为什么压缩图片和压缩

article/2025/9/1 14:44:08

为什么要压缩图片？

表示图像需要大量的数据，但图像数据是高度相关的，或者说存在冗余(Redundancy)信息，去掉这些冗余信息后可以有效压缩图像，同时又不会损害图像的有效信息。

视网膜上有两种感光细胞，能够感知亮度变化的视杆细胞，以及能够感知颜色的视锥细胞，由于视杆细胞在数量上远大于视锥细胞，所以我们更容易感知到明暗细节。

数字图像的冗余表现为以下几种形式：空间冗余、时间冗余、视觉冗余、信息熵冗余、结构冗余和知识冗余。

(1)空间冗余：图像内部相邻像素之间存在较强的相关性所造成的冗余。

(2)时间冗余：视频图像序列中的不同帧之间的相关性所造成的冗余。

(3)视觉冗余：是指人眼不能感知或不敏感的那部分图像信息。

(4)信息熵冗余：也称编码冗余，如果图像中平均每个像素使用的比特数大于该图像的信息熵，则图像中存在冗余，这种冗余称为信息熵冗余。

(5)结构冗余：是指图像中存在很强的纹理结构或自相似性。

(6)知识冗余：是指有些图像还包含与某些先验知识有关的信息。

压缩分类

无损压缩：第一类压缩过程是可逆的，也就是说，从压缩后的图象能够完全恢复出原来的图象，信息没有任何丢失

有损压缩：第二类压缩过程是不可逆的，无法完全恢复出原图象，信息有一定的丢失

压缩图片的应用

图象压缩一般通过改变图象的表示方式来达到，因此压缩和编码是分不开的。图象压缩的主要应用是图象信息的传输和存储，可广泛地应用于广播电视、电视会议、计算机通讯、传真、多媒体系统、医学图象、卫星图象等领域。

编码的种类

压缩编码的方法有很多，主要分成以下四大类：(1)象素编码；

(2)预测编码；

(3)变换编码；

(4)其它方法。

1：所谓象素编码是指，编码时对每个象素单独处理，不考虑象素之间的相关性。

2：所谓预测编码是指，去除相邻象素之间的相关性和冗余性，只对新的信息进行编码。举个简单的例子，因为象素的灰度是连续的，所以在一片区域中，相邻象素之间灰度值的差别可能很小。如果我们只记录第一个象素的灰度，其它象素的灰度都用它与前一个象素灰度之差来表示，就能起到压缩的目的。如248，2，1，0，1，3，实际上这6个象素的灰度是248，250，251，251，252，255。表示250需要8个比特，而表示2只需要两个比特，这样就实现了压缩。

3：所谓变换编码是指，将给定的图象变换到另一个数据域(如频域)上，使得大量的信息能用较少的数据来表示，从而达到压缩的目的。

JPEG压缩算法

JPEG算法的第一步：图像被分割成大小为8X8的小块，

第二步：颜色转换RGB为YCbCr

所谓“颜色空间”，是指表达颜色的数学模型，比如我们常见的“RGB”模型，就是把颜色分解成红绿蓝三种分量，这样一张图片就可以分解成三张灰度图，数学表达上，每一个8X8的图案，可以表达成三个8X8的矩阵，其中的数值的范围一般在[0,255]之间。

不同的颜色模型各有不同的应用场景，例如RGB模型适合于像显示器这样的自发光图案，而在JPEG压缩算法中，需要把图案转换成为YCbCr模型，这里的Y表示亮度(Luminance)，Cb和Cr分别表示绿色和红色的“色差值”。

人们发现红绿蓝三种颜色所贡献的亮度是不同的，绿色的“亮度”最大，蓝色最暗，设红色所贡献的亮度的份额为KR，蓝色贡献的份额为KB，

最终可以得到RGB转换为YCbCr的数学公式为