JPEG 文件格式解析

JPEG 文件使用的數據存儲方式有多種。最常用的格式稱爲 JPEG 文件交換格式（JPEG File Interchange Format，JFIF）。而 JPEG 文件大體上可以分成兩個部分：標記碼(Tag)和壓縮數據。

標記碼由兩個字節構成，其前一個字節是固定值 0xFF，後一個字節則根據不同意義有不同數值。在每個標記碼之前還可以添加數目不限的無意義的 0xFF 填充，也就說連續的多個 0xFF可以被理解爲一個 0xFF，並表示一個標記碼的開始。而在一個完整的兩字節的標記碼後，就是該標記碼對應的壓縮數據流，記錄了關於文件的諸種信息。

常用的標記有 SOI、APP0、APPn、DQT、SOF0、DHT、DRI、SOS、EOI。

注意，SOI 等都是標記的名稱。在文件中，標記碼是以標記代碼形式出現。例如 SOI 的標記代碼爲 0xFFD8，即在 JPEG 文件中的如果出現數據 0xFFD8，則表示此處爲一個 SOI 標記。

標記	標記代碼	描述
SOI	0xD8	圖像開始
APP0	0xE0	JFIF應用數據塊
APPn	0xE1 - 0xEF	其他的應用數據塊(n, 1～15)
DQT	0xDB	量化表
SOF0	0xC0	幀開始
DHT	0xC4	霍夫曼(Huffman)表
DRI	0xDD	差分編碼累計復位的間隔
SOS	0xDA	掃描線開始
EOI	0xD9	圖像結束

用來分析的樣例圖片：libpng-rgb-rainbow.jpg。

(1) SOI (Start of Image)圖像開始標記

0xFFD8

(2) APP0 (Application) 應用程序保留標記0

0xFFE0

包含9個具體字段：

序號	名稱	長度	描述
①	數據長度	2 字節	①~⑨ 9個字段的總長度,即不包括標記代碼，但包括本字段
②	標識符	5 字節	固定值 0x4A46494600，即字符串“JFIF0”
③	版本號	2 字節	一般是 0x0102，表示 JFIF 的版本號 1.2,可能會有其他數值代表其他版本
④	X 和 Y 的密度單位	1 字節	只有三個值可選 0：無單位；1：點數/英寸；2：點數/釐米
⑤	X 方向像素密度	2 字節	取值範圍未知
⑥	Y 方向像素密度	2 字節	取值範圍未知
⑦	縮略圖水平像素數目	1 字節	取值範圍未知
⑧	縮略圖垂直像素數目	1 字節	取值範圍未知
⑨	縮略圖 RGB 位圖	長度可能是 3 的倍數	縮略圖 RGB 位圖數據

本標記段可以包含圖像的一個微縮版本，存爲 24 位的 RGB 像素。如果沒有微縮圖像（這種情況更常見），則字段 ⑦“ 縮略圖水平像素數目”和字段 ⑧“ 縮略圖垂直像素數目”的值均爲 0 。

(3) APPn (Application) 應用程序保留標記 n，其中 n=1～15(任選)

0xFFE1~0xFFF

包含 2 個具體字段：

序號	名稱	長度	描述
①	數據長度	2 字節	①~② 2 個字段的總長度,即不包括標記代碼，但包括本字段
②	詳細信息	數據長度-2 字節	內容不定

例如，Adobe Photoshop 生成的 JPEG 圖像中就用了 APP1 和 APP13 兩個標記段分別存儲了一幅圖像的副本。

(4) DQT (Define Quantization Table) 定義量化表

0xFFDB

包含 2 個具體字段：

序號	名稱	長度	描述
①	數據長度	2 字節	字段 ① 和多個字段 ② 的總長度，即不包括標記代碼，但包括本字段
②	量化表	數據長度-2 字節	《量化表表格》

量化表表格：

名稱	長度	描述
精度及量化表 ID	1 字節	高 4 位：精度，只有兩個可選值 0：8位；1：16位; 低 4 位：量化表 ID，取值範圍爲 0～3
表項	(64×(精度 1)) 字節	例如 8 位精度的量化表,其表項長度爲 64×(0 1)=64 字節

本標記段中，字段 ② 可以重複出現，表示多個量化表，但最多隻能出現 4 次。

(5) SOF0 (Start of Frame) 幀圖像開始

0xFFC0

包含 6 個具體字段：

顏色分量信息：

名稱	長度	描述
顏色分量 ID	1 字節
水平/垂直採樣因子	1 字節	高 4 位：水平採樣因子，低 4 位：垂直採樣因子
量化表	1 字節	當前分量使用的量化表的 ID

本標記段中，字段 ⑥ 應該重複出現，有多少個顏色分量（字段 ⑤），就出現多少次（一般爲 3 次）。

(6) DHT (Define Huffman Table) 定義哈夫曼表

0xFFC4

包含 2 個具體字段：

序號	名稱	長度	描述
①	數據長度	2 字節	字段 ① 和多個字段 ② 的總長度,即不包括標記代碼，但包括本字段
②	哈夫曼表	數據長度-2 字節	《哈夫曼表表格》

哈夫曼表表格：

名稱	長度	描述
表 ID 和表類型	1 字節	高 4 位：類型，只有兩個值可選 0：DC 直流；1：AC 交流；低 4 位：哈夫曼表 ID，注意，DC 表和 AC 表分開編碼
不同位數的碼字數量	16 字節	編碼內容 16 個不同位數的碼字數量之和（字節）

本標記段中，字段 ② 可以重複出現（一般 4 次），也可以只出現1次。例如，Adobe Photoshop 生成的 JPEG 圖片文件中只有 1 個 DHT 標記段，裏邊包含了 4 個哈夫曼表；而 Macromedia Fireworks 生成的 JPEG 圖片文件則有 4 個 DHT 標記段，每個 DHT 標記段只有一個哈夫曼表。

(7) DRI (Define Restart Interval) 定義差分編碼累計復位的間隔

0xFFDD

包含 2 個具體字段：

序號	名稱	長度	描述
①	數據長度	2 字節	固定值 0x0004，①~② 兩個字段的總長度,即不包括標記代碼，但包括本字段
②	MCU 塊的單元中的重新開始間隔	2字節	設其值爲 n，則表示每 n 個 MCU 塊就有一個 RSTn 標記。第一個標記是 RST0，第二個是 RST1 等，RST7 後再從 RST0 重複。