Medir a poupança real com o SSIMULACRA2

É fácil tornar uma imagem mais pequena. A parte difícil é saber se continua com bom aspeto — em escala, em toda uma biblioteca, sem semicerrar os olhos a cada ficheiro. É exatamente essa a lacuna que uma métrica de qualidade percetual preenche, e a melhor disponível hoje para imagens fixas é o <b>SSIMULACRA2</b>.

Porque é que o tamanho do ficheiro, por si só, engana

Um ficheiro 90% mais pequeno soa muito bem até reparares no céu em blocos ou no texto esborratado. O tamanho mede o custo, não o resultado — por isso otimizar apenas para o tamanho empurra-te silenciosamente para imagens visivelmente degradadas. Precisas de um segundo número que meça a <i>qualidade</i>, para encontrares o ponto ideal em que o ficheiro é pequeno <b>e</b> continua a ter bom aspeto.

O PSNR e o SSIM não chegam

As métricas clássicas ficam aquém. O <b>PSNR</b> mede apenas o erro de píxel e mal acompanha aquilo que os humanos realmente veem. O <b>SSIM</b> foi um avanço, mas é fácil de enganar e satura a alta qualidade. Ambos podem classificar duas imagens como "iguais" quando uma claramente parece pior — o que os torna guias pouco fiáveis para escolher uma definição de compressão.

O que o SSIMULACRA2 mede

O SSIMULACRA2 é uma métrica moderna afinada a partir de grandes bases de dados de avaliações humanas de qualidade. Modela a imagem da forma como a perceção o faz — em múltiplas escalas e num espaço de cor ponderado consoante a resposta do olho — por isso as suas pontuações alinham-se com aquilo que as pessoas <i>realmente</i> notam. Quando diz que duas imagens têm o mesmo aspeto, geralmente têm.

Como ler a pontuação

A pontuação vai até 100, e as faixas abaixo são uma regra prática fiável. Para a maioria das fotos web, visar <b>~80–90</b> dá resultados visualmente sem perdas com poupanças de tamanho significativas; descer abaixo de 70 começa a notar-se em gradientes, pele e texto.

Usá-lo na prática

Em vez de adivinhar um número de qualidade, escolhe um <b>mínimo de qualidade</b> na tua cabeça e usa uma métrica percetual como o SSIMULACRA2 para confirmar que uma definição o ultrapassa. Avalia algumas imagens representativas, encontra a qualidade que cai na tua faixa-alvo, e depois aplica-a a todo o lote — assim, toda uma biblioteca fica com qualidade consistente e fiável. Deixas de jogar pelo seguro em "qualidade 90" e publicas as poupanças que estavas a deixar em cima da mesa.

# Encontra uma qualidade que ultrapasse o teu objetivo percetual e depois aplica-a em lote
imageforge photo.jpg --convert avif --quality 88
imageforge ./batch/*.jpg --convert webp --quality 85 --json