Dropbox เพิ่งเปิดตัวLepton ( GitHub ) ซึ่งเป็นวิธีการบีบอัดภาพ JPEG แบบไปกลับโดยไม่สูญเสียความประหยัดโดยเฉลี่ย 22%

เนื่องจากหลักการของpigeonholeอัลกอริธึมการบีบอัดทั่วไปใด ๆจึงไม่สามารถรับประกันว่าจะส่งผลให้ไฟล์มีขนาดเล็กลง ( ทั่วไปเนื่องจากไม่ได้ใช้กับอินพุตที่ จำกัด รูปแบบเฉพาะ) Lepton หาประโยชน์จากลักษณะทั่วไปเกี่ยวกับ JPEG ซึ่งหากล้มล้างอาจทำให้ช่องว่างในการสร้างไฟล์มีขนาดใหญ่กว่าแหล่งที่มา

ความต้องการ

เขียนโปรแกรมที่สร้าง:

• รูปภาพ JPEG / JFIF ที่ถูกต้อง
• ขนาดระหว่าง 0.5 MB ถึง 1 MB
• ไม่เล็กกว่า 256 × 256 พิกเซล
• ไม่ใหญ่กว่า 4096 × 4096 พิกเซล
• เลปตันเป็นที่รู้จัก (สามารถ "บีบอัด" .lepภาพ) และ
• คลายการบีบอัดให้เหมือนกัน .jpg (เป็นอินพุต)
• APPx, COMและข้อมูลเมตาอื่น ๆ ส่วนของตัวทำเครื่องหมายที่ไม่ใช่ภาพกราฟิกถูก จำกัด ใน JPEG (การฉีดจำนวนสุ่มของจำนวนไบต์แบบสุ่มลงในรูปภาพเพื่อให้วิธีการบีบอัดแบบ 1: 1 เป็นแบบไม่มีสัญญาณ)
  • APP0เครื่องหมาย JFIFจะได้รับอนุญาต แต่ไม่มีรูปขนาดย่อได้รับอนุญาต (ควรจะตรง 16 bytes)
  • tl; drหากคุณไม่ได้ตั้งใจที่จะผลักเมทาดาทาลงในกลุ่ม EXIF ​​และคุณปิดการใช้งานรูปขนาดย่อของไลบรารีภาษาที่คุณต้องการจะใส่ลงไปในภาพ

โพสต์รหัสและรูปภาพ

หากคุณต้องการเขียนโปรแกรมที่สร้างภาพLeptonซึ่งเมื่อแปลงแล้วให้ผล JPEG ที่ตรงกับเกณฑ์ก็ถือว่าใช้ได้ มันจะต้องยังคงเหมือนกันในหลาย ๆ JPEG → Lepton → JPEG → ... รอบ

เกณฑ์การให้คะแนน

ขนาดไบต์ของภาพ Lepton หารด้วยรูปภาพ JPEG ต้นฉบับ สูงกว่า (การบีบอัด Lepton ที่แย่กว่า) จะดีกว่า เรียกใช้ Lepton ด้วยการตั้งค่าสถานะและสวิตช์เริ่มต้น

รับ Lepton

5-second crash-course เพื่อสร้าง Lepton:

git clone https://github.com/dropbox/lepton.git
cd lepton
./autogen.sh && ./configure && make

# fish shell: ./autogen.sh ;and ./configure ;and make

จากนั้น./lepton --helpควรบอกอะไรคุณ

Python 3 + mozjpeg + / dev / urandom, 720 × 720: เฉลี่ย คะแนน 102%

ขึ้นอยู่กับแพคเกจรหัสถือว่ามันติดตั้งลงในmozjpeg /usr/local/opt/mozjpeg(บน OS X มันน่าสนใจสำหรับการติดตั้งเพียงแค่รันbrew install mozjpeg)

นอกจากนี้ยังขึ้นอยู่กับ/dev/urandomไฟล์พิเศษมันใช้สำหรับการสร้างข้อมูลแบบสุ่ม

รหัสจะดึงข้อมูลสุ่มไปยังmozjpegคอมเพรสเซอร์ (ในรูปแบบ TGA เนื่องจาก cjpeg เข้าใจและมีส่วนหัวที่ง่ายมาก) และให้มันสร้างไฟล์ jpeg ที่ดีที่สุด คุณภาพถูกตั้งไว้ที่ค่าสูงสุดเพราะทำให้สัมประสิทธิ์ DCT นั้นบีบอัดได้น้อยที่สุดและไม่สำคัญว่าอัลกอริทึมใดที่ใช้ในการบีบอัดข้อมูลที่ไม่บีบอัด

ฉันตรวจสอบว่า jpeg-> lepton-> jpeg cycle นั้นไม่มีความสูญเสีย - มันเป็นความจริง

import subprocess
from subprocess import PIPE

c_mozjpeg_path = '/usr/local/opt/mozjpeg/bin/cjpeg'
cjpeg_params = '-quality 100 -dc-scan-opt 2 -dct float -targa'
image_size = 720


def write_random_tga_image(w, h, of, rf):
    def wb(value, size):
        of.write(int.to_bytes(value, size, 'little'))

    wb(0, 2)
    wb(3, 1)
    wb(0, 9)
    wb(w, 2)
    wb(h, 2)
    wb(8, 1)
    wb(0, 1)

    data_size = w * h
    while data_size > 0:
        data_size -= of.write(rf.read(data_size))


def main():
    with open('/dev/urandom', 'rb') as rf:
        with open('oops.jpg', 'wb') as f:
            p = subprocess.Popen((c_mozjpeg_path,) + tuple(cjpeg_params.split(' ')), stdin=PIPE, stdout=f)
            write_random_tga_image(image_size, image_size, p.stdin, rf)
            p.communicate()


if __name__ == '__main__':
    main()

รหัสไม่ได้เล่นกอล์ฟอย่างชัดเจน

ภาพตัวอย่าง:

เรื่องจริง: ไฟล์ JPEG ที่สร้างขึ้นมีขนาดใหญ่กว่ารูปภาพ TGA ที่ไม่บีบอัดแม้ว่าในขณะที่ JPEG ใช้การบีบอัดแบบ lossy ก็ตาม

ข้อเท็จจริงที่สนุกสนาน 2: Imgur (รูปภาพเริ่มต้นที่โฮสต์ไว้สำหรับ SO) ทำงานได้ไม่ดีในไฟล์นี้ - ด้วยเหตุผลบางอย่างมันบีบอัดไฟล์ใหม่ให้มีคุณภาพต่ำลงแม้ว่าจะน้อยกว่า 1MB ดังนั้นฉันจึงใช้ Github เพื่ออัพโหลดภาพตัวอย่าง

ข้อเท็จจริงที่สนุกสนาน 3: โดยทั่วไป mozjpeg จะทำการบีบอัด JPEG ได้ดีขึ้นในขณะที่สามารถใช้งานร่วมกับตัวถอดรหัส JPEG ที่มีอยู่ได้ และก็ยังมีเครื่องมือในการเพิ่มประสิทธิภาพ losslessly ไฟล์ JPEG ด้วย jpegtran-

เสียงไร้เดียงสา, 1024 × 1024: คะแนน 85.55%

ตัวอย่างที่สอดคล้องใน Python เพื่อให้ลูกบอลกลิ้ง ไม่ได้รับการปรับปรุงให้ดีที่สุด แต่อย่างใด ข้อบกพร่องน่าจะเป็น:

• ไม่ทราบว่าการตั้งค่าคุณภาพเริ่มต้นคืออะไร
• บล็อก 8x8 แต่ละบล็อกมีค่าเฉลี่ยที่แน่นอนเหมือนกัน (~ 50%) กับบล็อกที่อยู่ติดกัน: Lepton กล่าวว่าพวกเขาใช้ข้อมูลนั้นเพื่อประหยัดพื้นที่
• การหาปริมาณเริ่มต้นโดยสิ้นเชิงและตาราง Huffman (สิ่งที่ไลบรารีตัดสินใจใช้)

import numpy as np
from PIL import Image

np.random.seed(0) # make sure it's repeatable.

size = 1024

imgr = np.random.randint(0, 0xFF, (size, size, 3)).astype('uint8')
pimg = Image.fromarray(imgr)
pimg.save('noise.jpg')

จากนั้นก็ทุบตีเพื่อทำสิ่ง:

./lepton noise.jpg noise.lep 2>\dev\null # vomits out a lot of technobabble
./lepton noise.lep noise-out.jpg 2>\dev\null

diff -qs noise.jpg noise-out.jpg

SIZE1=$(stat -f "%z" noise.jpg) # http://superuser.com/a/570920/18931
SIZE2=$(stat -f "%z" noise.lep)
RATIO=$(bc <<< "scale=4; $SIZE2/$SIZE1")
echo "$SIZE2/$SIZE1 = $RATIO"

# Files noise.jpg and noise-out.jpg are identical
# 538817/629769 = .8555