图片压缩原理简介

概述
图像压缩的目标是用更少的比特表示视觉信息，保留尽可能多的“感知”细节。压缩方法大致分为两类：无损（可完全还原原始像素）和有损（允许信息丢失以换取更高压缩比）。压缩通常包含三个阶段：变换（变基、去相关）、量化/编码（舍弃或缩减信息）、熵编码（无冗余表示）。

基础概念（核心术语）

• 去相关（Decorrelation）: 消除像素间的统计相关性，便于后续压缩（例：DCT、Wavelet、色彩空间转换）。
• 量化（Quantization）: 将连续或高精度系数映射到较少的离散值，是有损压缩的关键步骤。
• 熵编码（Entropy Coding）: 用可变长度码（Huffman、算术编码、ANS）对符号按概率最优编码。
• 色彩子采样（Chroma Subsampling）: 利用人眼对亮度敏感、对色度不敏感的特性，降低色度分辨率（例：4:4:4、4:2:2、4:2:0）。
• 感知指标: PSNR、SSIM 等衡量失真与视觉质量的指标。图片转圆形

有损 vs 无损（原理差异）

• 无损压缩: 目标是可逆变换与无损熵编码。典型步骤：预测（线性或上下/左/左上预测）、差分、再用通用无损算法（LZ77 + Huffman/动态Huffman）。优点：原样恢复；缺点：压缩率有限。
• 有损压缩: 在变换域进行量化（舍弃高频或低能量系数），然后熵编码。优点：更高压缩率；缺点：可能出现块效应、模糊、伪影等。最好的图片压缩网站

JPEG（基于块的 DCT 有损压缩）

• 总体流程: RGB → 色彩空间转换到 YCbCr → 色度子采样 → 将图像分成 8x8 块 → 对每块做 2D DCT → 除以量化矩阵并四舍五入 → Zig-Zag 顺序 + 运行长度编码（RLE）→ 熵编码（Huffman/算术）。
• 2D DCT 公式（8x8）:
  $$
  C(u,v)=\frac{\alpha(u)\alpha(v)}{4}\sum_{x=0}^{{7}\sum_{y=0}} f(x,y)\cos\frac{(2x+1)u\pi}{16}\cos\frac{(2y+1)v\pi}{16}
  $$
  其中 $\alpha(0)=\frac{1}{\sqrt{2}}$, $\alpha(k)=1$ for $k>0$。
• 量化: 对 DCT 系数除以量化矩阵并四舍五入，量化矩阵越大，丢失越多（质量越差）。
• 伪影来源: 块边界（块独立处理）、粗糙量化造成高频信息丢失（马赛克）、色度子采样造成边缘色偏。图片裁剪
• 变种: Baseline JPEG（Huffman）、Progressive JPEG（多次扫描先传低频再传高频）、Lossless JPEG（使用预测与Golomb编码，但不常用）。

PNG（无损，基于 DEFLATE）

• 总体流程: PNG 是基于扫描行的预测过滤 + DEFLATE（LZ77 + Huffman）。每行先尝试多个滤波器（None, Sub, Up, Average, Paeth），选择使行数据更易被 LZ77 找到重复模式的滤波器。
• 过滤器作用: 减少相邻像素之间的差值幅度，提高 LZ77 的重复匹配率。
• DEFLATE: LZ77 找到重复字符串并以 (距离, 长度) 表示，然后对字面量和长度/距离符号做 Huffman 编码。
• 额外特性: 支持透明通道（RGBA）、可选的 Adam7 交错（七次扫描）用于渐进显示。
• 适用场景: 图表、文字、含透明度的图像或需要严格无损的场景。

GIF（限色 + LZW）

• 总体流程: 限制调色板（最多 256 色），对像素索引做 LZW 压缩。适合色块、动画，但色深限制和专利历史限制了应用。
• 用途: 简单动画、低色深图像。

SVG（矢量图，文本/XML）

• 本质区别: SVG 描述的是几何形状、路径和样式，而不是像素；缩放不失真。存储是文本（XML），通常通过 gzip 压缩（产生 .svgz）。
• 优化点: 简化路径（减少控制点）、合并/去除冗余属性、删除注释/空白、压缩字体、使用相对命令、合并形状为路径等。
• 与栅格图混用: 大型复杂位图不适合转换为矢量；SVG 可嵌入位图 PNG/JPEG。

现代格式：WebP / AVIF / HEIF

• WebP: Google 推出，支持有损（基于 VP8 的变换）与无损（基于预测 + Huffman）的混合，兼具透明度支持，压缩优于 JPEG/PNG 在同等质量下通常文件更小。
• AVIF/HEIF（基于视频编码）: 使用 AV1/HEVC 的工具链，采用更先进的变换（更高效的预测、变换、上下文建模与算术编码），在相同感知质量下通常比 JPEG/WebP 更高效，但编码复杂且解码成本更高。

熵与信息理论（关键公式）

• 香农熵:
  $$
  H = -\sum_i p_i \log_2 p_i
  $$
  熵给出理论上的无冗余编码下每个符号的最小平均比特数。
• PSNR 与 MSE:
  $$
  MSE = \frac{1}{NM}\sum_{x=0}^{{N-1}\sum_{y=0}}(I(x,y)-K(x,y))^2
  $$
  $$
  PSNR = 10\log_{10}\left(\frac{MAX_I^2}{MSE}\right)
  $$
  PSNR 越高，重建越接近原图，但 PSNR 并不总与视觉主观质量一致（故引入 SSIM）。

感知质量指标

• SSIM（结构相似性）：考虑亮度、对比度与结构，和人眼主观感受更相关。
• MS-SSIM、VMAF: 更复杂、用于视频/图像的感知质量评估。

常见压缩伪影与成因

• 块效应（blocking）: 块独立处理（JPEG）的边缘失真。
• 环状伪影（ringing）: 变换后的频域截断（量化）产生振铃。
• 带状与色彩带（banding）: 颜色量化过粗或色域受限。
• 模糊（blurring）: 高频信息被大量丢弃。

实用建议（选择与优化）

• 照片: 优先使用 JPEG（有损）或 AVIF/WebP（更好压缩）；对网页使用 WebP/AVIF 可显著减小体积。
• 图标/简单图形/含透明的图像: 使用 PNG（无损）或 SVG（矢量更佳）；尝试 PNG 的滤波器+zopfli 等工具优化。
• 需要透明且高压缩: WebP 无损或有损支持透明（优势明显）。
• 保真度要求高: 用无损 PNG 或 TIFF；若要存档照片用无损格式（例如 PNG 或专门的 RAW）。
• 处理流程: 先在高精度下进行预处理（降噪、色彩空间校正、裁剪），再压缩。对 JPEG 可调整量化表和使用 4:2:0 子采样与渐进扫描。
• 工具推荐: mozjpeg/cjpeg（更好 JPEG）、zopfli（更强的 DEFLATE）、pngcrush/optipng/zopflipng（PNG 优化）、cwebp/avifenc（WebP/AVIF 转换）、svgo（SVG 优化）。

总结（要点回顾）

• 无损靠预测/差分 + LZ/Huffman；有损靠变换（如 DCT/Wavelet）+ 量化 + 熵编码。
• JPEG 的核心是 8x8 DCT + 量化 + 熵编码；PNG 的核心是行滤波 + DEFLATE；SVG 是矢量文本，可用 gzip 极大减小。
• 新格式（WebP/AVIF）利用视频编码技术，在同等视觉质量下通常更高效，但兼容性与编码复杂度是考量因素。
• 最佳实践是基于图像类型与应用场景选择格式，并用专门工具与合适参数做二次优化，同时用 SSIM/VMAF 等感知指标评估质量。

如果你想，我可以：

• 针对某一格式给出更详细的编码流程图或伪代码；或
• 演示用命令行工具对一张图片做对比压缩与质量测量（需要你提供一张图片或允许我给出示例命令）。你想先看哪一个？