※ 引述《bike3905 (RKTxLeo)》之铭言： : https://i.imgur.com/ntEbO56.jpeg : 有人说对岸用无人机排出张惠妹的脸 : 只要给我足够的时间 : 我能用C语言排出张惠妹的脸 : 这样很强吗？ 我准备指派学生的作业时，想到上面的挑战。以 128x128 画素 RGB 来说，张惠妹 的脸部可用 776 位元组展现，简单的编码如下： static const char *H = "4ZmQ;9Z5\\1k^QTkmJD@=gbeB[@alfNAZ?>3NaIB]d_I7h9;=Q8aM^M=@3JEeg^9UOi1" "eUBkjfK[`40\\IKQg?\\FR;CaFBaCe:ioATMIFmSUk^g05X4XRY3Xh4aoMFF8W`P7MRM" "Jnk9Y\\MBVZ1NK2=YUHF@O`9NmC93M31_a5h@g\\mmd7AoeAAgm:?Z37>ZIGQ>F0YdMe" "g?d]WWF@G`T=IKlV;KGbi8\\<5hmFS11A[]_Xf?B598nhd2anSoUVkDD`0Gm@fO]`B2L" "K<cn6Sm\\TL_U<8<WN>[ZWGXU1\\7WZf;PQZhneTe7BV?<_7_1RKXoBI;VQRc?GakMY9" "X7?FBcNm5LB>C7Bj<l>aaNoB@0k463f;IfPi5E@]DAeM00J=\\C901VlF035:>aCNTbT" "WO9DAVW@DPZc`0[BU??[5J7R>5h7AHkc7h8:XW\\=NF2iYKJM[mZld=WSU:YdMiSjQn" "\\k11:Kn>1WgW7_nKZWdmj23T3jZXBm]Wb[2f1R:i4VaD@LU:A1_9j`dA4eQ>WTXD>`m" "85B@48_RjCHk1gcn5meS:EU3R\\m1i[i20=L30GDa>^Q7420@hljIdUNfoT6g;_3;FDS" "C]cOXc=D97>^3Ko3C2IX1U21a9A];SU=QJK@XR]h^;:lHikZT8C]e1PL=NCVJhnA\\25" "CUM_NJb59AQOC?H^;K2]Zn6RE:bBT:N75jm9nDoHllZ5U>_0L:T`ieTC1f=Gf0fVe<^d" "eWZB2biMeY;kN7m70VWG?ANB92^K5JJ]AQD;6k9DO=L^76cmY^1ae8ojF3:F2GdGO2T6" "=NEFX\\UHOcgKlLVU:`7nM?2MBDLQ<_:fb51S<C=W:KP9ZVI;f@g::Zbn=OL;IW8;L\\" "GIYF;QO\\Pd<ZD_7W=MSG^W91GVEl?4`UQ2P;5=kV75SdL[;FY;WPjWo8>Nk>^4oKE\\" "_12jbO_FmPW3oG7=cBWk?blijB48`@3Q:_ef1g^@0PhUS721ejdBIhJ1EL2i5D[k[oIH" "G]@aL`;]HE\\6b:Yi9aK@4Aom1E4c765V40"; 有效位元串流和完整的 C 语言影像解码器程式码可见: https://gist.github.com/jserv/221efc83f7b60b996dcf9c8b435980d5 编译和测试方式: gcc -O2 amei.c -lm && ./a.out > amei.png 预期可见到天后的脸庞，影像资料取自 [1]，故意降低品质，避免侵权。 本方法改写自 [2]，解码器分为二层： * 上层是有损 (lossy) 影像解码： 利用四元树 (quadtree) 分割、预测 (prediction)、DCT 残差 (residual) * 下层是无损 (lossless) 熵编码 (entropy coding)： 利用二元算术编码 (binary arithmetic coding) + 指数哥伦布编码 (exponential-Golomb coding) 资料流向： 位元串流 (bitstream) → 算术解码 → 指数哥伦布解码 → 系数 (coefficient) 重建 → IDCT → 预测补偿 → 去方块滤波 (deblocking filter) → 色彩空间 (color space) 转换 → PNG 输出 算术编码是整个压缩系统的基石，负责将位元串流无损还原为个别的位元和整数。算术 编码将 [0, 1) 区间 (interval) 依据符号的机率 (probability) 递回分割。对二元 算术编码而言，区间分成两段，分别对应 0 和 1，大小正比於各自的预测机率。解码 时，追踪目前的分数 (fraction) 落入哪一段，即可还原对应的位元值。 压缩资料不直接以 RGB 储存，而用 YCgCo 色彩空间： - Y：亮度 (luma)，携带绝大部分影像细节 - Cg：绿-品红色度 (green-magenta chrominance) - Co：橙-蓝色度 (orange-blue chrominance) YCgCo 将亮度与色度解相关 (decorrelate)，人眼对亮度远比色度敏感，因此编码器可 对色度通道使用较大的量化步长而不明显损失视觉品质。解码器不做色度次取样 (chroma subsampling)，而是直接提高色度的量化系数。三个通道以平面格式 (planar format) 分别储存在记忆体中，最终从 YCgCo 转回交错格式 (interleaved format) 的 RGB 输出。 函式 W() 是解码的主体，以递回四元树方式拆分影像: static void W(int z, int l, int g) { if (g > 5 || (g > 2 && t(g - 3))) { int c = 1 << --g; foreach (a, 4) W(z + a % 2 * c, l + a / 2 * c, g); return; } /* ... 叶节点解码 ... */ } ``` - 区块 (block) 大於 32x32 (即 g > 5): 强制分割 - 区块为 4x4 (即 g == 2`): 不再分割 - 中间层级 (8x8, 16x16, 32x32): 解码一个位元决定是否分割 分割时将区块一分为四，按左上、右上、左下、右下顺序递回处理。产生类似 Z-order 曲线的走访顺序，使空间相邻的区块在编码串流中也相邻，有利於压缩效率。张惠妹脸部 的影像采用四元树分割机制，细节丰富的区域 (如五官) 被切得更细，平坦区域 (如背景) 保持较大区块。 到达四元树的叶节点 (leaf node) 後，解码器对 Y,Cg,Co 三个通道分别处理。首先解码 预测模式 q，该值在 0-33 之间，三个通道共用。 if (!q) { int v = 0; foreach (a, c) v += (l ? o[-f + a] : 0) + (z ? o[a * f - 1] : 0); *i += z && l ? v / 2 : v; } 撷取目前区块正上方和正左方已解码画素的平均值，写入 DCT 的 DC 系数。技巧是， 不必逐画素填入预测值，只需修改 DC 系数，因为 DC 系数在 IDCT 後恰好对应整个区块 的常数偏移 (constant offset)。 33 个方向性预测模式对应 HEVC 的 33 个影格内预测 (intra prediction) 方向，每个 模式以 1/8 画素为步进定义一个斜率 (slope)，围绕对角线 (模式 17) 对称分布。 int C = q < 17, w = C ? 9 - q : q - 25; - 模式 1-16 (C=1): 主要从左方画素向右延伸 - 模式 17-33 (C=0): 主要从上方画素向下延伸 - 模式 9: 水平复制左方画素 - 模式 25: 垂直复制上方画素 - 模式 17: 沿对角线方向 对於非整数位置 (sub-pixel position)，解码器以 1/8 画素精度在两个相邻参考画素 间进行线性内插 (linear interpolation)，产生抗锯齿 (anti-aliasing) 效果： o[C ? j * f + a : a * f + j] += (*i * (8 - J) + i[1] * J + 4) >> 3; 权重 J 介於 0-7，(8-J) 和 J 分别为两个邻近画素的内插权重。 预测只是近似值。要还原实际影像，还需要加上残差 (residual)。残差以离散余弦转换 (Discrete Cosine Transform, DCT) 系数的形式储存。对每个区块的每个色彩通道 (color channel) 而言： foreach (a, d) i[a] = 0; /* 清零工作缓冲区 */ for (int a = 0; a < d; a++) { if (t(61 + g * 2 + I)) break; /* 结束旗标 */ a += n(5 + I * 10); /* 零游程长度 */ int k = 1 - 2 * t(3); /* 正负号 */ if (a < d) i[a] = k * (n(25 + (I + (a < d / 8) * 2) * 10) + 1) * (B ? P : O); } 流程类似 H.263 的 (LAST, RUN, LEVEL) 三元组 (triplet)： 1. 解码一个位元判断是否已到最後一个非零系数 2. 解码零游程 (run of zeros)——连续跳过多少个零系数 3. 解码正负号 (sign bit) 4. 解码量化等级 (quantized level)，乘以量化步长（亮度用 O，色度用 P） 还原系数，此为均匀中踏量化 (mid-tread uniform quantization)，无死区 (dead zone) 系数按列主序 (row-major order) 排列，不同於 JPEG 的锯齿形扫描 (zigzag scan)。 非零系数倾向集中於左上角 (低频区域)，自然影像的 DCT 系数具有高度稀疏性 (sparsity)。 函式 R() 实作一维 IDCT，并藉由可分离性 (separability) 拆为二次呼叫，以完成 二维 IDCT： R(i + d, 1, i, 1, c, c, 10); /* 各列做一维 IDCT */ R(o, f, i + d, c, 1, c, 10 + g); /* 各行做一维 IDCT，直接写回影像平面 */ DCT 的本质是将区块分解为一组正弦波基底图样 (basis pattern) 的加权和 (weighted sum)。左上角的低频 (low-frequency) 基底对应模糊的渐层，右下角的高频 (high-frequency) 基底对应细节边缘。量化 (quantization) 就是在此处引入失真 压缩：除以量化步长并四舍五入，小系数归零，减少需要编码的资料量。 IDCT 是整个解码器中唯一使用浮点运算之处 (cos() 和 lrint())，其余全用定点数 (fixed-point) 或整数算术。余弦值可预先计算为表格查询 (lookup table)，如此 便能完全消除浮点运算。 [1] https://www.mirrormedia.mg/story/20251104edi024 [2] A Tour of the Tiny and Obfuscated Image Decoder http://eastfarthing.com/blog/ --- 你不知不觉看到这里了吗？ 我要广告最近开发的专案: https://github.com/sysprog21/zhtw-mcp zhtw-mcp 是针对繁体中文场景设计的 MCP 伺服器，目标在於让 AI 在产生繁体中文内容 时，能够符合台湾的语言习惯、资讯科技术语与正式书写规范。本专案不是单纯的繁简 字形转换，而是让 AI 代理人在理解语境後，选择符合台湾语境的词汇与表达方式。在 许多现有工具中，所谓的繁简转换通常只处理字形层级，例如将「计算机」转换为「计算 机」或「电脑」，却忽略词汇与语境的差异，如「程序／程式」、「线程／执行绪」、 「内存／记忆体」、「网络／网路」等。对於技术文件、教材与研究资料而言，这些差异 不只是风格问题，而会影响专业语言的一致性与可读性。zhtw-mcp 的设计理念正是回应 这个问题。系统并非以固定词典逐字替换，而用 AI 代理人的语境理解能力，将整段文本 视为语意单位，再决定最适合的台湾用语与书写方式。 欢迎在 GitHub 打星、测试，和提交意见及程式码。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.116.245.217 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Gossiping/M.1773653862.A.BF3.html