GIF(Graphics Interchange Format) 原义是 "图像互换格式",是 CompuServe 公司在 1987 年开发出的图像文件格式,可以说是互联网界的老古董了。
GIF 格式可以存储多幅彩色图像,如果将这些连续播放出来,就能够组成最简单的动画。所以常被用来存储 "动态图片",通常时间短,体积小,内容简单,成像相对清晰,适于在早起的慢速互联网上传播。
本来,随着网络带宽的拓展和视频技术的进步,这种图像已经渐渐失去了市场。可是,近年来流行的表情包文化,让老古董 GIF 图有了新的用武之地。
表情包通常来源于手绘图像,或是视频截取,目前有很多方便制作表情包的小工具。
这类图片通常具有文件体积小,内容简单,兼容性好(无需解码工具即可在各类平台上查看),对画质要求不高的特点,刚好符合 GIF 图的特性。
所以,老古董 GIF 图有了新的应用场景。
新的应用场景带来新的需求,本文所探究的问题来自于某个业务场景下——为用户批量推送 GIF 表情包。
一批图像大约有 200-500 张,以缩略图列表的形式展示在客户端。
根据我们使用测试数据进行的统计 GIF 图表情包的尺寸大部分在 200k-500k 之间,批量推送的一个重要问题就是数据量太大,因此,我们希望能够在列表里展示体积较小的缩略图,用户点击后,再单独拉取原图。
传统的 GIF 缩略图是静态的,通常是提取第一帧,但在表情包的情形下,这种方式不足以表达出图片中信息。比如下面的例子
——第一帧完全看不出重点啊!
所以,我们希望缩略图也是动态的,并尽可能和原图相似。
对于传统图片来说,文件大小一般和图片分辨率(尺寸)正相关,所以,生成缩略图最直观的思路就是缩小尺寸,resize 大法。
但是在 GIF 图的场合,这个方式不再高效,因为 GIF 图的文件大小还受到一个重要的因素制约——帧数
以这张柴犬表情为例,原图宽度 200,尺寸 1.44M,等比缩放到 150 之后,尺寸还是 1.37M,等比缩放到 100,相当于尺寸变为原来的四分之一,体积还是 749K
可见,resize 大法的压缩率并不理想,收效甚微。
而且,我们所得到的大部分表情图素材,分辨率已经很小了,为了保证客户端展示效果,不能够过度减少尺寸,不然图片会变得模糊。
所以,想要对 GIF 图进行压缩,只能从别的方向入手。
想要压缩一个文件,首先要了解它是如何存储的。毕竟,编程的事,万变不离其宗嘛。
作为一种古老的格式,GIF 的存储规则也相对简单,容易理解,一个 GIF 文件主要由以下几部分组成。
下面我们来分别探究每个部分。
GIF 格式文件头和一般文件头差别不大,也包含有
格式声明
Signature 为 "GIF"3 个字符;Version 为 "87a" 或 "89a"3 个字符。
逻辑屏幕描述块
前两字节为像素单位的宽、高,用以标识图片的视觉尺寸。
Packet 里是调色盘信息,分别来看——
Global Color Table Flag 为全局颜色表标志,即为 1 时表明全局颜色表有定义。
Color Resolution 代表颜色表中每种基色位长(需要 + 1),为 111 时,每个颜色用 8bit 表示,即我们熟悉的 RGB 表示法,一个颜色三字节。
Sort Flag 表示是否对颜色表里的颜色进行优先度排序,把常用的排在前面,这个主要是为了适应一些颜色解析度低的早期渲染器,现在已经很少使用了。
Global Color Table 表示颜色表的长度,计算规则是值 + 1 作为 2 的幂,得到的数字就是颜色表的项数,取最大值 111 时,项数 = 256,也就是说 GIF 格式最多支持 256 色的位图,再乘以 Color Resolution 算出的字节数,就是调色盘的总长度。
这四个字段一起定义了调色盘的信息。
Background color Index 定义了图像透明区域的背景色在调色盘里的索引。
Pixel Aspect Ratio 定义了像素宽高比,一般为 0。
什么是调色盘?我们先考虑最直观的图像存储方式,一张分辨率 M×N 的图像,本质是一张点阵,如果采用 web 最常见的 RGB 三色方式存储,每个颜色用 8bit 表示,那么一个点就可以由三个字节(3BYTE = 24bit)表达,比如 0xFFFFFF 可以表示一个白色像素点,0x000000 表示一个黑色像素点。
如果我们采用最原始的存储方式,把每个点的颜色值写进文件,那么我们的图像信息就要占据就是 3×M×N 字节,这是静态图的情况,如果一张 GIF 图里有 K 帧,点阵信息就是 3×M×N×K。
下面这张兔子 snowball 的表情有 18 帧,分辨率是 200×196,如果用上述方式计算,文件尺寸至少要 689K。
但实际文件尺寸只有 192K,它一定经历过什么……
我们可以使用命令行图片处理工具 gifsicle 来看看它的信息。
- gifsicle -I snowball.gif > snowball.txt
我们得到下面的文本
- 5.gif 19 images
- logical screen 200x196
- global color table [128]
- background 93
- loop forever
- extensions 1
- + image #0 200x196 transparent 93
- disposal asis delay 0.04s
- + image #1 200x188 transparent 93
- disposal asis delay 0.04s
- ........
可以看到,global color table [128] 就是它的调色盘,长度 128。
为了确认,我们再用二进制查看器查看一下它的文件头
可以看到 Packet 里的字段的确符合我们的描述。
在实际情况中,GIF 图具有下面的特征
(1)一张图像最多只会包含 256 个 RGB 值。
(2)在一张连续动态 GIF 里,每一帧之间信息差异不大,颜色是被大量重复使用的。
在存储时,我们用一个公共的索引表,把图片中用到的颜色提取出来,组成一个调色盘,这样,在存储真正的图片点阵时,只需要存储每个点在调色盘里的索引值。
如果调色盘放在文件头,作为所有帧公用的信息,就是公共(全局)调色盘,如果放在每一帧的帧信息中,就是局部调色盘。GIF 格式允许两种调色盘同时存在,在没有局部调色盘的情况下,使用公共调色盘来渲染。
这样,我们可以用调色盘里的索引来代表实际的颜色值。
一个 256 色的调色盘,24bit 的颜色只需要用 9bit 就可以表达了。
调色盘还可以进一步减少,128 色,64 色,etc,相应的压缩率就会越来越大……
还是以兔子为例,我们还可以尝试指定它的调色盘大小,对它进行重压缩
- gifsicle --colors=64 5.gif > 5-64.gif
- gifsicle --colors=32 5.gif > 5-32.gif
- gifsicle --colors=16 5.gif > 5-16.gif
- gifsicle --colors=2 5.gif > 5-2.gif
- ......
依然使用 gifsicle 工具,colors 参数就是调色盘的长度,得到的结果
注意到了 2 的时候,图像已经变成了黑白二值图。
居然还能看出是个兔子……
所以我们得出结论——如果可以接受牺牲图像的部分视觉效果,就可以通过减色来对图像做进一步压缩。
文件头所包含的对我们有用的信息就是这些了,我们继续往后看。
帧信息描述就是每一帧的图像信息和相关标志位,在逐项了解它之前,我们首先探究一下帧的存储方式。
我们已经知道调色盘相关的定义,除了全局调色盘,每一帧可以拥有自己的局部调色盘,渲染顺序更优先,它的定义方式和全局调色盘一致,只是作用范围不同
直观地说,帧信息应该由一系列的点阵数据组成,点阵中存储着一系列的颜色值。点阵数据本身的存储也是可以进行压缩的,GIF 图所采用的是 LZW 压缩算法。
这样的压缩和图像本身性质无关,是字节层面的,文本信息也可以采用(比如常见的 gzip,就是 LZW 和哈夫曼树的一个实现)
基于表查询的无损压缩是如何进行的?基本思路是,对于原始数据,将每个第一次出现的串放在一个串表中,用索引来表示串,后续遇到同样的串,简化为索引来存储(串表压缩法)
举一个简单的例子来说明 LZW 算法的核心思路。
有原始数据:ABCCAABCDDAACCDB
可以看出,原始数据里只包括 4 个字符 A,B,C,D, 四个字符可以用 2bit 的索引来表示,0-A,1-B,2-C,3-D。
原始字符串存在重复字符,比如 AB,CC,都重复出现过。用 4 代表 AB,5 代表 CC,上面的字符串可以替代表示为 45A4CDDAA5DB
这样就完成了压缩,串长度从 16 缩减到 12。对原始信息来说,LZW 压缩是无损的。
除了采用 LZW 之外,帧信息存储过程中还采取了一些和图像相关的优化手段,以减小文件的体积,直观表述就是——公共区域排除、透明区域叠加
这是 ImageMagick 官方范例里的一张 GIF 图。
根据直观感受,这张图片的每一帧应该是这样的。
但实际上,进行过压缩优化的图片,每一帧是这样的。
首先,对于各帧之间没有变化的区域进行了排除,避免存储重复的信息。
其次,对于需要存储的区域做了透明化处理,只存储有变化的像素,没变化的像素只存储一个透明值。
这样的优化在表情包中也是很常见的, 举个栗子
上面这个表情的文件大小是 278KB,帧数是 14
我们试着用工具将它逐帧拆开,这里使用另一个命令行图像处理工具 ImageMagick
- gm convert source.gif target_%d.gif
可以看出,除了第一帧之外,后面的帧都做了不同程度的处理,文件体积也比第一帧小。
这样的压缩处理也是无损的,带来的压缩比和原始图像的具体情况有关,重复区域越多,压缩效果越好,但相应地,也需要存储一些额外的信息,来告诉引擎如何渲染,具体包括
帧数据长宽分辨率,相对整图的偏移位置
透明彩色索引——填充透明点所用的颜色
Disposal Method——定义该帧对于上一帧的叠加方式
Delay Time——定义该帧播放时的停留时间
其中值得额外说明的是 Disposal Method,它定义的是帧之间的叠加关系,给定一个帧序列,我们用怎样的方式把它们渲染成起来。
详细参数定义,可以参考该网站的范例
Disposal Method 和透明颜色一起,定义了帧之间的叠加关系。在实际使用中,我们通常把第一帧当做基帧(background),其余帧向前一帧对齐的方式来渲染,这里不再赘述。
理解了上面的内容,我们再来看帧信息的具体定义,主要包括
1 和 3 比较直观,第二部分和第四部分则是一系列的标志位,定义了对于 "帧" 需要说明的内容。
帧数据说明。
除了上面说过的字段之外,还多了一个 Interlace Flag,表示帧点阵的存储方式,有两种,顺序和隔行交错,为 1 时表示图像数据是以隔行方式存放的。最初 GIF 标准设置此标志的目的是考虑到通信设备间传输速度不理想情况下,用这种方式存放和显示图像,就可以在图像显示完成之前看到这幅图像的概貌,慢慢的变清晰,而不觉得显示时间过长。
帧数据扩展是 89a 标准增加的,主要包括四个部分。
1、程序扩展结构(Application Extension)主要定义了生成该 gif 的程序相关信息
2、注释扩展结构(Comment Extension)一般用来储存图片作者的签名信息
3、图形控制扩展结构(Graphic Control Extension)这部分对图片的渲染比较重要
除了前面说过的 Dispose Method、Delay、Background Color 之外,User Input 用来定义是否接受用户输入后再播放下一帧,需要图像解码器对应 api 的配合,可以用来实现一些特殊的交互效果。
4、平滑文本扩展结构(Plain Text Control Extension)
89a 标准允许我们将图片上的文字信息额外储存在扩展区域里,但实际渲染时依赖解码器的字体环境,所以实际情况中很少使用。
以上扩展块都是可选的,只有 Label 置位的情况下,解码器才会去渲染
说完了基本原理,来分析一下我们的实际问题。
给大量表情包生成缩略图,在不损耗原画质的前提下,尽可能减少图片体积,节省用户流量。
之前说过,单纯依靠 resize 大法不能满足我们的要求,没办法,只能损耗画质了,主要有两个思路,减少颜色和减少帧数。
减少颜色——图片情况各异,标准难以控制,而且会造成缩略图和原图视觉差异比较明显
减少帧数——通过提取一些间隔帧,比如对于一张 10 帧的动画,提取其中的提取 1,3,5,7,9 帧。来减少图片的整体体积,似乎更可行。
先看一个成果,就拿文章开头的图做栗子吧
看上去连贯性不如以前,但是差别不大,作为缩略图的视觉效果可以接受,由于帧数减小,体积也可以得到明显的优化。体积从 428K 缩到了 140K
但是,在开发初期,我们尝试暴力间隔提取帧,把帧重新连接压成新的 GIF 图,这时,会得到这样的图片。
主要有两个问题。
1、帧数过快
2、能看到明显的残留噪点
分析我们上面的原理,不难找到原因,正是因为大部分 GIF 存储时采用了公共区域排除和透明区域叠加的优化,如果我们直接间隔抽帧,再拼起来,就破坏了原来的叠加规则,不该露出来的帧露出来了,所以才会产生噪点。
所以,我们首先要把原始信息恢复出来。
两个命令行工具,gifsicle 和 ImageMagick 都提供这样的命令。
- gm convert -coalesce source.gif target_%d.gif
- gifsicle --unoptimize source.gif > target.gif
还原之后抽帧,重建新的 GIF,就可以解决问题 2 了。
注意重建的时候,可以应用工具再进行对透明度和公共区域的优化压缩。
至于问题 1,也是因为我们没有对帧延迟参数 Delay Time 做处理,直接取原帧的参数,帧数减少了,速度一定会加快。
所以,我们需要把抽去的连续帧的总延时加起来,作为新的延迟数据,这样可以保持缩略图和原图频率一致,看起来不会太过鬼畜,也不会太过迟缓。
提取出每一帧的 delay 信息,也可以通过工具提供的命令来提取。
- gm identify -verbose source.gif
- gifsicle -I source.gif
在实际应用中,抽帧的间隔 gap 是根据总帧数 frame 求出的
- frame<8 gap=1
- 9<frame<20 gap=2
- 21<frame<30 gap=3
- 31<frame<40 gap=4
- frame>40 gap=5
delay 值的计算还做了归一化处理,如果新生成缩略图的帧间隔平均值大于 200ms,则统一加速到均值 200ms,同时保持原有节奏,这样可以避免极端情况下,缩略图过于迟缓。
本文介绍的算法主要应用于手 Q 热图功能的后台管理系统,使用 Nodejs 编写。
ImageMagick 是一个较为常用的图像处理工具,除了 gif 还可以处理各类图像文件,有 node 封装的版本可以使用。
gifsicle 只有可执行版本,在服务器上重新编译源码后,采用 spawn 调起子进程的方式实现。
ImageMagick 对于图片信息的解析较为方便,可以直接得到结构化信息。
gifsicle 支持命令管道级联,处理图片速度较快。
实际生产过程中,同时采用了两个工具。
- const {spawn} = require('child_process');
- const image = gm("src2/"+file)
- image.identify((err, val) => {
- if(!val.Scene){
- console.log(file+" has err:"+err)
- return
- }
- let frames_count = val.Scene[0].replace(/\d* of /, '') * 1
- let gap = countGap(frames_count)
- let delayList = [];
- let totaldelay = 0
- if(val.Delay!=undefined){
- let i
- for (i = 0; i < val.Delay.length; i ++) {
- delayList[i] = val.Delay[i].replace(/x\d*/, '') * 1
- totaldelay+=delayList[i]
- }
- for (; i < val.Scene.length; i ++) {
- delayList[i] = 8
- totaldelay+=delayList[i]
- }
- }else{
- for (let i = 0; i < val.Scene.length; i ++) {
- delayList[i] = 8
- totaldelay+=delayList[i]
- }
- }
- let totalFrame = parseInt(frames_count/gap)
- //判断是否速度过慢,需要进行归一加速处理
- if(totaldelay/totalFrame>20){
- let scale =(totalFrame*1.0*20)/totaldelay
- for (let i = 0; i < delayList.length; i ++) {
- delayList[i] = parseInt(delayList[i] * scale)
- }
- }
- let params=[]
- params.push("--colors=255")
- params.push("--unoptimize")
- params.push("src2/"+file)
- let tempdelay = delayList[0]
- for (let i = 1; i < frames_count; i ++) {
- if(i%gap==0){
- params.push("-d"+tempdelay)
- params.push("#"+(i-gap))
- tempdelay=0
- }
- tempdelay += delayList[i]
- }
- params.push("--optimize=3")
- params.push("-o")
- params.push("src2/"+file+"gap-keepdelay.gif")
- spawn("gifsicle", params, { stdio: 'inherit' })
- })
测试时,采用该算法随机选择 50 张 gif 图进行压缩,原尺寸 15.5M 被压缩到 6.0M,压缩比 38%,不过由于该算法的压缩比率和具体图片质量、帧数、图像特征有关,测试数据仅供参考。
本文到这里就结束了,原来看似简单的表情包,也有不少文章可做。
谢谢观看,希望文中介绍的知识和研究方法对你有所启发。
来源: http://www.cnblogs.com/qcloud1001/p/6647080.html