OCR ภาพ JPEG ใด ๆ

JPEG ซึ่งย่อมาจาก Joint Photographic Experts Group เป็นวิธีการบีบอัดแบบสูญเสียข้อมูลที่ใช้กันทั่วไปสำหรับภาพดิจิทัล โดยเฉพาะอย่างยิ่งสำหรับภาพที่ถ่ายด้วยกล้องดิจิทัล ระดับการบีบอัดสามารถปรับได้ ซึ่งช่วยให้สามารถเลือกการแลกเปลี่ยนระหว่างขนาดที่จัดเก็บและคุณภาพของภาพได้ JPEG มักจะบรรลุการบีบอัด 10:1 โดยสูญเสียคุณภาพของภาพเพียงเล็กน้อย

อัลกอริทึมการบีบอัด JPEG เป็นหัวใจหลักของมาตรฐาน JPEG กระบวนการเริ่มต้นด้วยการแปลงภาพดิจิทัลจากพื้นที่สี RGB ทั่วไปไปเป็นพื้นที่สีอื่นที่เรียกว่า YCbCr พื้นที่สี YCbCr แยกภาพออกเป็นความสว่าง (Y) ซึ่งแสดงระดับความสว่าง และความอิ่มตัวของสี (Cb และ Cr) ซึ่งแสดงข้อมูลสี การแยกนี้เป็นประโยชน์เพราะดวงตาของมนุษย์มีความไวต่อการเปลี่ยนแปลงของความสว่างมากกว่าสี ซึ่งช่วยให้การบีบอัดสามารถใช้ประโยชน์จากสิ่งนี้ได้โดยการบีบอัดข้อมูลสีมากกว่าความสว่าง

เมื่อภาพอยู่ในพื้นที่สี YCbCr ขั้นตอนถัดไปในกระบวนการบีบอัด JPEG คือการลดขนาดช่องความอิ่มตัวของสี การลดขนาดจะลดความละเอียดของข้อมูลความอิ่มตัวของสี ซึ่งโดยทั่วไปจะไม่ส่งผลกระทบต่อคุณภาพของภาพที่รับรู้ได้อย่างมีนัยสำคัญ เนื่องจากดวงตาของมนุษย์มีความไวต่อรายละเอียดของสีน้อยกว่า ขั้นตอนนี้เป็นตัวเลือกและสามารถปรับได้ตามความสมดุลที่ต้องการระหว่างคุณภาพของภาพและขนาดไฟล์

หลังจากลดขนาดแล้ว ภาพจะถูกแบ่งออกเป็นบล็อก โดยปกติจะมีขนาด 8x8 พิกเซล จากนั้นแต่ละบล็อกจะถูกประมวลแยกกัน ขั้นตอนแรกในการประมวลผลแต่ละบล็อกคือการใช้ Discrete Cosine Transform (DCT) DCT เป็นการดำเนินการทางคณิตศาสตร์ที่แปลงข้อมูลโดเมนเชิงพื้นที่ (ค่าพิกเซล) ไปเป็นโดเมนความถี่ ผลลัพธ์คือเมทริกซ์ของค่าสัมประสิทธิ์ความถี่ที่แสดงข้อมูลของบล็อกภาพในแง่ของส่วนประกอบความถี่เชิงพื้นที่

จากนั้นค่าสัมประสิทธิ์ความถี่ที่ได้จาก DCT จะถูกหาปริมาณ การหาปริมาณเป็นกระบวนการแมปชุดค่าอินพุตขนาดใหญ่ไปยังชุดที่เล็กลง ในกรณีของ JPEG หมายถึงการลดความแม่นยำของค่าสัมประสิทธิ์ความถี่ นี่คือจุดที่เกิดการสูญเสียข้อมูลในส่วนของการบีบอัด เนื่องจากข้อมูลภาพบางส่วนจะถูกละทิ้ง ขั้นตอนการหาปริมาณจะถูกควบคุมโดยตารางการหาปริมาณ ซึ่งกำหนดว่าจะใช้การบีบอัดกับส่วนประกอบความถี่แต่ละส่วนเท่าใด ตารางการหาปริมาณสามารถปรับได้เพื่อให้ได้คุณภาพของภาพที่สูงขึ้น (การบีบอัดน้อยลง) หรือขนาดไฟล์ที่เล็กลง (การบีบอัดมากขึ้น)

หลังจากการหาปริมาณ ค่าสัมประสิทธิ์จะถูกจัดเรียงตามลำดับซิกแซก โดยเริ่มจากมุมซ้ายบนและทำตามรูปแบบที่ให้ความสำคัญกับส่วนประกอบความถี่ต่ำมากกว่าส่วนประกอบความถี่สูง นี่เป็นเพราะส่วนประกอบความถี่ต่ำ (ซึ่งแสดงส่วนที่สม่ำเสมอมากขึ้นของภาพ) มีความสำคัญต่อรูปลักษณ์โดยรวมมากกว่าส่วนประกอบความถี่สูง (ซึ่งแสดงรายละเอียดและขอบที่ละเอียดกว่า)

ขั้นตอนถัดไปในกระบวนการบีบอัด JPEG คือการเข้ารหัสเอนโทรปี ซึ่งเป็นวิธีการบีบอัดแบบไม่สูญเสียข้อมูล รูปแบบการเข้ารหัสเอนโทรปีที่ใช้กันทั่วไปที่สุดใน JPEG คือการเข้ารหัส Huffman แม้ว่าการเข้ารหัสเลขคณิตก็เป็นตัวเลือกเช่นกัน การเข้ารหัส Huffman ทำงานโดยกำหนดรหัสที่สั้นกว่าให้กับการเกิดขึ้นบ่อยกว่า และรหัสที่ยาวกว่าให้กับการเกิดขึ้นน้อยกว่า เนื่องจากการจัดลำดับแบบซิกแซกมีแนวโน้มที่จะจัดกลุ่มค่าสัมประสิทธิ์ความถี่ที่คล้ายกันเข้าด้วยกัน จึงเพิ่มประสิทธิภาพของการเข้ารหัส Huffman

เมื่อการเข้ารหัสเอนโทรปีเสร็จสมบูรณ์ ข้อมูลที่บีบอัดจะถูกจัดเก็บในรูปแบบไฟล์ที่เป็นไปตามมาตรฐาน JPEG รูปแบบไฟล์นี้มีส่วนหัวที่มีข้อมูลเกี่ยวกับภาพ เช่น ขนาดและตารางการหาปริมาณที่ใช้ ตามด้วยข้อมูลภาพที่เข้ารหัส Huffman รูปแบบไฟล์ยังรองรับการรวมเมตาดาต้า เช่น ข้อมูล EXIF ซึ่งอาจมีข้อมูลเกี่ยวกับการตั้งค่ากล้องที่ใช้ในการถ่ายภาพ วันและเวลาที่ถ่าย และรายละเอียดอื่นๆ ที่เกี่ยวข้อง

เมื่อเปิดภาพ JPEG กระบวนการคลายการบีบอัดจะย้อนกลับขั้นตอนการบีบอัดโดยพื้นฐาน ข้อมูลที่เข้ารหัส Huffman จะถูกถอดรหัส ค่าสัมประสิทธิ์ความถี่ที่หาปริมาณแล้วจะถูกยกเลิกการหาปริมาณโดยใช้ตารางการหาปริมาณเดียวกันกับที่ใช้ในการบีบอัด และ Inverse Discrete Cosine Transform (IDCT) จะถูกนำไปใช้กับแต่ละบล็อกเพื่อแปลงข้อมูลโดเมนความถี่กลับเป็นค่าพิกเซลโดเมนเชิงพื้นที่

กระบวนการยกเลิกการหาปริมาณและ IDCT ก่อให้เกิดข้อผิดพลาดบางประการเนื่องจากลักษณะการสูญเสียข้อมูลของการบีบอัด ซึ่งเป็นสาเหตุที่ JPEG ไม่เหมาะสำหรับภาพที่จะมีการแก้ไขและบันทึกซ้ำหลายครั้ง ทุกครั้งที่มีการบันทึกภาพ JPEG ภาพนั้นจะผ่านกระบวนการบีบอัดอีกครั้ง และข้อมูลภาพเพิ่มเติมจะสูญหายไป สิ่งนี้อาจนำไปสู่การเสื่อมสภาพของภาพที่สังเกตเห็นได้ชัดเจนเมื่อเวลาผ่านไป ซึ่งเป็นปรากฏการณ์ที่เรียกว่า 'การสูญเสียรุ่น'

แม้ว่าการบีบอัด JPEG จะเป็นแบบสูญเสียข้อมูล แต่ก็ยังคงเป็นรูปแบบภาพที่นิยมเนื่องจากความยืดหยุ่นและประสิทธิภาพ ภาพ JPEG อาจมีขนาดไฟล์เล็กมาก ซึ่งทำให้เหมาะสำหรับการใช้งานบนเว็บ ซึ่งแบนด์วิดท์และเวลาในการโหลดเป็นสิ่งสำคัญ นอกจากนี้ มาตรฐาน JPEG ยังมีโหมดแบบก้าวหน้า ซึ่งช่วยให้สามารถเข้ารหัสภาพในลักษณะที่สามารถถอดรหัสได้หลายครั้ง โดยแต่ละครั้งจะปรับปรุงความละเอียดของภาพ สิ่งนี้มีประโยชน์อย่างยิ่งสำหรับภาพบนเว็บ เนื่องจากช่วยให้สามารถแสดงภาพคุณภาพต่ำได้อย่างรวดเร็ว โดยคุณภาพจะดีขึ้นเมื่อดาวน์โหลดข้อมูลเพิ่มเติม

JPEG ยังมีข้อจำกัดบางประการและไม่ใช่ตัวเลือกที่ดีที่สุดสำหรับภาพทุกประเภท ตัวอย่างเช่น ไม่เหมาะสำหรับภาพที่มีขอบคมหรือข้อความที่มีคอนทราสต์สูง เนื่องจากการบีบอัดอาจสร้างสิ่งประดิษฐ์ที่สังเกตเห็นได้รอบๆ บริเวณเหล่านี้ นอกจากนี้ JPEG ไม่รองรับความโปร่งใส ซึ่งเป็นคุณสมบัติที่มีให้โดยรูปแบบอื่นๆ เช่น PNG และ GIF

เพื่อแก้ไขข้อจำกัดบางประการของมาตรฐาน JPEG เดิม จึงมีการพัฒนาฟอร์แมตใหม่ เช่น JPEG 2000 และ JPEG XR ฟอร์แมตเหล่านี้ให้ประสิทธิภาพการบีบอัดที่ดีขึ้น รองรับความลึกของบิตที่สูงขึ้น และคุณสมบัติเพิ่มเติม เช่น ความโปร่งใสและการบีบอัดแบบไม่สูญเสียข้อมูล อย่างไรก็ตาม พวกเขายังไม่ได้รับการยอมรับอย่างแพร่หลายในระดับเดียวกับรูปแบบ JPEG เดิม

สรุปแล้ว รูปแบบภาพ JPEG เป็นการผสมผสานที่ซับซ้อนของคณิตศาสตร์ จิตวิทยาด้านการมองเห็นของมนุษย์ และวิทยาการคอมพิวเตอร์ การใช้งานอย่างแพร่หลายเป็นเครื่องพิสูจน์ถึงประสิทธิภาพในการลดขนาดไฟล์ในขณะที่ยังคงรักษาคุณภาพของภาพในระดับที่ยอมรับได้สำหรับแอปพลิเคชันส่วนใหญ่ ความเข้าใจในแง่เทคนิคของ JPEG สามารถช่วยให้ผู้ใช้ตัดสินใจได้อย่างชาญฉลาดว่าจะใช้รูปแบบนี้เมื่อใด และจะปรับแต่งภาพของตนอย่างไรเพื่อให้ได้ความสมดุลระหว่างคุณภาพและขนาดไฟล์ที่เหมาะกับความต้องการของตนมากที่สุด