1、JPEG编码基本流程
（1）JPEG规定了4种运行模式，以满足不同需要。
（2）8×8的块编码，将一个宏块作为基本编码单元（MCU），这样可提高编码效率和实时性。
（3）零偏置：JPEG编码时，输入的YUV信号由于都是unsigned char类型，取值为0~255，所以需要先进行下拉128操作，让其以0为中心。
（4）DCT变换：对每个单独的彩色图像分量，把整个分量图像分成8×8的图像块，作为两维离散余弦变换DCT的输入。
（5）量化：由于DCT变换后零值会有很多，尤其在高频成分中，所以选用了中平量化器。量化步距是按照系数所在的位置和所在颜色分量来确定。因为人眼对亮度信号比对色差信号更敏感，因此使用了两种量化表：亮度量化值和色差量化值。根据人眼的视觉特性（对低频敏感，对高频不太敏感）对低频分量采取较细的量化，对高频分量采取较粗的量化；如果原始图象中细节丰富，则去掉的数据较多，量化后的系数与量化前差别较大，反之，细节少的原始图象在压缩时去掉的数据少些。进行数据量化后，矩阵中的数据都是近似值，和原始图像数据之间有了差异，这一差异是造成图像压缩后失真的主要原因。
（6）DC、AC系数分别编码：经过量化后，DCT的第一个系数为直流DC系数，由于一般图像中的DC系数之间相关性较强，相邻的DC系数之间应该差别不是很大。所以将每个宏块的DC系数取出后做DPCM差分编码，对于差值进行Huffman编码，以达到压缩效果。
而对AC系数，由于一般数值都集中在左上角，而之后基本上都是零值，所以采用之字形扫描的方法，按照低频到高频的顺序将数值取出，当后边都是零的时候给出一个EOB代替。而当高频偶尔有值的时候就很有可能出现很多连零，所以在将AC的系数提出后，先要进行游程化，再进行熵编码，实现压缩效果。
之字形排序优点是使得靠近矩阵左上角、值比较大的元素排列在行程的前面，而行程的后面所排列的矩阵元素基本上为0值。
2、JPEG文件格式
SOI ,Start of Image， 图像开始 标记代码2字节固定值0xFFD8
EOI，End of Image， 图像结束2字节 标记代码2字节固定值0xFFD9
APP0 ,Application，应用程序保留标记0标记代码2字节固定值0xFFE0
DQT，Define Quantization Table，定义量化表 标记代码2字节固定值0xFFDB
包含9个具体字段：
① 数据长度2字节字段①和多个字段②的总长度
② 量化表数据长度-2字节
SOF0，Start of Frame，帧图像开始 标记代码2字节固定值0xFFC0
DHT，Define Huffman Table，定义哈夫曼表 标记代码 2字节 固定值0xFFC4
包含2个具体字段：
① 数据长度 2字节
② huffman表数据长度-2字节
表ID和表类型1字节
高4位：类型，只有两个值可选0：DC直流；1：AC交流
低4位：哈夫曼表ID，注意，DC表和AC表分开编码
SOS，Start of Scan，扫描开始12字节 标记代码2字节固定值0xFFDA
如一张JPEG格式图片用二进制打开可看到：
3、JPEG解码
JPEG解码流程则与编码流程相反：
（1）、读入文件
（2）、解析文件头：
解析SOI，判断为JPEG文件
解析APP0，得到相关参数，有时还有APPn
解析DQT，得到量化表，几张取决于颜色分量
解析SOF0，得到有关实际图像数据的信息，如长宽、采样信息等
解析DHT，得到霍夫曼码表，建立解码用的查找表
解析SOS，得到分量数，图像数据开始，文件头解析结束
（3）、解码图像数据
根据采样信息计算MCU大小，不同MCU有不同的解码方案
以MCU为单位：
霍夫曼解码，得到DCT数据
对DCT数据进行反量化
对实际DCT系数进行DCT反变换，得到本MCU实际数据
解完所有MCU，将其组织为正确顺序的数据，即得到所有分量实际数据
（4）、根据要求的输出格式进行输出
4、主要代码分析
（1）理解struct huffman_table、struct component、struct jdec_private
huffman table ：在霍夫曼解码时，需要用到霍夫曼查找表，码长等诸多信息，我们设计一个结构体来储存
component：解码时，这个结构体来储存当前宏块的所用解码信息
jdec_private：设计一个结构体，将所需要用到的所有数据都存入其中，用它在不同的模块之间通信
（2）先将输出文件改成一个yuv文件输出，在write_yuv中修改
static void write_yuv(const char *filename, int width, int height, unsigned char **components)
{
FILE *F,*AcFile,*DcFile;
char temp[1024];
snprintf(temp,1024,"%s.yuv",filename);
F = fopen(temp,"wb");
fwrite(components[0],width,height,F);
fwrite(components[1],width*height/4,1,F);
fwrite(components[2],width*height/4,1,F);//写在一个文件中
fclose(F);
AcFile = fopen(AcFilename, "wb");
DcFile = fopen(DcFilename, "wb");
fwrite(outDCbuf, width * height *3 /64 , 1, DcFile);//直流分量文件
fwrite(outACbuf, width * height *3 /64 , 1, AcFile);//交流分量文件
fclose(DcFile);
fclose(AcFile);
}
（3）在定义了自己需要输出表格的文件指针c_file，输出的AC图像AcFile，DC图像DcFile。之后out_str[20]用作在c_file中输出的字符串。随后为AC和DC图像分别开了缓冲区。在之后进行了宏定义，除了三个文件名外，ACNUM为提取的AC图像所在的DCT的位置索引。
在tinyjpeg.h中添加
FILE *c_file;//类似与trace的文件，不过要输出txt
FILE *AcFile ;
FILE *DcFile ;
static char out_str[20];
static unsigned char *outDCbuf = NULL;
static unsigned char *outACbuf = NULL;
#define ACNUM 2
#define C_TABLE 1
#define C_FILENAME "table.txt"
#define AcFilename "acfile.yuv"
#define DcFilename "dcfile.yuv"
在main函数中：
#if C_TABLE
c_file = fopen(C_FILENAME,"w");
if(c_file == NULL)
{
printf("table file open error!");
}
#endif
（4）提取量化表。ref_table是以zz作为索引进行反之字形变换存储。而之字形取值就是通过提前建立zig-zag顺序表来实现，先建立一个存有排序后编号的数组，把这个数组中的数再作为另一个数组的标号。
static const unsigned char zigzag[64] =
{
0, 1, 5, 6, 14, 15, 27, 28,
2, 4, 7, 13, 16, 26, 29, 42,
3, 8, 12, 17, 25, 30, 41, 43,
9, 11, 18, 24, 31, 40, 44, 53,
10, 19, 23, 32, 39, 45, 52, 54,
20, 22, 33, 38, 46, 51, 55, 60,
21, 34, 37, 47, 50, 56, 59, 61,
35, 36, 48, 49, 57, 58, 62, 63
};
在build_quantization_table函数中添加：
//get the Q table
#if C_TABLE
snprintf(out_str, sizeof(out_str),"%d", ref_table[*(zz-1)]);//zz就是按照zigzag索引来的
fprintf(c_file,"%s\t",out_str);
if(j == 7)
fprintf(c_file,"\n\n");
fflush(c_file);
#endif
（5）提取Huffman表。在build_huffman_table函数中仿照了TRACE直接在函数中将val，code和codesize输出到了txt中。
#if C_TABLE
fprintf(c_file,"val=%2.2x code=%8.8x codesize=%2.2d\n", val, code, code_size);
fflush(c_file);
#endif
#if C_TABLE
fprintf(c_file,"\n\n");
fflush(c_file);
#endif
（6）提取DC和AC系数输出图像。具体数值从jdecprivite结构体中component结构体里的DCT中直接提取的，对于U，V的写入直接采用了在Y的基础上分别加上1倍和2倍图像size的办法找到对应的位置，而且没有进行下采样。还需注意取值范围，由于是8x8的宏块，所以在给DC赋值的时候需要做除以8的操作，使得取值范围变为-128~128，且所有数值均需要上拉128，让取值范围变为0~255。
在tinyjpeg_decode函数中添加：
//full the DC and AC buffer
//DC:
*(outDCbuf + dct_count) = (unsigned char)((priv->component_infos[cY]).DCT[0]/8 +128);
*(outDCbuf + dct_count + priv->height * priv->width /64) =
(unsigned char)((priv->component_infos[cCb].DCT[0])/8 + 128) ;//U
*(outDCbuf + dct_count + 2 * priv->height * priv->width /64) =
(unsigned char)((priv->component_infos[cCr].DCT[0])/8 + 128) ;//V
//AC:
*(outACbuf + dct_count) = (unsigned char)((priv->component_infos[cY]).DCT[ACNUM] +128 );
*(outACbuf + dct_count + priv->height * priv->width /64) =
(unsigned char)((priv->component_infos[cCb]).DCT[ACNUM] +128 );
*(outACbuf + dct_count + 2 * priv->height * priv->width /64) =
(unsigned char)((priv->component_infos[cCr]).DCT[ACNUM] +128 );
5、实验结果分析
（1）直流交流图片分析
直流分量的图形大概还原出原图像的低频部分，效果类似略缩图，而低频的AC系数也大概反映图像的轮廓，而随着AC系数的索引增大，可以看出图像越来越接近平坦，即图像的值越来越小。下图以此为DC图和索引为1的AC,索引为2的AC，索引为5的AC。
（2）txt文件内容的展示
（3）将DC和AC经过Huffman编码器统计概率分布
（4）蚊子噪声
原图：
JPEG压缩后造成的蚊子噪声：（本来底为白色，为了看清楚蚊子噪声，将底置黑）
【抱歉，csdn博客写新文章时添加图片或代码有错位，所以代码直接粘贴上来，不美观请见谅】