从8×8分块到自编码器·图像压缩技术的数学脉络与工程落地压缩的本质是选择丢弃什么·图像编码技术的底层演进
从DCT到端到端学习：图像压缩技术的底层演进
图像压缩的底层逻辑，是一场关于“丢弃什么”的精密切割。所有压缩算法都在做同一件事：用尽可能少的比特，保留尽可能多的视觉信息。区别只在于，有人选择在数学变换后丢弃高频细节，有人选择在预测编码后只传残差，还有人把整条流水线交给神经网络来学。
从冗余说起：压缩到底在压什么
一张未经压缩的位图，每个像素独立存储RGB值，数据量惊人。但自然图像存在大量冗余：相邻像素高度相关（空间冗余），不同色彩通道之间也相关（色彩冗余），人眼对某些频率成分本就不敏感（心理视觉冗余）。压缩的本质就是识别并剔除这些冗余。
依据剔除方式的不同，压缩分为两条路径。无损压缩只消除编码冗余和像素间冗余，解压后能逐比特还原原图，典型代表是PNG中使用的DEFLATE（LZ77+霍夫曼编码）。有损压缩则进一步利用心理视觉冗余，允许在数学上不可逆的信息丢弃，换取更高的压缩比，JPEG是这条路径的奠基者。
JPEG的底层链路：DCT、量化、熵编码
JPEG的核心不是“压缩”这个动作本身，而是一套精巧的三段式流水线：变换→量化→编码。
第一步是离散余弦变换（DCT）。图像被切成8×8的像素块，每个块经过DCT从空间域映射到频率域。变换后的系数矩阵中，左上角代表低频（图像的整体亮度与色彩趋势），右下角代表高频（边缘与细节）。自然图像的能量高度集中在低频区域，高频系数大多接近零。这一步本身不丢信息，只是把数据重新排列成更适合压缩的形式。
第二步是量化，这是JPEG唯一真正丢信息的环节。每个DCT系数除以一个量化步长再取整。高频系数对应的量化步长更大，意味着更多高频细节被归零。人类视觉对高频细节的分辨力本就较弱，所以这种丢弃在中等压缩比下几乎不可察觉。JPEG在压缩比低于25:1时表现良好，超过30:1后质量会急剧恶化。
第三步是熵编码。量化后的系数矩阵中大量为零，先用Zigzag扫描把零聚集到末尾，再用游程编码压缩连续的零，最后通过霍夫曼编码为高频出现的符号分配短码字。整个流程下来，典型压缩比约为20:1，肉眼难辨差异。
超越JPEG：小波、预测编码与深度学习
JPEG的局限在于8×8分块。高压缩比下，块与块之间的不连续性会产生“方块效应”。JPEG 2000用小波变换替代DCT，对整幅图像做多分辨率分解，低频子带保留概貌，高频子带刻画细节，且没有分块边界，高压缩比下的视觉质量明显优于JPEG。代价是计算复杂度更高，编码速度更慢。
Google的WebP走了另一条路。有损WebP基于VP8视频编码的帧内预测技术：编码器先用相邻已解码像素预测当前块的内容（水平、垂直、DC、TrueMotion等多种模式），然后只对预测值与实际值之间的残差做DCT、量化和熵编码。预测越准，残差越小，压缩效率越高。WebP还使用算术熵编码替代霍夫曼编码，在相同视觉质量下比JPEG小约30%。
最新的方向是端到端深度学习压缩。传统编解码器的变换、量化、熵模型都是人工设计的，而深度学习方案用自编码器同时学习特征提取、量化和概率建模，整体优化率失真性能。JPEG AI已成为首个基于端到端学习方法的图像编码国际标准。这条路径的潜力在于突破手工设计的天花板，挑战则在于计算开销和部署复杂度。
工程落地：自建压缩链路的价值
技术原理的清晰，不等于工程落地的简单。上述算法在实际产品中要面对的是异构的输入格式、参差的设备性能、以及用户对“压完还能不能看”的直观判断。调用第三方压缩接口固然省事，但压缩参数、质量档位、输出格式都受制于人，链路黑盒化也让问题定位变得困难。
优雅草已正式推出的万能图王小程序，在这一点上选择了另一条路：图片压缩功能背后是自建的独立算法处理器服务器，压缩链路掌握在自己手中，而非依赖第三方接口。用户可以在小程序商店或发布平台检索“优雅草万能图王”直接尝试使用。对于一款图像处理产品而言，自建算法处理器意味着对压缩质量、处理速度和格式兼容性的可控性，也意味着后续迭代不必等待外部服务商的能力更新。
不过本文的重点仍在技术脉络本身：从DCT到小波，从块预测到端到端学习，图像压缩的每一次进步，都是在“丢弃什么”这个问题上给出了更聪明的答案。而工程层面的自建与自控，则是让这些答案真正落到用户手中的最后一公里。
