JPEG文件格式简单分析

摘要：

这篇文章大体上介绍了 JPEG 文件的结构信息以及它的压缩算法和编码方式。使读者能够对 JPEG 文件格式有大体上的了解。为读者进一步进行学习 JPEG 文件压缩做好准备

 

关键字： 十六进制，段格式，编码

 

一、    JPEG文件格式概述：

图像和动画的存储方式是一个很重要的问题。幸好我们有了数据压缩，有了 JPEG 等多种压缩存储图像的文件格式，我们今天才能够拿着小小的一个存储器，却存上许多张色彩鲜艳的图片。如果没有图像压缩算法，也许我们的多媒体时代就会晚到来许多年。

JPEG 图像存储格式一个比较成熟的图像有损压缩格式，虽然一个图片经过转化为 JPEG 图像后，一些数据会丢失，但是，人眼是很不容易分辨出来这种差别的。也就是说， JPEG 图像存储格式既满足了人眼对色彩和分辨率的要求，又适当的去除了图像中很难被人眼所分辨出的色彩，在图像的清晰与大小中 JPEG 找到了一个很好的平衡点。

虽然图像转化为 JPEG 格式会减小很多，但是并不是文件就变得简单了，相反， JPEG 文件的格式是比较复杂的。不经过认真地分析，是不容易弄懂它的。

 

二、    JPEG文件的存储方式：

JPEG 文件的格式是分为一个一个的段来存储的（但并不是全部都是段），段的多少和长度并不是一定的。只要包含了足够的信息，该 JPEG 文件就能够被打开，呈现给人们。 JPEG 文件的每个段都一定包含两部分一个是段的标识，它由两个字节构成：第一个字节是十六进制 0xFF ，第二个字节对于不同的段，这个值是不同的。紧接着的两个字节存放的是这个段的长度（除了前面的两个字节 0xFF 和 0xXX ， X 表示不确定。他们是不算到段的长度中的）。注意：这个长度的表示方法是按照高位在前，低位在后的，与 Intel 的表示方法不同。比方说一个段的长度是 0x12AB ，那么它会按照 0x12 ， 0xAB 的顺序存储。但是如果按照 Intel 的方式：高位在后，低位在前的方式会存储成 0xAB ， 0x12 ，而这样的存储方法对于 JPEG 是不对的。这样的话如果一个程序不认识 JPEG 文件某个段，它就可以读取后两个字节，得到这个段的长度，并跳过忽略它。

本人曾经编写过一个读取 JPEG 文件信息的程序，该程序能够读取 JPEG 文件中包含的段的信息并显示出来。下面是一个 JPEG 图片的信息片断：

 

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.

 

你首先会想到为什么最后会出现一个错误的信息呢？这是因为，在 SOS （ Start Of Scan ）段的后面，就是编码后的一行一行的图像信息。不再是段的结构了。在开始的 SOI （ Start Of Image ）不是一个段，它是文件的开始，它的值也是类似于 0xFF ， 0xXX 的结构（ SOI 的具体数值清自己察看相关书籍，本文章中将不作重点介绍），但是后面没有段的长度。在文件的最后，有一个 EOI （ End Of Image ）的标识，它的结构和 SOI 是类似的。它标志着文件的结束。

在这中间，包含了 APP0 段， DQT 段， SOF0 段， DHT 段， SOS 段。有的段的个数是不唯一的，比方说 DQT 段。我们现在重点地介绍各个段的作用。

 

三、    JPEG文件中段的介绍：

APP0 段中主要存储的是图片的识别信息（字符串 ”JFIF\0” ）、一些分辨率的信息以及缩略图的信息。在我的实际测试中，发现并不是所有的 JPEG 文件都有 APP0 段的，有的仅是有 APP2 之类的其他段，但是每个文件中肯定是包含 APPX 的段（ X 可以取得的值可以查阅相关文档）。我个人估计，这些 APPX 的段的信息应该是大同小异。这个的验证还有待本人进一步的学习，目前只能说到这里。

DQT 段的内容是量化表的信息。众所周知，一个颜色可以分为 RGB （红、绿、兰）三个分量，这三色光组成了我们可以见到的所有色彩。但是，在 JPEG 文件中， RGB 色彩格式需要先转化为 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，人眼对于 Y 分量更为敏感。量化表的作用就是对于一些不需要的量进行去除，这也是 JPEG 有损压缩损失数据的关键。上面的输出可以看到两个量化表，一个给 Y 分量，另一个给 UV 分量。其实，他们也可以共用一个量化表。一个量化的结果如下所示（摘自《 JPEG 压缩编码标准》）：

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

我们可以看到，量化后出现了大量的 0 ，这种结果很有利于我们进行下一步的数据压缩的。至于为什么是 8x8 的大小，待会你就知道了。

SOF0 段的内容是图像的大小信息，每个像素的位数信息，以及 YUV 每个分量分别得的采样信息（这部分如果读者想要进一步学习，请参考相应书籍和文档）。 JPEG 文件图像的编码是一个方块一个方块进行的，每块的大小为 8x8 大小（如果图像不是整数个方块的大小那么就对图像补齐为整数个大小）。简略地说采样信息，就是如何按组记录 YUV 的信息，即若干个 Y 方块，若干个 U 方块，若干个 V 方块经过量化的数据再次经过编码后组成一组记录，保存在 SOS 段结束后。

DHT 段的内容是一个重头戏，如果没有它， JPEG 压缩效率就不会那么高了。它内部定义的是一个 Huffman 表，不同的 DHT 段定义不同的 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？待会我再作介绍。最多的 Huffman 表示几个呢？ YUV 各一个，直流交流各一个，因为 YUV 每个分量都有直流和交流，所以最多时， Huffman 表有 3x2 个，也就是可以有 6 个 DHT 段。该文件中有 4 个 DHT 表，您可以大概猜出来是哪几个表么？ Y 的直流和交流各一个 Huffman 表， UV 和起来直流和交流各一个 Huffman 表。这样说应该比较合理吧。

好了，现在我们应该弄明白什么是交流量，什么是直流量了。还举上面那个有许多个 0 的 8x8 的表的例子说，所谓交流量，是经过量化后的块内部除了左上角 15 那个值的其余值。实际上，块与块之间左上角那个值是用直流 Huffman 表来单独编码的。不与块内部一同编码。虽然不同的编码，但是要注意的事，不同的编码方式并不意味着它们是不在一起的，具体的存储编码后的数据的时候，还是按照若干个 Y 方块，若干个 U 方块，若干个 V 方块经过量化的数据再次经过编码后组成一组记录来存储的。

SOS 段的内容是关于 YUV 每个分量的直流和交流各使用那个 Huffman 表来编码的。

      

四、    JPEG文件十六进制代码解析

我觉得，如果想要的了解 JPEG ，对十六进制代码的观察是必不可少的。不要认为这样有多难，我会让你知道这是很简单的。目前我们只需要了解我们能够了解的东西就可以了。要记住，每个段的开始是 0xFF ， 0xXX ，紧接着两个字节是长度信息。

 

可以看到，上图被选定的标记是 SOI 标记。

 

上图被选定的段是 APP0 段。

 

 

 

紧接着的段是 DQT 段，这个 JPEG 文件有两个 DQT 段。这里需要强调一点的是，包括量化表在内 8x8 的块的值是按照 Z 形来保存量化表 8x8 的数据的。而不是按照一行一行的保存的。这样做的好处是，能够让实际上相邻的像素点保存后也排列得比较近，便于压缩和编码。如下图所示：

 

（摘自《 JPEG 压缩编码标准》）

 

 

 

 

上图标记的段是 DHT 段，一共有 4 个 DHT 段。

 

 

这个段是 SOS 段，在这个段的后面就是所有压缩后的数据。

每段的具体信息在这里我就不详细介绍了，网上有很多相关的文章，如果有兴趣的话，可以去查找阅读。

 

五、    图像数据块内的编码方式

其实，图像数据块的编码是比较麻烦的，它涉及到了行程编码， Huffman 编码等编码方式。这部分很多文档说得都不是很清楚，我力求去除内部比较麻烦的部分，再通过简单的语言让大家明白原理，这样大家如果有兴趣进行下一步的研究，也会比较容易上手的。

我们还是使用那刚才那个包含很多 0 的量化后的 8x8 的数据块来说明。我们把块内剩余的 63 个数据用行程编码来编码。经过行程编码后的数据的格式是：（ x,y ）。 x 表示的是从当前位置开始有多少个连续的零， y 表示这些连续的 0 的后面的第一个非零的数是多少。但是为了解决存储的问题和进行进一步的压缩。最后的压缩格式变为：（ x,y ） z 。 xy 占有一个字节的长度。 z 的长度不固定，需要根据 y 的值来判断。 x 仍代表从当前位置开始有几个连续的零，但是因为 x 只能占有四位的长度，也就是它的最大值是 15 ，所以，当多于 16 个连续的零的时候。会用一个字节的 (15,0) 来代替前面的 16 个 0 ，然后继续编码（注意：这时候没有 z 部分）。当块结束或者当前块后面剩余的都是零的时候，就用（ 0,0 ）即 EOB 代替（同样也是没有 z 部分）。前面说到 z 的长度不固定，需要根据 y 的值来判断，这是为什么呢？简单的来说， z 的长度是不一定的，在 1~15 的范围内。 Y 的作用简单的来说表示的是 z 的二进制位数（ 1~15 ），也正好是 4 位二进制的值能够表示的。然后，把 xy 合成的一个字节单独提取出来，利用 DHT 里面的 Huffman 表来进行编码。这样，编码的长度又能够被压缩了。

 

六、    总结

叙述了这么多，相信大家对于 JPEG 已经有了一个大概的了解了吧，如果你通过阅读这篇文章，对 JPEG 文件的结构和算法有了一个大体上的认识，那么这篇文章的目的也就达到了。下一步进行具体研究就不会有太大问题了。祝愿大家能够在数据压缩的路上走好。

 

附件是jpeg 压缩标准

给出参考link http://www.jpeg.org/jpeg/index.html