HN 日本語サマリー

← 一覧へ戻る
科学・技術

後退的なJPEG

Regressive JPEGs (maurycyz.com)

646 pointsby vitaut65 コメント

要約

この記事では、JPEGファイルが持つ「低周波成分を先に保存する」という特徴を利用した、画像表示のトリックについて解説しています。この機能は、部分的にダウンロードされた画像が低解像度で表示されるようにするものですが、複数のスキャンを巧妙に組み合わせることで、ファイルが読み込まれるたびに異なる画像が表示されるように「後退的(Regressive)」なJPEGを作成できることを示しています。この技術は、主にデモンストレーションやいたずら目的で利用され、実用的な応用は限定的です。

全文翻訳

退行型JPEG画像

2026-07-17

JPEGファイルのクールな機能の1つに、低周波成分を先に保存するオプションがあります。これにより、部分的にダウンロードされた画像は、途中で切れるのではなく、低解像度で表示されます。

ファイル内では、これは圧縮データを複数の「スキャン」に分割することで機能し、各スキャンはヘッダーで区切られています。以下は、代表的な画像の最初のスキャンの例です。

FF DA - "start of scan" マーカー
00 0C - ビッグエンディアンの長さフィールド(12バイト)自身を含む
03 - スキャン内のチャンネル数(3)
  01 - 最初のチャンネルのグローバルID
  00 - ハフマンテーブルインデックス #1 (DC: 0, AC: 0)
  02 - 2番目のチャンネルのグローバルID
  10 - ハフマンテーブルインデックス #2 (DC: 1, AC: 0)
  03 - 3番目のチャンネルのグローバルID
  10 - ハフマンテーブルインデックス #2 (DC: 0, AC: 0)
00 - 開始DCTビン(DC)
00 - 終了DCTビン(DCでもある)
01 - 精度:ハーフ、既存データなし。

f8ad 512d d3f1 cd96 - ハフマン符号化されたDCT係数
bcb0 58df 53d5 5d97
[...さらに多数]

...これは、3つのカラーチャンネルすべての最も低い(DC)フーリエビンを含んでいます。

3つのカラーチャンネルは、通常のRGBではなくYCbCrです。輝度(Y)は高品質である必要があるため分離されますが、色情報はかなりごまかしても問題なく見えることが多いです。

非常に大まかに言うと:Y = G, Cb = B - G, Cr = R - G

その後、ファイルには残りのデータを埋めるために8つのスキャンが含まれています。

スキャン番号チャンネルDCTビン範囲精度
0Y Cb Cr0 - 0ハーフ (-1ビット)
1Y1 - 5クォーター (-2ビット)
2Cb1 - 63ハーフ
3Cr1 - 63ハーフ
4Y6 - 63クォーター
5Y1 - 63ハーフ
6Y Cr Cb0 - 0フル
7Cr1 - 63フル
8Cb1 - 63フル
9Y1 - 63フル

スキャン #0 には、非常に低解像度の画像のプレビューが含まれています。

スキャン #1 は輝度にいくつかのディテールを追加します。

スキャン番号2から5には、完全な低精度データが含まれています。

スキャン4は、#1で残されたギャップを埋めるため、異常なスペクトル範囲を持っています。そのため、番号5は完全なクォーター精度データを構築できます。

スキャン6から9は、画像をフルクオリティにするために最終的に欠けているビットを追加します。

色情報が重要度が低いことについて言及したことを考えると、私の例でカラーデータが先に来ているのは奇妙に思えるかもしれません。これは、色差信号がハーフ解像度(クォーターピクセル数)で保存されているため機能します。その結果、完全な色差信号データ(Cr + Cb)は輝度の半分しか重さがありません。

各スキャンは明示的にスペクトル範囲を設定するため、後続のスキャンが既にレンダリングされた画像データを上書きするJPEGファイルを構築することが可能です。

実際、これは非常に簡単です。

同じ解像度の複数の画像を連結し、画像開始(start-of-image)、フレーム開始(start-of-frame)、画像終了(end-of-image)マーカーを除外します。これはヘックスエディタで行うことができますが、私は素早く簡単なCプログラムを使用しました。

低速なネットワークで配信される場合、この連結されたファイルは複数の画像に切り替わります。

[画像: 草の上に座っている猫と、コンクリートの上にいる別の猫の間で切り替わる猫の画像]

新しいタブで開くにはクリックしてください

しかし、ほとんどのデコーダーは数スキャン後にギブアップします。これはおそらくzip爆弾のような問題を避けるために行われているのだと思いますが、これにより9フレーム以上での動作が妨げられ、適切なアニメーションには十分ではありません。

それを実現するには、各フレームのスキャン数を最小限にする必要があります。最も簡単なアイデアは、単一のスキャンのみを持つベースラインJPEGから始めることです。

...しかし、うまくいきません。

プログレッシブモードでは、1つのスキャンでAC(0より大きいビン)とDC(ビン0)の両方のデータを同時に含めることはできません。この制限はベースラインモードには存在しませんが、ベースラインデコーダーは最初のスキャンで停止します。

ACデータはDCデータの後に続く必要があるため、可能な限り小さい「プログレッシブ」JPEGは、単一のDCのみのスキャンを含みます。DCTは16x16ブロックで実行されるため、そのような画像は単色にはなりません。

スキャン番号チャンネルDCTビン精度
0Y Cb Cr0 - 0フル

これを行うことで、Chromeは約90フレームでレンダリングを停止させることができます。Firefoxのような他のブラウザはより忍耐強いですが、90スキャンの画像はほぼどこでも機能するようです。

ボーナスとして、これは単純な試みで発生したゴースト(残像)を回避します。ACスキャンは古いデータを洗練させることになっているため、残像が発生しました。通常、これにより画像はファイルサイズを増やすことなく複数の精度レベルを含めることができますが、私のトリックとはうまく連携しません。

ファイルがDCスキャンのみで実際のプログレッションがない場合、これは問題になりません。

「DCのみ」のフレームは規格に準拠した画像であるため、それらを作成するために特別なことは何も必要ありません。

cat > frame.scans<<EOF
# DC only scan:
0,1,2:0-0,0,0;
# and nothing else
EOF
jpegtran -scans frame.scans -outfile out.jpg in.jpg

これらを使用すると、単一の画像にビデオ全体をパックすることが可能です。

[画像: カメラに向かって歩いてくる黒猫の「ビデオ」]

新しいタブで開くにはクリックしてください

非標準的なリックロールやその他のいたずら以外に、これには実用的な応用はありません。タイミング情報を追加する方法がないため、再生は完全にネットワーク遅延に依存します。

...ただし、部分的なレンダリングを使用した多くの楽しみがあります。

これは<dialog>タグを使用した純粋なHTMLビデオです:badapple.rose.systems

もちろん、データがハードコードされている必要はありません。これは、CSSやJavaScriptを一切使用しないインタラクティブなシングルページアプリケーションです。

関連: