JPEG文件格式簡單分析

作者：小爽

摘要：

這篇文章大體上介紹了JPEG文件的結(jié)構(gòu)信息以及它的壓縮算法和編碼方式。使讀者能夠?qū)?/SPAN>JPEG文件格式有大體上的了解。為讀者進(jìn)一步進(jìn)行學(xué)習(xí)JPEG文件壓縮做好準(zhǔn)備

關(guān)鍵字：十六進(jìn)制，段格式，編碼

一、    JPEG文件格式概述：

圖像和動(dòng)畫的存儲(chǔ)方式是一個(gè)很重要的問題。幸好我們有了數(shù)據(jù)壓縮，有了JPEG等多種壓縮存儲(chǔ)圖像的文件格式，我們今天才能夠拿著小小的一個(gè)存儲(chǔ)器，卻存上許多張色彩鮮艷的圖片。如果沒有圖像壓縮算法，也許我們的多媒體時(shí)代就會(huì)晚到來許多年。

JPEG圖像存儲(chǔ)格式一個(gè)比較成熟的圖像有損壓縮格式，雖然一個(gè)圖片經(jīng)過轉(zhuǎn)化為JPEG圖像后，一些數(shù)據(jù)會(huì)丟失，但是，人眼是很不容易分辨出來這種差別的。也就是說，JPEG圖像存儲(chǔ)格式既滿足了人眼對色彩和分辨率的要求，又適當(dāng)?shù)娜コ藞D像中很難被人眼所分辨出的色彩，在圖像的清晰與大小中JPEG找到了一個(gè)很好的平衡點(diǎn)。

雖然圖像轉(zhuǎn)化為JPEG格式會(huì)減小很多，但是并不是文件就變得簡單了，相反，JPEG文件的格式是比較復(fù)雜的。不經(jīng)過認(rèn)真地分析，是不容易弄懂它的。

二、    JPEG文件的存儲(chǔ)方式：

JPEG文件的格式是分為一個(gè)一個(gè)的段來存儲(chǔ)的（但并不是全部都是段），段的多少和長度并不是一定的。只要包含了足夠的信息，該JPEG文件就能夠被打開，呈現(xiàn)給人們。JPEG文件的每個(gè)段都一定包含兩部分一個(gè)是段的標(biāo)識(shí)，它由兩個(gè)字節(jié)構(gòu)成：第一個(gè)字節(jié)是十六進(jìn)制0xFF，第二個(gè)字節(jié)對于不同的段，這個(gè)值是不同的。緊接著的兩個(gè)字節(jié)存放的是這個(gè)段的長度（除了前面的兩個(gè)字節(jié)0xFF和0xXX，X表示不確定。他們是不算到段的長度中的）。注意：這個(gè)長度的表示方法是按照高位在前，低位在后的，與Intel的表示方法不同。比方說一個(gè)段的長度是0x12AB，那么它會(huì)按照0x12，0xAB的順序存儲(chǔ)。但是如果按照Intel的方式：高位在后，低位在前的方式會(huì)存儲(chǔ)成0xAB，0x12，而這樣的存儲(chǔ)方法對于JPEG是不對的。這樣的話如果一個(gè)程序不認(rèn)識(shí)JPEG文件某個(gè)段，它就可以讀取后兩個(gè)字節(jié)，得到這個(gè)段的長度，并跳過忽略它。

本人曾經(jīng)編寫過一個(gè)讀取JPEG文件信息的程序，該程序能夠讀取JPEG文件中包含的段的信息并顯示出來。下面是一個(gè)JPEG圖片的信息片斷：

SOI

        APP0    Length: 0x10

        DQT

                DQT [0]:

        8       6       5       8       12      20      26      31

        6       6       7       10      13      29      30      28

        7       7       8       12      20      29      35      60

        7       9       11      15      26      44      50      31

        9       11      19      28      34      56      52      0

        12      18      28      32      61      52      0       46

        25      32      39      57      52      0       60      0

        36      46      39      49      253     50      0       50

        Length: 0x43

        DQT

                DQT [1]:

        9       9       12      24      50      50      50      50

        9       11      13      33      50      50      50      50

        12      13      28      50      50      50      50      50

        24      33      50      50      50      50      50      50

        50      50      50      50      50      50      50      0

        50      50      50      50      50      50      0       50

        50      50      50      50      50      0       50      0

        50      50      50      50      253     50      0       50

        Length: 0x43

        SOF0

                Image Height: 173

                Image Width: 401

                Number of Frame(s): 3

                ****************

                Content ID: 1

                H Factor: 2

                V Factor: 2

                QT ID: 0

                ****************

                Content ID: 2

                H Factor: 1

                V Factor: 1

                QT ID: 1

                ****************

                Content ID: 3

                H Factor: 1

                V Factor: 1

                QT ID: 1

        Length: 0x11

        DHT

                Type: DC TABLE

                ID: 0

        Length: 0x1f

        DHT

                Type: AC TABLE

                ID: 0

        Length: 0xb5

        DHT

                Type: DC TABLE

                ID: 1

        Length: 0x1f

        DHT

                Type: AC TABLE

                ID: 1

        Length: 0xb5

        SOS     Length: 0xc     <-Will Not Process This Seg.

FATAL ERROR: File Structure Does NOT Support.

你首先會(huì)想到為什么最后會(huì)出現(xiàn)一個(gè)錯(cuò)誤的信息呢？這是因?yàn)椋?/SPAN>SOS（Start Of Scan）段的后面，就是編碼后的一行一行的圖像信息。不再是段的結(jié)構(gòu)了。在開始的SOI（Start Of Image）不是一個(gè)段，它是文件的開始，它的值也是類似于0xFF，0xXX的結(jié)構(gòu)（SOI的具體數(shù)值清自己察看相關(guān)書籍，本文章中將不作重點(diǎn)介紹），但是后面沒有段的長度。在文件的最后，有一個(gè)EOI（End Of Image）的標(biāo)識(shí)，它的結(jié)構(gòu)和SOI是類似的。它標(biāo)志著文件的結(jié)束。

在這中間，包含了APP0段，DQT段，SOF0段，DHT段，SOS段。有的段的個(gè)數(shù)是不唯一的，比方說DQT段。我們現(xiàn)在重點(diǎn)地介紹各個(gè)段的作用。

三、    JPEG文件中段的介紹：

APP0段中主要存儲(chǔ)的是圖片的識(shí)別信息（字符串”JFIF\0”）、一些分辨率的信息以及縮略圖的信息。在我的實(shí)際測試中，發(fā)現(xiàn)并不是所有的JPEG文件都有APP0段的，有的僅是有APP2之類的其他段，但是每個(gè)文件中肯定是包含APPX的段（X可以取得的值可以查閱相關(guān)文檔）。我個(gè)人估計(jì)，這些APPX的段的信息應(yīng)該是大同小異。這個(gè)的驗(yàn)證還有待本人進(jìn)一步的學(xué)習(xí)，目前只能說到這里。

DQT段的內(nèi)容是量化表的信息。眾所周知，一個(gè)顏色可以分為RGB（紅、綠、蘭）三個(gè)分量，這三色光組成了我們可以見到的所有色彩。但是，在JPEG文件中，RGB色彩格式需要先轉(zhuǎn)化為YUV的格式。Y分量代表了亮度信息，UV分量代表了色差信息。相比之下，人眼對于Y分量更為敏感。量化表的作用就是對于一些不需要的量進(jìn)行去除，這也是JPEG有損壓縮損失數(shù)據(jù)的關(guān)鍵。上面的輸出可以看到兩個(gè)量化表，一個(gè)給Y分量，另一個(gè)給UV分量。其實(shí)，他們也可以共用一個(gè)量化表。一個(gè)量化的結(jié)果如下所示（摘自《JPEG壓縮編碼標(biāo)準(zhǔn)》）：

15    0     -1    0     0     0     0     0

-2    -1    0     0     0     0     0     0

-1    -1    0     0     0     0     0     0

0     0     0     0     0     0     0     0

0     0     0     0     0     0     0     0

0     0     0     0     0     0     0     0

0     0     0     0     0     0     0     0

0     0     0     0     0     0     0     0

我們可以看到，量化后出現(xiàn)了大量的0，這種結(jié)果很有利于我們進(jìn)行下一步的數(shù)據(jù)壓縮的。至于為什么是8x8的大小，待會(huì)你就知道了。

SOF0段的內(nèi)容是圖像的大小信息，每個(gè)像素的位數(shù)信息，以及YUV每個(gè)分量分別得的采樣信息（這部分如果讀者想要進(jìn)一步學(xué)習(xí)，請參考相應(yīng)書籍和文檔）。JPEG文件圖像的編碼是一個(gè)方塊一個(gè)方塊進(jìn)行的，每塊的大小為8x8大小（如果圖像不是整數(shù)個(gè)方塊的大小那么就對圖像補(bǔ)齊為整數(shù)個(gè)大小）。簡略地說采樣信息，就是如何按組記錄YUV的信息，即若干個(gè)Y方塊，若干個(gè)U方塊，若干個(gè)V方塊經(jīng)過量化的數(shù)據(jù)再次經(jīng)過編碼后組成一組記錄，保存在SOS段結(jié)束后。

DHT段的內(nèi)容是一個(gè)重頭戲，如果沒有它，JPEG壓縮效率就不會(huì)那么高了。它內(nèi)部定義的是一個(gè)Huffman表，不同的DHT段定義不同的Huffman表，有的是直流量的表，有的是交流量的表。什么是直流量，什么是交流量呢？待會(huì)我再作介紹。最多的Huffman表示幾個(gè)呢？YUV各一個(gè)，直流交流各一個(gè)，因?yàn)?/SPAN>YUV每個(gè)分量都有直流和交流，所以最多時(shí)，Huffman表有3x2個(gè)，也就是可以有6個(gè)DHT段。該文件中有4個(gè)DHT表，您可以大概猜出來是哪幾個(gè)表么？Y的直流和交流各一個(gè)Huffman表，UV和起來直流和交流各一個(gè)Huffman表。這樣說應(yīng)該比較合理吧。

好了，現(xiàn)在我們應(yīng)該弄明白什么是交流量，什么是直流量了。還舉上面那個(gè)有許多個(gè)0的8x8的表的例子說，所謂交流量，是經(jīng)過量化后的塊內(nèi)部除了左上角15那個(gè)值的其余值。實(shí)際上，塊與塊之間左上角那個(gè)值是用直流Huffman表來單獨(dú)編碼的。不與塊內(nèi)部一同編碼。雖然不同的編碼，但是要注意的事，不同的編碼方式并不意味著它們是不在一起的，具體的存儲(chǔ)編碼后的數(shù)據(jù)的時(shí)候，還是按照若干個(gè)Y方塊，若干個(gè)U方塊，若干個(gè)V方塊經(jīng)過量化的數(shù)據(jù)再次經(jīng)過編碼后組成一組記錄來存儲(chǔ)的。

SOS段的內(nèi)容是關(guān)于YUV每個(gè)分量的直流和交流各使用那個(gè)Huffman表來編碼的。

四、    JPEG文件十六進(jìn)制代碼解析

我覺得，如果想要的了解JPEG，對十六進(jìn)制代碼的觀察是必不可少的。不要認(rèn)為這樣有多難，我會(huì)讓你知道這是很簡單的。目前我們只需要了解我們能夠了解的東西就可以了。要記住，每個(gè)段的開始是0xFF，0xXX，緊接著兩個(gè)字節(jié)是長度信息。

可以看到，上圖被選定的標(biāo)記是SOI標(biāo)記。

上圖被選定的段是APP0段。

緊接著的段是DQT段，這個(gè)JPEG文件有兩個(gè)DQT段。這里需要強(qiáng)調(diào)一點(diǎn)的是，包括量化表在內(nèi)8x8的塊的值是按照Z形來保存量化表8x8的數(shù)據(jù)的。而不是按照一行一行的保存的。這樣做的好處是，能夠讓實(shí)際上相鄰的像素點(diǎn)保存后也排列得比較近，便于壓縮和編碼。如下圖所示：

（摘自《JPEG壓縮編碼標(biāo)準(zhǔn)》）

上圖標(biāo)記的段是DHT段，一共有4個(gè)DHT段。

這個(gè)段是SOS段，在這個(gè)段的后面就是所有壓縮后的數(shù)據(jù)。

每段的具體信息在這里我就不詳細(xì)介紹了，網(wǎng)上有很多相關(guān)的文章，如果有興趣的話，可以去查找閱讀。

五、    圖像數(shù)據(jù)塊內(nèi)的編碼方式

其實(shí)，圖像數(shù)據(jù)塊的編碼是比較麻煩的，它涉及到了行程編碼，Huffman編碼等編碼方式。這部分很多文檔說得都不是很清楚，我力求去除內(nèi)部比較麻煩的部分，再通過簡單的語言讓大家明白原理，這樣大家如果有興趣進(jìn)行下一步的研究，也會(huì)比較容易上手的。

我們還是使用那剛才那個(gè)包含很多0的量化后的8x8的數(shù)據(jù)塊來說明。我們把塊內(nèi)剩余的63個(gè)數(shù)據(jù)用行程編碼來編碼。經(jīng)過行程編碼后的數(shù)據(jù)的格式是：（x,y）。x表示的是從當(dāng)前位置開始有多少個(gè)連續(xù)的零，y表示這些連續(xù)的0的后面的第一個(gè)非零的數(shù)是多少。但是為了解決存儲(chǔ)的問題和進(jìn)行進(jìn)一步的壓縮。最后的壓縮格式變?yōu)椋海?/SPAN>x,y）z。xy占有一個(gè)字節(jié)的長度。z的長度不固定，需要根據(jù)y的值來判斷。x仍代表從當(dāng)前位置開始有幾個(gè)連續(xù)的零，但是因?yàn)?/SPAN>x只能占有四位的長度，也就是它的最大值是15，所以，當(dāng)多于16個(gè)連續(xù)的零的時(shí)候。會(huì)用一個(gè)字節(jié)的(15,0)來代替前面的16個(gè)0，然后繼續(xù)編碼（注意：這時(shí)候沒有z部分）。當(dāng)塊結(jié)束或者當(dāng)前塊后面剩余的都是零的時(shí)候，就用（0,0）即EOB代替（同樣也是沒有z部分）。前面說到z的長度不固定，需要根據(jù)y的值來判斷，這是為什么呢？簡單的來說，z的長度是不一定的，在1~15的范圍內(nèi)。Y的作用簡單的來說表示的是z的二進(jìn)制位數(shù)（1~15），也正好是4位二進(jìn)制的值能夠表示的。然后，把xy合成的一個(gè)字節(jié)單獨(dú)提取出來，利用DHT里面的Huffman表來進(jìn)行編碼。這樣，編碼的長度又能夠被壓縮了。

六、    總結(jié)

敘述了這么多，相信大家對于JPEG已經(jīng)有了一個(gè)大概的了解了吧，如果你通過閱讀這篇文章，對JPEG文件的結(jié)構(gòu)和算法有了一個(gè)大體上的認(rèn)識(shí)，那么這篇文章的目的也就達(dá)到了。下一步進(jìn)行具體研究就不會(huì)有太大問題了。祝愿大家能夠在數(shù)據(jù)壓縮的路上走好。

參考文獻(xiàn)：

1．             《JPEG壓縮編碼標(biāo)準(zhǔn)》

2．             《JPEG格式》

3．             《JPEG簡易文檔》        作者：風(fēng)云