The JPEG Toolbox for Python
Project description
The JPEG Toolbox for Python
This tool is similar to the well-known Matlab JPEG Toolbox. It allows to read and write JPEG low level information as, for example, the DCT coefficients. This project is in development and it is an unstable version. Please use it carefully.
NOTE: Currently, python-jpeg-toolbox only works on Linux.
Install
pip3 install git+https://github.com/daniellerch/python-jpeg-toolbox --user
Uninstall
pip3 uninstall jpeg-toolbox
Reading JPEG data
In this exaple we read the JPEG data: Huffman tables, quantization tables, the DCT coefficients, etc.
python3
>>> import jpeg_toolbox
>>> from pprint import pprint
>>> img = jpeg_toolbox.load('lena.jpg')
>>> pprint(img)
{'ac_huff_tables': [{'counts': array([0., 1., 3., 2., 4., 3., 5., 6., 3., 7., 3., 3., 3., 1., 5., 9.]),
'symbols': array([ 1., 2., 3., 17., 0., 4., 5., 18., 33., 49., 6.,
65., 81., 7., 19., 34., 97., 113., 20., 50., 129., 145.,
161., 240., 8., 177., 193., 21., 35., 66., 82., 209., 225.,
241., 22., 51., 98., 36., 114., 130., 67., 146., 162., 23.,
9., 37., 38., 68., 178., 52., 83., 84., 99., 100., 115.,
131., 194., 210., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0.])},
{'counts': array([0., 1., 3., 2., 4., 3., 6., 6., 3., 0., 2., 2., 1., 4., 1., 5.]),
'symbols': array([ 1., 0., 2., 17., 3., 33., 4., 18., 49., 65., 5.,
81., 240., 19., 34., 97., 113., 129., 177., 50., 145., 161.,
193., 209., 225., 20., 35., 241., 6., 66., 51., 82., 36.,
21., 98., 114., 162., 67., 22., 52., 83., 178., 226., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0.])}],
'coef_arrays': [array([[86., 2., 2., ..., 0., -1., 0.],
[ 4., 0., 0., ..., -1., 0., -1.],
[-3., 0., -1., ..., 0., 0., 0.],
...,
[ 1., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.]]),
array([[-60., 3., 0., ..., 0., 0., 0.],
[ 4., 0., 0., ..., 0., 0., 0.],
[ -1., 0., 0., ..., 0., 0., 0.],
...,
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.]]),
array([[124., -3., 1., ..., 0., 0., 0.],
[ -3., 0., 0., ..., 0., 0., 0.],
[ 1., 0., 0., ..., 0., 0., 0.],
...,
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 0., 0., ..., 0., 0., 0.]])],
'comp_info': [{'ac_tbl_no': 0,
'component_id': 1,
'dc_tbl_no': 0,
'h_samp_factor': 1,
'quant_tbl_no': 0,
'v_samp_factor': 1},
{'ac_tbl_no': 1,
'component_id': 2,
'dc_tbl_no': 1,
'h_samp_factor': 1,
'quant_tbl_no': 1,
'v_samp_factor': 1},
{'ac_tbl_no': 1,
'component_id': 3,
'dc_tbl_no': 1,
'h_samp_factor': 1,
'quant_tbl_no': 1,
'v_samp_factor': 1}],
'dc_huff_tables': [{'counts': array([0., 1., 5., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0.]),
'symbols': array([5., 3., 4., 6., 7., 8., 2., 1., 0., 9., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0.])},
{'counts': array([0., 2., 3., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]),
'symbols': array([2., 3., 1., 4., 5., 6., 0., 7., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0.])}],
'image_color_space': 2,
'image_components': 3,
'image_height': 512,
'image_width': 512,
'jpeg_color_space': 3,
'jpeg_components': 3,
'progressive_mode': 0,
'quant_tables': array([[[ 3., 2., 2., 3., 4., 6., 8., 10.],
[ 2., 2., 2., 3., 4., 9., 10., 9.],
[ 2., 2., 3., 4., 6., 9., 11., 9.],
[ 2., 3., 4., 5., 8., 14., 13., 10.],
[ 3., 4., 6., 9., 11., 17., 16., 12.],
[ 4., 6., 9., 10., 13., 17., 18., 15.],
[ 8., 10., 12., 14., 16., 19., 19., 16.],
[12., 15., 15., 16., 18., 16., 16., 16.]],
[[ 3., 3., 4., 8., 16., 16., 16., 16.],
[ 3., 3., 4., 11., 16., 16., 16., 16.],
[ 4., 4., 9., 16., 16., 16., 16., 16.],
[ 8., 11., 16., 16., 16., 16., 16., 16.],
[16., 16., 16., 16., 16., 16., 16., 16.],
[16., 16., 16., 16., 16., 16., 16., 16.],
[16., 16., 16., 16., 16., 16., 16., 16.],
[16., 16., 16., 16., 16., 16., 16., 16.]]])}
Writing JPEG data
In this example we modify a DCT coefficient.
python3
>>> import jpeg_toolbox
>>> img = jpeg_toolbox.load('lena.jpg')
>>> img["coef_arrays"][0][0][0] = 85
>>> jpeg_toolbox.save(img, 'lena2.jpg')
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
python-jpeg-toolbox-0.1.0.tar.gz
(614.5 kB
view details)
Built Distributions
Filter files by name, interpreter, ABI, and platform.
If you're not sure about the file name format, learn more about wheel file names.
Copy a direct link to the current filters
File details
Details for the file python-jpeg-toolbox-0.1.0.tar.gz.
File metadata
- Download URL: python-jpeg-toolbox-0.1.0.tar.gz
- Upload date:
- Size: 614.5 kB
- Tags: Source
- Uploaded using Trusted Publishing? No
- Uploaded via: twine/6.1.0 CPython/3.12.3
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
3ff19af78069c0fbf65918e706f65fb7b25757ea5b52d9b858303acb1806c2de
|
|
| MD5 |
2f5a339b4998b1f8d936b9b004590855
|
|
| BLAKE2b-256 |
a6bab6807a924e99bd438cddfc013f9a3ab3d67e0329fcaf0bc4ec5ca33efe14
|
File details
Details for the file python_jpeg_toolbox-0.1.0-cp312-cp312-manylinux2014_x86_64.whl.
File metadata
- Download URL: python_jpeg_toolbox-0.1.0-cp312-cp312-manylinux2014_x86_64.whl
- Upload date:
- Size: 646.5 kB
- Tags: CPython 3.12
- Uploaded using Trusted Publishing? No
- Uploaded via: twine/6.1.0 CPython/3.12.3
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
747cca5820e5cc902d7423d500db3b8db8a325fed097dfe66f3592a55ba1c2da
|
|
| MD5 |
00282dd86176be6c5bfc1302861ea2e6
|
|
| BLAKE2b-256 |
6ffe39037aa0a7a177fea437f363cca3366f7972492991cfa2d7d0ea75a90035
|
File details
Details for the file python_jpeg_toolbox-0.1.0-cp311-cp311-win_amd64.whl.
File metadata
- Download URL: python_jpeg_toolbox-0.1.0-cp311-cp311-win_amd64.whl
- Upload date:
- Size: 671.8 kB
- Tags: CPython 3.11, Windows x86-64
- Uploaded using Trusted Publishing? No
- Uploaded via: twine/6.1.0 CPython/3.12.3
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
86bcc898658325e6061949e2a69c6cbfee29ed44126ed86ee3f3acad19ebc141
|
|
| MD5 |
3edab9d5975fe5836bb6252d3938639c
|
|
| BLAKE2b-256 |
ef14f0f80714217f33028c9b9614b6b05f49dce753541c10ea92277e262d1002
|
