La taille du fichier ne raconte que la moitié de l'histoire. Voici comment une métrique perceptuelle vous permet de faire confiance à un réglage avec perte — et de le pousser plus loin que vous n'oseriez à l'œil nu.
Il est facile de rendre une image plus petite. Le plus difficile est de savoir si elle est toujours belle — à grande échelle, sur toute une bibliothèque, sans plisser les yeux devant chaque fichier. C'est exactement le vide que comble une métrique de qualité perceptuelle, et la meilleure disponible aujourd'hui pour les images fixes est SSIMULACRA2.
Un fichier 90 % plus petit semble génial jusqu'à ce que vous remarquiez le ciel en blocs ou le texte flou. La taille mesure le coût, pas le résultat — donc optimiser uniquement pour la taille vous pousse discrètement vers des images visiblement dégradées. Il vous faut un second chiffre qui mesure la qualité, pour trouver le point idéal où le fichier est petit et reste beau.
Les métriques classiques sont insuffisantes. PSNR mesure simplement l'erreur de pixel et suit à peine ce que les humains voient réellement. SSIM a marqué un progrès mais est facile à tromper et sature à haute qualité. Toutes deux peuvent évaluer deux images comme « égales » alors que l'une a clairement l'air pire — ce qui en fait des guides peu fiables pour choisir un réglage de compression.
SSIMULACRA2 est une métrique moderne calibrée sur de vastes bases de données d'évaluations humaines de la qualité. Elle modélise l'image comme le fait la perception — à plusieurs échelles et dans un espace colorimétrique pondéré selon la réponse de l'œil — de sorte que ses scores correspondent à ce que les gens remarquent réellement. Quand elle dit que deux images se ressemblent, c'est généralement le cas.
Le score va jusqu'à 100, et les tranches ci-dessous constituent une règle empirique fiable. Pour la plupart des photos web, viser ~80–90 donne des résultats visuellement sans perte avec des économies de taille notables ; descendre en dessous de 70 commence à se voir sur les dégradés, la peau et le texte.
Au lieu de deviner un chiffre de qualité, fixez un plancher de qualité dans votre tête et utilisez une métrique perceptuelle comme SSIMULACRA2 pour confirmer qu'un réglage le dépasse. Notez quelques images représentatives, trouvez la qualité qui tombe dans votre tranche cible, puis appliquez-la à tout le lot — de sorte qu'une bibliothèque entière atteigne une qualité cohérente et fiable. Vous arrêtez de jouer la prudence à « qualité 90 » et vous publiez les économies que vous laissiez de côté.
# Trouvez une qualité qui dépasse votre objectif perceptuel, puis traitez le lot imageforge photo.jpg --convert avif --quality 88 imageforge ./batch/*.jpg --convert webp --quality 85 --json
Réglez une qualité en laquelle vous pouvez avoir confiance, puis publiez des images plus légères — 100 % sur votre Mac.