CHƯƠNG 33 Tần số & tỉ lệ

Nén ảnh JPEG & biến đổi DCT

JPEG không nén bằng phép màu: nó bỏ đi đúng những thứ mắt người kém nhạy — chi tiết màu sắc và các dao động tần số cao trong từng khối 8×8. Hiểu DCT, bảng lượng tử và mã zigzag giúp giải thích cả hiện tượng khối lẫn vệt gợn quanh chữ.

Tần số & tỉ lệ Trung cấp 20 phút đọc bài thử tương tác
Ảnh minh hoạ cho Nén ảnh JPEG & biến đổi DCT 33 / 46
DCT · YCbCr 4:2:0 Một khung hình, một câu hỏi.
01 Trực giác

Chuyện gì đang xảy ra?

Một ảnh 12 megapixel lưu thô cần khoảng 36 MB (3 byte mỗi pixel), vậy mà tệp JPEG của nó thường chỉ vài MB hoặc ít hơn. Lý do thứ nhất là dư thừa: các pixel cạnh nhau thường gần giống nhau, nên lưu từng pixel độc lập là phí. Lý do thứ hai là giới hạn của mắt: ta kém nhạy với dao động độ sáng rất dày, và còn kém hơn nhiều với chi tiết màu. JPEG là nén mất mát (lossy): bỏ hẳn phần thông tin ít ai thấy, rồi mã hoá phần còn lại thật gọn.

Bước đầu là đổi RGB sang YCbCr: Y là độ sáng, Cb và Cr là độ lệch xanh dương / đỏ. Vì mắt phân giải màu kém, hai kênh màu được giảm mẫu — phổ biến nhất là 4:2:0, tức mỗi khối 2×2 pixel chỉ giữ một giá trị Cb và một giá trị Cr. Chỉ riêng bước này đã bỏ một nửa lượng số liệu mà ảnh chụp thông thường gần như không đổi; nhưng với chữ màu đỏ trên nền xanh, viền màu sẽ bị lem.

Tiếp theo ảnh được chia thành khối 8×8, mỗi giá trị trừ 128 để quanh 0, rồi áp biến đổi cosin rời rạc (DCT — Discrete Cosine Transform). DCT là họ hàng thực của Fourier: nó viết khối 8×8 thành tổng của 64 “mẫu vân” cosin cố định. Hệ số góc trên trái là DC — độ sáng trung bình của khối; 63 hệ số còn lại là AC, càng về góc dưới phải càng là tần số cao. Với ảnh tự nhiên, năng lượng dồn gần hết vào vài hệ số đầu — đó là chỗ nén ăn tiền.

Bước mất mát thật sự là lượng tử hoá: chia mỗi hệ số cho một số trong bảng lượng tử rồi làm tròn. Bảng có số nhỏ ở tần số thấp (giữ chính xác) và số lớn ở tần số cao (làm tròn thô), nên đa số hệ số cao biến thành 0. Thanh “chất lượng” của JPEG thực chất chỉ co giãn bảng này. Các hệ số được đọc theo đường zigzag từ thấp đến cao để các số 0 dồn thành chuỗi dài, rồi mã hoá loạt-độ dài (run-length) và Huffman — bước này không mất thêm thông tin.

Khi chất lượng quá thấp, mỗi khối chỉ còn hệ số DC và vài AC: ảnh hiện rõ hiện tượng khối (blocking) vì hai khối kề nhau được làm tròn độc lập. Quanh biên sắc như chữ, việc vứt hệ số cao sinh ra các chấm gợn “muỗi” (mosquito / ringing) — cùng bản chất với ringing của bộ lọc lý tưởng trong chương Fourier. Đây cũng là lý do ảnh chụp màn hình có chữ nên lưu PNG thay vì JPEG.

Thuật toán không “hiểu” ảnh. Nó chỉ tìm một cách biến đổi có thể kiểm tra được.

02 Công thức

Viết lại bằng toán.

Không cần thuộc lòng. Hãy đọc công thức như một câu mô tả: đại lượng nào được cộng, cái gì bị chuẩn hoá, và điều kiện nào khiến nó thất bại.

CÔNG THỨC / 01

Đổi RGB sang YCbCr (chuẩn JFIF)

\[ \begin{cases} Y = 0.299R + 0.587G + 0.114B \\ C_b = 128 - 0.168736R - 0.331264G + 0.5B \\ C_r = 128 + 0.5R - 0.418688G - 0.081312B \end{cases} \]
  • Y: độ sáng (giống công thức ảnh xám)
  • C_b, C_r: độ lệch về xanh dương / đỏ, quanh 128

OpenCV có cv2.COLOR_BGR2YCrCb — chú ý thứ tự kênh là Y, Cr, Cb.

CÔNG THỨC / 02

DCT 8×8 (DCT-II)

\[ F(u,v) = \frac{1}{4} C(u)\,C(v) \sum_{x=0}^{7}\sum_{y=0}^{7} f(x,y)\cos\frac{(2x+1)u\pi}{16}\cos\frac{(2y+1)v\pi}{16}, \quad C(k) = \begin{cases} \frac{1}{\sqrt{2}} & k = 0 \\ 1 & k > 0 \end{cases} \]
  • f(x, y): giá trị pixel trong khối, đã trừ 128
  • F(0, 0): hệ số DC = 8 × giá trị trung bình khối
  • u, v lớn: dao động nhanh — tần số cao

DCT dùng cosin nên coi khối như được phản chiếu đối xứng ở mép, tránh bước nhảy giả ở biên như DFT — vì vậy năng lượng tập trung tốt hơn.

CÔNG THỨC / 03

Lượng tử hoá và khôi phục

\[ \hat{F}(u,v) = \operatorname{round}\!\left(\frac{F(u,v)}{Q(u,v)}\right), \qquad F'(u,v) = \hat{F}(u,v)\,Q(u,v) \]
  • Q(u, v): bảng lượng tử (nhỏ ở góc trên trái, lớn ở góc dưới phải)
  • F̂: số nguyên được mã hoá; phần lớn là 0
  • Sai số F − F′ là phần thông tin mất vĩnh viễn

Thư viện libjpeg co giãn bảng chuẩn theo chất lượng q: hệ số S = 5000/q khi q < 50, S = 200 − 2q khi q ≥ 50, rồi Q = ⌊(S·Q₀ + 50)/100⌋ (tối thiểu 1).

CÔNG THỨC / 04

Mã hoá DC theo hiệu

\[ \Delta DC_i = DC_i - DC_{i-1} \]
  • DC_i: hệ số DC đã lượng tử của khối thứ i theo thứ tự quét

Khối kề nhau có độ sáng trung bình gần nhau nên hiệu rất nhỏ, tốn ít bit. Hệ số AC thì mã bằng cặp (số số 0 đứng trước, giá trị) rồi Huffman.

03 Từng bước

Luồng xử lý bằng lời.

  1. 01

    Đổi không gian màu

    Chuyển sang YCbCr. Kênh Y giữ nguyên độ phân giải; Cb, Cr giảm mẫu (4:2:0 = một nửa mỗi chiều).

  2. 02

    Chia khối và dịch mức

    Cắt mỗi kênh thành khối 8×8 (đệm mép nếu kích thước không chia hết cho 8), trừ 128 để giá trị quanh 0.

  3. 03

    DCT từng khối

    Tính 64 hệ số DCT. Hệ số (0, 0) là DC; càng xa góc trên trái càng là tần số cao, thường rất nhỏ.

  4. 04

    Lượng tử hoá

    Chia cho bảng lượng tử (đã co giãn theo chất lượng), làm tròn. Đây là bước duy nhất mất thông tin ngoài giảm mẫu màu.

  5. 05

    Zigzag và mã entropy

    Đọc hệ số theo zigzag để gom số 0, mã DC theo hiệu, AC theo run-length rồi Huffman. Giải nén làm ngược lại: nhân bảng, DCT ngược, cộng 128, ghép khối.

04 Tham số

Núm vặn và cạm bẫy.

Tham sốÝ nghĩaKhoảng
viewCách nén: JPEG thật qua cv2.imencode (đủ YCbCr, lượng tử, mã entropy), hoặc thí nghiệm giữ đúng K hệ số DCT đầu tiên theo zigzag trong mỗi khối 8×8, bỏ hết phần còn lại.jpeg / dct
qualityChất lượng JPEG (chỉ dùng ở chế độ JPEG thật). Thấp = bảng lượng tử lớn, nhiều hệ số về 0, tệp nhỏ, hiện khối rõ.1…100
keepSố hệ số DCT giữ lại mỗi khối (chế độ DCT). 1 = chỉ hệ số DC, mỗi khối thành một màu phẳng; 64 = khôi phục gần như hoàn hảo.1…64
gridVẽ lưới khối 8×8 lên kết quả để thấy ranh giới mà hiện tượng khối bám theo.bật / tắt

! Cạm bẫy thường gặp

  • Lưu ảnh chụp màn hình, sơ đồ, chữ bằng JPEG: biên sắc sinh chấm gợn và viền màu lem; dùng PNG hoặc WebP lossless.
  • Mở rồi lưu lại JPEG nhiều lần: mỗi lần lượng tử lại làm mất thêm thông tin, chất lượng giảm dần (generation loss).
  • Đo chất lượng thuật toán thị giác trên ảnh JPEG nén mạnh mà quên rằng khối 8×8 tạo biên giả — bộ dò biên, góc sẽ bắt cả lưới khối.
  • Nhầm thứ tự kênh: OpenCV dùng COLOR_BGR2YCrCb (Y, Cr, Cb), không phải YCbCr.
  • Nghĩ rằng “quality = 100” là không mất mát: vẫn còn làm tròn và thường vẫn giảm mẫu màu tuỳ bộ mã hoá.
  • Gọi cv2.dct trên khối uint8 hoặc kích thước lẻ: hàm yêu cầu số thực và kích thước chẵn.
05 Mã nguồn

Mã nguồn tối giản, không phải giả mã.

MÃ THAM KHẢO / jpeg
import cv2
import numpy as np

img = cv2.imread("camera.jpg")
if img is None:
    raise FileNotFoundError("Không đọc được ảnh")

# 1) JPEG thật: đổi chất lượng, đo dung lượng và sai số
for q in (90, 50, 15, 5):
    ok, buf = cv2.imencode(".jpg", img, [cv2.IMWRITE_JPEG_QUALITY, q])
    dec = cv2.imdecode(buf, cv2.IMREAD_COLOR)
    print(f"q={q:3d}  {buf.size / 1024:7.1f} KB  PSNR={cv2.PSNR(img, dec):5.2f} dB")

# 2) Tự làm DCT + lượng tử trên kênh Y với bảng chuẩn (JPEG Annex K)
Q50 = np.array([
    [16, 11, 10, 16, 24, 40, 51, 61],
    [12, 12, 14, 19, 26, 58, 60, 55],
    [14, 13, 16, 24, 40, 57, 69, 56],
    [14, 17, 22, 29, 51, 87, 80, 62],
    [18, 22, 37, 56, 68, 109, 103, 77],
    [24, 35, 55, 64, 81, 104, 113, 92],
    [49, 64, 78, 87, 103, 121, 120, 101],
    [72, 92, 95, 98, 112, 100, 103, 99]], dtype=np.float32)

def scaled_table(quality):
    s = 5000 / quality if quality < 50 else 200 - 2 * quality
    return np.clip(np.floor((Q50 * s + 50) / 100), 1, 255)

# Thứ tự zigzag: theo đường chéo i + j, đổi chiều xen kẽ
ZIGZAG = sorted(((i, j) for i in range(8) for j in range(8)),
                key=lambda p: (p[0] + p[1], p[0] if (p[0] + p[1]) % 2 else -p[0]))

Y = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)[:, :, 0].astype(np.float32)
h, w = (Y.shape[0] // 8) * 8, (Y.shape[1] // 8) * 8
Y = Y[:h, :w]

def compress(Y, quality=None, keep=None):
    out = np.zeros_like(Y)
    T = scaled_table(quality) if quality else None
    zeros = 0
    for r in range(0, h, 8):
        for c in range(0, w, 8):
            coef = cv2.dct(Y[r:r + 8, c:c + 8] - 128)
            if T is not None:                       # lượng tử hoá như JPEG
                qc = np.round(coef / T)
                zeros += int((qc == 0).sum())
                coef = qc * T
            if keep is not None:                    # chỉ giữ K hệ số đầu zigzag
                mask = np.zeros((8, 8), np.float32)
                for i, j in ZIGZAG[:keep]:
                    mask[i, j] = 1
                coef = coef * mask
            out[r:r + 8, c:c + 8] = cv2.idct(coef) + 128
    return np.clip(out, 0, 255).astype(np.uint8), zeros

y_q, zeros = compress(Y, quality=15)
print("tỉ lệ hệ số bằng 0 sau lượng tử:", zeros / (h * w))
y_dc, _ = compress(Y, keep=1)       # chỉ còn màu trung bình mỗi khối
y_k6, _ = compress(Y, keep=6)

cv2.imwrite("y_quant_q15.png", y_q)
cv2.imwrite("y_keep1.png", y_dc)
cv2.imwrite("y_keep6.png", y_k6)
THƯ VIỆN: OPENCV / NUMPY Đọc từ trên xuống · thử từng block
06 Thử

Điều chỉnh tham số.

Chọn ảnh mẫu hoặc tải ảnh của bạn lên, chỉnh tham số, rồi chạy. Kết quả, các bước trung gian và nhật ký được cập nhật ngay tại đây.

CỤC BỘ / KHÔNG GỬI ẢNH
BÀN THỬ / 33 Nén ảnh JPEG & biến đổi DCT
SẴN SÀNG
KẾT QUẢ / TRỰC TIẾP —
Ảnh đầu vào mặc định
Bấm “Chạy thử” Kết quả sẽ xuất hiện ở đây.
TRẠNG THÁIChờ chạy
ĐẦU VÀO—
SỐ BƯỚC—
THỜI GIAN—
NHẬT KÝ / LUỒNG XỬ LÝ
$ bài thử chưa chạy
$ chọn ảnh và bấm “Chạy thử”
07 Ứng dụng

Dùng nó ở đâu?

DÙNG / 01

Lưu và truyền ảnh chụp trên web, máy ảnh, điện thoại.

DÙNG / 02

Ý tưởng biến đổi khối + lượng tử dùng lại trong nén video (MPEG, H.264 dùng biến đổi nguyên gần giống DCT).

DÙNG / 03

Phân tích pháp chứng ảnh (forensics): phát hiện vùng bị ghép nhờ dấu vết lưới khối hoặc nén hai lần khác nhau.

DÙNG / 04

Tăng cường dữ liệu: nén JPEG ngẫu nhiên khi huấn luyện để mô hình chịu được ảnh chất lượng thấp ngoài thực tế.

HƯỚNG HIỆN ĐẠI

Những hướng đang được dùng hiện nay.

Các phương pháp dưới đây không thay thế baseline; chúng giải quyết những điểm yếu của cách cổ điển khi có thêm dữ liệu, GPU hoặc yêu cầu độ ổn định cao hơn.

HIỆN ĐẠI / 01

WebP, AVIF, JPEG XL

Các định dạng mới dùng khối kích thước thay đổi, dự đoán trong ảnh và mã entropy tốt hơn, cho cùng chất lượng với tệp nhỏ hơn JPEG.

Dùng khi: Web hiện đại khi trình duyệt / thiết bị đích hỗ trợ.
HIỆN ĐẠI / 02

Nén ảnh học được (learned compression)

Mạng mã hoá–giải mã học biểu diễn tiềm ẩn và mô hình xác suất để mã entropy, tối ưu đồng thời tỉ lệ bit và độ méo.

Dùng khi: Nghiên cứu, hệ thống đóng có cùng bộ giải mã; còn tốn tính toán khi giải mã.
HIỆN ĐẠI / 03

Khử hiện tượng khối bằng mạng nơ-ron

Mạng phục hồi học xoá khối và gợn trên ảnh JPEG nén mạnh, thường kèm ước lượng mức chất lượng gốc.

Dùng khi: Phục hồi ảnh cũ, ảnh lan truyền qua mạng xã hội bị nén nhiều lần.
NGUỒN THAM KHẢO

Chương này được viết lại bằng tiếng Việt dựa trên chủ đề của bài giảng gốc; không sao chép slide.