现在的位置: 首页 > 综合 > 正文

JPG文件结构分析

2019年12月16日 综合 ⁄ 共 8318字 ⁄ 字号 暂无评论
孙国栋广告

【转自网络 作者:一江秋水】

一、简述
JPEG是一个压缩标准,又可分为标准 JPEG、渐进式JPEG及JPEG2000三种:

①标准JPEG:以24位颜色存储单个光栅图像,是与平台无关的格式,支持最高级 别的压缩,不过,这种压缩是有损耗的。此类型图片在网页下载时只能由上而下依序显示图片,直到图片资料全部下载完毕,才能看到全貌。
②渐进式 JPEG:渐进式JPG为标准JPG的改良格式,支持交错,可以在网页下载时,先呈现出图片的粗略外观后,再慢慢地呈现出完整的内容,渐进式JPG的文件 比标准JPG的文件要来得小。
③JPEG2000:新一代的影像压缩法,压缩品质更好,其压缩率比标准JPEG高约30%左右,同时支持有损 和无损压缩。一个极其重要的特征在于它能实现渐进传输,即先传输图像的轮廓,然后逐步传输数据,让图像由朦胧到清晰显示。

以一幅24 位彩色图像为例,JPEG的压缩分为四个步骤:

①颜色转换:在将彩色图像进行压缩之前,必须先对颜色模式进行数据转换。转换完成之后 还需要进行数据采样。
②DCT 变换:是将图像信号在频率域上进行变换,分离出高频和低频信息的处理过程,然后再对图像的高频部分(即图像细 节)进行压缩。首先以象素为单位将图像划分为多个8×8的矩阵,然后对每一个矩阵作DCT 变换。把8×8的象素矩阵变成8×8的频率系数矩阵(所谓频率 就是颜色改变的速度),频率系数都是浮点数。
③量化:由于下面第四步编码过程中使用的码本都是整数,因此要对频率系数进行量化,将之转换为整 数。数据量化后,矩阵中的数据都是近似值,和原始图像数据之间有了差异,这一差异是造成图像压缩后失真的主要原因。这一过程中,质量因子的选取至为重要。 值选得大,可以大幅度提高压缩比,但是图像质量就比较差,质量因子越小图像重建质量越好,但是压缩比越低。
④编码:编码是基于统计特性的方 法。

四个步骤都完成后的JPEG文件,其基本数据结构为两大类型:“段”和经过压缩编码的图像数据。

二、数据结构
1.段的一般结构如下表所示:

表1:段的一般结构
-----------------------------------------------------------------
名 称 字节数 数据 说明
-----------------------------------------------------------------
段 标识 1 FF 每个新段的开始标识
段类型 1 类型编码(称作“标记码”)
段长 度 2 包括段内容和段长度本身,不包括段标识和段类型
段内容 ≤65533字节
-----------------------------------------------------------------
说明:
①JPG 文件中所有关于宽度高度长度间隔这一类数据,凡是>1字节的,均采用Motorola格式,即:高位在前,低位在后。
② 有些段没有长度描述也没有内容,只有段标识和段类型。文件头和文件尾均属于这种段。
③段与段之间无论有多少FF都是合法的,这些FF称为“填充字 节”,必须被忽略掉。

2.段类型有30种,但只有10种是必须被所有程序识别的,其它的类型都可以忽略。所以下面只列出这 10种类型。

表2:段类型

---------------------------------------
名称 标记码 说明
---------------------------------------
SOI D8 文件头
EOI D9 文 件尾
SOF0 C0 帧开始(标准 JPEG)
SOF1 C1 同上
DHT C4 定 义 Huffman 表(霍夫曼表)
SOS DA 扫描行开始
DQT DB 定义量化表
DRI DD 定 义重新开始间隔
APP0 E0 定义交换格式和图像识别信息
COM FE 注释
-----------------------------------------------------------
说明:有的文章也将DNL段(标记码=DC,定义扫描行数)列为必须段。

3.以下按一般JPEG文件的段排列顺序详细介绍 各种段的结构:

表3:SOI(文件头)
----------------------------
名称 字节数 值
-----------------------------
段标识 1 FF
段类型 1 D8
-----------------------------
说明:这两个字节构成了 JPEG文件头.

表4:APP0(图像识别信息)
--------------------------------------------------------------------------
名 称 字节数 值 说明
-------------------------------------------------------------------------
段 标识 1 FF
段类型 1 E0
段长度 2 0010 如果有 RGB缩略图就=16+3n
(以下为段内容)
交换格式 5 4A46494600 “JFIF”的ASCII码
主 版本号 1
次版本号 1
密度单位 1 0=无单位;1=点数/英 寸;2=点数/厘米
X像素密度 2 水平方向的密度
Y像素密 度 2 垂直方向的密度
缩略图X像素 1 缩略图水平像素数目
缩 略图Y像素 1 缩略图垂直像素数目
(如果“缩略图X像素”和“缩略图Y像素”的值均>0,那么才有下面的数 据)
RGB缩略图 3×n n=缩略图像素总数=缩略图X像素×缩略图Y像素
--------------------------------------------------------------------------
说明:
①JFIF是JPEG File Interchange Format的缩写,即JPEG文件交换格式,另外还有TIFF等格式,很少 用
②“如果有RGB缩略图就=16+3n”是什么意思呢?比如说“缩略图X像素”和“缩略图Y像素”的值均为48,就表示有一个48×48像素的 缩略图(n=48×48),缩略图是24位真彩位图,用3个字节来表示一个像素,所以共占用3n个字节。但大多数JPG文件都没有这个“鸡肋”缩略图。

表 5:COM(注释)
-------------------------------------------------------------------------
名 称 字节数 值 说明
--------------------------------------------------------------------------
段 标识 1 FF
段类型 1 FE
段长度 2 其值=注释字符的字节数+2
段 内容 注释字符
--------------------------------------------------------------------------
说明:有的JPEG文件没有这个段。

表6:DQT(定义量化表)
--------------------------------------------------------------------------
名 称 字节数 值 说明
--------------------------------------------------------------------------
段 标识 1 FF
段类型 1 DB
段长度 2 43 其值=3+n(当只有一个 QT时)
(以下为段内容)
QT信息 1 0-3位:QT号, 4-7 位:QT精度(0=8bit,1字节;否则=16bit,2字节)
QT n n=64×QT精度的字节数
--------------------------------------------------------------------------
说明:
①JPEG文件一般有2个DQT段,为Y值(亮度)定义1个, 为C值(色度)定义1个。
②一个DQT段可以包含多个 QT, 每个都有自己的信息字节

表7:SOF0(图像基本信息)
--------------------------------------------------------------------------
名 称 字节数 值 说明
--------------------------------------------------------------------------
段标识 1 FF
段类型 1 C0
段长度 2 其值=8+组件数量×3
(以 下为段内容)
样本精度 1 8 每个样本位数(大多数软件不支持12和16)
图片高度 2
图片宽度 2
组 件数量 1 3 1=灰度图,3=YCbCr/YIQ 彩色图,4=CMYK 彩色图
(以下每个组件占用3字节)
组 件 ID 1 1=Y, 2=Cb, 3=Cr, 4=I, 5=Q
采样系数 1 0-3位:垂直采 样系数, 4-7位:水平采样系数
量化表号 1
---------------------------------------------------------------------------
说明:
①JPEG大都采用yCrCb色彩模型(y表示亮度,Cr红色分量,Cb表示蓝色分量),所以组件数量一般=3
②样本就是单个像 素的颜色分量,也可理解为一个样本就是一个组件
③采样系数是实际采样方式与最高采样系数之比,而最高采样系数一般=0.5(分数表示为1/2)。 比如说,垂直采样系数=2,那么2×0.5=1,表示实际采样方式是每个点采一个样,也就是逐点采样;如果垂直采样系数=1,那 么:1×0.5=0.5(分数表示为1/2),表示每2个点采一个样

表8:DHT(定义Huffman表)
--------------------------------------------------------------------------
名 称 字节数 值 说明
--------------------------------------------------------------------------
段 标识 1 FF
段类型 1 C4
段长度 2 其值=19+n(当只有一个 HT表时)
(以下为段内容)
HT信息 1 0-3位:HT号,4 位: HT类型, 0=DC表,1=AC表, 5-7位:必须=0
HT位表 16 这16个数的和应该≤256
HT值表 n n=表头16个数的和
--------------------------------------------------------------------------
说明:
①JPEG文件里有2类Haffman 表:一类用于DC(直流量),一类用于AC(交流量)。一般有4个表:亮度的DC和AC,色度的 DC和AC。最多可有6个。
②一个DHT 段可以包含多个HT表, 每个都有自己的信息字节
③HT表是一个按递增次序代码长度排列的符号 表。

表9:DRI(定义重新开始间隔)
--------------------------------------------------------------------------
名 称 字节数 值 说明
--------------------------------------------------------------------------
段 标识 1 FF
段类型 1 DD
段长度 2 4
(以下为段内容)
开 始间隔 2 n  复位标记的间隔距离
---------------------------------------------------------------------------
说明:
①开始间隔表示在压缩数据流中,每隔n个MCU 块就有一个RST标记,RST标记将Huffman 的解码数据流复位,DC也重新从0 开始,因此,RST标记是一种复位标记
②RST 标记是一种特殊的段,它只具有段标识和段类型(长度=2字节),但它不是独立的段,只能穿插在数 据流中(文件头和文件尾段也只有段标识和段类型,却都是独立的段)。
③RST标记共有8个(RST0-RST7),从RST0起开始使用,然后是 RST1....直至RST7,再从RST0重复。
④RST标记的标识码是 FFD0-FFD7,对应 RST0-RST7
⑤笔者查看了 许多自己电脑上的JPG文件的数据,未发现DRI段和RST标记,所以无法进行详尽的考察

表10:SOS(扫描行开始)
--------------------------------------------------------------------------
名 称 字节数 值 说明
--------------------------------------------------------------------------
段 标识 1 FF
段类型 1 DA
段长 度 2 000C 其值=6+2×扫描行内组件数量
(以下为段内容)
扫描行内组件数量 1 3 必须≥1,≤4(否则错误),通常=3
(以下每个组件占用2字节)
组件 ID 1 1 = Y, 2 = Cb, 3 = Cr, 4 = I, 5 = Q
Huffman表 号 1 0-3位:AC表号 (其值=0...3), 4-7 位:DC表号(其值=0...3)
3 最后3个字节用途不明,忽略
--------------------------------------------------------------------------
说明:紧接SOS段后的是压缩的图像数据(一个个扫描行),数据存放顺序是从左到右、从上到下。

表11:EOI(文件尾)
-----------------
名 称 字节数 值
------------------
段标识 1 FF
段类型 1 D9
------------------
说明:这两个字节构成了JPEG文件尾。

三、实例分析
用系统自带的画图程序画一个32×24的红色方块,另存为JPG文件,这个文件的全部数据如下:

0000: FF D8 FF E0 00 10 4A 46 49 46 00 01 01 01 00 60
0010: 00 60 00 00 FF DB 00 43 00 08 06 06 07 06 05 08
0020: 07 07 07 09 09 08 0A 0C 14 0D 0C 0B 0B 0C 19 12
0030: 13 0F 14 1D 1A 1F 1E 1D 1A 1C 1C 20 24 2E 27 20
0040: 22 2C 23 1C 1C 28 37 29 2C 30 31 34 34 34 1F 27
0050: 39 3D 38 32 3C 2E 33 34 32 FF DB 00 43 01 09 09
0060: 09 0C 0B 0C 18 0D 0D 18 32 21 1C 21 32 32 32 32
0070: 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
0080: 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32
0090: 32 32 32 32 32 32 32 32 32 32 32 32 32 32 FF C0
00A0: 00 11 08 00 18 00 20 03 01 22 00 02 11 01 03 11
00B0: 01 FF C4 00 1F 00 00 01 05 01 01 01 01 01 01 00
00C0: 00 00 00 00 00 00 00 01 02 03 04 05 06 07 08 09
00D0: 0A 0B FF C4 00 B5 10 00 02 01 03 03 02 04 03 05
00E0: 05 04 04 00 00 01 7D 01 02 03 00 04 11 05 12 21
00F0: 31 41 06 13 51 61 07 22 71 14 32 81 91 A1 08 23
0100: 42 B1 C1 15 52 D1 F0 24 33 62 72 82 09 0A 16 17
0110: 18 19 1A 25 26 27 28 29 2A 34 35 36 37 38 39 3A
0120: 43 44 45 46 47 48 49 4A 53 54 55 56 57 58 59 5A
0130: 63 64 65 66 67 68 69 6A 73 74 75 76 77 78 79 7A
0140: 83 84 85 86 87 88 89 8A 92 93 94 95 96 97 98 99
0150: 9A A2 A3 A4 A5 A6 A7 A8 A9 AA B2 B3 B4 B5 B6 B7
0160: B8 B9 BA C2 C3 C4 C5 C6 C7 C8 C9 CA D2 D3 D4 D5
0170: D6 D7 D8 D9 DA E1 E2 E3 E4 E5 E6 E7 E8 E9 EA F1
0180: F2 F3 F4 F5 F6 F7 F8 F9 FA FF C4 00 1F 01 00 03
0190: 01 01 01 01 01 01 01 01 01 00 00 00 00 00 00 01
01A0: 02 03 04 05 06 07 08 09 0A 0B FF C4 00 B5 11 00
01B0: 02 01 02 04 04 03 04 07 05 04 04 00 01 02 77 00
01C0: 01 02 03 11 04 05 21 31 06 12 41 51 07 61 71 13
01D0: 22 32 81 08 14 42 91 A1 B1 C1 09 23 33 52 F0 15
01E0: 62 72 D1 0A 16 24 34 E1 25 F1 17 18 19 1A 26 27
01F0: 28 29 2A 35 36 37 38 39 3A 43 44 45 46 47 48 49
0200: 4A 53 54 55 56 57 58 59 5A 63 64 65 66 67 68 69
0210: 6A 73 74 75 76 77 78 79 7A 82 83 84 85 86 87 88
0220: 89 8A 92 93 94 95 96 97 98 99 9A A2 A3 A4 A5 A6
0230: A7 A8 A9 AA B2 B3 B4 B5 B6 B7 B8 B9 BA C2 C3 C4
0240: C5 C6 C7 C8 C9 CA D2 D3 D4 D5 D6 D7 D8 D9 DA E2
0250: E3 E4 E5 E6 E7 E8 E9 EA F2 F3 F4 F5 F6 F7 F8 F9
0260: FA FF DA 00 0C 03 01 00 02 11 03 11 00 3F 00 E2
0270: E8 A2 8A F9 93 F7 10 A2 8A 28 00 A2 8A 28 00 A2
0280: 8A 28 03 FF D9

分 析:
0000-0001:FF D8(文件头)
0002-0013:APP0段,其中:
0002-0003:FF E0(段 标记)
0004-0005:00 10(段长度=16字节)
0006-000A:4A 46 49 46 00(“JFIF”的 ASCII码)
000B-000C:01 01(主次版本号=1.01)
000D :01(密度单位为 点数/英寸)
000E-0011:00 60 00 60(水平和垂直的密度均为每英寸96像素)
0012-0013:00 00(没有缩略图)
0014-0058:DQT 段,其中:
0014-0015:FF DB(段标记)
0016-0017:00 43(段长度=67字节)
0018 :00(QT号=0,QT精度=8bit)
0019-0058:QT
0059-009D:DQT段,其中:
0059-005A:FF DB(段标记)
005B-005C:00 43(段长度=67字节)
005D :01(QT号=1,QT精度=8bit)
005E-009D:QT
009E-00B0:SOF0段,其中:
009E-009F:FF C0(段标记)
00A0-00A1:00 11(段长度=17字节)
00A2 :08(样 本精度=8bit)
00A3-00A6:00 18 00 20(图像高=24,图像宽=32)
00A7 :03(组件 数量=3,YCbCr彩色图)
00A8 :01(ID号=1,这是亮度Y组件)
00A9 :22(化为二进 制=00100010,表明垂直和水平采样系数均=2)
00AA :00(使用QT号=0的量化表)
00AB :02(ID号=2,这是色度Cb组件)
00AC :11(化为二进制=00010001,表明垂直和水平采样系 数均=1)
00AD :01(使用QT号=1的量化表)
00AE :03(ID号=3,这是色度Cr组件)
00AF :11(化为二进制=00010001,表明垂直和水平采样系数均=1)
00B0 :01(使用QT号=1的量 化表)
00B1-00D1:DHT段,其中:
00B1-00B2:FF C4(段标记)
00B3-00B4:00 1F(段长度=31字节)
00B5 :00(HT号=0,DC表)
00B6-00C5:这 16个数字之和=12,说明下面的HT值表的长度=12字节)
00C6-00D1:HT值表
00D2-0188:DHT段,这是HT 号=0的AC表,参照上面分析
0189-01A9:DHT段,这是HT号=1的DC表,参照上面分析
01AA-0260:DHT段,这是 HT号=1的AC表,参照上面分析
0261-026E:SOS段,其中:
0261-0262:FF DA(段标记)
0263-0264:00 0C(段长度=12字节)
0265 :03(组件数量=3)
0266-0267:01 00(组件ID=1,Y组件,使用HT表号=0的AC表)
0268-0269:02 11(组件ID=2,Cb组 件,使用HT表号=1的DC表)
026A-026B:03 11(组件ID=3,Cr组件,使用HT表号=1的DC表)
026C-026E:00 3F 00(几乎每个JPG文件中这3个字节的值都相同,但用途不明)
026F-0282:图像压缩数据
0283-0284:FF D9(文 件尾)

给我留言

留言无头像?