Loading AI tools
圖片失真壓縮標準方法・檔案格式 来自维基百科，自由的百科全书
JPEG或稱JPG，是一種針對相片影像而廣泛使用的失真壓縮標準方法，由聯合圖像專家小組（英語：Joint Photographic Experts Group）開發。此團隊創立於1986年，1992年發布了JPEG的標準而在1994年獲得了ISO 10918-1的認定。JPEG與視訊音訊壓縮標準的MPEG（Moving Picture Experts Group）很容易混淆，但兩者是不同的組織及標準。
 | 此條目需要補充更多來源。 (2012年12月3日) |
 | 此條目翻譯品質不佳。 |
JPEG本身只有描述如何將一個影像轉換為字節的數據串流（streaming），但並沒有說明這些位元組如何在任何特定的儲存媒體上受封存起來。JPEG的壓縮方式通常是有損壓縮，即在壓縮過程中圖像的品質會遭受到可見的破壞，有一種以JPEG為基礎的標準Lossless JPEG是採用無失真的壓縮方式，但Lossless JPEG並沒有受到廣泛的支援。
一個由C-Cube Microsystems等公司所建立的額外標準，稱為JFIF（JPEG File Interchange Format，JPEG檔案交換格式，聯合圖像專家小組檔案交換格式）詳細說明如何從一個JPEG串流，產出一個適合於電腦儲存和傳輸（像是在網際網路上）的檔案。在普遍的用法，當有人稱呼一個"JPEG檔案"，一般而言他是意指一個JFIF檔案，或有時候是一個Exif JPEG檔案。然而，也有其他以JPEG為基礎的檔案格式，像是JNG。
使用JPEG格式壓縮的圖片檔案一般也稱為JPEG Files，最普遍使用的副檔名格式為.jpg，其他常用的副檔名還包括.JPEG、.jpe、.jfif以及.jif。JPEG格式的資料也能受嵌進其他類型的檔案格式中，像是TIFF類型的檔案格式。
JPEG/JFIF是全球資訊網上最普遍的用來儲存和傳輸照片的格式。它並不適合於線條繪圖（drawing）和其他文字或圖示（iconic）的圖形，因為它的壓縮方法用在這些類型的圖形上，得到的結果並不好（PNG和GIF通常是用來存儲這類的圖形；GIF每個像素只有8位元，並不很適合於存儲彩色照片，PNG可以無失真地儲存照片，但是檔案太大的缺點讓它不太適合在網路上傳輸）。
JPEG標準中許多選項很少使用，大多數圖像軟件在創建JPEG文件時使用更簡單的JFIF格式。當應用到一個擁有每個像素24位元（24 bits per pixel，紅、藍、綠各有八位元）的輸入時，這邊只有針對更多普遍編碼方法之一的簡潔描述。這個特定的選擇是一種失真資料壓縮方法。
首先，影像由RGB（紅綠藍）轉換為一種稱為YUV的不同色彩空間。這與模擬PAL制式彩色電視傳輸所使用的色彩空間相似，但是更類似於MAC電視傳輸系統運作的方式。但不是模擬NTSC，模擬NTSC使用的是YIQ色彩空間。
YUV分量可以由PAL制系統中歸一化（經過伽馬校正）的R',G',B'經過下面的計算得到：
這種編碼系統非常有用，因為人眼對亮度差異的敏感度高於色彩變化。在此前提下可以設計更加高效壓縮圖像的編碼器（encoder）。
經過RGB到YUV顏色空間的轉換後，開始進行縮減採樣來減少U和V的成份（稱為"縮減取樣"或"色度抽樣"（chroma subsampling）。在JPEG上這種縮減取樣的比例可以是4:4:4（無縮減取樣），4:2:2（在水平方向2的倍數中取一個），以及最普遍的4:2:0（在水平和垂直方向2的倍數中取一個）。對於壓縮過程的剩餘部份，Y、U、和V都是以非常類似的方式來個別地處理。
下一步，將影像中的每個成份（Y, U, V）生成三個區域，每一個區域再劃分成如瓷磚般排列的一個個的8×8子區域，每一子區域使用二維的離散餘弦變換（DCT）轉換到頻率空間。
如果有一個如這樣的8×8的8-位元（0~255）子區域：
接著推移128，使其範圍變為 -128~127，得到結果為
且接著使用離散餘弦變換，和捨位取最接近的整數，得到結果為
左上角之相當大的數值稱為DC係數（直流係數）；其他63個值稱為AC係數（交流係數）。下面將對所有8×8表格中的DC係數使用差分編碼，對AC係數使用行程編碼。[1]
人類眼睛在一個相對大範圍區域，辨別亮度上細微差異是相當的好，但是在一個高頻率亮度變動之確切強度的分辨上，卻不是如此地好。這個事實讓我們能在高頻率成份上極佳地降低資訊的數量。簡單地把頻率領域上每個成份，除以一個對於該成份的常數就可完成，且接著捨位取最接近的整數。這是整個過程中的主要失真運算。以這個結果而言，經常會把很多更高頻率的成份捨位成為接近0，且剩下很多會變成小的正或負數。
一個普遍的量化矩陣是：
使用這個量化矩陣與前面所得到的DCT係數矩陣逐項相除，得到結果為：
舉個例子，使用−415（DC係數）且捨位得到最接近的整數
熵編碼是無失真資料壓縮的一個特別形式。它牽涉到將影像成份以Z字型（zigzag）排列，把相似頻率群組在一起（矩陣中往左上方向是越低頻率之係數，往右下較方向是較高頻率之係數），插入長度編碼的零，且接著對剩下的使用霍夫曼編碼。 JPEG標準也允許（但是並不要求）在數學上優於霍夫曼編碼的算術編碼之使用。然而，這個特色幾乎很少獲使用，因為它被專利所涵蓋，且它相較於霍夫曼編碼在編碼和解碼上會更慢。使用算術編碼一般會讓檔案更小約5%。
對於前者量化的係數所作的Z字型序列會是：
−26,
−3, 0,
−3, −2, −6,
2, −4, 1, −3,
1, 1, 5, 1, 2,
−1, 1, −1, 2, 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
當剩下的所有係數都是零，對於過早結束的序列，JPEG有一個特別的霍夫曼編碼用詞。使用這個特殊的編碼用詞，EOB，該序列變為
−26,
−3, 0,
−3, −2, −6,
2, −4, 1 −3,
1, 1, 5, 1, 2,
−1, 1, −1, 2, 0, 0,
0, 0, 0, −1, −1, EOB
按：artifact在這個領域又解釋為贗像、非自然信號、人為現象。
在量化階段時，依照除數的不同，會使結果的壓縮比率可能有很多變化。10:1通常可得到無法使用肉眼分辨與原圖差異的影像。100:1壓縮通常是可行的，但與原圖相較，會看出明顯的不自然痕跡。壓縮的適當等級是依據要壓縮那一種影像而定。
使用全球資訊網的人，可能熟悉這種出現在JPEG數位影像，已知壓縮人為現象的不規則現象。這是由於JPEG演算法的量化步驟所造成的結果。這種現象在臉部照片中的眼睛四周特別明顯。他們可以藉由選擇壓縮的較低水平（使用較低的壓縮率）來減少這種現象；他們可能藉由使用無失真檔案格式來儲存一個影像來消除這種現象，然而針對照片影像，這樣通常會使檔案大小增加。
解碼來顯示影像，包含反向作以上所有的過程
取DCT係數矩陣（在把DC係數差異加回去之後）
且以前面的量化矩陣乘以它，得到
左上角的部份與原本DCT係數矩陣非常接近地相似。使用反向DCT得到一個有數值的影像（仍然受移位128）
且對每一個項目加上128
這是解壓縮的子影像，且可以用來與原本子影像相比（也可以看右方的影像），藉由取兩者之間的差異（原本—解壓縮）得到誤差值。
每個像素大約是5的平均絕對誤差，也就是說，。誤差在左下角顯而易見，左下方的像素變得比它鄰近右方的像素還更暗。
JPEG在色調及顏色平滑變化的相片或是寫實繪畫（painting）上可以達到它最佳的效果。在這種情況下，它通常比完全無失真方法作得更好，仍然可以產生非常好看的影像（事實上它會比其他一般的方法像是GIF產生更高品質的影像，因為GIF對於線條繪畫（drawing）和圖示的圖形是無失真，但針對全彩影像則需要極困難的量化）。
JPEG壓縮的不自然現象可以很好地調和到細微非均勻材質的相片中，因此允許得到更高的壓縮率。
附註：以上的影像並不是IEEE/CCIR/EBU測試影像，且壓縮編碼器的設定並沒有指明或是可以得到。
中等品質的相片只有六分之一的儲存空間，但是幾乎沒有明顯的細節損失或是看得到的人為效果。然而，一旦超過一個某整的壓縮限度，壓縮的影像逐漸地顯現出可以看得到的瑕疵。參考比率失真理論（rate distortion theory）的文章有針對這種限度效果的數學上之解釋。
有很多醫學的影像系統可以建立和處理12位元JPEG影像。12位元JPEG格式已經是JPEG規格的一部份，但是非常少商業軟件程序（或網頁瀏覽器）支援這種不常使用的JPEG格式。
更新的失真方法，尤其是小波壓縮（wavelet compression），在這些情況下甚至能作得更好。然而，JPEG是一種建立得相當好的標準，擁有很多可使用的軟體，包含自由軟體，因此到2005年它持續獲大量使用。很多小波演算法受到專利保護，要在很多軟體專案中自由地使用他們是困難或是不可能的。
JPEG委員會現在也已經建立其自有的小波基礎標準－JPEG 2000，希望最終能取代原來的JPEG標準。
在2002年Forgent Networks主張他擁有且將會履行在JPEG技術上的專利權，起因於一個在1986年已經歸檔的專利（美國專利第4,698,672號）。這個公告已經引起一陣大騷動，令人想起Unisys試圖主張對於GIF影像壓縮標準的權利。
JPEG委員會審慎調查這個在2002年所主張的專利，且發現他們因為前案而無效作廢[2]。其他的也已推斷Forgent並無擁有涵蓋JPEG的專利[3]。儘管如此，在2002年和2004年之間，Forgent藉由把他們的專利授權給某些30家公司，而獲得大約9千萬美元。在2004年4月，Forgent控告31家其他公司來強求更多的授權支付。同年的七月，21家較大的電腦公司組成的協會提出反控告，包含使該專利無效的目標。然而，到2005年7月的時候，這場官司仍然持續中。
JPEG委員會在他的明確目標中有一項，是他們的標準在不支付授權金之下是可以受實作的，且他們已從超過20個大型組織中，得到適當的授權權利給他們即將到來的JPEG 2000標準。
經過數年的糾纏，於2006年11月，JPEG專利持有者Forgent Networks終於與30家PC廠商結束了侵權官司，代價是PC廠商向Forgent賠款800萬美元，而不是Forgent期望的1億美元。
在與PC廠商大打官司之前，Forgent已經與60多家公司和解，獲得的專利費用總額高達1.1億美元。包括雅虎在內的45家PC廠商拒絕就4698672號專利問題和解，而是選擇了對簿公堂，不過其中15家在此之前已經與Forgent和解。
雖然還是賠了款，但PC廠商們並沒有輸掉官司；雖然沒能得到自己想要的大筆美金，Forgent也沒有徹底失敗。在非盈利性組織美國公共專利基金會（PPF）的協助下，他們設法獲得了美國專利和商標局（USPTO）的認可，對Forgent專利的有效性在2月和6月兩次重新進行了鑑定，最終法庭限制了Forgent專利的應用範圍。而從另一方面看，Forgent的專利也得到了一定的維護，這要比被徹底推翻好得多，Forgent也表示對結果感到很滿意。
Forgent CEO Richard Snyder稱：「在'672專利的有效期內，我們已經獲得了1.1億多美元。很快，Forgent還會再次有所行動。我們的精力現在已經轉移到'746專利上，並等待2007年5月的陪審團裁決，同時我們還會繼續促進（分公司）NetSimplicity的軟件業務。」[4]
雖然任何對JPEG圖像的處理都有可能導致因為解壓後再壓縮而引起的損耗，然而，對於簡單的旋轉動作，數學上是可以有辦法使圖像得以旋轉而無損圖像本身的資料。也就是說，有一種方法可以在無需把圖像解壓後才可以旋轉。這是因為JPEG的檔案格式本身是以一個個模塊為單位來壓縮，所以，只需要把模塊重排，再對每個模塊旋轉，就可以達至無損耗的旋轉。
使用者在操作上加以注意。例如：在Adobe Photoshop裡，用戶若要作無損耗旋轉前，必須在載入圖像之後立刻用「Save As...」功能儲存一個備份。然後當圖像旋轉過後，由於Photoshop已掌握了圖像的基本資料，所以在儲存時得以使用原來的設定。若沒有作事先儲存，Photoshop就會把旋轉後的圖像重新計算各項參數，並重新對圖像進行壓縮處理。這樣就會造成資料的損耗。
JPEG是由國際標準組織（ISO）和國際電話電報諮詢委員會（CCITT）為靜態圖像所建立的第一個國際數字圖像壓縮標準，也是至今一直在使用的、應用最廣的圖像壓縮標準。JPEG由於可以提供有損壓縮，因此壓縮比可以達到其他傳統壓縮算法無法比擬的程度。
JPEG的壓縮模式有以下幾種：
在Independent JPEG Group所提供的源碼上，有jpegtran程式，就提供了優化Huffman，轉成漸進式，鏡射，旋轉這些無損耗轉換。
參看：無損耗JPEG旋轉程式列表 （頁面存檔備份，存於網際網路檔案館）（英語）
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.
![{\displaystyle \left[{\begin{array}{rrrrrrrr}-66&-63&-71&-68&-56&-65&-68&-46\\-71&-73&-72&-46&-20&-41&-66&-57\\-70&-78&-68&-17&20&-14&-61&-63\\-63&-73&-62&-8&27&-14&-60&-58\\-58&-65&-61&-27&-6&-40&-68&-50\\-57&-57&-64&-58&-48&-66&-72&-47\\-53&-46&-61&-74&-65&-63&-62&-45\\-47&-34&-53&-74&-60&-47&-47&-41\end{array}}\right]}](http://wikimedia.org/api/rest_v1/media/math/render/svg/3122f79ddeb024d01857afa1326287ef6ef8259e)
![{\displaystyle \left[{\begin{array}{rrrrrrrr}62&65&57&60&72&63&60&82\\57&55&56&82&108&87&62&71\\58&50&60&111&148&114&67&65\\65&55&66&120&155&114&68&70\\70&63&67&101&122&88&60&78\\71&71&64&70&80&62&56&81\\75&82&67&54&63&65&66&83\\81&94&75&54&68&81&81&87\end{array}}\right].}](http://wikimedia.org/api/rest_v1/media/math/render/svg/97c63837bcedc3e999e024b101278c9ad8789553)
![{\displaystyle \left[{\begin{array}{rrrrrrrr}-10&-10&4&6&-2&-2&4&-9\\6&4&-1&8&1&-2&7&1\\4&9&8&2&-4&-10&-1&8\\-2&3&5&2&-1&-8&2&-1\\-3&-2&1&3&4&0&8&-8\\8&-6&-4&-0&-3&6&2&-6\\10&-11&-3&5&-8&-4&-1&-0\\6&-15&-6&14&-3&-5&-3&7\end{array}}\right]}](http://wikimedia.org/api/rest_v1/media/math/render/svg/57b41af069e9b6354156d2640bf40825c80b1b4a)
