JPEG文件格式简单分析
作者：小爽
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。
)
