无损图像压缩到底是如何工作的

“无损”听起来像个矛盾说法：文件怎么可能在不丢弃任何东西的情况下变小？秘诀在于图像中充满了<b>冗余</b>，而压缩就是用更少的比特描述同样像素的艺术。解码之后，你会精确地得到每一个原始值——逐位还原。

“无损”到底是什么意思

像 JPEG 这样的有损格式会丢弃那些你的眼睛大概率注意不到的信息。无损压缩则<i>什么都不丢弃</i>：解码后的图像与输入完全一致。这就是为什么它是截图、线稿、Logo、UI 素材和归档母版的正确选择——在这些场景里，哪怕一个像素的偏移都算是 bug，而不是舍入误差。

第一步：更好地建模数据

原始像素本身是浪费的，因为相邻像素高度相关——左边的像素通常就是对当前像素相当不错的猜测。无损编解码器会根据相邻像素<b>预测</b>每个像素，只存储很小的误差（残差）。PNG 把这称为<i>滤波器</i>（Sub、Up、Average、Paeth）；预测越准，残差就越集中在零附近，而零值压缩起来效果极好。

第二步：熵编码

一旦数据大多变成了微小且重复的残差，<b>熵编码器</b>就会给常见值分配短编码、给罕见值分配长编码。PNG 使用 DEFLATE（LZ77 + 霍夫曼编码）；WebP 无损模式和 JPEG XL 等现代编解码器则使用带上下文建模的算术编码或 ANS 编码，能更逼近理论极限。格式各不相同，但思路是一致的：在可预测的部分花更少的比特。

工具从哪里发力

这就是为什么同一张图片生成的两个无损 PNG 文件大小可能天差地别：像素完全相同，只是编码器为描述它们付出了更多努力。<b>oxipng</b> 会搜索各种滤波器策略并重新压缩；<b>zopfli</b> 是一种慢得多的 DEFLATE，通常能再省下几个百分点；WebP 和 JPEG XL 则完全采用了更聪明的模型。它们都不会碰任何一个像素。

# 无损，最大努力值——像素完全相同，文件更小
imageforge logo.png --lossless --effort max
imageforge ui-export.png --convert webp --lossless

诚实地说说局限

无损压缩有其下限。真实场景的照片携带着真正的高频细节（传感器噪点、细腻纹理），这些内容本就难以被准确预测，因此无损压缩在这类图像上收益有限——这正是有损格式发挥价值的地方。但对于平面、合成或文字密集型图像，无损压缩通常能在零画质损失的情况下砍掉 30%–70% 的体积。关键的本领，就是判断你的图像属于哪一类。