р блоку подібного розміру пояснюється кількома причинами. По-перше, такий блок з великою ймовірністю містить пікселі близького кольору (яскравості); по-друге, він досить великий (найчастіше перевищує інтервал кореляції). ДКП багато в чому нагадує дискретне перетворення Фур'є.
При виконанні цієї операції інформація 64 пікселів перетворюється в матрицю з 64 коефіцієнтів. Найважливіша особливість цієї матриці - те, що в ній основну енергію несуть перші коефіцієнти, а енергія наступних швидко убуває (максимальні значення коефіцієнтів ДКП концентруються в лівому верхньому куті матриці, а мінімальні - у нижньому правому). Операція ДКП виконується роздільно для каналів яскравості і кольоровості.
Використання ДКП пояснюється тим, що для великого класу зображень воно добре апроксимує оптимальне дискретне уявлення Корунья-Лоева, має алгоритм швидкого перетворення, просто в реалізації і забезпечує при цьому істотне стиснення. Сканування коефіцієнтів ДКП зазвичай проводиться по зигзагу, що полегшує статистичне кодування, так як найбільш ймовірно коефіцієнти ДКП будуть спадати із збільшенням частоти.
Далі перетворена матриця проходить операцію квантування, застосовувану для скорочення розрядності коефіцієнтів. Фактично квантування означає розподіл матриці 8x8 коефіцієнтів ДКП на матрицю квантування також з розмірністю 8x8. При цьому результат ділення округлюється до найближчого цілого. Після квантування значення чисел в лівому верхньому кутку виявляються набагато менше ніж раніше, а в правому кутку виходять переважно нулі. Саме тут відбувається основне стиск і основна необоротна втрата інформації. Причому цветоразностниє компоненти можуть квантована більш грубо. Після цього матриця, що представляє результат квантування, витягується в рядок даних так, що всі послідовності нулів правого нижнього кута опиняються в кінці рядка.
У деяких версіях інформація про яскравість і колір потім кодується так, що зберігаються тільки відмінності між сусідніми блоками, тобто використовується алгоритм ДИКМ. Після цього проводиться статистичне кодування за методом Хаффмана (метод стиснення без втрат). Спочатку аналізується вся послідовність символів. Часто повторюваним серіям біт присвоюються короткі елементи (маркери). Зокрема, останні нулі в кінці рядка можуть бути замінені одним символом кінця блоку. Оскільки всі блоки мають однакову довжину, завжди відомо скільки нулів було опущено. У рекомендаціях JPEG передбачається таке використання арифметичного кодування. При відновленні (декодуванні) даних перераховані вище операції виконуються в зворотному порядку.
Можливий ступінь стиснення залежить як від виду зображень, так і від вживаних типів матриць квантування. Гладкі напівтонові зображення без дрібних деталей стискаються краще, ніж з дрібними деталями. Наприклад, зображення людського обличчя можна стискати з великим коефіцієнтом, ніж картинку з текстом.
Збільшення розміру матриці квантування приводить до підвищеннянию коефіцієнта стиснення. Для різних компонентів Y, С 6, С г можуть використовуватися свої матриці квантування.
Відомо кілька розширень алгоритму. Зокрема, може застосовуватися згладжування, яке при відновленні зображення згладжує розриви між кордонами блоків.
Слід зазначити, що сьогодні існує кілька різних пакетів програм по алг...
