JPEG文件的读写(四)之算法分析之一文件格式

最新推荐文章于 2023-09-03 16:50:46 发布

际宇凡星

最新推荐文章于 2023-09-03 16:50:46 发布

阅读量1.8k

点赞数

分类专栏： linux C/C++ 文章标签：算法 table image components application 存储

linux C/C++ 专栏收录该内容

36 篇文章

订阅专栏

本文深入解析JPEG文件的内部结构，包括关键标记的意义、段落的组织形式、图像数据的存储方式等内容，帮助读者理解JPEG文件的工作原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

JPEG格式

简介

微处理机中的存放顺序有正序(big endian)和逆序(little endian)之分。正序存放就是高字节存放在前低字节在后，而逆序存放就是低字节在前高字节在后。例如，十六进制数为A02B，正序存放就是A02B，逆序存放就是2BA0。摩托罗拉(Motorola)公司的微处理器使用正序存放，而英特尔(Intel)公司的微处理器使用逆序。JPEG文件中的字节是按照正序排列的。

JPEG委员会在制定JPEG标准时，定义了许多标记(marker)用来区分和识别图像数据及其相关信息，但笔者没有找到JPEG委员会对JPEG文件交换格式的明确定义。直到1998年12月从分析网上具体的JPG图像来看，使用比较广泛的还是JPEG文件交换格式(JPEG File Interchange Format，JFIF)版本号为1.02。这是1992年9月由在C-Cube Microsystems公司工作的Eric Hamilton提出的。此外还有TIFF JPEG等格式，但由于这种格式比较复杂，因此大多数应用程序都支持JFIF文件交换格式。

JPEG文件使用的颜色空间是CCIR 601推荐标准进行的彩色空间(参看第7章)。在这个彩色空间中，每个分量、每个像素的电平规定为255级，用8位代码表示。从RGB转换成YCbCr空间时，使用下面的精确的转换关系：

　　　　　　 Y = 256 * E'y

　　　　　 Cb = 256 * [E'_Cb] + 128

　　　　　 Cr = 256 * [E'_Cr] + 128
其中亮度电平E'_y和色差电平E'_Cb和E'_Cb分别是CCIR 601定义的参数。由于E'_y的范围是0～1，E'_Cb和E'_Cb的范围是-0.5～+0.5，因此Y, Cb和Cr的最大值必须要箝到255。于是RGB和YCbCr之间的转换关系需要按照下面的方法计算。

(1) 从RGB转换成YCbCr

YCbCr(256级)分量可直接从用8位表示的RGB分量计算得到：

　　　　　 Y =　　 0.299 R + 0.587　G　 + 0.114 B

　　　 Cb = - 0.1687R - 0.3313G　 + 0.5　　　B + 128

　　　 Cr = 0.5 R - 0.4187G - 0.0813 B + 128

需要注意的是不是所有图像文件格式都按照R0，G0，B0，…… Rn，Gn，Bn的次序存储样本数据，因此在RGB文件转换成JFIF文件时需要首先验证RGB的次序。

(2) 从YCbCr转换成RGB

RGB分量可直接从YCbCr(256级)分量计算得到：

　　　　 R = Y　　　　　　　　　　　　　　　　 + 1.402 (Cr-128)

　　　　　 G = Y - 0.34414 (Cb-128) - 0.71414 (Cr-128)

　　　　　 B = Y + 1.772 (Cb-128)

在JFIF文件格式中，图像样本的存放顺序是从左到右和从上到下。这就是说JFIF文件中的第一个图像样本是图像左上角的样本。

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，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。

文件格式

JFIF文件格式直接使用JPEG标准为应用程序定义的许多标记，因此 JFIF格式成了事实上JPEG文件交换格式标准。JPEG的每个标记都是由2个字节组成，其前一个字节是固定值0xFF。每个标记之前还可以添加数目不限的0xFF填充字节(fill byte)。下面是其中的8个标记：

- SOI　 0xD8　　　　　　　　　　　图像开始
- APP0 0xE0　　　　　　　　　　　 JFIF应用数据块
- APPn 0xE1 - 0xEF　　　其他的应用数据块(n, 1～15)
- DQT　 0xDB　　　　　　　　　　　量化表
- SOF0 0xC0　　　　　　　　　　　帧开始
- DHT　 0xC4　　　　　　　　　　　霍夫曼(Huffman)表
- SOS　 0xDA　　　　　　　　　　　扫描线开始
- EOI　 0xD9　　　　　　　　　　　图像结束

为使读者对JPEG定义的标记一目了然，现将JPEG的标记码列于表1，并保留英文解释。

表1 JPEG定义的标记

Symbol (符号)	Code Assignment (标记代码)	Description (说明)
Start Of Frame markers, non-hierarchical Huffman coding
SOF₀	0xFFC0	Baseline DCT
SOF₁	0xFFC1	Extended sequential DCT
SOF₂	0xFFC2	Progressive DCT
SOF₃	0xFFC3	Spatial (sequential) lossless
Start Of Frame markers, hierarchical Huffman coding
SOF₅	0xFFC5	Differential sequential DCT
SOF₆	0xFFC6	Differential progressive DCT
SOF₇	0xFFC7	Differential spatial lossless
Start Of Frame markers, non-hierarchical arithmetic coding
JPG	0xFFC8	Reserved for JPEG extensions
SOF₉	0xFFC9	Extended sequential DCT
SOF₁₀	0xFFCA	Progressive DCT
SOF₁₁	0xFFCB	Spatial (sequential) Lossless
Start Of Frame markers, hierarchical arithmetic coding
SOF₁₃	0xFFCD	Differential sequential DCT
SOF₁₄	0xFFCE	Differential progressive DCT
SOF₁₅	0xFFCF	Differential spatial Lossless
Huffman table specification
DHT	0xFFC4	Define Huffman table(s)
arithmetic coding conditioning specification
DAC	0xFFCC	Define arithmetic conditioning table
Restart interval termination
RSTm	0xFFD0～0xFFD7	Restart with modulo 8 counter m
Other marker
SOI	0xFFD8	Start of image
EOI	0xFFD9	End of image
SOS	0xFFDA	Start of scan
DQT	0xFFDB	Define quantization table(s)
DNL	0xFFDC	Define number of lines
DRI	0xFFDD	Define restart interval
DHP	0xFFDE	Define hierarchical progression
EXP	0xFFDF	Expand reference image(s)
APP_n	0xFFE0～0xFFEF	Reserved for application use
JPG_n	0xFFF0～0xFFFD	Reserved for JPEG extension
COM	0xFFFE	Comment
Reserved markers
TEM	0xFF01	For temporary use in arithmetic coding
RES	0xFF02～0xFFBF	Reserved

JPEG文件由下面的8个部分组成：

(1) 图像开始SOI(Start of Image)标记

(2) APP0标记(Marker)

① APP0长度(length)

② 标识符(identifier)

③ 版本号(version)

④ X和Y的密度单位(units=0：无单位；units=1：点数/英寸；units=2：点数/厘米)

⑤ X方向像素密度(X density)

⑥ Y方向像素密度(Y density)

⑦ 缩略图水平像素数目(thumbnail horizontal pixels)

⑧ 缩略图垂直像素数目(thumbnail vertical pixels)

⑨ 缩略图RGB位图(thumbnail RGB bitmap)

(3) APPn标记(Markers)，其中n=1～15(任选)

① APPn长度(length)

② 由于详细信息(application specific information)

(4) 一个或者多个量化表DQT(difine quantization table)

① 量化表长度(quantization table length)

② 量化表数目(quantization table number)

③ 量化表(quantization table)

(5) 帧图像开始SOF0(Start of Frame)

① 帧开始长度(start of frame length)

② 精度(precision)，每个颜色分量每个像素的位数(bits per pixel per color component)

③ 图像高度(image height)

④ 图像宽度(image width)

⑤ 颜色分量数(number of color components)

⑥ 对每个颜色分量(for each component)

1.ID

2.垂直方向的样本因子(vertical sample factor)

3.水平方向的样本因子(horizontal sample factor)

4.量化表号(quantization table#)

(6) 一个或者多个霍夫曼表DHT(Difine Huffman Table)

① 霍夫曼表的长度(Huffman table length)

② 类型、AC或者DC(Type, AC or DC)

③ 索引(Index)

④ 位表(bits table)

⑤ 值表(value table)

(7) 扫描开始SOS(Start of Scan)

① 扫描开始长度(start of scan length)

② 颜色分量数(number of color components)

③ 每个颜色分量

1.ID

2.交流系数表号(AC table #)

3.直流系数表号(DC table #)

④ 压缩图像数据(compressed image data)

(8) 图像结束EOI(End of Image)

表6-06表示了APP0域的详细结构。有兴趣的读者可通过UltraEdit或者PC TOOLS等工具软件打开一个JPG图像文件，对APP0的结构进行分析和验证。

表6-06 JFIF格式中APP0域的详细结构

偏移	长度	内容	块的名称	说明
0	2 byte	0xFFD8	(Start of Image,SOI)	图像开始
2	2 byte	0xFFE0	APP0(JFIF application segment)	JFIF应用数据块
4	2 bytes		length of APP0 block	APP0块的长度
6	5 bytes		"JFIF"+"0"	识别APP0标记
11	1 byte		<Major version>	主要版本号(如版本1.02中的1)
12	1 byte		<Minor version>	次要版本号(如版本1.02中的02)
13	1 byte		<Units for the X and Y densities>	X和Y的密度单位 units=0：无单位 units=1：点数/英寸 units=2：点数/厘米
14	2 bytes		<Xdensity>	水平方向像素密度
16	2 bytes		<Ydensity>	垂直方向像素密度
18	1 byte		<Xthumbnail>	缩略图水平像素数目
19	1 byte		<Ythumbnail>	缩略图垂直像素数目
	3n		< Thumbnail RGB bitmap>	缩略RGB位图(n为缩略图的像素数)
			Optional JFIF extension APP0 marker segment(s)	任选的JFIF扩展APP0标记段
	……		……
	2 byte	0xFFD9	(EOI) end-of-file	图像文件结束标记

JPEG文件的段的介绍

1)APP0段

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。

2)DQT段

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

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。

3) SOF0段

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。

4) DHT段

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。

5)SOS段
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。