用 SSIMULACRA2 衡量真实的体积节省

让图片变小很容易。难的是判断它是否依然好看——而且要在规模化的场景下、面对整个素材库，还不能靠眯着眼睛一张张看。这正是感知画质指标要填补的空白，而目前静态图像领域最好的一个就是 <b>SSIMULACRA2</b>。

为什么只看文件大小会骗人

文件小了 90% 听起来很棒，直到你注意到天空出现了块状瑕疵，或者文字变得模糊不清。体积衡量的是成本，而不是结果——所以只针对体积做优化，会在不知不觉中把你推向明显劣化的图像。你需要另一个衡量<i>画质</i>的数字，这样才能找到那个“文件小<b>而且</b>依然好看”的甜蜜点。

PSNR 和 SSIM 还不够

经典指标存在明显不足。<b>PSNR</b> 只是衡量像素误差，几乎无法反映人眼实际看到的东西。<b>SSIM</b> 算是一次进步，但很容易被“欺骗”，而且在高画质区间会饱和。两者都可能把两张明明有明显差异的图像判定为“相等”——这让它们在选择压缩设置时显得靠不住。

SSIMULACRA2 衡量的是什么

SSIMULACRA2 是一个基于大规模人类画质评分数据库调校出来的现代指标。它建模图像的方式与人类感知相似——在多个尺度上，并在一个按人眼响应特性加权的色彩空间中——因此它的评分与人们<i>实际</i>能注意到的差异是吻合的。当它说两张图看起来一样时，它们通常确实一样。

如何解读这个分数

分数最高到 100，下面这些区间是可靠的经验法则。对大多数网页照片来说，把目标定在<b>约 80–90</b>，能在获得有意义的体积节省的同时，得到视觉上近乎无损的结果；一旦低于 70，就会开始在渐变、肤色和文字上显现出差异。

在实践中如何使用

与其去猜一个质量数字，不如在心里定一个<b>画质下限</b>，然后用 SSIMULACRA2 这样的感知指标来确认某个设置是否达标。给几张有代表性的图片打分，找到落在目标区间的质量值，再把它应用到整个批次——这样整个素材库都能落在一致、可信的画质水准上。你不再需要在“质量 90”这种保守数值上原地踏步，而是能真正拿到那些原本被白白浪费掉的体积节省。

# 找到能达到感知目标的质量值，然后批量应用
imageforge photo.jpg --convert avif --quality 88
imageforge ./batch/*.jpg --convert webp --quality 85 --json