🚵🏽 👩🏽‍⚕️ 😗 डमी के लिए जेपीईजी डिकोडिंग 🚴🏼 🐔 🛰️

युपीडी। उन्हें मोनोस्पेस फॉर्मेटिंग को हटाने के लिए मजबूर किया गया था। एक ठीक दिन, हैबरपर ने पूर्व और कोड टैग के अंदर स्वरूपण को समझना बंद कर दिया। पूरा पाठ गड़बड़ हो गया। हबर प्रशासन मेरी मदद नहीं कर सका। अब यह बीहड़ है, लेकिन कम से कम पठनीय है।

[एफएफ डी 8]

क्या आपने कभी जानना चाहा है कि jpg फाइल कैसे काम करती है? अब इसे समझ लेते हैं! अपने पसंदीदा संकलक और हेक्स संपादक को गर्म करें, हम इसे डिकोड करेंगे:

विशेष रूप से एक छोटी सी तस्वीर ली। यह एक परिचित लेकिन कसकर पिन किया गया Google फ़ेविकॉन है:

मैं तुरंत चेतावनी देता हूं कि विवरण सरल है, और प्रदान की गई जानकारी पूरी नहीं है, लेकिन फिर विनिर्देश को समझना आसान होगा।

एन्कोडिंग कैसे होती है, यह जानने के बिना, हम पहले से ही फ़ाइल से कुछ निकाल सकते हैं।

[एफएफ डी 8] - प्रारंभ मार्कर। यह हमेशा सभी jpg फ़ाइलों की शुरुआत में होता है।

निम्नलिखित बाइट्स [FF FE] हैं । यह एक टिप्पणी अनुभाग की शुरुआत का संकेत करने वाला एक मार्कर है। अगले 2 बाइट्स [00 04] सेक्शन की लंबाई (इन 2 बाइट्स सहित) हैं। तो अगले दो में [3A 29] - टिप्पणी ही। ये वर्ण कोड ":" और ")", अर्थात हैं। नियमित इमोटिकॉन। आप इसे हेक्स संपादक के दाईं ओर की पहली पंक्ति में देख सकते हैं।

सिद्धांत की बिट

बहुत संक्षेप में चरणों पर:

आमतौर पर, एक छवि को RGB रंग स्थान से YCbCr में बदल दिया जाता है।
अक्सर चैनल Cb और Cr को पतला कर दिया जाता है, अर्थात, पिक्सेल ब्लॉक को एक औसत मान दिया जाता है। उदाहरण के लिए, लंबवत और क्षैतिज रूप से 2 बार पतला होने के बाद, पिक्सल में यह पत्राचार होगा:
फिर चैनल मानों को 8x8 ब्लॉकों में विभाजित किया गया है (सभी ने इन वर्गों को बहुत संकुचित छवि पर देखा था)।
प्रत्येक ब्लॉक एक असतत कोसाइन ट्रांसफ़ॉर्म (DCT) से गुजरता है, जो असतत फूरियर रूपांतरण का एक प्रकार है। हम गुणांक 8x8 का मैट्रिक्स प्राप्त करते हैं। इसके अलावा, ऊपरी बाएं गुणांक को डीसी गुणांक कहा जाता है (यह सबसे महत्वपूर्ण है और सभी मूल्यों का औसत मूल्य है), और शेष 63 को एसी गुणांक कहा जाता है।
परिणामी गुणांक की मात्रा निर्धारित की जाती है, अर्थात्। प्रत्येक को परिमाणीकरण मैट्रिक्स के गुणांक से गुणा किया जाता है (प्रत्येक एनकोडर आमतौर पर अपने स्वयं के परिमाणीकरण मैट्रिक्स का उपयोग करता है)।
फिर उन्हें हफ़मैन कोड के साथ एन्कोड किया गया ।

आइए सोचें कि इस डेटा को किस क्रम में एन्कोड किया जा सकता है। मान लीजिए, पहले, पूरी तरह से, पूरी छवि के लिए, चैनल वाई एन्कोडेड है, फिर सीबी, फिर सीआर। डायल-अप पर छवियों को डाउनलोड करना सभी को याद है। अगर वे इस तरह से एनकोडेड होते, तो हमें स्क्रीन पर दिखाई देने से पहले पूरी इमेज के लोड होने का इंतजार करना पड़ता। यह भी अप्रिय होगा यदि फ़ाइल का अंत खो जाता है। शायद अन्य अच्छे कारण हैं। इसलिए, एन्कोडेड डेटा को छोटे भागों में वैकल्पिक रूप से व्यवस्थित किया जाता है।

मैं आपको याद दिलाता हूं कि प्रत्येक ब्लॉक Y _ij , Cb _ij , Cr _ij , DCT गुणांक का एक मैट्रिक्स है जिसे हफ़मैन कोड द्वारा एन्कोड किया गया है। फ़ाइल में उन्हें निम्न क्रम में व्यवस्थित किया गया है: Y ₀₀ Y ₁₀ Y ₀₁ Y ₁₁ Cb ₀₀ Cr ₀₀ Y ₂₀

फ़ाइल पढ़ें

हमने टिप्पणी निकालने के बाद, यह समझना आसान होगा:

फ़ाइल को मार्करों से पहले के क्षेत्रों में विभाजित किया गया है।
टोकन पहली बाइट [FF] के साथ 2 बाइट्स लंबे होते हैं।
लगभग सभी सेक्टर टोकन के बाद अगले 2 बाइट्स में अपनी लंबाई संग्रहीत करते हैं।

सुविधा के लिए, मार्करों को हाइलाइट करें:

FF D8 FF FE 00 04 3A 29 FF DB 00 43 00 A0 6E 78

8C 78 64 A0 8C 82 8C B4 AA A0 BE F0 FF FF F0 DC

डीसी F0 एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ

एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ

एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ 94 00

43 01 एए बी 4 बी 4 एफ 04 डी 2 एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ

एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ

एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ

एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ

एफएफ एफएफ एफएफ C0 00 11 08 00 10 00 10 03 01 22 00 02

11 01 03 11 01 एफएफ सी 4 00 15 00 01 01 00 00 00

00 00 00 00 00 00 00 00 00 03 02 एफएफ C4 00 1A

10 01 00 02 03 01 00 00 00 00 00 00 00 00 00

00 01 00 12 02 11 31 21 एफएफ C4 00 15 01 01 01 00

00 00 00 00 00 00 00 00 00 00 00 00 00 01 एफएफ

C4 00 16 11 01 01 01 00 00 00 00 00 00 00 00

00 00 00 00 11 00 01 FF DA 00 0C 03 01 00 02 11

03 11 00 3F 00 AE E7 61 F2 1B D5 22 85 5D 04 3C

82 सी 8 48 बी 1 डीसी बीएफ एफएफ डी 9

मार्कर [FF DB]: DQT - परिमाणीकरण तालिका।

FF DB 00 43 00 A0 6E 78

8C 78 64 A0 8C 82 8C B4 AA A0 BE F0 FF FF F0 DC

डीसी F0 एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ

एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ

एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ

अनुभाग शीर्षलेख हमेशा 3 बाइट्स लेता है। हमारे मामले में, यह [०० ४३ ००] है। शीर्ष लेख में निम्न शामिल हैं:

[४३ ४३] लंबाई: ०४३ = ६] बाइट्स

[0_] तालिका में मानों की लंबाई: ० (० - १ बाइट, १ - २ बाइट)

[_0] टेबल आईडी: ०

शेष 64 बाइट को 8x8 तालिका में भरने की आवश्यकता है।

[A0 6E 64 A0 F0 FF FF FF]

[[[FF बी सी एफएफ एफएफ एफएफ एफएफ]

[[सी F२ ए ० एफ ० एफएफ एफएफ एफएफ एफएफ]

[8C एए डीसी एफएफ एफएफ एफएफ एफएफ एफएफ]

[बी 4 डीसी एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ]

[F0 FF FF FF FF FF FF]

[एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ]

[एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ एफएफ]

तालिका मानों को भरने के क्रम में एक करीब से देखें। इस आदेश को ज़िगज़ैग ऑर्डर कहा जाता है:

मार्कर [FF C0]: SOF0 - बेसलाइन डीसीटी

इस मार्कर को SOF0 कहा जाता है, और इसका अर्थ है कि मूल विधि का उपयोग करके छवि को इनकोड किया गया है। यह बहुत आम है। लेकिन इंटरनेट पर, जिस प्रगतिशील विधि से आप परिचित हैं, वह तब कम लोकप्रिय नहीं होती है जब आप पहली बार कम-रिज़ॉल्यूशन वाली छवि डाउनलोड करते हैं, और फिर एक सामान्य तस्वीर। यह आपको यह समझने की अनुमति देता है कि पूर्ण डाउनलोड की प्रतीक्षा किए बिना, वहां क्या दिखाया गया है। विनिर्देश कुछ और परिभाषित करता है, यह मुझे लगता है, बहुत सामान्य तरीके नहीं हैं।

एफएफ C0 00 11 08 00 10 00 10 03 01 22 00 02

११ ०१ ०३ ११ ०१

[०० ११] लंबाई: १: बाइट्स।

[ ० bits ] परिशुद्धता:। बिट्स। आधार विधि हमेशा 8 होती है। जैसा कि मैं इसे समझता हूं, यह चैनल मानों की थोड़ी गहराई है।

[०० १०] तस्वीर की ऊंचाई: ० १२० = १६

[०० १०] चित्र की चौड़ाई: ० १२० = १६

[०३] घटकों की संख्या: 3. अक्सर ये वाई, सीबी, सीआर हैं।

पहला घटक:

[०१] पहचानकर्ता: १

[२_] क्षैतिज पतलेपन (एच _१ ): २

[_2] वर्टिकल थिनिंग (V ₁ ): 2

[००] परिमाणीकरण तालिका पहचानकर्ता: ०

दूसरा घटक:

[०२] पहचानकर्ता: २

[१_] क्षैतिज पतलेपन (एच _२ ): १

[_1] वर्टिकल थिनिंग (V ₂ ): 1

[०१] परिमाणीकरण तालिका पहचानकर्ता: १

तीसरा घटक:

[०३] पहचानकर्ता: ३

[१_] क्षैतिज पतलेपन (एच _३ ): १

[_1] वर्टिकल थिनिंग (V ₃ ): 1

[०१] परिमाणीकरण तालिका पहचानकर्ता: १

अब देखें कि यह कैसे निर्धारित किया जाए कि छवि कितनी पतली है। हम H _{अधिकतम} = 2 और V _{अधिकतम} = 2 पाते हैं। चैनल I को क्षैतिज रूप से H _{अधिकतम} / H _i बार और V _{अधिकतम} / V _{i को} लंबवत रूप से पतला किया जाएगा।

मार्कर [FF C4]: DHT (हफ़मैन तालिका)

यह खंड हफमैन कोडिंग द्वारा प्राप्त कोड और मूल्यों को संग्रहीत करता है।

एफएफ C4 00 15 00 01 01 00 00 00

00 00 00 00 00 00 00 00 00 00 03 02

[०० १५] लंबाई: २१ बाइट्स।

[0_] वर्ग: 0 (0 - डीसी गुणांक के तालिका, 1 - एसी गुणांक की तालिका)।

[_0] टेबल आईडी: ०

हफ़मैन कोड की लंबाई: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

कोड की संख्या: [०१ ०१ ०००० 00 ०० 00 ०० 00 ०० 00 ०० 00 ०० 00]

कोड की संख्या का अर्थ है इस लंबाई के कोड की संख्या। कृपया ध्यान दें कि अनुभाग केवल कोड लंबाई संग्रहीत करता है, न कि कोड स्वयं। हमें स्वयं कोड ढूंढने होंगे। तो, हमारे पास लंबाई 1 और लंबाई 2 में से एक कोड है। कुल 2 कोड, इस तालिका में अधिक कोड नहीं हैं।

प्रत्येक कोड के साथ एक मूल्य जुड़ा हुआ है, वे फ़ाइल में अगले सूचीबद्ध हैं। मान एकल-बाइट हैं, इसलिए हम 2 बाइट्स पढ़ते हैं।

[०३] - १ कोड का मान।

[०२] - दूसरा कोड का मूल्य।

आगे फ़ाइल में आप 3 और मार्कर [FF C4] देख सकते हैं, मैं संबंधित अनुभागों के विश्लेषण को छोड़ दूंगा, यह ऊपर के समान है।

हफ़मैन कोड ट्री का निर्माण

हमें DHT सेक्शन में मिली तालिका से एक बाइनरी ट्री बनाने की आवश्यकता है। और पहले से ही इस पेड़ पर हम प्रत्येक कोड को पहचानते हैं। हम तालिका में दिखाए गए क्रम में मान जोड़ते हैं। एल्गोरिथ्म सरल है: कोई फर्क नहीं पड़ता कि हम किस नोड में हैं, हम हमेशा बाईं शाखा में एक मूल्य जोड़ने की कोशिश करते हैं। और अगर वह व्यस्त है, तो दाईं ओर। और अगर वहां कोई जगह नहीं है, तो हम उच्च स्तर पर लौटते हैं, और वहां से प्रयास करते हैं। आपको कोड की लंबाई के बराबर एक स्तर पर रोकने की आवश्यकता है। बाईं शाखाएँ 0 , दाईं शाखाओं - 1 के अनुरूप हैं।

टिप्पणी:

हर बार ऊपर से शुरू करने की जरूरत नहीं। जोड़ा गया मूल्य - ऊपर के स्तर पर वापस लौटें। क्या सही शाखा मौजूद है? यदि हां, तो फिर से जाएं। यदि नहीं, तो सही शाखा बनाएं और वहां जाएं। फिर, इस बिंदु से, अगला मान जोड़ने के लिए अपनी खोज शुरू करें।

इस उदाहरण में सभी तालिकाओं के लिए पेड़:

UPD (धन्यवाद अनारसॉल ): पहले पेड़ के नोड्स (DC, id = 0) का मान 0x03 और 0x02 होना चाहिए

मंडलियों में - कोड के मान, मंडलियों के अंतर्गत - कोड स्वयं (मैं समझाऊंगा कि हमने उन्हें प्राप्त किया, ऊपर से प्रत्येक नोड पर जा रहे हैं)। यह इन कोड (यह और अन्य तालिकाओं) के साथ है कि चित्र की बहुत सामग्री एन्कोडेड है।

मार्कर [FF DA]: SOS (स्कैन की शुरुआत)

मार्कर में बाइट [DA] का अर्थ है - “हाँ! अंत में, हम सीधे एन्कोडेड इमेज सेक्शन को पार्स करने चले गए! ” हालाँकि, अनुभाग को प्रतीकात्मक रूप से SOS कहा जाता है।

& nbsp FF DA 00 0C 03 01 00 02 11

03 11 00 3F 00

[०० ० सी] हेडर भाग की लंबाई (और पूरे खंड नहीं): १२ बाइट्स।

[०३] स्कैन घटकों की संख्या। हमारे पास 3, एक प्रति Y, Cb, Cr है।

पहला घटक:

[०१] छवि घटक संख्या: १ (वाई)

[0_] डीसी गुणांक के लिए हफ़मैन तालिका पहचानकर्ता: 0

[_0] एसी गुणांकों के लिए हफ़मैन तालिका पहचानकर्ता: ०

दूसरा घटक:

[०२] छवि घटक संख्या: २ (सीबी)

[१_] डीसी गुणांक के लिए हफ़मैन तालिका पहचानकर्ता: १

[_1] एसी गुणांकों के लिए हफ़मैन तालिका पहचानकर्ता: १

तीसरा घटक:

[०३] छवि घटक संख्या: ३ (सीआर)

[१_] डीसी गुणांक के लिए हफ़मैन तालिका पहचानकर्ता: १

[_1] एसी गुणांकों के लिए हफ़मैन तालिका पहचानकर्ता: १

ये घटक वैकल्पिक रूप से चक्रीय होते हैं।

[००], [३ एफ], [००] ये बाइट्स विनिर्देशन में पाए जा सकते हैं।

यह हेडर भाग को समाप्त करता है, यहां से अंत तक (मार्कर [एफएफ डी 9]) एन्कोडेड डेटा।

[एई] [ई [] [६१] [एफ २] [१ बी]

101011101110011101100001111100100

एक डीसी गुणांक ढूँढना।

1. बिट्स के अनुक्रम को पढ़ें (यदि हम 2 बाइट्स [एफएफ 00] से मिलते हैं, तो यह एक मार्कर नहीं है, लेकिन सिर्फ एक बाइट [एफएफ]) है । प्रत्येक बिट के बाद, हम Huffman ट्री के साथ (संबंधित पहचानकर्ता के साथ) 0 या 1 शाखा के साथ, रीड बिट के आधार पर आगे बढ़ते हैं। यदि हम अंतिम नोड में हैं, तो हम रोक देते हैं।

10 1011101110011101100001111100100

2. हम नोड का मान लेते हैं। यदि यह 0 है, तो गुणांक 0 है, तालिका पर लिखें और अन्य गुणांक पढ़ने पर जाएं। हमारे मामले में - 02. यह मान बिट्स में गुणांक की लंबाई है। यही है, हम अगले 2 बिट्स पढ़ते हैं, यह गुणांक होगा।

10 10 11101110011101100001111100100

3. यदि बाइनरी प्रतिनिधित्व में मूल्य का पहला अंक 1 है, तो इसे छोड़ दें जैसा कि यह है: DC_coef = मान। अन्यथा, कनवर्ट करें: DC_coef = मान -2 ^मान +1 की ^{लंबाई} । हम ज़िगज़ैग की शुरुआत में तालिका में गुणांक लिखते हैं - ऊपरी बाएं कोने।

एसी गुणांक ढूँढना।

1. अनुच्छेद 1 के समान, डीसी गुणांक खोजना। हम अनुक्रम पढ़ना जारी रखते हैं:

10 10 1110 1110011101100001111100100

2. हम नोड का मान लेते हैं। यदि यह 0 है, तो इसका मतलब है कि शेष मैट्रिक्स मान शून्य से भरे होने चाहिए। अगला मैट्रिक्स आगे एन्कोडेड है। पहले कुछ लोग जिन्होंने इस जगह को पढ़ा है और इसके बारे में पीएम को लिखा है, उन्हें कर्म में प्लस मिलेगा। हमारे मामले में, नोड का मान: 0x31।

पहला कुतरना: 0x3 - यह मैट्रिक्स को जोड़ने के लिए कितने शून्य है। ये 3 शून्य गुणांक हैं।

दूसरा कुतरना: 0x1 - बिट्स में गुणांक लंबाई। अगले बिट पढ़ें

10 10 1110 1 110011101100001111100100

3. डीसी गुणांक खोजने के पैरा 3 के समान।

जैसा कि आप पहले से ही समझ चुके हैं, आपको एसी-गुणांक पढ़ने की आवश्यकता है जब तक कि हम कोड के शून्य मूल्य पर नहीं आते हैं, या जब तक मैट्रिक्स भर नहीं जाता है।

हमारे मामले में, हम:

10 10 1110 1 1100 11 101 10 0 0 1 11 11 0 0 100

और मैट्रिक्स:

[२ ० ३ ० ० ० ०]

[0 1 2 0 0 0 0 0]

[०१ -१ ० ० ० ०]

[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]

क्या आपने देखा कि मान एक ही ज़ीज़ैग फैशन में भरे हुए हैं?

इस आदेश का उपयोग करने का कारण सरल है - चूंकि v और u के मान बड़े हैं, इसलिए कम महत्वपूर्ण असतत कोसाइन रूपांतरण में गुणांक S _vu है। इसलिए, उच्च संपीड़न अनुपात में, महत्वहीन गुणांक शून्य पर रीसेट हो जाते हैं, जिससे फ़ाइल का आकार कम हो जाता है।

इसी तरह, हम 3 और वाई-चैनल मैट्रीस प्राप्त करते हैं ...

[४ १ १ १ १ ० ० ०] [५ -१ १ ० ० ० ०]

[0 0 1 0 0 0 0 0] [-1 -2 -1 0 0 0 0 0]

[0 -1 0 0 0 0 0 0] [0 -1 0 0 0 0 0 0 0]

[0 0 0 0 0 0 0 0] [-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 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]

[४ २ २ १ १ ० ० ०]

[-1 0 -1 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 0]

ओह, मैं यह कहना भूल गया कि एन्कोडेड डीसी गुणांक स्वयं डीसी गुणांक नहीं हैं, लेकिन पिछली तालिका (एक ही चैनल) के गुणांक के बीच उनके अंतर! आपको मैट्रिक्स को ठीक करने की आवश्यकता है:

2 डी के लिए डीसी: 2 + (-4) = -2

3 डी के लिए डीसी: -2 + 5 = 3

4 वें के लिए डीसी: 3 + (-4) = -1

[-2 1 1 1 0 0 0 0] [3 -1 1 0 0 0 0 0] [-1 2 2 1 0 0 0 0]

.........

अब आदेश। यह नियम फ़ाइल के अंत तक मान्य है।

... और Cb और Cr के लिए मैट्रिक्स में:

[-1 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0]

[1 1 0 0 0 0 0 0] [1 -1 0 0 0 0 0 0 0]

[0 0 0 0 0 0 0 0] [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 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]

चूंकि यहां केवल एक मैट्रिक्स है, डीसी गुणांक को छूने के बिना छोड़ा जा सकता है।

कंप्यूटिंग

परिमाणीकरण

क्या आपको याद है कि मैट्रिक्स परिमाणीकरण चरण से गुजरता है? मैट्रिक्स के तत्वों को क्वांटिज़ेशन मैट्रिक्स के तत्वों के साथ गुणा-भाग किया जाना चाहिए। यह सही का चयन करने के लिए बनी हुई है। सबसे पहले, हमने पहले घटक को स्कैन किया, इसकी छवि घटक = 1. इस पहचानकर्ता के साथ छवि घटक का उपयोग करता है परिमाणीकरण मैट्रिक्स 0 (हमारे पास पहले दो हैं)। तो, गुणा करने के बाद:

[३२० ० ३०० ० ० ० ० ०]

[0 120 280 0 0 0 0 0]

[0 -130 -160 0 0 0 0 0]

[१४० ० ० ० ० ० ०]

[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]

इसी तरह, हम 3 और वाई-चैनल मैट्रीस प्राप्त करते हैं ...

[-320 110 100 160 0 0 0 0] [480 -110 100 0 0 0 0 0]

[0 0 140 0 0 0 0 0] [-120 -240 -140 0 0 0 0 0]

[0 -130 0 0 0 0 0 0] [0 -130 0 0 0 0 0 0 0]

[0 0 0 0 0 0 0 0] [-140 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 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]

[-160 220 200 160 0 0 0 0]

[-120 0 -140 0 0 0 0 0]

[-140 -130 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]

... और Cb और Cr के लिए मैट्रिक्स में।

[-170 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0]

[१ [० 210 ० ० ० ० ०]

[0 0 0 0 0 0 0 0] [240 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 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]

उलटा असतत कोसाइन परिवर्तन

सूत्र कठिन नहीं होना चाहिए *। एस _वू हमारे प्राप्त गुणांक मैट्रिक्स है। यू एक कॉलम है, वी एक पंक्ति है। s _yx चैनल मूल्य स्वयं हैं।

* आम तौर पर, यह पूरी तरह सच नहीं है। जब मैं 16x16 चित्र को डीकोड और प्रदर्शित करने में सक्षम था, तो मैंने एक 600x600 चित्र लिया (वैसे, यह मेरे पसंदीदा माइंड का कवर था। In.Box एल्बम - लॉस्ट अलोन)। इसने तुरंत काम नहीं किया - विभिन्न बग सामने आए। जल्द ही मैं सही ढंग से अपलोड की गई तस्वीर की प्रशंसा कर सकता हूं। केवल डाउनलोड की गति से बहुत परेशान है। मुझे अभी भी याद है, इसमें 7 सेकंड लगे थे। लेकिन यह आश्चर्य की बात नहीं है, यदि आप उपरोक्त सूत्र का उपयोग सोच-समझकर करते हैं, तो एक पिक्सेल के एक चैनल की गणना करने के लिए, आपको 128 कोसाइन, 768 गुणा और कुछ परिवर्धन खोजने होंगे। बस इसके बारे में सोचो - एक पिक्सेल के केवल एक चैनल पर लगभग एक हजार मुश्किल संचालन! सौभाग्य से, ओटीमाइजेशन की गुंजाइश है (लंबे प्रयोगों के बाद, मैंने लोड समय को 15ms की एक टाइमर सटीकता की सीमा तक कम कर दिया, और उसके बाद मैंने छवि को 25 गुना बड़े क्षेत्र के साथ एक तस्वीर में बदल दिया। शायद मैं इस बारे में एक अलग लेख में लिखूंगा)।

मैं केवल चैनल Y के पहले मैट्रिक्स की गणना करने का परिणाम लिखूंगा (मान गोल हैं):

[१३-९ २ २ 27 -१17 -१ 93 २ 139 ९ १ ९ ३]

[१३६ ]२ ५ -५१ -५५ -8६ १११ १११]

[१४३ [०-९-143 ९--४ -४१ ३२ -६]

[१५ 6 ९ ५ ६२ -६२--६ -३३ ३६ 95 86]

[१४-१०३ ३12 -१२ -२१ ११ ६२ १००]

[[२ ५० ५० ३६ ३ 87 ५५ 95 ९ ]५]

[-10 5 31 56 71 73 68 62]

[-87 -५० ६६ ९ 48 ९ 48 29 ४ 29 २ ९]

और 2 शेष:

Cb cr

[६० ५२ ३] २० ० -१ 0 -३२ -४०] [१ ९ २ 80 ४१ ६० 113० ९९ ११३ १२०]

[४४ ४१ २ ९ १३ -३१ -३१ -३ 41] [० ६ १ 51 ३४ ५१ ६६]] -3५]

[२५ २० १२ २-९ -१ ९ -२ 20 -३२] [-२--२२ -१४ -४ 25 १ 30 २५ ३०]

[-4 -6 -9 -13 -17 -20 -23 -25] [-43 -41 -38 -34 -30 -27 -24 -22]

[-३५ -३५ -३३ -२ ९ -२५ -२१ -१--१-] [-३५ -३६ -३ ९ -४३ -४--५१ -५३ -५५]

[-67 -६३५ -५४ -४४ -३३ -२२ -१४ -१० -१०] [-५-९ -१--२39 -३ ९ -५० -५] -५२]

[-90 -84 -71 -56 -39 -२३ -११ -4] [३२ २६ १४ -१ -१34 -४६४ -५३]

[-102 -95 -81 -62 -42 -23 -9 -1] [58 50 36 18 -2 -20 -34 -42]

और अब ... एक मिनी परीक्षण!

आगे क्या करना है?

ओह, चलो खाओ!
हां, मेरा वह मतलब नहीं है जो मैं दर्ज करता हूं।
एक बार YCbCr रंगों के मान प्राप्त हो जाने के बाद, यह RGB में परिवर्तित होता रहता है, जैसे: YCbCrToRGB (Y _ij , Cb _ij , Cr _ij ), Y _ij , Cb _ij , Cr _ij हमारे प्राप्त मैट्रेस हैं।
4 मेट्रिसेस वाई, और एक सीबी और सीआर प्रत्येक, क्योंकि हमने चैनलों को पतला कर दिया था और 4 पिक्सल वाई एक सीबी और सीआर प्रत्येक से मेल खाती है। इसलिए, इसकी गणना करें: YCbCrToRGB (Y _ij , Cb _{[i / 2] [j / 2]} , Cr _{[i / 2] [j / 2]} )

अगर आपने 1 और 4 को चुना, तो मैं आपके लिए खुश हूं। या तो आप सही ढंग से समझ गए, या आप जल्द ही भोजन का आनंद लेंगे।

YCbCr को RGB

आर = वाई + 1.402 * सीआर

जी = वाई - 0.34414 * सीबी - 0.71414 * सीआर

बी = वाई + 1.772 * सीबी

128 जोड़ना मत भूलना। यदि मान अंतराल से परे जाते हैं [0, 255], तो सीमा मान असाइन करें। सूत्र सरल है, लेकिन प्रोसेसर समय के एक अंश को भी खाता है।

हमारे उदाहरण के ऊपरी बाएँ वर्ग 8x8 के लिए चैनल R, G, B की तालिकाएँ इस प्रकार हैं:

255 248 194 148 169 215 255 255

255 238 172 115 130 178 255 255

255 208 127 59 64 112 208 255

255 223 143 74 77 120 211 255

237 192 133 83 85 118 184 222

177 161 146 132 145 162 201 217

56 73 101 126 144 144 147 141

0 17 76 126 153 146 127 108

231 185 117 72 67 113 113 171 217

229 175 95 39 28 76 139 189

254 192 100 31 15 63 131 185

255 207 115 46 28 71 134 185

255 241 175 125 112 145 193 230

226 210 187 173 172 189 209 225

149 166 191 216 229 232 225 220

72 110 166 216 238 231 206 186

255 255 249 203 178 224 255 255

255 255 226 170 140 187 224 255

255 255 192 123 91 138 184 238

255 255 208 139 103 146 188 239

255 255 202 152 128 161 194 232

255 244 215 200 188 205 210 227

108 125 148 172 182 184 172 167

31 69 122 172 191 183 153 134

अंत

सामान्य तौर पर, मैं जेपीईजी का विशेषज्ञ नहीं हूं, इसलिए मैं शायद ही सभी सवालों के जवाब दे सकूं। बस जब मैंने अपना डिकोडर लिखा, मुझे अक्सर कई अस्पष्ट समस्याओं से निपटना पड़ा। और जब छवि गलत तरीके से प्रदर्शित की गई थी, तो मुझे नहीं पता था कि मैंने कहां गलती की है। इसमें बिट्स की गलत व्याख्या हो सकती है, या हो सकता है कि उसने DCT का दुरुपयोग किया हो। मेरे पास वास्तव में एक कदम-दर-चरण उदाहरण नहीं है, इसलिए मुझे उम्मीद है कि डिकोडर लिखते समय यह लेख मदद करेगा। मुझे लगता है कि यह मूल विधि के विवरण को कवर करता है, लेकिन आप अभी भी इसके बिना नहीं कर सकते। मैं आपको उन लिंक्स की पेशकश करता हूं जिन्होंने मेरी मदद की:

ru.wikipedia.org/JPEG - सतह की समीक्षा के लिए।

en.wikipedia.org/JPEG एन्कोडिंग / डिकोडिंग प्रक्रियाओं पर एक अधिक व्यापक लेख है।

JPEG Standard (JPEG ISO / IEC 10918-1 ITU-T अनुशंसा T.81) - एक 186 पृष्ठ का विनिर्देश अपरिहार्य है। लेकिन घबराने की कोई बात नहीं है - तीन चौथाई फ्लोचार्ट और अनुप्रयोगों द्वारा कब्जा कर लिया जाता है।

impulseadvt.com/photo - अच्छा विस्तृत लेख। उदाहरण के लिए, मुझे पता चला कि हफ़मैन के पेड़ों का निर्माण कैसे करें और उचित अनुभाग को पढ़ते समय उनका उपयोग करें।

JPEGsnoop - एक ही साइट पर एक उत्कृष्ट उपयोगिता है जो एक jpeg फ़ाइल की सभी जानकारी को खींचती है।

[एफएफ डी 9]

डमी के लिए जेपीईजी डिकोडिंग