Jpeg编码完整流程解析

最新推荐文章于 2023-09-16 16:21:58 发布

王磊从此立志做稳健少年

最新推荐文章于 2023-09-16 16:21:58 发布

阅读量4.8k

点赞数 10

分类专栏：视频图像编解码与多媒体文章标签： jpeg 编码

本文链接：https://blog.csdn.net/qq_23330633/article/details/52680711

版权

本文详细解析JPEG编码流程，包括RGB转YUV、DCT、量化、DPCM、RLE和Huffman编码。通过分析源码，理解每个步骤的作用及其在压缩过程中的意义，最后探讨如何将编码后的数据写入JPEG文件。

摘要由CSDN通过智能技术生成

本文结合github yinjinchao给出的jpeg编码源码demo进行讲解，另外编码原理部分有任何问题，大家可以参照下面的博客，这里主要讲代码实现

github链接为github源码

原理介绍Jpeg编码原理

当我们已经获取到一幅图像的所有像素rgb值时，第一步要做的就是rgb转yuv了，当然以下的过程我们也都仅考虑分解过后单个8 * 8 block的实现

1，颜色空间转换（以RGB到YUV为例）

void JpegEncoder::_convertColorSpace(int xPos, int yPos, char* yData, char* cbData, char* crData)
{
	for (int y=0; y<8; y++)
	{
		unsigned char* p = m_rgbBuffer + (y+yPos)*m_width*3 + xPos*3;
		for (int x=0; x<8; x++)
		{
			unsigned char B = *p++;
			unsigned char G = *p++;
			unsigned char R = *p++;

			yData[y*8+x] = (char)(0.299f * R + 0.587f * G + 0.114f * B - 128);
			cbData[y*8+x] = (char)(-0.1687f * R - 0.3313f * G + 0.5f * B );
			crData[y*8+x] = (char)(0.5f * R - 0.4187f * G - 0.0813f * B);
		}
	}
}

这里的逻辑应该是非常直观的，m_rgbBuffer也就是保存rgb数据的数组起始地址了，经过颜色空间转换后，也就得到了三个表，分别为Y, U(Cr), V(Cb)

当然，从这里我们也能看出这里采用的YUV 4：4：4格式

2，DCT

我们将图像通过DCT转到频域范围，从而能够去除图像中的高频分量，获得较高的压缩比

对照DCT的公式，我们看下代码实现

void JpegEncoder::_foword_FDC(const char* channel_data, short* fdc_data)
{
	const float PI = 3.1415926f;
	for(int v=0; v<8; v++)
	{
		for(int u=0; u<8; u++)
		{
			float alpha_u = (u==0) ? 1/sqrt(8.0f) : 0.5f;
			float alpha_v = (v==0) ? 1/sqrt(8.0f) : 0.5f;

			float temp = 0.f;
			for(int x=0; x<8; x++)
			{
				for(int y=0; y<8; y++)
				{
					float data = channel_data[y*8+x];

					data *= cos((2*x+1)*u*PI/16.0f);
					data *= cos((2*y+1)*v*PI/16.0f);

					temp += data;
				}
			}

			temp *= alpha_u*alpha_v/m_YTable[ZigZag[v*8+u]];
			fdc_data[ZigZag[v*8+u]] = (short) ((short)(temp + 16384.5) - 16384);
		}
	}
}

这里也是按部就班的依照公式，计算出每个u, v 对应的 F(u, v)，那么下面的m_YTable是干嘛的呢

首先是由两个量化表(DQT)，一个是亮度的量化表，一个是色度的量化表

const unsigned char Luminance_Quantization_Table[64] = 
{
	16,  11,  10,  16,  24,  40,  51,  61,
	12,  12,  14,  19,  26,  58,  60,  55,
	14,  13,  16,  24,  40,  57,  69,  56,
	14,  17,  22,  29,  51,  87,  80,  62,
	18,  22,  37,  56,  68, 109, 103,  77,
	24,  35,  55,  64,  81, 104, 113,  92,
	49,  64,  78,  87, 103, 121, 120, 101,
	72,  92,  95,  98, 112, 100, 103,  99
};

//-------------------------------------------------------------------------------
const unsigned char Chrominance_Quantization_Table[64] = 
{
	17,  18,  24,  47,  99,  99,  99,  99,
	18,  21,  26,  66,  99,  99,  99,  99,
	24,  26,  56,  99,  99,  99,  99,  99,
	47,  66,  99,  99,  99,  99,  99,  99,
	99,  99,  99,  99,  99,  99,  99,  99,
	99,  99,  99,  99,  99,  99,  99,  99,
	99,  99,  99,  99,  99,  99,  99,  99,
	99,  99,  99,  99,  99,  99,  99,  99
};

const char ZigZag[64] =
{ 
    0, 1, 5, 6,14,15,27,28,
    2, 4, 7,13,16,26,29,42,
    3, 8,12,17,25,30,41,43,
    9,11,18,24,31,40,44,53,
    10,19,23,32,39,45,52,54,
    20,22,33,38,46,51,55,60,
    21,34,37,47,50,56,59,61,
    35,36,48,49,57,58,62,63 
};

这两个量化表是根据人眼的视觉心理阈（貌似是这么叫的。。。）做出来的，当然为了能够手动调节量化的程度，源码作者搞了这么个东西，作者对quality_scale的解释是
该参数在1~199之间，数值越大，压缩比例越高，跟着代码看确实也是如此

void JpegEncoder::_initQualityTables(int quality_scale)
{
	if(quality_scale<=0) quality_scale=1;
	if(quality_scale>=100) quality_scale=99;

	for(int i=0; i<64; i++)
	{
		int temp = ((int)(Luminance_Quantization_Table[i] * quality_scale + 50) / 100);
		if (temp<=0) temp = 1;
		if (temp>0xFF) temp = 0xFF;
		m_YTable[ZigZag[i]] = (unsigned char)temp;

		temp = ((int)(Chrominance_Quantization_Table[i] * quality_scale + 50) / 100);
		if (temp<=0) 	temp = 1;
		if (temp>0xFF) temp = 0xFF;
		m_CbCrTable[ZigZag[i]] = (unsigned char)temp;
	}
}

另外这个新生成的量化表并采用了之字形编排方式，也就是m_YTable和m_CbCrTable不是用i作为下表定位数组元素而是用了m_YTable[ZigZag[i]]，这是由于u,v较大时，量化表