根据任务内容，我开始用wxMEdit查看图片文件，尝试研究计算机眼里的图片

我利用Windows画图制作了这么一张简单的3*4的图片。

里面的颜色都是由0或255组成，便于研究

1.PNG

果然十六进制不是给人类读的

但在上网一番学习后，我也对其有了一定的理解

00行：00-07这8个字节是代表png格式的Header，或者说是png文件的固定开头，这样子电脑才能知道这是个png文件（01-03的ASCII转换过来就是PNG，有点意思）

现在再来了解一个东西：数据块

因为除开png头部分其他都可视作数据块的组成

数据块由下面四个部分组成

其中，数据块还分为关键数据块和辅助数据块

关键数据块必须存在，辅助数据块可有可无。通常以大写字母开头的为关键数据块，以小写字母开头的为辅助数据块

那么现在我们就跟着上面我做了注释的图来初步了解一些数据块吧

1.IHDR

第00行的08-0B说明了有个数据实际内容长0x0D=13字节的数据块，是什么数据块呢？从接下去的0C-0F可以看出是IHDR数据块

这个数据块中的实际内容储存着这个png文件的一些重要信息

这个数据块的实际内容到此结束，共13字节正好，接下来4个字节是CRC校验，CRC校验暂且不是研究重点，知道有这个东西得占4个字节就好。

然后这个IHDR数据块就到此结束，让我们来看下一个数据块

2.sRGB

同理，从20行的01-04可以看出有一个数据实际内容长1个字节的数据块，再往后读四个字节05-08可以看出是sRGB数据块

这个数据块用于表示图片的色彩空间

对于这1个字节的数据实际内容，有

文件中的数据实际内容为00

之后4字节的0A-0D为CRC校验，这个数据块就到这里结束了

3.gAMA

可知它的实际内容长4个字节。它的功能与亮度调整，色彩管理，图像处理等方面有关。这个我们不细究。

CRC校验后数据块结束

4.pHYS

它的实际内容长9个字节，它规定的是图像的物理大小

前四个字节规定X轴上每个单位长度的像素数，后四个字节规定Y轴上每个单位长度的像素数，最后一个字节规定单位是什么

例图中，x轴上每个单位长度有0x1274=4724个像素

y轴上每个单位长度有0x1274=4724个像素

单位是什么呢？，下一个字节是0x01，它对应的单位是米。

也就是一米里塞4724个像素

随后CRC检验，数据块结束

5.IDAT

这个数据块是整个PNG最重要的部分，因为它储存着每个像素块的信息。毕竟没有像素块让计算机把图从何渲染起？

但PNG没有那么单纯，里面的信息是经过算法压缩的，所以储存的不是原始数据。不然里面就应该有一堆0x00和0xFF了

但事实上没有

通过一番折腾，我通过AI弄到了能够解码这个数据块的python程序，跑了一下

抄出来

在前面我们知道，这个图片的色深是8bit，每个像素的组成是RGBA

每个行的起头是一个字节的过滤器字节，其代表过滤器的类型

对于每一行像素，格式都是

1

(过滤器)[(R,G,B,A),(R,G,B,A),(R,G,B,A)...(R,G,B,A)]

了解了这些前置内容，我们就可以开始正式分析图片像素了

第一行像素

1

(00)[(FF,00,00,FF),(00,FF,00,FF),(00,00,FF,FF)]  //其中A的FF表示完全不透明

可以知道，这一行没有过滤器，

像素从左到右依次为红，黄，蓝，均不透明。与原图相符

第二行像素

1

(02)[(00,FF,00,00),(FF,01,FF,00),(00,FF,00,00)]

过滤器0x02表示与上面相减，那么我们通过把这一行与上一行相加就可以得到原始数据

1

(xx)[(FF,FF,00,FF),(FF,00,FF,FF),(00,FF,FF,FF)]  //其中FF+01溢出变为00

就可以得到这一行的像素是

黄，紫，青，均不透明。与原图相符

第三行像素

1

(01)[(00,00,00,FF),(FF,FF,FF,00),(00,00,00,00)]

过滤器0x01表示与左侧相减，其中第一个像素是原始数据（因为左侧没有像素）

那么从第二个像素开始，将每个像素的现数据与左侧像素(原数据)相加即可得到原始数据

1

(xx)[(00,00,00,FF),(FF,FF,FF,FF),(FF,FF,FF,FF)]

显然是黑，白，白，均不透明。与原图相符

第四行像素

1

(02)[(FF,FF,FF,00),(00,00,00,00),(00,00,00,00)]

过滤器0x02表示与上面相减，通过把这一行与上一行(原始)相加即可得到原始数据

1

(xx)[(FF,FF,FF,FF),(FF,FF,FF,FF),(FF,FF,FF,FF)]

很明显，这一行是白，白，白，均不透明。与原图相符

至此，四行像素我们都解析完毕了，均与原图相符。之后4个字节的CRC校验，数据块结束

（这一部分真的折腾了我好几天QAQ）

6.IEND

PNG文件的最后12个字节一定是0x[00 00 00 00 49 45 4E 44 AE 42 60 82]

我们仍可以用数据块的角度去看待它

0x[00 00 00 00]说明这个数据块实际内容长度为0。这个数据块的作用是标志文件结束，自然不需要什么内容

0x[49 45 4E 44]说明这个数据块是IEND

那既然实际内容长度为0，那就是没有实际内容

所以接下去的4个字节是CRC校验。因为前面的8个字节固定，所以CRC校验的4个字节也是固定的

就能知道PNG一定是以这12个字节结束

至此，PNG部分就算结束

2.BMP

同样一张图片，用Windows画图将其转换为BMP格式，用wxMEdit打开它。同样的，研究其数据结构

对其做上标记，使其更好阅读

我用方括号括出不同的数据块，在其中用横线或是尖括号标出其中的子块（触摸板画图不好操控，能看就行）

BMP的阅读方式比较怪，但总结一下就是

字节外从右往左，字节内从左往右

例如[AB CD]在BMP中要读作是[CD AB]

(这玩意我瞪了半天才明白，因为我发现像素一直对不上)

但不同的数据块我们仍然以从左往右的顺序进行分析

我们先将这个BMP分成三个大块

1.文件头(bit map file header)

2.位图信息头(bitmap information)

3.位图数据(pixel data)

（有些BMP文件还会出现调色板(color palette)数据块，但这里没有，我们先略过）

1.文件头

这一部分是BMP的固有开头，占14字节，其中记录了这些信息（蓝色方括）

文件头数据块就到此结束

2.位图信息头

（橙色方括）

到此，位图信息头结束

3.位图数据

我用紫色方括号括了起来

为什么里面会有尖括号和划线之分呢？难道像素数据不都一个样吗？

因为BMP存在在一个机制

比特填充(bit padding)

BMP扫描引擎的最小单位是4字节，所以每一行的字节数必须是4的倍数，若有不足的部分会用0x00填充

例图中每一行有三个像素，即3*3=9个字节，不是4的倍数，所以每一行会有三个0x00填充进去以达到一行12个字节，即使它不表达任何东西

如果我们从左往右看像素块（绿尖括）的话，那么它在图像内对应的顺序是从左到右，从下到上。

在一个像素内（绿尖括内），我们可以理解为字节外从右往左，字节内从左往右的RGB排列

也可以理解为正常从左往右的BGR

毕竟这两者一模一样，怎么理解是个人主观的问题

总之，通过位图数据的内容，我们可以轻松还原出图像的内容

至此，我们成功解读完了这个BMP文件的内容

3.JPEG

同样用Windows画图将例图保存为JPEG

呜哇，看起来比前面两种都长都复杂

先让我们了解数据段的结构。其实跟PNG的数据块蛮类似的

以下是数据段的一般结构

有些数据段会只有段标识和段类型这两部分，如SOI和EOI

由于JPEG的压缩方式过于复杂，我在历经几天的折腾之后，仍不理解它的压缩原理以及解码方式。所以这里我只简单地标记数据块，并只作简单的讲解，无法涉及算法内容

1.SOI

这个数据段只有段标识和段类型两块组成，固定为0x[FF D8]。这也是JPEG文件的固定开头

2.APP0

这个数据段一个分成如下几个部分

JFIF是JPEG File Interchange Forma的缩写，即JPEG文件交换格式。另外还有TIFF等格式，但很少用

像素密度的含义我也不是很理解

因为我把这张图放大64倍后用尺子在屏幕上量宽是3.4-3.5厘米之间，与像素密度不符(相符的话应该在4cm出头)。可能是指在打印机上的密度？

关于缩略图这东西，我查到的资料说是大部分JPEG都没这东西，也就是n一般都为0，所以就先不深究了

此外，一些JPEG图片可能包含APPn数据段（这里n不是上面那个n，是在1-E之间取值的一个数），它的段类型字节是0xEn。手机照片通常包含APP1，会记录时间，地点等信息。

3.DQT

这个图片文件中有两个DQT，我们都放在这里一起研究

这个数据段应该是与压缩和解码有关，但我目前还不理解

4.SOF

5.DHT

这玩意我到处查到的信息说是定义huffman表。但要我说出具体是干什么用的。。。有生之年吧，反正肯定跟压缩算法有关

6.SOS

7.图片压缩数据

它确实不是常规数据块的格式。但暂且我也无法理解JPEG的压缩及解码方式，所以先略过

8.EOI

JPEG文件以0x[FF D9]这两个字节标志其结束

JPEG我暂且还只能写出这么多。如果我真的能理解它的解码方式的话我会补充

我尝试询问GPT，它一直说不出具体的解码方法。但它能在使用pillow库的情况下用Python写出解码程序

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

from PIL import Image

# 打开JPEG文件
def open_jpeg(file_path):
    try:
        with Image.open(file_path) as img:
            img = img.convert('RGB')  # 转换为RGB格式
            img.show()  # 显示图像
            
            # 获取像素数据
            pixels = list(img.getdata())
            width, height = img.size
            
            # 输出每个像素的RGB值
            for y in range(height):
                for x in range(width):
                    r, g, b = pixels[y * width + x]
                    print(f"Pixel at ({x}, {y}): R={r}, G={g}, B={b}")

    except Exception as e:
        print(f"Error opening image: {e}")

# 使用示例
open_jpeg('path_to_your_image.jpg')

我尝试运行，得到输出

1
2
3
4
5
6
7
8
9
10
11
12

Pixel at (0, 0): R=254, G=0, B=9
Pixel at (1, 0): R=0, G=255, B=0
Pixel at (2, 0): R=0, G=2, B=254
Pixel at (0, 1): R=255, G=253, B=0
Pixel at (1, 1): R=251, G=0, B=251
Pixel at (2, 1): R=13, G=255, B=255
Pixel at (0, 2): R=0, G=2, B=5
Pixel at (1, 2): R=246, G=255, B=255
Pixel at (2, 2): R=255, G=249, B=253
Pixel at (0, 3): R=248, G=254, B=252
Pixel at (1, 3): R=255, G=255, B=248
Pixel at (2, 3): R=246, G=255, B=255

很明显，JPEG的压缩是有失真的