A JPEG szabvány

A JPEG (Joint Photographic Experts Group, a szakértõi csoport nevébõl jön, amely kifejlesztette) a raszteres képek egy veszteséges tömörítési eljárása, amit az ISO szabványosított a jól csengõ ISO/IEC IS 10918-1 néven. A szabványcsomag tartalmaz veszteségmentes tömörítést is, de ez nem terjedt el annyira.

Az Internet legelterjedtebb képformátuma nagy tömörítési aránya és páratlanul széles támogatottsága miatt. Fényképek esetében 10:1, 20:1 tömörítést ér el.

Alkalmazható szürkeárnyalatos és színes képekre is. Veszteségessége abban mutatkozik meg, hogy a kitömörítés utáni kép nem fog megegyezni az eredeti bemenettel. A technikai megoldás azt célozza, hogy az eltérés az emberi szem számára legkevésbé legyen zavaró. A minõségromlásért cserébe jobb tömörítési arányt kaphatunk, mint veszeteségmentes esetben.

Algoritmusa észrevehetõen az éles határvonalakat mossa el. Így legjobban fényképekre alkalmazható, vonalas rajzoknál, számítógépes grafikáknál csúnya eredményt kapunk (vagy gyenge tömörítési arányra kényszerülünk). Tömörítési aránya, így minõsége paraméterezhetõ.

Algoritmikai részletek

A JPEG tömörítés képsíkonként történik, a képsíkok felbontása eltérhet. Mivel az emberi szem mûködése inkább az fényesség-telítettség-árnylat (HLS) színsémához igazodik, elõször RGB-rõl erre kell konvertálni a képet, és a képsíkokat az fényesség, telítettség és árnylat színkoordináták képzik. Ezen a ponton hasznos a képsíkok felbontásának különbözõsége, mert szemünk inkább a fényesség eltérésére érzékenyebb. A technika így lehetõvé teszi, hogy a színinformációt hordozó képsíkok fél felbontással vesznek részt a folyamatban - a minõség érezhetõ romlása nélkül.

Ez után a képsíkok 8x8-as négyzetekre bontása következik. Ha a képméret nem osztható 8-cal, akkor a képet a szelsõ sorok többszörözésével kibõvítik. Ez azért megfelelõ módszer, mert így nem keletkezik éles vonal.

A 8x8-as négyzetekre DCT (diszkrét koszinusz transzformáció) fut le. Ez 8x8-as négyzeteket eredményez, melynek elemei valós számok. A transzfomált négyzet együtthatói a különbözõ frekvenciájú felharmonikusoknak felelnek meg. A következõ feladatunk az értékek kvantálása. A szem érzékenységéhez igazodva a kvantálást a kisebb frekvenciákra kisebb lépésközzel végzik, a nagy frekvenciákra nagyobbakkal. Így a nagyobb frekvenciák együtthatói nagyrész 0-k lesznek.

Tudni kell még, hogy a bal felsõ sarokba a 0 frekvenciához tartozó komponens kerül. Mivel a szomszédos képrészek színe általában hasonló, így ezeknek nem a tényleges értékét tárolják, hanem a különbségét az elõzõ blokkétól (ezáltal ezek a komponensek csökkenthetõk).

A fenti módon kvantált együtthatókat a bal felsõ sarokból indulva cikk-cakk elrendezésben sorbarendezik. Ezáltal a sorozat végére leginkább 0-k kerülnek.

A kapott sorozatot, mely nagyrészt 0-kból áll, futamhossz kódolással ({n,s},v) hármasokká alakítják. (n az utolsó nem 0 együttható és az épp kódolt együttható közti 0-k darabszáma, s mutatja, hogy az együtthatót hány biten kódoljuk, és v az együttható kódja.

Végül az ({n,s},v) hármasok {n,s} részét Huffmann-kóddal tömörítik, a v értéket pedig további tömörítés nélkül felsorolják.

Leggyakrabban 24 bites képekre alkalmazzák, és itt pixelenkénti 2 bites tömörség mellett a tömörített kép még tökéletes emberi számára. 1 bit/képpontos bitsebesség esetén a veszteség láthatóvá válik, és a felismerhetõség határa 0,086 bit/képpont körül van.