प्रदर्शन करके प्रत्येक 8x8 ब्लॉक के लिए प्रत्येक रंग और चमक घटक के लिए असतत कोसाइन रूपांतरण गुणांक निकालें।
3. , 88.
4. , ( ).
5. YCbCr RGB.
6. !

एक बिल्ली के साथ आसान चित्र देखने के लिए गंभीर काम! हालांकि, मुझे इसके बारे में जो पसंद है वह यह है कि आप देख सकते हैं कि जेपीईजी तकनीक मानव-केंद्रित कैसे है। यह हमारी धारणा की विशेषताओं पर आधारित है, जो हमें पारंपरिक प्रौद्योगिकियों की तुलना में बहुत बेहतर संपीड़न प्राप्त करने की अनुमति देता है। और अब, यह समझना कि जेपीईजी कैसे काम करता है, आप कल्पना कर सकते हैं कि इन तकनीकों को अन्य क्षेत्रों में कैसे स्थानांतरित किया जा सकता है। उदाहरण के लिए, वीडियो में डेल्टा कोडिंग फ़ाइल के आकार में एक गंभीर कमी दे सकती है, क्योंकि अक्सर पूरे क्षेत्र होते हैं जो फ्रेम से फ्रेम में नहीं बदलते हैं (उदाहरण के लिए, पृष्ठभूमि)।

लेख में उपयोग किया गया कोड खुला है, और इसमें चित्रों को स्वयं के साथ बदलने के निर्देश हैं।