主控芯片：STM32F407ZET6
拓展内存：IS62WV51216BLL(1Mbyte)
液晶显示：ILI9341彩屏(320*240像素)
原图信息：320*240像素、RGB565模式的lenna局部图
颜色模式：YUV444
压缩算法：DCT变换
编码方法：行程编码、霍夫曼编码
将320x240图像数据划分为1200个8x8的数据块。
JPEG是以每8x8个点为一个单元进行处理的，即将一个单元做完格式转换、DCT变换、量化、编码等全部处理后，再操作下一个单元。所以需要将图像进行分块。
按从左到右、从上到下的顺序从原数据中取出8x8的数据，依次存放在64长度的数组中。
for(m = 0; m < 8; m++)
for(n = 0; n < 8; n++)
temp[m*8+n] = image[(i*8+m)*240+j*8+n];对全图进行8x8的分块处理，暂时左上角部分的8x8块为后面的处理作准备。
将RGB565模式的原图像转换为YUV444模式。RGB565模式由Red（红）、Green（绿）、Blue（蓝）三个分量按5：6：5共16bit组成，YUV444模式由Y（亮度）、U（色度）、V（饱和度）三个分量按8：8：8共24bit组成。 ###原因 研究发现，人眼对亮度变换的敏感度要比对色彩（色度和饱和度）变换的敏感度高出很多。利用这个特性，我们可以对YUV模式的图像进行亮度权重较高、色度权重较低的采样，得到数据量更小的图片，同时损失的精度又不易被人眼察觉。YUV常用的采样比例有4：1：1和4：2：2等，下图为YUV411采样。
RGB模式显然不具备YUV这种采样优势，所以需要对其进行转换。本设计中因为在4：4：4采样时的压缩率已达成设计要求，所以暂时采用YUV444来保证最好的图像质量。
因原始图像为RGB565格式，所以需先将其分离为8位的red、green、blue分量，C语言实现方法如下。
red = (rgb565 & 0xF800) >> 8;
green = (rgb565 & 0x07E0) >> 3;
blue = (rgb565 & 0x001F) << 3;又因后续的DCT变换所能处理的数值范围为-127~+127，所以需将RGB转YUV得的到数值均减去128。
Y = 0.299f*red + 0.587f*green + 0.114f*blue - 128;
U = -0.1687f*red - 0.3313f*green + 0.5f*blue;
V = 0.5f*red - 0.418f*green - 0.0813f*blue; 对图像的第一个8x8数据块进行上述格式转换，得到其亮度、色度、饱和度三层数据，这里只选取其亮度层作为展示，后续的一系列处理均以此8x8亮度层数据为例。
将8x8的图像数据变换为8x8的频域系数矩阵。
DCT变换是JEPG图像压缩的核心部分。在频域中，由于大多数图像的高频分量比较小，相应的图像高频分量的DCT系数经常接近于0，再加上高频分量中只包含了图像的细微的细节变化信息，而人眼对这种高频成分的失真不太敏感，所以，可以考虑将这一些高频成分予以抛弃，从而降低需要传输的数据量。这样一来，传送DCT变换系数的所需要的编码长度要远远小于传送图像像素的编码长度。到达接收端之后通过反离散余弦变换就可以得到原来的数据，虽然这么做存在一定的失真，但人眼是可接受的，而且对这种微小的改变是不敏感的。
DCT变换公式：
DCT变换相关代码见本项目的User\JPEG\hnit_jpeg.c"jpeg_dct2"
图像信号通过DCT被分解为直流成分和一些从低频到高频的各种余弦成分。而DCT系数只表示了该种成分所占原图像信号的份额大小。例如，U=0，V=0时的F（0,0）是原来的64个数据的均值，相当于直流分量，也有人称之为DC系数或者直流系数。随着U，V的增加，相另外的63个系数则代表了水平空间频率和垂直空间频率分量（高频分量）的大小，多半是一些接近于0的正负浮点数，我们称之为交流系数AC。DCT变换后的8x8的系数矩阵中，低频分量集中在矩阵的左上角。高频成分则集中在右下角。
将8x8的频域系数矩阵按照量化表进行量化。
原因有三点。其一，去掉部分高频分量，因为我们要保留低频分量，适当去掉高频分量来压缩数据；其二，减小数据的数值大小，在压缩方面，小数值的数据一般比大数值的更有优势；其三，化浮点型为整型，方便后面的编码处理。
首先我们需要一张8x8的量化矩阵，以下是常用的一张根据心理阀制作的量化表，当然也可以按照需要自行编写。
将频域系数矩阵点除量化矩阵，即可完成量化，结果如下，可见出现了大量的0，尤其是右下方的高频部分。
将量化后的数据按照Z形重新排序，一般称其为Zigzag排序。
在上一步得到的频域数组中的数据是按从左到右、从上到下的顺序存放的。但频域中从低频到高频的顺序应为下表所示，最低频位于左上角，最高频位于右上角。所以需对其进行重排序，使其内存存储顺序和频率增长顺序一致。这样做会使有效的数据更为紧凑，尾部出现更多的连零。
因为排序的数据量较小，只有64个，所以出于实现难度和运行速度的考虑，设计中使用查表法完成Zigzag排序。
for(i = 0; i < 64; i++)
temp[zigzag_code[i]] = data[i]; 代码中的zigzag_code为上图排序表，排序后的结果如下，频率增长方向已用不同深度的灰色标出。可见，原数据从第一个数据'-8'开始到最后一个不为0的数据'1'需要9个长度，已用下划线标出，而排序后则只需要6个长度。
将排序后的数据进行针对连零的行程编码。
利用该编码方式，可以将包含大量连零的数据块用几个行程数据包来替代。因为Zigzag排序后的数据出现了很多连零，所以用此方法可以很好的压缩数据长度。
每个行程数据包有三个字节，第一个字节为出现“非零数据”前的连零数量，若出现超过15个连零，则用一个额外的包(15,0,0)表示；第二个字节为该“非零数据”的绝对值的二进制位数，例如'-8'的绝对值'8'的二进制"1000"为4位，则该字节的值为4；第三个字节为该“非零数据”的值'-8'。（3,4,-8）代表本次查询到的非零数据为'-8'，是4位的，前面有3个连零，还原后为'0','0','0','-8'。
行程编码的相关代码见本项目的User\JPEG\hnit_jpeg.c"jpeg_rle"。
编码后的结果如下所示，共得到4组有效数据包和1组编码结束数据包，已用不同深度的灰色标出。
将行程编码进行已知霍夫曼表的霍夫曼编码。
利用该编码方式，可以为出现概率较大的行程码分配较短的霍夫曼码字，给概率较小的分配较长的码字，借此达到最小平均码长。又因为霍夫曼码基于二叉树而得，所以将二进制的数据流逐位解码总能得到唯一的子码，这样使得解码很方便。
为编解码方便和获得较快的编解码速度，本设计使用一张根据经验得出的霍夫曼表来进行编码和解码。行程码的前两字节(m,n)值域范围为(0,0)~(15,0)共151种组合，分别对应表中的151个霍夫曼码,对应关系为i=mx10+n。以下是从霍夫曼表截取的一部分。
编码分两步进行，以(0,4,-8)举例。第一步，查找到(0,4)对应的霍夫曼码(4)为"1011"，将其编入数据流；第二步，将'-8'编入数据流，'8'的二进制"1000"，因为它是负数，所以需将"1000"的最高位置'0'得"0000"，最终编码后的结果为"1011 0000"。
行程编码的相关代码见本项目的User\JPEG\hnit_jpeg.c"jpeg_huffman"。
编码后的结果如下所示，霍夫曼码为白色背景，4个实际值为不同深度的灰色背景。
逆向进行以上步骤即可完成解码和还原，相关代码见本项目的User\JPEG\hnit_jpeg.c。
原频域数据和还原后的频域数据对比。
原图像数据和还原后的图像数据对比。
