什么是pngquant?
pngquant 是一个用于压缩 PNG 图像文件的工具。它可以显著减小 PNG 文件的大小，同时保持图像质量和透明度。通过减小文件大小，可以提高网页加载速度，并节省存储空间。pngquant 提供命令行接口和库，可轻松集成到各种应用程序和脚本中。
原理是什么?
pngquant 使用修改过的 Median Cut 量化算法以及其他技术来实现压缩 PNG 图像的目的。它的工作原理如下：
- 首先，pngquant 构建一个直方图，用于统计图像中的颜色分布情况。
- 接下来，它选择盒子来代表一组颜色。与传统的 Median Cut 算法不同，pngquant 选择的盒子是为了最小化盒子中颜色与中位数的差异。
- pngquant 使用感知模型给予图像中噪声较大的区域较少的权重，以建立更准确的直方图。
- 为了进一步改善颜色，pngquant 使用类似梯度下降的过程对直方图进行调整。它多次重复 Median Cut 算法，并在较少出现的颜色上增加权重。
- 最后，为了生成最佳的调色板，pngquant 使用 Voronoi 迭代（K-means）对颜色进行校正，以确保局部最优。
- 在重新映射颜色时，pngquant 只在多个相邻像素量化为相同颜色且不是边缘的区域应用误差扩散。这样可以避免在视觉质量较高且不需要抖动的区域添加噪声。
通过这些步骤，pngquant 能够在保持图像质量的同时，将 PNG 图像的文件大小减小到最低限度。
Median Cut 量化算法
假设我们有一张 8x8 像素的彩色图像，每个像素由红色、绿色和蓝色通道组成，每个通道的值范围是 0 到 255。
- 初始化：我们将图像中的每个像素视为一个颜色点，并将它们放入一个初始的颜色桶。
- 选择划分桶：在初始的颜色桶中选择一个具有最大范围的颜色通道，假设我们选择红色通道。
- 划分颜色：对于选定的红色通道，将颜色桶中的颜色按照红色通道的值进行排序，并找到中间位置的颜色值作为划分点。假设划分点的红色值为 120。划分前的颜色桶：
- 颜色1: (100, 50, 200)
- 颜色2: (150, 30, 100)
- 颜色3: (80, 120, 50)
- 颜色4: (200, 180, 160)
- 划分后的颜色桶：
- 子桶1:
- 颜色1: (100, 50, 200)
- 颜色3: (80, 120, 50)
- 子桶2:
- 颜色2: (150, 30, 100)
- 颜色4: (200, 180, 160)
- 重复划分：我们继续选择颜色范围最大的通道，假设我们选择子桶1中的绿色通道。划分前的颜色桶（子桶1）：
- 颜色1: (100, 50, 200)
- 颜色3: (80, 120, 50)
- 划分后的颜色桶（子桶1）：
- 子桶1.1:
- 颜色3: (80, 120, 50)
- 子桶1.2:
- 颜色1: (100, 50, 200)
- 子桶2中只有两个颜色，不需要再进行划分。
- 颜色映射：将原始图像中的每个像素颜色映射到最接近的颜色桶中的颜色。
假设原始图像中的一个像素为 (110, 70, 180)，我们将它映射到颜色1: (100, 50, 200)
大概的公式为sqrt((110-100)^2 + (70-50)^2 + (180-200)^2) ≈ 31.62
通过 Median Cut 算法，我们将原始图像中的颜色数目从 64 个（8x8 像素）减少到 4 个颜色桶，从而实现了图像的量化
Nodejs 中 调用pngquant
我们同样还是可以用exec命令调用
import { exec } from 'child_process' exec('pngquant 73kb.png --output test.png')
73kb 压缩完 之后 22kb
import { exec } from 'child_process' exec('pngquant 73kb.png --quality=82 --output test.png')
quality表示图片质量0-100值越大图片越大效果越好
import { exec } from 'child_process' exec('pngquant 73kb.png --speed=1 --quality=82 --output test.png')
--speed=1: 最慢的速度，产生最高质量的输出图像。--speed=10: 最快的速度，但可能导致输出图像质量稍微降低。
