图像压缩算法_图像格式JPG和JPEG区别

图片格式主要有JPG、JPEG、PNG、GIF等几种。

JPG是一种有损压缩图像格式，体积相对较小，打开速度较快，但是图片相对没有那么清晰。JPG格式的图片体积相对较小，它采用了一系列的压缩算法，牺牲掉了一些画面细节。这种通过牺牲画面的精细程度来达到缩小体积的目的的压缩算法，我们称之为“有损压缩”或者“破坏性压缩”。

JPEG和JPG看起来如此相像，它们的关系到底是怎样的？

JPEG，全称为“Joint Photographic Experts Group”，即“联合图像专家小组”成立于1986年。在1992年，该组织发布了“JPEG标准”，这是一种针对图像的压缩而制定的标准。

使用JPEG标准压缩的图片文件，被称为“JPEG文件”，这种文件的扩展名通常是

JPG、JPEG、JPE、JFIF以及JIF，在这些文件格式中，以JPG的使用最为广泛。

色彩空间转换

　　要压缩图片，首先要知道这个图片中都包含了些什么内容，在对图片的内容进行分解时，第一步就要进行色彩空间转换。

　　所谓的色彩空间，指的是描述图像的颜色的一组数值，比较常见的色彩空间有RGB、CMYK。

 RGB，即是分别用三组数值，来表示红、绿、蓝，而红、绿、蓝三种颜色经过不同程度的配比，就会显示出不同的颜色。通常RGB的色彩模型用于显示屏的显示。

CMYK，即是分别用四组数值，来表示青色、品红、黄色和黑色，而青色、品红、黄色和黑色四种颜色经过不同程度的配比，就会显示出不同的颜色。通常CMYK的色彩模型用于印刷。

在JPEG压缩图像过程中，是怎么用数值来表示图像内容的呢？事实上，JPEG量化图像的颜色时并非采用RGB模式，也非CMYK模式，而是YCbCr模式，其中，Y表示的是亮度，Cb表示的是彩度(蓝)，Cr表示的是彩度(红)。那么问题来了，为什么JPEG在压缩图像时，不采用RGB和CMYK的色彩模型，而偏偏采用YCbCr这种看似奇葩的模式呢？这还要从人眼的工作机制谈起。

我们的眼睛之所以能感知图像，是因为人眼内含有视锥细胞和视杆细胞，其中，视锥细胞具有感知颜色的能力，而视杆细胞具有感知亮度的能力，我们的眼睛中，视杆细胞数量相对较多，所以人眼对亮度的敏感程度要高于对色彩的敏感程度。就像你熄灯时，你可以在暗光下渐渐地看清周围的事物，而对周围事物的颜色，你可能就不那么敏感了。

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。 

　　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。

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。

以上是指压缩图片时将图片分成Y(亮度)Cb(蓝色色度)Cr(红色色度)三部分，并选择性压缩。

离散余弦变换

　　通常我们认为，在一个8*8像素的方格里，它里面的像素往往非常相似，因此JPEG压缩法会将图像分为一个又一个的8*8的像素块。

 一个8*8的像素块

　　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。

 一个8*8的数字矩阵

量化

　　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，实际上就是对离散余弦变换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，刚刚的离散余弦变换算法已经把哪里频率高、哪里频率低给整理出来了。

 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：

 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。

熵编码

　　最后一步是压缩，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。

 Z字形穿梭扫描的路径

　　此时的编码就变成了这样：

 当剩下的数字都是0，且过早结束的编码，可以将连续的0的部分采用霍夫曼编码表示为“EOB”，最后，这串编码就成了这个样子：

       现在，我们就得到了JPEG的编码了。通过一系列的处理，可以看到，图像中的信息达到了压缩和简化的目的。这就是一幅原始图像被压缩为JPEG的大概过程。

图片质量

　　在生成一张JPG图像文件时，你通常需要设置图像质量参数，这个参数的数值越大，图像的质量也就越高，同时图片文件的体积也就越大，相反地，数值越小，图像的质量就越低，同时图片文件的体积越小，下面是三张图片：

         第一张图片的质量参数是100，第二张图片的质量参数是60，第三张图片的质量参数是20，第一张图的细节较为丰富，第二张图的画面中稍微有一些噪点，第三章图片可以看到大块的马赛克。

　　现在你已经了解了JPEG算法的工作原理，如果你想更进一步地学习，那么在GitHub中有这样一个代码示例，其作用就是进行JPEG压缩，感兴趣的同学可以前往查看和研究。