1.C++解码TGA文件
2.BMP协议：可手动解码的图片图片数据传输/保存协议（含源代码）
3.带你走进新一代编码格式AVIF
4.JPEG编解码原理
5.如何让Android 支持HEIF 解码和加载（免费的方法）
C++解码TGA文件
学习解码TGA文件以用于图形学入门，参考了Tiny Renderer中的解码解码算法。首先，源码源码创建一个TGA类，图片图片定义包含字节文件头数据的解码解码结构体TGAHead，用于存储TGA文件的源码源码c bitset源码基本信息。其次，图片图片定义一个结构体，解码解码从内存中读取像素颜色数据。源码源码接着，图片图片定义TGAImage类，解码解码实现从文件中读取数据和像素处理功能。源码源码
实现读取流程，图片图片包含解码RLE编码，解码解码读取像素数据。源码源码RLE编码原理如图所示。成功读取像素数据后，将数据存储在内存中。
验证读取正确性，测试读取图像，并在屏幕上绘制出来。结果显示正确读取了图像数据，但图像呈现上下颠倒。整体过程展示了从文件解码到图像绘制的完整流程，实现图形学中贴图纹理映射的基础功能。
BMP协议：可手动解码的数据传输/保存协议（含源代码）
通常情况下，由红、绿、movebase源码蓝三种颜色组成，即RGB显示。
在中，红、绿、蓝通道通常都是8位深度，被称为位位图。
因此，一个像素的颜色信息总是包含3个字节。
换句话说，我们可以将任何信息嵌入到像素的颜色中。
只要能无损地保存每个像素的信息，例如：
1. BMP格式（位图）
bmp格式可以直接保存每个像素点的颜色信息，并且这些信息在存储上是连续的。这非常适合我们的需求。
这里使用的特定bmp格式的文件头大致如下：
将对应的值填入，然后写入像素颜色（文件数据）即可。
但是，这里有一个小问题，BMP每行的数据量必须是4n字节，不足的部分需要向上补齐。（n为整数）
换句话说，由于每个像素有3字节，最好让每行有4n个像素，以免出现问题。
理论上，我们可以将任何文件直接放入另一个中：
要从文件乙提取文件甲，ydtd源码直接从文件乙的第个字节读取并保存即可。
然而，这里还有一个问题：
1. 不是所有文件大小都是的整数倍。
2. 如果m和n的差距很大，就会变成条状。
因此，除非原文件可以在末尾添加一些无用信息后仍然正常使用，或者有其他方式得知文件的实际大小，否则我们需要另外封装一个中间层：
...不过，一般来说，因为我传输的是文本文件（源代码），所以在最后加上一大堆空格补齐即可，并不需要使用这个方法。
来试试手：
《另存为.cpp》
查看的方式：
当然，如果你缺少bionukg_graphics.h这个我自己写的头文件，肯定编译不出来。
它在这里，请自取：
保存之后取不出来？
虽然服务器上保存的格式通常是无损的，但并不代表你可以用bmp的方式直接提取。
你需要另存为位位图文件，然后再提取。
带你走进新一代编码格式AVIF
常用格式，除了我们熟知的，AVIF这个更先进的编码格式也值得一探。让我们深入了解AVIF，感受它与传统格式的差异。
AVIF，mouseover源码作为新一代编码格式，优势明显。通过直观的对比工具，如Google的squoosh，我们能清楚看到AVIF在压缩效果上的显著提升。它之所以能实现这么大的压缩差距，源于其编解码原理的创新。
的本质是像素，由像素点记录颜色信息。每个像素点通常以RGBA方式存储，其中R、G、B分别代表红、绿、蓝三个基色，A代表透明度。每个基色的值在0-之间，用二进制表示占8位。因此，一个像素点的存储需要4个字节。以x的为例，存储量约为kb，直接传输显然不太现实，因此需要通过编解码过程优化。
JPEG编解码原理中的第一步是色彩空间转换，将颜色数据从RGBA转换为YUV，以更好地适应人眼对亮度和色彩感知的内核源码 __差异。此外，缩减采样、分块、DCT转换和量化等步骤进一步优化了数据传输效率。
量化过程通过移除高频成分来减少数据量，量化矩阵的选择至关重要，这直接影响了压缩质量。熵编码则将量化后的数据通过特殊方式排列存储，显著减少原始数据大小。
解码过程则是反向操作，通过熵编码生成的序列，逐步恢复原始数据。通过比较解码后矩阵与原矩阵的差异，我们可以评估压缩质量，如JPEG中的压缩质量选项。
PNG编解码原理相对简洁，遵循线性扫描提取颜色数据的原则，适合存储矢量图。WebP编解码原理与JPEG相似，但在某些环节进行了优化。
AVIF基于AV1视频编码技术，支持更复杂的特征，如块预测模式、自适应块量化、自适应环路滤波器等。与WebP相比，AVIF的压缩效率更高，支持更细粒度的优化。
AVIF编解码过程中，块划分、帧内预测、调色板模式、帧内拷贝模式等技术的使用，进一步提高了图像压缩效率。AVIF还引入了新的量化工具，优化了熵编码过程。
在实际应用中，AVIF的浏览器支持情况尚待完善。当前仅有Google系浏览器支持AVIF。为解决跨浏览器兼容性问题，可以使用avif.js等工具，或通过WebAssembly技术进行编解码。
综上所述，AVIF代表了编码技术的发展方向，随着未来技术的演进，将有更多高效编码格式出现，但AVIF无疑将占据一席之地。尽管当前市场上JPEG格式仍占主导地位，AVIF的潜力不容忽视，未来应用潜力巨大。
JPEG编解码原理
问题定义：为什么要做视频图像的编解码？
视频资源占用计算：4KP视频1min，**3*** = .7GB（每帧大小.3MB），1分钟4K的视频大概需要.7GB存储，因此视频图像的编解码十分必要。
图像的存储格式和常用分辨率：模拟信号PAL、NTSC制式已经远去，我们来看数字信号（YUV、RGB），由于人眼对亮度信号比色度信号更敏感，因此出现了YUV(planar/semi planar)降采样格式：YUV、YUV、YUV
编解码方法：常见的编解码方法主要做以下三方面工作：去除空间冗余、编码冗余和频谱冗余。基于两个先验，常见的编解码流程如下：
JPEG编解码：目前有较多的图像编码标准，如jpeg、bmp、gif、png、webp、heif，我们这里先说jpeg部分，这个编解码标准诞生于世纪年代，JPEG标准仅仅说明定义了codec部分，也就是如何压缩为字节流以及重新解码为的过程，标准没有涉及到文件的存储格式。年颁布了JPEG File Interchange Format（JFIF），目前在互联网上用的最多的jpeg格式，接着又出现了EXIF格式，主要用于数码产品，记录了媒体的时间地点信息。JPEG文件由一系列字段组成，每个字段都有marker（标记），由0xff开头。
jpeg编码流程：块划分、DCT变换、量化、DC和AC分量编码、熵编码。块划分将输入数据按8x8划分数据块，源图像如果不是8x8的整数倍，需进行补充。DCT变换减去再进行DCT，DCT可接受的范围是[-,)。DCT变换，得到个基底系数，(0,0)位置是直流系数，是个源数据的均值。DCT在复杂度和失真上是最好的trade-off。量化对亮度和色度分量的DCT系数进行量化。DC进行DPCM编码，AC进行RLC编码，熵编码在得到DC系数的中间格式和AC系数的中间格式之后，进一步压缩图像数据。
JPEG文件的组成部分：（1）SOF marker（Start of Frame），这个字段定义了文件的起始；（2）APP0(Application-specific)，这个字段定义了JFIF格式；（3）APPn(Application-specific)，定义了其它格式，如APP1表示exif格式；（4）DQT（Define Quantization Table(s)），定义了量化表。
总结：JPEG编解码的目的是为了压缩图像，减少存储和传输的资源消耗，同时保持图像质量可接受的水平。通过去除图像的冗余信息，JPEG编码方法能够在保持图像质量的同时，极大地减少图像数据的大小。JPEG编解码流程涉及块划分、DCT变换、量化、DC和AC分量编码、熵编码等多个步骤，这些步骤共同作用，实现了图像的高效压缩。
如何让Android 支持HEIF 解码和加载（免费的方法）
Android设备支持HEIF解码和加载可以通过字节跳动火山引擎ImageX实现免费方案。HEIF作为新一代高效图像格式，其压缩能力优于JPEG，可以大幅减小文件大小，提升存储和上传效率。然而，由于兼容性问题，HEIF和HEIC格式在跨设备和软件上的识别可能存在挑战，尤其是对于老旧系统如Windows、macOS和早期Android版本。
要让全端Android设备支持HEIF，开发者可以使用ImageX提供的软解码实现。推荐使用Android Studio作为开发环境，集成方式包括初始化时传入AppID，以及按照Fresco的API进行常规操作。对于Android 9.0的libwebp解码bug，ImageX提供了备选方案。为了优化内存使用，可以在Fresco初始化时配置低内存策略，并支持动图渐进式加载。具体实现步骤包括设置ImageRequestBuilder和DraweeController。
请注意，本文提供的信息适用于特定的开发环境和工具，如需详细了解，请参考volcengine.com/docs/...的详细文档。对于版权问题，本文内容为原创，如需引用请注明出处。
