JPEG文件格式 存储格式 图片文件储存格式 JPEG文件详解

摘要：

这篇文章大体上介绍了 JPEG 文件的结构信息以及它的压缩算法和编码方式。使读者能够对 JPEG 文件格式有大体上的了解。为读者进一步进行学习 JPEG 文件压缩做好准备

 

关键字： 十六进制，段格式，编码

 

一、    JPEG文件格式概述：

图像和动画的存储方式是一个很重要的问题。幸好我们有了数据压缩，有了 JPEG 等多种压缩存储图像的文件格式，我们今天才能够拿着小小的一个存储器，却存上许多张色彩鲜艳的图片。如果没有图像压缩算法，也许我们的多媒体时代就会晚到来许多年。

JPEG 图像存储格式一个比较成熟的图像有损压缩格式，虽然一个图片经过转化为 JPEG 图像后，一些数据会丢失，但是，人眼是很不容易分辨出来这种差别的。也就是说， JPEG 图像存储格式既满足了人眼对色彩和分辨率的要求，又适当的去除了图像中很难被人眼所分辨出的色彩，在图像的清晰与大小中 JPEG 找到了一个很好的平衡点。

虽然图像转化为 JPEG 格式会减小很多，但是并不是文件就变得简单了，相反， JPEG 文件的格式是比较复杂的。不经过认真地分析，是不容易弄懂它的。

 

二、    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（ SOI 的具体数值清自己察看相关书籍，本文章中将不作重点介绍），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。我们现在重点地介绍各个段的作用。

 

三、    JPEG文件中段的介绍：

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。

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

0     0     0     0     0     0     0     0

0     0     0     0     0     0     0     0

0     0     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。

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。

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。

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。

 

四、    JPEG文件十六进制代码解析

我觉得，如果想要的了解 JPEG ，对十六进制代码的观察是必不可少的。不要认为这样有多难，我会让你知道这是很简单的。目前我们只需要了解我们能够了解的东西就可以了。要记住，每个段的开始是 0xFF ， 0xXX ，紧接着两个字节是长度信息。

可以看到，上图被选定的标记是 SOI 标记。

上图被选定的段是 APP0 段。

 

 

紧接着的段是 DQT 段，这个 JPEG 文件有两个 DQT 段。这里需要强调一点的是，包括量化表在内 8x8 的块的值是按照 Z 形来保存量化表 8x8 的数据的。而不是按照一行一行的保存的。这样做的好处是，能够让实际上相邻的像素点保存后也排列得比较近，便于压缩和编码。如下图所示：

（摘自《 JPEG 压缩编码标准》）

 

 

上图标记的段是 DHT 段，一共有 4 个 DHT 段。

 

这个段是 SOS 段，在这个段的后面就是所有压缩后的数据。

每段的具体信息在这里我就不详细介绍了，网上有很多相关的文章，如果有兴趣的话，可以去查找阅读。

 

五、    图像数据块内的编码方式

其实，图像数据块的编码是比较麻烦的，它涉及到了行程编码， Huffman 编码等编码方式。这部分很多文档说得都不是很清楚，我力求去除内部比较麻烦的部分，再通过简单的语言让大家明白原理，这样大家如果有兴趣进行下一步的研究，也会比较容易上手的。

我们还是使用那刚才那个包含很多 0 的量化后的 8x8 的数据块来说明。我们把块内剩余的 63 个数据用行程编码来编码。经过行程编码后的数据的格式是：（ x,y ）。 x 表示的是从当前位置开始有多少个连续的零， y 表示这些连续的 0 的后面的第一个非零的数是多少。但是为了解决存储的问题和进行进一步的压缩。最后的压缩格式变为：（ x,y ） z 。 xy 占有一个字节的长度。 z 的长度不固定，需要根据 y 的值来判断。 x 仍代表从当前位置开始有几个连续的零，但是因为 x 只能占有四位的长度，也就是它的最大值是 15 ，所以，当多于 16 个连续的零的时候。会用一个字节的 (15,0) 来代替前面的 16 个 0 ，然后继续编码（注意：这时候没有 z 部分）。当块结束或者当前块后面剩余的都是零的时候，就用（ 0,0 ）即 EOB 代替（同样也是没有 z 部分）。前面说到 z 的长度不固定，需要根据 y 的值来判断，这是为什么呢？简单的来说， z 的长度是不一定的，在 1~15 的范围内。 Y 的作用简单的来说表示的是 z 的二进制位数（ 1~15 ），也正好是 4 位二进制的值能够表示的。然后，把 xy 合成的一个字节单独提取出来，利用 DHT 里面的 Huffman 表来进行编码。这样，编码的长度又能够被压缩了。

 

六、    总结

叙述了这么多，相信大家对于 JPEG 已经有了一个大概的了解了吧，如果你通过阅读这篇文章，对 JPEG 文件的结构和算法有了一个大体上的认识，那么这篇文章的目的也就达到了。下一步进行具体研究就不会有太大问题了。祝愿大家能够在数据压缩的路上走好。