科普：关于图像格式JPG和JPEG你知多少？( 二 ) _睿知

JPEG正是利用了人眼的这一特性，在压缩图像时，将亮度和颜色分开处理。

文章插图
由于人眼对亮度很敏感，所以JPEG不会对亮度做太多改变，而人眼对颜色不甚敏感（科学研究表明，人眼大概可以区分出1000万种不同的颜色，这种感知能力相比于电脑，就没那么精确了），所以在人眼开始察觉色彩不对了之前，JPEG对颜色进行压缩处理，这样就算图像损失了部分细节，人眼也不太容易捕捉得到。
JPEG在压缩图像时所进行的色彩空间转换，指的就是将RGB转换为YCbCr 。
四、缩减取样
在YCbCr模型中，Cb通道和Cr通道中所包含的信息量远远少于Y通道中包含的信息量，同时，人眼对色彩的敏感程度有限，因此，JPEG的压缩算法主要对Cb和Cr通道中的数据进行缩减取样，取样的比例可以是4:4：4（无缩减取样）、4:2：2（在水平方向2的倍数中取样）和4:2：0（在水平方向和垂直方向的2的倍数中取样），其中，以4:2：0最为常见。
五、离散余弦变换（DCT）
通常我们认为，在8*8像素的一块方格里，它里面的像素往往非常相似，因此，当进行到这一步时，JPEG会将图像分为一个又一个的8*8的像素块。

文章插图
一个8*8的像素块，图片来自维基百科
每一个像素块都利用离散余弦变换来编码，法国数学家傅里叶告诉我们，几乎所有的周期函数，都可以用一系列的“弦波”来表示，也就是说，靠着带权重的一系列不同余弦值的相加，就可以重构出我们的原图。最后，每个8*8的像素块都会通过特定的函数，来生成一个新的8*8的数字矩阵。

文章插图
一个8*8的数字矩阵，图片来自维基百科
六、量化
事情到这里还没算完，通过离散余弦变换所得到的数字可不能被直接压缩，他们还需要再处理一下，这就是量化。
量化的过程，实际上就是对DTC系数的一个优化过程，在一个8*8像素的区域中，每个像素点间的差异都很大时，它的弦波频率就很高，我们称之为高频区，相反地，一个8*8像素的区域中，每个像素点间的差异很小，那它的弦波频率就很低，我们称之为低频区，刚刚的DCT算法已经把哪里频率高、哪里频率低给整理出来了。

文章插图
越接近左上，频率越低，越接近右下，频率越高。
人眼对高频区（小范围、高复杂度）的辨识能力较差，而对低频区（大范围、低复杂度）的辨识能力较好，因此JPEG就根据人眼的这一特征将高频区进行大幅的简化和压缩，量化的过程，实际上就是把频率领域上的每个成分，除以一个特定的常数，然后将计算结果四舍五入，取一个整数，JPEG会将高频区的成分通过算法，使其接近于0，然后四舍五入，取该成分的值为0，最后，我们大概会得到这样一个矩阵：

文章插图
图片来源：维基百科
可以看到，这个矩阵中有很多连续的0，这就对压缩非常有利了。
七、熵编码
终于到了最后一步了，那就是压缩，仔细观察刚刚得到的最终的矩阵，可以看到，从左上角到右下角，连续的0的数量急剧上升，这种情况就要用熵编码技术，对数据进行编码。
JPEG从左上角开始，以Z字形来回穿梭，直至经历了矩阵中的所有数字，到达右下角。