OCR dowolnego JPM

Format obrazu JPEG (Joint Photographic Experts Group), powszechnie znany jako JPG, to szeroko stosowana metoda kompresji stratnej dla obrazów cyfrowych, szczególnie tych uzyskanych za pomocą fotografii cyfrowej. Stopień kompresji można regulować, co pozwala na wybór kompromisu między rozmiarem pliku a jakością obrazu. JPEG zwykle osiąga kompresję 10:1 przy niewielkiej zauważalnej utracie jakości obrazu.

Kompresja JPEG jest stosowana w wielu formatach plików graficznych. JPEG/Exif to najpopularniejszy format obrazu używany przez aparaty cyfrowe i inne urządzenia do przechwytywania obrazów fotograficznych; wraz z JPEG/JFIF jest to najpopularniejszy format do przechowywania i przesyłania obrazów fotograficznych w sieci WWW. Te odmiany formatu często nie są rozróżniane i są po prostu nazywane JPEG.

Format JPEG obejmuje wiele standardów, w tym JPEG/Exif, JPEG/JFIF i JPEG 2000, który jest nowszym standardem oferującym lepszą wydajność kompresji przy wyższej złożoności obliczeniowej. Standard JPEG jest złożony, z różnymi częściami i profilami, ale najczęściej używanym standardem JPEG jest JPEG bazowy, do którego większość ludzi odnosi się, gdy wspomina o obrazach „JPEG”.

Algorytm kompresji JPEG jest w swojej istocie techniką kompresji opartą na dyskretnej transformacie kosinusowej (DCT). DCT to transformacja związana z Fouriera, podobna do dyskretnej transformacji Fouriera (DFT), ale wykorzystująca tylko funkcje kosinusowe. DCT jest używana, ponieważ ma właściwość koncentrowania większości sygnału w dolnym obszarze częstotliwości widma, co dobrze koreluje z właściwościami naturalnych obrazów.

Proces kompresji JPEG obejmuje kilka kroków. Początkowo obraz jest konwertowany z oryginalnej przestrzeni kolorów (zwykle RGB) do innej przestrzeni kolorów znanej jako YCbCr. Przestrzeń kolorów YCbCr dzieli obraz na składową luminancji (Y), która reprezentuje poziomy jasności, oraz dwie składowe chrominancji (Cb i Cr), które reprezentują informacje o kolorze. To rozdzielenie jest korzystne, ponieważ ludzkie oko jest bardziej wrażliwe na zmiany jasności niż koloru, co pozwala na bardziej agresywną kompresję składowych chrominancji bez znaczącego wpływu na postrzeganą jakość obrazu.

Po konwersji przestrzeni kolorów obraz jest dzielony na bloki, zwykle o rozmiarze 8x8 pikseli. Następnie każdy blok jest przetwarzany osobno. Dla każdego bloku stosowana jest DCT, która przekształca dane domeny przestrzennej w dane domeny częstotliwości. Ten krok jest kluczowy, ponieważ sprawia, że dane obrazu są bardziej podatne na kompresję, ponieważ naturalne obrazy mają tendencję do posiadania składowych niskiej częstotliwości, które są bardziej znaczące niż składowe wysokiej częstotliwości.

Po zastosowaniu DCT wynikowe współczynniki są kwantyzowane. Kwantyzacja to proces mapowania dużego zestawu wartości wejściowych na mniejszy zestaw, skutecznie zmniejszając liczbę bitów potrzebnych do ich przechowywania. Jest to główne źródło strat w kompresji JPEG. Krok kwantyzacji jest kontrolowany przez tabelę kwantyzacji, która określa, ile kompresji jest stosowane do każdego współczynnika DCT. Poprzez dostosowanie tabeli kwantyzacji użytkownicy mogą dokonywać kompromisów między jakością obrazu a rozmiarem pliku.

Po kwantyzacji współczynniki są liniowane przez skanowanie zygzakowate, które porządkuje je według rosnącej częstotliwości. Ten krok jest ważny, ponieważ grupuje współczynniki niskiej częstotliwości, które mają większe prawdopodobieństwo bycia znaczącymi, oraz współczynniki wysokiej częstotliwości, które mają większe prawdopodobieństwo bycia zerowymi lub bliskimi zeru po kwantyzacji. To uporządkowanie ułatwia następny krok, którym jest kodowanie entropii.

Kodowanie entropii to metoda kompresji bezstratnej, która jest stosowana do skwantyzowanych współczynników DCT. Najczęstszą formą kodowania entropii stosowaną w JPEG jest kodowanie Huffmana, chociaż standard obsługuje również kodowanie arytmetyczne. Kodowanie Huffmana działa poprzez przypisywanie krótszych kodów do częstszych elementów i dłuższych kodów do rzadszych elementów. Ponieważ naturalne obrazy mają tendencję do posiadania wielu współczynników zerowych lub bliskich zeru po kwantyzacji, szczególnie w obszarze wysokiej częstotliwości, kodowanie Huffmana może znacznie zmniejszyć rozmiar skompresowanych danych.

Ostatnim krokiem w procesie kompresji JPEG jest zapisanie skompresowanych danych w formacie pliku. Najpopularniejszym formatem jest JPEG File Interchange Format (JFIF), który definiuje sposób reprezentowania skompresowanych danych i powiązanych metadanych, takich jak tabele kwantyzacji i tabele kodów Huffmana, w pliku, który może być dekodowany przez szeroką gamę oprogramowania. Innym popularnym formatem jest Exchangeable image file format (Exif), który jest używany przez aparaty cyfrowe i zawiera metadane, takie jak ustawienia aparatu i informacje o scenie.

Pliki JPEG zawierają również znaczniki, które są sekwencjami kodów definiującymi określone parametry lub działania w pliku. Znaczniki te mogą wskazywać początek obrazu, koniec obrazu, definiować tabele kwantyzacji, określać tabele kodów Huffmana i inne. Znaczniki są niezbędne do prawidłowego dekodowania obrazu JPEG, ponieważ dostarczają niezbędnych informacji do odtworzenia obrazu ze skompresowanych danych.

Jedną z kluczowych cech JPEG jest obsługa kodowania progresywnego. W progresywnym JPEG obraz jest kodowany w wielu przejściach, z których każde poprawia jakość obrazu. Pozwala to na wyświetlenie obrazu niskiej jakości, gdy plik jest nadal pobierany, co może być szczególnie przydatne w przypadku obrazów internetowych. Pliki JPEG progresywne są ogólnie większe niż pliki JPEG bazowe, ale różnica w jakości podczas ładowania może poprawić wrażenia użytkownika.

Pomimo szerokiego zastosowania JPEG ma pewne ograniczenia. Stratna natura kompresji może prowadzić do artefaktów, takich jak blokowanie, gdzie obraz może pokazywać widoczne kwadraty, i „dzwonienie”, gdzie krawędzie mogą być otoczone fałszywymi oscylacjami. Te artefakty są bardziej zauważalne przy wyższych poziomach kompresji. Ponadto JPEG nie jest dobrze przystosowany do obrazów z ostrymi krawędziami lub tekstem o wysokim kontraście, ponieważ algorytm kompresji może rozmywać krawędzie i zmniejszać czytelność.

Aby rozwiązać niektóre ograniczenia oryginalnego standardu JPEG, opracowano JPEG 2000. JPEG 2000 oferuje kilka ulepszeń w stosunku do bazowego JPEG, w tym lepszą wydajność kompresji, obsługę kompresji bezstratnej i możliwość skutecznego obsługiwania szerszego zakresu typów obrazów. Jednak JPEG 2000 nie zyskał tak szerokiego zastosowania w porównaniu z oryginalnym standardem JPEG, głównie ze względu na zwiększoną złożoność obliczeniową i brak obsługi w niektórych programach i przeglądarkach internetowych.

Podsumowując, format obrazu JPEG to złożona, ale wydajna metoda kompresji obrazów fotograficznych. Jego szerokie zastosowanie wynika z jego elastyczności w równoważeniu jakości obrazu z rozmiarem pliku, co czyni go odpowiednim do różnych zastosowań, od grafiki internetowej po fotografię profesjonalną. Chociaż ma swoje wady, takie jak podatność na artefakty kompresji, jego łatwość użycia i obsługa w szerokiej gamie urządzeń i oprogramowania sprawiają, że jest jednym z najpopularniejszych formatów obrazów używanych obecnie.