見本の6秒GIFを小さくしたら、背景が青から緑に変わった。palettegenとループ指定をやり直した記録

見本の6秒GIFを小さくしたら、背景が青から緑に変わった。palettegenとループ指定をやり直した記録

6秒のGIFが2,987,573バイトありました。約3MBです。幅を半分、コマ数を3分の1にしたところ、454,859バイトまで落ちました。ここで満足して終わっていたら、背景が青から緑に変わったGIFを出すところでした。

元にしたのは、ffmpegで作った6秒の合成動画です。青いグラデーションの上に黒い枠を置き、「files checked: 121」のように数字が増える文字を重ねただけで、実際の商品や画面録画ではありません。AIも使っていません。前日の記事(紹介動画のMP4に残るメタデータ)ではMP4の中身を調べました。今回は、同じ種類の動画を商品ページ用のGIFにするときの、重さと色を調べます。ffmpegは7.1.3、Pythonは3.13.5で試しました。

動画を1本作る

最初の試走では、背景のgradientsに乱数の種を指定しませんでした。実行のたびに別の動画ができて、MP4のサイズも後のGIFのサイズも毎回変わります。数字が合わなくなったので、seed=7を足して固定しました。

mkdir giflab && cd giflab
FONT=/usr/share/fonts/truetype/dejavu/DejaVuSansMono.ttf
ffmpeg -hide_banner -loglevel error -y \
  -f lavfi -i "gradients=size=1280x720:rate=30:duration=6:speed=0.02:c0=0x1d3557:c1=0x457b9d:nb_colors=2:seed=7" \
  -vf "drawbox=x=160:y=140:w=960:h=440:[email protected]:t=fill,drawtext=fontfile=$FONT:text='demo-pack build':x=200:y=190:fontsize=44:fontcolor=white,drawtext=fontfile=$FONT:text='files checked\: %{eif\:t*40\:d}':x=200:y=300:fontsize=44:fontcolor=0x9ef01a" \
  -c:v libx264 -crf 12 -pix_fmt yuv420p demo.mp4
stat -c '%s %n' demo.mp4
ffprobe -v error -select_streams v:0 -show_entries stream=width,height,r_frame_rate,nb_frames,duration -of default=nw=1 demo.mp4
313659 demo.mp4
width=1280
height=720
r_frame_rate=30/1
duration=6.000000
nb_frames=180

MP4は313,659バイト、幅1280px、高さ720px、30fpsで180コマです。この動画を何度も同じ条件でGIFにします。

検査スクリプトを先に書く

変換を始める前に、合格の基準を決めました。

  • ファイルが500,000バイト以下
  • 幅が800px以下
  • ループの指定が入っている
  • コマが2つ以上ある

500,000バイトは、この実験用に引いた仮の線です。販売サイトの上限ではありません。上限は使うサービスごとに違うはずなので、この記事では確かめていません。

GIFを読む処理は標準ライブラリだけで書きました。GIFは、ヘッダのあとにブロックが並ぶ形式です。画像のブロックを数えればコマ数、NETSCAPE2.0という名前の拡張ブロックを探せばループ回数が分かります。

check_gif.py の全文
import struct
import sys

MAX_BYTES = 500_000
MAX_WIDTH = 800


def skip_sub_blocks(data, pos):
    """サブブロックの列を読み飛ばし、読んだ中身と次の位置を返す。"""
    chunks = []
    while True:
        size = data[pos]
        pos += 1
        if size == 0:
            return chunks, pos
        chunks.append(data[pos:pos + size])
        pos += size


def parse(data):
    if data[:6] not in (b"GIF87a", b"GIF89a"):
        raise ValueError("GIFのヘッダがありません")
    width, height, flags = struct.unpack("<HHB", data[6:11])
    pos = 13
    if flags & 0x80:
        pos += 3 * 2 ** ((flags & 7) + 1)
    frames, delay_cs, loop = 0, 0, None
    try:
        while True:
            block = data[pos]
            if block == 0x3B:
                break
            if block == 0x21:
                label = data[pos + 1]
                chunks, pos = skip_sub_blocks(data, pos + 2)
                if label == 0xF9:
                    delay_cs += struct.unpack("<H", chunks[0][1:3])[0]
                elif label == 0xFF and chunks[0] == b"NETSCAPE2.0":
                    loop = struct.unpack("<H", chunks[1][1:3])[0]
            elif block == 0x2C:
                local = data[pos + 9]
                pos += 10
                if local & 0x80:
                    pos += 3 * 2 ** ((local & 7) + 1)
                _, pos = skip_sub_blocks(data, pos + 1)
                frames += 1
            else:
                raise ValueError(f"想定外のブロック 0x{block:02x}")
    except IndexError:
        raise ValueError("ファイルが途中で切れています") from None
    return width, height, frames, delay_cs / 100, loop


def main(path):
    try:
        data = open(path, "rb").read()
    except OSError as e:
        print(f"{path}: 開けません ({e.strerror})")
        return 2
    try:
        width, height, frames, seconds, loop = parse(data)
    except ValueError as e:
        print(f"{path}: 読めません ({e})")
        return 2
    loop_text = "なし(1回だけ再生)" if loop is None else ("無限" if loop == 0 else f"{loop}回")
    print(f"{path}: {width}x{height} {frames}コマ {seconds:.1f}秒 {len(data)}バイト ループ={loop_text}")
    problems = []
    if frames < 2:
        problems.append("コマが2つ未満です")
    if len(data) > MAX_BYTES:
        problems.append(f"{MAX_BYTES}バイトを超えています")
    if width > MAX_WIDTH:
        problems.append(f"幅が{MAX_WIDTH}pxを超えています")
    if loop is None:
        problems.append("ループ指定がありません")
    for p in problems:
        print(f"  NG: {p}")
    return 1 if problems else 0


if __name__ == "__main__":
    sys.exit(main(sys.argv[1]))

終了コードは、合格なら0、基準に届かなければ1、ファイルを読めなければ2です。上の全文を、giflabディレクトリにcheck_gif.pyとして保存して使います。

1回目: そのままGIFにする

ffmpeg -hide_banner -loglevel error -y -i demo.mp4 naive.gif
python3 check_gif.py naive.gif; echo "exit=$?"
naive.gif: 1280x720 180コマ 6.0秒 2987573バイト ループ=無限
  NG: 500000バイトを超えています
  NG: 幅が800pxを超えています
exit=1

2,987,573バイトは、元のMP4の約9.5倍。落ちるのは当然でした。

2回目: 縮めたら通ったのに

幅を640pxに、コマ数を毎秒10に減らします。

ffmpeg -hide_banner -loglevel error -y -i demo.mp4 -vf "fps=10,scale=640:-1:flags=lanczos" small.gif
python3 check_gif.py small.gif; echo "exit=$?"
small.gif: 640x360 60コマ 6.0秒 454859バイト ループ=無限
exit=0

454,859バイト、終了コード0です。基準はすべて満たしています。ところが、念のため1コマ取り出して見ると、背景は緑がかり、細かい点のノイズが全面に乗っていました。文字は読めます。ただ、元は紺から水色へ変わる背景です。

色のずれを数字にするため、元のMP4と比べるスクリプトも書きました。ffmpegのpsnrフィルタで、動画とGIFの平均を測ります。値が大きいほど元に近くなります。35 dB未満を不合格にしました。この35も、この見本で置いた線です。ただ、このあとの数字は26台と41〜42台に分かれるので、線の位置で結果は変わりません。

psnr_gate.py の全文
import re
import subprocess
import sys

MIN_PSNR = 35.0


def probe(gif):
    out = subprocess.run(
        ["ffprobe", "-v", "error", "-select_streams", "v:0",
         "-show_entries", "stream=width,height,r_frame_rate",
         "-of", "csv=p=0", gif],
        capture_output=True, text=True)
    if out.returncode != 0 or not out.stdout.strip():
        return None
    w, h, rate = out.stdout.strip().split(",")
    num, den = rate.split("/")
    return int(w), int(h), int(num) / int(den)


def main(source, gif):
    info = probe(gif)
    if info is None:
        print(f"{gif}: 読めません")
        return 2
    w, h, fps = info
    graph = f"[0:v]fps={fps},scale={w}:{h}:flags=lanczos[r];[r][1:v]psnr"
    run = subprocess.run(
        ["ffmpeg", "-hide_banner", "-nostats", "-i", source, "-i", gif,
         "-lavfi", graph, "-f", "null", "-"],
        capture_output=True, text=True)
    m = re.search(r"average:([0-9.]+)", run.stderr)
    if run.returncode != 0 or not m:
        print(f"{gif}: PSNRを測れません")
        return 2
    psnr = float(m.group(1))
    ok = psnr >= MIN_PSNR
    print(f"{gif}: PSNR {psnr:.1f} dB ({'OK' if ok else f'NG: {MIN_PSNR:.0f} dB未満'})")
    return 0 if ok else 1


if __name__ == "__main__":
    sys.exit(main(sys.argv[1], sys.argv[2]))

こちらもgiflabディレクトリにpsnr_gate.pyとして保存し、2つのGIFを測ります。

python3 psnr_gate.py demo.mp4 small.gif; echo "exit=$?"
python3 psnr_gate.py demo.mp4 naive.gif; echo "exit=$?"
small.gif: PSNR 26.6 dB (NG: 35 dB未満)
exit=1
naive.gif: PSNR 26.6 dB (NG: 35 dB未満)
exit=1

小さくしたGIFだけでなく、そのままGIFにしたnaive.gifも同じ26.6 dBでした。色が崩れたのは縮めたからではなく、パレットを何も指定しなかった時点からです。サイズの検査は、この崩れを何も教えてくれませんでした。

なぜか。GIFは1枚あたり256色までです。パレットを指定しない場合の中身を、ファイルの先頭から読んでみました。

cat > palette_head.py <<'EOF'
import sys

d = open(sys.argv[1], "rb").read()
size = 2 ** ((d[10] & 7) + 1)
t = d[13:13 + 3 * size]
cols = [tuple(t[i:i + 3]) for i in range(0, len(t), 3)]
print(sys.argv[1], cols[:4], "distinct", len(set(cols)))
EOF
python3 palette_head.py small.gif
small.gif [(0, 0, 0), (36, 0, 0), (72, 0, 0), (108, 0, 0)] distinct 256

small.gifのパレットは、赤だけが36ずつ増える並びで始まります。この動画の色を見て作った表には見えません。あらかじめ決まった256色に、全コマを当てはめているようです。

測り方でも1回間違えた

最初の試走で、この比較を間違えました。1280pxのnaive.gifを、640pxに縮めた基準動画と比べたのです。そのときは40 dBを超える値が出て、問題なしと読みました。GIFを縮めると、点のノイズが平均されて消えるせいだと思います。原寸の同じ大きさ同士で比べると26 dB台でした。今のスクリプトは、GIFの幅と毎秒のコマ数をffprobeで読み、基準動画を同じ大きさにしてから比べています。

3回目: palettegenでパレットを作る

palettegenは動画全体の色から256色の表を作り、paletteuseがそれを当てはめます。

ffmpeg -hide_banner -loglevel error -y -i demo.mp4 -vf "fps=10,scale=640:-1:flags=lanczos,split[a][b];[a]palettegen[p];[b][p]paletteuse" pal.gif
python3 check_gif.py pal.gif; echo "exit=$?"
python3 psnr_gate.py demo.mp4 pal.gif; echo "exit=$?"
pal.gif: 640x360 60コマ 6.0秒 822646バイト ループ=無限
  NG: 500000バイトを超えています
exit=1
pal.gif: PSNR 42.3 dB (OK)
exit=0

色は直りました。26.6 dBが42.3 dBです。その代わり、822,646バイトになって、500,000バイトの線を超えました。色を直すと重くなります。2回目に軽く見えたのは、色を捨てていたからでした。軽くなったときは、何と引き換えなのかを毎回確かめる必要があります。

4回目: 色数とディザを動かす

ffmpegの公式ドキュメントでは、palettegenのmax_colorsでパレットの色数を減らせます。paletteuseのditherは、足りない色を細かい点で補う方式の選択です。デフォルトはsierra2_4aで、noneを選ぶと点を打ちません。幅、コマ数、色数、ディザの組み合わせを7通り試しました。

try() {  # 名前 幅 fps 色数 dither
  ffmpeg -hide_banner -loglevel error -y -i demo.mp4 \
    -vf "fps=$3,scale=$2:-1:flags=lanczos,split[a][b];[a]palettegen=max_colors=$4[p];[b][p]paletteuse=dither=$5" $1.gif
  printf '%-8s 幅%s fps%-2s 色%-3s %-8s %7sバイト  ' $1 $2 $3 $4 $5 $(stat -c %s $1.gif)
  python3 psnr_gate.py demo.mp4 $1.gif | sed 's/^[^:]*: //'
}
try t1 640 10 256 sierra2_4a
try t2 640 10 256 none
try t3 640 10 256 bayer
try t4 640 10 64 none
try t5 640 8 64 none
try t6 480 10 64 none
try t7 800 10 64 none
t1       幅640 fps10 色256 sierra2_4a  822646バイト  PSNR 42.3 dB (OK)
t2       幅640 fps10 色256 none      797393バイト  PSNR 42.4 dB (OK)
t3       幅640 fps10 色256 bayer    1356277バイト  PSNR 37.6 dB (OK)
t4       幅640 fps10 色64  none      471928バイト  PSNR 41.7 dB (OK)
t5       幅640 fps8  色64  none      385901バイト  PSNR 38.5 dB (OK)
t6       幅480 fps10 色64  none      296545バイト  PSNR 41.6 dB (OK)
t7       幅800 fps10 色64  none      661097バイト  PSNR 41.9 dB (OK)

数字で目立つのは2つ。bayerは1,356,277バイトで、デフォルトの約1.6倍に増えました。逆に、色を256から64に絞ったt4は、PSNRが0.6 dB下がっただけで、471,928バイトまで軽くなりました。この動画は単純な背景と文字だけなので、64色でも足りました。

500,000バイトに収まるのはt4、t5、t6です。t5は毎秒8コマに落としていて、PSNRが38.5 dBに下がっています。ただ、この数字は「同じコマ数の動画」と比べた値で、動きのカクつきは測れていません。t6は幅480pxで、小さいスマホ画面ではデモ文字が小さくなります。この見本では、幅と色の両方の変化が少なかったt4(幅640px、毎秒10コマ、64色、ディザなし)にしました。

余裕は28,072バイト。かなり薄いです。この見本に文字をもう1行足しただけで、超える可能性があります。

t4は、final.gifとしても作り直しました。

ffmpeg -hide_banner -loglevel error -y -i demo.mp4 -vf "fps=10,scale=640:-1:flags=lanczos,split[a][b];[a]palettegen=max_colors=64[p];[b][p]paletteuse=dither=none" final.gif
python3 check_gif.py final.gif; echo "exit=$?"
python3 psnr_gate.py demo.mp4 final.gif; echo "exit=$?"
final.gif: 640x360 60コマ 6.0秒 471928バイト ループ=無限
exit=0
final.gif: PSNR 41.7 dB (OK)
exit=0

2つの検査が両方通りました。パレットも、先ほどのスクリプトで読み直しました。

python3 palette_head.py final.gif
final.gif [(0, 0, 0), (0, 1, 5), (0, 5, 12), (2, 11, 17)] distinct 64

暗い色から始まり、色の種類は64です。途中の1コマを取り出してsmall.gifと見比べると、背景は元の青に戻り、点のノイズも消えています。完璧ではありません。ディザを切ったので、グラデーションの端に薄い縞が出ます。

ループ指定は、付けないと1回で止まる

もう1つ、ffmpegのGIF出力にはループ回数のオプションがあります。公式ドキュメントでは、-loop 0が無限ループで、これがデフォルト値です。-1にするとループなしになります。踏んだわけではなく、先回りで確かめました。

ffmpeg -hide_banner -loglevel error -y -i demo.mp4 -vf "fps=10,scale=640:-1:flags=lanczos,split[a][b];[a]palettegen=max_colors=64[p];[b][p]paletteuse=dither=none" -loop -1 noloop.gif
python3 check_gif.py noloop.gif; echo "exit=$?"
grep -c -a NETSCAPE2.0 final.gif noloop.gif
noloop.gif: 640x360 60コマ 6.0秒 471909バイト ループ=なし(1回だけ再生)
  NG: ループ指定がありません
exit=1
final.gif:1
noloop.gif:0

ファイルサイズはfinal.gifより19バイト少ないだけです。ループ指定はNETSCAPE2.0というブロックで、noloop.gifにはそれが丸ごと無い状態です。見た目は同じなので、サイズや画像を見ても気づけません。再生側がループなしのGIFをどう扱うかは、ブラウザや販売サイトごとに確かめていません。

悪い入力も流す

検査スクリプトが「何でも通す」穴を持っていないか、壊れたファイルを渡しました。

cp demo.mp4 fake.gif
python3 check_gif.py fake.gif; echo "exit=$?"
head -c 3000 final.gif > cut.gif
python3 check_gif.py cut.gif; echo "exit=$?"
printf 'GIF89a\001\000\001\000\000\000\000;' > empty.gif
python3 check_gif.py empty.gif; echo "exit=$?"
python3 check_gif.py nofile.gif; echo "exit=$?"
python3 psnr_gate.py demo.mp4 fake.gif; echo "exit=$?"
fake.gif: 読めません (GIFのヘッダがありません)
exit=2
cut.gif: 読めません (ファイルが途中で切れています)
exit=2
empty.gif: 1x1 0コマ 0.0秒 14バイト ループ=なし(1回だけ再生)
  NG: コマが2つ未満です
  NG: ループ指定がありません
exit=1
nofile.gif: 開けません (No such file or directory)
exit=2
fake.gif: PSNRを測れません
exit=2

名前だけGIFのMP4、途中で切れたGIF、コマが0個のGIF、存在しないファイルは、どれも0を返しませんでした。

まだ納得していないこと

PSNRは平均の値です。全体の色が合っているかは分かっても、ある1コマだけが崩れたことは、数字からは見えません。それに、今回の動画は単純な背景と文字でできています。実際の画面録画は色の種類も動きも多いので、64色で足りる保証はありません。500,000バイトの線も、根拠のない仮の数字のままです。実際の販売サービスの上限は、この記事では確かめていません。

それでも、サイズだけを見る検査が色の崩れをすり抜けたのは、この見本でいちばん大きい結果でした。軽くなった数字だけでは、色の崩れは分かりません。実際の画面録画で64色が足りるかは、この記事では確かめていません。

出典

この記事をシェア