在数字化时代，图像是信息传递的最重要载体之一，从智能手机拍摄的海量照片，到互联网上琳琅满目的图片资源，再到专业领域如医学影像、卫星遥感图像等，各类图像数据的规模一直呈爆炸式增长，对于传输及存储都是巨大挑战，因此图片编码技术也在不断演进，以适应日益增长的图像处理需求。
称霸30年的互联网图片格式——JPEG
目前常见的图片格式有 PNG、GIF、BMP 以及 JPEG 等。PNG 格式支持透明背景，图像质量较高且无损压缩，适用于图标、网页元素等对图像质量和透明度有要求的场景，但文件大小相对较大。GIF 格式则擅长处理简单动画，颜色数量有限，在早期的网页动画制作中广泛应用，但其图像质量和色彩表现力在复杂图像面前略显不足。BMP 格式是一种简单的位图格式，不进行压缩或采用简单的无损压缩，图像质量高但文件体积庞大，常用于 Windows 系统中的一些基本图像显示和处理场景。
而JPEG 格式在图片编码领域占据着极为重要的地位，是目前互联网上应用最为广泛的图片格式之一。据统计，在互联网中的图片资源里，JPEG 格式图片的占比超过了 60%，如社交媒体平台、电商网站等，大量的用户上传图片目前都采用的是 JPEG 格式。
JPEG广泛应用的原因在于其独特的压缩特性，在图像质量和文件大小之间取得了良好的平衡。无论是在网页浏览、社交媒体分享，还是在移动应用中的图片展示，JPEG 都能以较小的文件大小快速加载，同时呈现出优质的视觉效果，极大地提升了用户的图像交互体验。因此，微帧认为，深入优化JPEG图片编码压缩技术，对于图像存储及传输都具有重要应用价值。
微帧WZ-JPEG编码压缩技术优势
JPEG编码的核心原理是基于人类视觉系统（HVS）的特性，通过对图像数据进行巧妙的变换和编码，在尽可能保留图像视觉质量的前提下，大幅减少数据量。
具体技术流程包含多个关键步骤：首先需要将RGB转换为YCrCb，再通过YUV411或YUV422方式进行采样，再将图像分割成多个 8x8 的像素块。对于每个像素块，进行离散余弦变换（DCT）。DCT 的作用是将图像的空间域信息转换为频率域信息，使得图像数据的能量分布更加集中。在频率域中，图像的低频部分包含了图像的主要信息，如整体的亮度、颜色分布等，而高频部分则主要体现图像的细节和边缘信息。通过 DCT 变换后，大部分能量集中在低频系数上，高频系数相对较小。接着，对 DCT 系数进行量化处理。量化过程根据预先设定的量化表，对不同频率的系数采用不同的量化步长。由于人类视觉对高频信息相对不敏感，所以对高频系数采用较大的量化步长，这样可以大幅减少数据量。量化后的系数再进行熵编码，通常采用霍夫曼编码或算术编码，目的是进一步去除数据中的冗余信息，将量化后的系数转换为更紧凑的二进制码流。
微帧针对JPEG编码压缩技术进行了深度优化，在实际应用中展现了以下优势：
1）相较于开源编码器，微帧WZ-JPEG的压缩效率实现了显著提升，平均可多节省27%左右的图片体积，对于复杂度不高的场景图片，WZ-JPEG更是实现了高达40%的压缩优势；
2）在编码速度方面，达到了开源编码器的4倍，极大提升了图片压缩的效率；
3）具备极强的鲁棒性，在面对不同类型、不同分辨率的图片时，均能保持稳定的压缩效果，展现了卓越的稳定性。
经过多次实验验证，在确保VMAF分数保持相近水平（即图片画质维持相当标准）的条件下，WZ-JPEG相较于开源的Libjpeg，压缩后体积平均降低了27.68%，与原始图片相比，WZ-JPEG实现了高达平均92.68%的压缩率。
下图为实验结果中挑选的一组色彩艳丽的图片，经过细致对比分析，发现相较于开源Libjpeg，WZ-JPEG在体积节省约42%的情况下，保留了更丰富的细节，同时WZ-JPEG在处理色彩丰富的图像时，能在极致压缩的过程中最大限度地保持鲜活真实的色彩。
在人物细节的保留方面，WZ-JPEG也展示出了明显优势，如下图所示，相较于开源Libjpeg，WZ-JPEG压缩后的图片节省了约46%的体积，同时对两者图像细节进行对比，如肌肤纹理的细腻程度、发丝的丝丝分明、边缘轮廓的锐度等高频信息，均保持了高度的一致性。
除了JPEG格式之外，微帧针对市面上广泛使用的各类图片格式，均进行了专门的编码压缩算法优化。比如对于WebP格式，微帧的WZ-WebP压缩算法，与开源编码器相比，同画质下能够节省约20%的体积。更进一步，在处理具备更高压缩效率的HEIF格式时，微帧的WZ-HEIF技术相较于开源编码器，展现出了约33%的压缩优势。而对于更为前沿的AVIF图片格式，微帧WZ-AVIF同样表现卓越，展现了大约25%的压缩优势。这些优化彰显着微帧在图像处理领域的深厚技术积累，如今微帧的图片智能压缩产品已广泛应用于社交平台、资讯、电商、手机相册等场景，为各类应用带来了更高效、优质的图片压缩效果。
