Die Dateigröße erzählt nur die halbe Geschichte. Hier erfährst du, wie dich eine perzeptuelle Metrik einer verlustbehafteten Einstellung vertrauen lässt — und sie weiter treibt, als du dich per Augenschein trauen würdest.
Ein Bild kleiner zu machen ist leicht. Der schwierige Teil ist zu wissen, ob es immer noch gut aussieht — in großem Maßstab, über eine ganze Bibliothek hinweg, ohne bei jeder Datei die Augen zusammenzukneifen. Genau diese Lücke füllt eine perzeptuelle Qualitätsmetrik, und die beste heute verfügbare für Standbilder ist SSIMULACRA2.
Eine 90 % kleinere Datei klingt großartig, bis dir der blockige Himmel oder der verschmierte Text auffällt. Die Größe misst die Kosten, nicht das Ergebnis — wer also allein auf Größe optimiert, wird still und leise zu sichtbar verschlechterten Bildern gedrängt. Du brauchst eine zweite Zahl, die die Qualität misst, um den Sweet Spot zu finden, an dem die Datei klein ist und immer noch gut aussieht.
Die klassischen Metriken greifen zu kurz. PSNR misst nur den Pixelfehler und bildet kaum ab, was Menschen tatsächlich sehen. SSIM war ein Fortschritt, lässt sich aber leicht täuschen und sättigt bei hoher Qualität. Beide können zwei Bilder als „gleich“ bewerten, obwohl eines eindeutig schlechter aussieht — was sie zu wackligen Leitfäden für die Wahl einer Kompressionseinstellung macht.
SSIMULACRA2 ist eine moderne Metrik, die an großen Datenbanken menschlicher Qualitätsbewertungen kalibriert wurde. Sie modelliert das Bild so, wie es die Wahrnehmung tut — auf mehreren Skalen und in einem Farbraum, der danach gewichtet ist, wie das Auge reagiert —, sodass ihre Werte mit dem übereinstimmen, was Menschen tatsächlich bemerken. Wenn sie sagt, zwei Bilder sehen gleich aus, tun sie das meist auch.
Der Wert reicht bis 100, und die untenstehenden Bänder sind eine verlässliche Faustregel. Für die meisten Webfotos liefert ein Ziel von ~80–90 visuell verlustfreie Ergebnisse mit spürbaren Größeneinsparungen; unter 70 zu gehen zeigt sich zunehmend bei Verläufen, Haut und Text.
Statt eine Qualitätszahl zu raten, leg dir im Kopf eine Qualitäts-Untergrenze fest und nutze eine perzeptuelle Metrik wie SSIMULACRA2, um zu bestätigen, dass eine Einstellung sie erreicht. Bewerte ein paar repräsentative Bilder, finde die Qualität, die in dein Zielband fällt, und wende sie dann auf den ganzen Batch an — so landet eine ganze Bibliothek bei konsistenter, vertrauenswürdiger Qualität. Du hörst auf, bei „Qualität 90“ auf Nummer sicher zu gehen, und lieferst die Einsparungen, die du bisher liegen gelassen hast.
# Eine Qualität finden, die dein perzeptuelles Ziel erreicht, dann im Batch anwenden imageforge photo.jpg --convert avif --quality 88 imageforge ./batch/*.jpg --convert webp --quality 85 --json
Stell eine Qualität ein, der du vertrauen kannst, und liefere dann leichtere Bilder aus — 100 % auf deinem Mac.