你是否想过，为什么手机或相机拍照后，图像能在瞬间被保存为 JPEG--文件更小、速度更快、看起来依然清晰？其实在背后，有一套精巧的处理流程， 把庞大的图像文件压缩到原始大小的一小部分，同时仍保持出色的画质。但这 到底是如何做到的呢？今天，我们就来深入解析 JPEG 压缩，用简单的方式拆解 每个步骤，让你真正看懂这个看似“魔法”的图像压缩过程。
什么是 JPEG？
JPEG （“Joint Photographic Experts Group”的缩写）是一种最常见的图像格式。 是保存数码照片时的常用选择。JPEG 的核心能力在于可以压缩图像文件， 在画质几乎不下降的前提下，大幅减小文件大小。
举个例子，一张高质量的未压缩图像可能有高达 46MB。压缩为 JPEG 之后， 同一张图像可以缩小到只有 4.1MB！但它是如何在保持画面清晰的同时做到这一点的呢？
答案就在 compression process， 中，它利用人眼的视觉特性，去除不必要的数据。
JPEG 做了什么？
简单来说，JPEG 会分析图像，并移除那些人眼不易察觉的部分。当你使用 JPEG 压缩一张图像时，可以控制压缩程度。通过调节“质量”设置， 你可以决定要节省多少空间。质量从 100% 降到 0% 时，文件大小也会随之减小。 。
压缩得越多，图像的分辨率虽然保持不变，但可能会开始出现一些缺陷或“伪影”。 这些缺陷看起来像小方块，一般不放大很难注意到。JPEG 的目标是 在不让人眼觉得画面变差的前提下，把文件压到尽可能小。
JPEG 压缩的步骤
JPEG 压缩 并不只是某个“魔术技巧”，而是一系列精细设计的步骤，用来减少 图像大小。下面一起看看让 JPEG 高效工作的五个关键步骤。
步骤 1：颜色空间转换
图像由像素组成，每个像素包含红、绿、蓝（RGB）三个分量，它们组合在一起形成颜色。 JPEG 首先会把这些 RGB 值 转换到另一种颜色空间：
- 亮度（Luminance）： 表示像素的明亮程度，对整体图像对比度的呈现非常重要。
- 色度（Chrominance）： 表示颜色信息，包括色调和饱和度。
这种转换利用了一个事实：人眼对亮度（亮度分量）的敏感度高于对颜色 （色度分量）的敏感度。通过将亮度与颜色分离，JPEG 可以在后续步骤中有针对性地减少数据， 同时保留关键的视觉细节。
虽然在这一步不会丢失数据，但它为后续的高效压缩打下了基础。
步骤 2：色度抽样/Chroma Subsampling
Chroma Subsampling 是 是一种在颜色空间转换之后使用的技术。还记得我们提到过，人眼对颜色（色度） 的感知不如对亮度（亮度分量）敏锐吗？
于是，JPEG 利用这一点，减少颜色数据的量。它通过对四个像素为一组进行取平均，缩小蓝色和红色的色度 图像数据块。这样可以大幅减少色彩数据，同时保持 亮度信息不变。到这一步时，图像已经压缩了一大半！
步骤 3：离散余弦变换（DCT）
离散余弦变换（DCT） 是一种数学方法，用来将图像数据 从空间域（以像素网格形式表示图像）转换到频率域。这个过程 有助于识别图像中哪些部分包含最重要的视觉信息，哪些部分可以被舍弃。 被舍弃。
DCT 将图像分成 8x8 的小块，并将每个小块转换为一组频率值。较高的 频率表示像素值的快速变化，如边缘或噪点，这些通常不太容易被 人眼察觉，因此可以被简化或删除。
步骤 4：量化
完成 DCT 之后，得到的频率数据会进行 量化。在这一步中， 通过将频率值除以一组称为量化表的常数，来缩小频率值的范围。 这一过程本质上是对频率值进行取整以简化它们。
高频值会被更强地量化，也就是说它们会丢失更多精度，因为它们对整体图像质量的影响较小， 因此在这第四步中所需用于表示图像的数据量大幅减少，使 文件更小。然而，量化过强可能会导致明显的失真，比如块状感或模糊，尤其在 较高压缩级别时更为明显。
步骤 5：游程编码和哈夫曼编码
量化之后，数据仍然不够紧凑，无法高效存储。这时 游程编码（RLE） 和 哈夫曼编码 就派上用场了。
首先，RLE 用于简化长串重复数据（如一串 0），通过存储重复次数 而不是每一个具体数值。然后应用哈夫曼编码，这是一种用更短的比特码替换高频出现值的技术，从而进一步减小文件大小。 值，用更短的比特编码替换，从而让文件更小。
These two 编码方法 协同工作，大幅减小文件大小，同时几乎不牺牲 太多图像质量。
附加说明
虽然 JPEG 是一种非常高效的格式，但仍有几点需要注意：
- 压缩级别：JPEG 允许用户选择压缩级别，但压缩越高，文件越小，同时越有可能出现明显的失真，如边缘模糊或像素化。这是因为量化表数值过高，会产生更多的 0，使文件更小，但也会降低图像质量。
- 高频数据丢失：量化会降低高频数据（如锐利边缘等细节）的精度，因此 JPEG 非常适合平滑纹理，但在处理锐利线条和矢量图形时表现不佳。
- 不适合矢量图形：JPEG 并不适合压缩矢量图形，因为它可能会在图形或线条边界产生明显的失真。
尽管存在这些限制，JPEG 仍然是最常用的图像格式，部分原因在于它历史悠久、原理成熟且免版税。不过，像 WebP 或 HEIF 这样的新格式在不降低质量的情况下提供了更高的压缩率，在某些场景下成为更具吸引力的替代方案。
总结
JPEG 压缩算法是图像数据管理领域的重要成果。通过将图像拆分为更小的块、应用各种数学变换，并结合游程编码和哈夫曼编码等高效编码技术，它使我们能够以更小的文件大小存储高质量图像。
虽然 JPEG 存在一些限制，尤其是在高压缩级别或处理矢量图形时，但它的广泛使用以及在摄影图像方面的良好表现，使其至今仍是一个重要且常用的标准。
