有损与无损：图像格式为什么故意遗忘

拿一张 1200 万像素的照片（4000 × 3000），同一张图存两次。一次存 PNG：24 MB；一次存质量 90 的 JPEG：3.4 MB。两张图并排放在屏幕上，你看不出任何区别。放大到 400%，差别才露头：头发和草丛有点发软，最锐利的边缘多了一圈淡淡的光晕。

两个文件，一张图，体积差 7×。哪个文件都没出问题，区别只在取舍。PNG 的选择是一个比特都不丢，JPEG 的选择是把你不会注意到的部分丢掉。图像格式之间几乎所有的差别，都能追溯到这一个分岔上。

压缩为什么分成两个阵营

1948 年，Claude Shannon 发表 "A Mathematical Theory of Communication"，给压缩定下了一条硬下限。他的信源编码定理说：任何数据的无损表示都不可能压到它的熵以下，熵就是每个符号的平均信息量。完全随机的图像一点都压不动，纯白的图像几乎能压到零。每张真实图像都落在这条尺度的某处，任何无损算法都越不过它。

有损压缩能存在，是因为这条下限有个空子可钻：它管的是你手里的原始数据，管不到你最后留下的数据。先把图像换成另一幅稍有不同、熵更低的图，下限就跟着降下来了。手法说穿了就一招：先改数据，再打包。工程上真正要回答的问题是：哪些改动可以接受。

答案取决于两件事。一是内容。设置面板的截图，大半是平色和重复的图形，熵低，好预测；森林的照片，放到像素层面全是光子散粒噪声和传感器读出噪声，熵高，没法预测。二是给谁看。读文件的程序要的是精确的比特，一个都不能错；看图的人眼却天生带容错：对颜色的空间分辨力有限，对细密的高频纹理不敏感，感知亮度时认的是比例而不是绝对值（韦伯定律，大致 1% 到 2% 的亮度级差）。

格式就是这样分成两派的。内容可预测、看文件的是机器或者是会放大逐像素检查的人，选无损。内容满是噪声、看文件的是一臂之外的人眼，你就丢得起。

有损压缩的工作原理

人们常说有损编解码器就是 "扔数据"。大方向没错，但说得太粗。它们扔的不是随便什么数据，而是由一个模拟人眼视觉的模型挑出来的那部分。整条流水线是这样的：

1. 把 RGB 转成亮度-色度分离的色彩空间（JPEG 用 YCbCr，其他格式也各有类似拆法）。人眼分辨亮度细节远强于分辨颜色细节，所以色度通道可以只存四分之一分辨率（4:2:0 子采样）。光这一步就砍掉约 50% 的原始数据，而大多数照片里根本看不出来。

2. 把每个块变换成频率。 JPEG 对 8 × 8 的块做离散余弦变换（DCT），JPEG 2000 用小波，AV1 和 HEVC 用更大、尺寸可变的变换。得到的形状总是一样：少数几个大系数描述大轮廓，一大堆小系数描述精细纹理。

3. 量化。 每个系数除以一个步长，再四舍五入取整。小系数直接变零。这是整条流水线里唯一真正有损的一步，编码器上那个质量设置，无非就是这些步长的乘数。质量 95 用小步长，几乎什么都留下；质量 30 用大步长，大部分精细纹理被清零。

4. 给剩下的数据做熵编码。 zig-zag 扫描、游程编码、Huffman 编码或算术编码。这一阶段是无损的，只负责把已经量化完的数字打包。

再把这份清单过一遍：第 1、2、4 步都可逆，只是整理和打包数据。真正把图像毁掉的是第 3 步，而且是故意毁掉，一次一个舍入误差。

这么毁数据会留下很好认的痕迹。质量压得太低，就会出现块效应（blocking）：天空和墙面上浮出 8 × 8 的网格边；振铃（ringing）：文字和高对比度边缘围上一圈光晕；色带（banding）：平滑的渐变塌成一级一级台阶。把有损文件再存一次，流水线就在已经受损的数据上再跑一遍，这就是**代际损失（generation loss）**会层层累积的原因。一张 JPEG 重存到第十次，看起来就像第一张的水彩临摹。

无损压缩的工作原理

无损编解码器不能这么干。解码出来的文件必须和原文件逐比特一致，所以它们能做的只有两件事：建模、打包。标准做法分两步。

第一步，去相关（decorrelate）。 PNG 压缩之前先对每一条扫描线做滤波。每一行，编码器从五种预测器（None、Sub、Up、Average、Paeth）里挑一个，存下实际像素和预测值之间的差。一整行纯白，存完就是一个白色像素加几千个零；一段平滑渐变，存完是一串很小、缓慢变化的残差。不管哪种情况，数字都会变小、挤在零附近，而这正是下一步最想要的输入。

第二步，熵编码。 PNG 用的是 DEFLATE，gzip 和 zip 背后的同一个算法，由两个 1970 年代的想法拼成。LZ77 负责找重复的字节序列，每处重复都替换成一个指向前方 32 KB 数据的（距离、长度）指针；Huffman 编码再给出现频率高的值分短码、给罕见的值分长码。这两步都不丢东西。拿到打包后的数据流，你永远能把它原样放回去，一字节不差。

这就解释了为什么 PNG 对付截图得心应手，碰上照片却毫无办法。界面图形到处是重复：相同的行、重复的图标、大段平色，LZ77 走到哪里都有匹配，滤波器再把剩下的变成接近零的残差。照片则什么都不重复。散粒噪声让每个像素都和邻居差一点，预测器猜不中，残差又大又乱，LZ77 一处重复也找不到。一张 1200 万像素的照片，PNG 相对原始像素通常只能压到 1.3:1 到 1.6:1；视觉质量相近的 JPEG 能到 10:1。

文件更大，换来的是一条绝对的保证：解码一张 PNG，对像素算哈希，每次都和源文件一致。要走 OCR 的截图、要反复拿出来改的扫描件、可能进论文或上法庭的医学和科学图像，要的就是这条保证。

JPEG 为什么在 1992 年押注有损

联合图像专家小组（Joint Photographic Experts Group）1986 年开工，那个年代的限制条件几乎解释了它后来的每一个设计决定。一块 20 MB 的硬盘要卖几百美元，1.44 MB 软盘是搬运文件的标准工具。调制解调器运气好能跑 14.4 kbps，按这个速度，一张 921 KB 的未压缩 VGA 照片要下载差不多九分钟。10:1 的有损版本一分钟以内能下完，2:1 的无损版本还得等四分多钟。

委员会自己的测试已经说明，无损这条路走不远。既定目标是照片类内容（"连续色调图像"），这类内容天生没多少冗余可利用。账算到这里，他们能压榨的只剩一个环节：看图的人。

知道的人不多：1992 年发布的那份标准（ISO/IEC 10918-1）里其实带着一个无损模式。它完全跳过 DCT，用七种固定预测器之一，从至多三个相邻像素预测当前像素，再对残差做熵编码。思路和 PNG 三年后用的那套是一样的。但几乎没有人去实现它，解码器不理，编码器也不理。等到医学影像真的需要无损 JPEG 时，行业干脆另立了一个标准（JPEG-LS，ISO/IEC 14495，1999）。

委员会还得躲着专利走。JPEG 的算术编码选项陷在 IBM 的 Q-coder 专利里，免版税的基线规格只好定在 Huffman 编码上，大多数实现后来也从没碰过算术那条路。专利问题左右编解码器设计，这在 1992 年不算新鲜事，而且很快还要变本加厉。

说到底，JPEG 押的是一场心理视觉的赌局：压缩的最后 5×，靠的不是数学，是生物学。

PNG 为什么在 1995 年押注无损

PNG 不是被设计出来的，是被一场专利危机逼出来的。

1994 年 12 月，Unisys 宣布要对使用 GIF 的软件收许可费，理由是 GIF 的压缩依赖 LZW 算法，而覆盖这个算法的 1985 年专利在 Unisys 手里。GIF 的作者 CompuServe 和 Unisys 达成协议，把费用转嫁给了开发者。Usenet 上的图形社区炸了：GIF 免费用了七年，整个早期网络的图片和工具，一夜之间全落在了别人的专利范围里。

几周之后，1995 年 1 月初，Thomas Boutell 贴出了替代格式的第一份草案。一群志愿者在邮件列表里干了几个月，把设计敲定了下来。PNG 1.0 在 1996 年 10 月成为 W3C 推荐标准，1997 年 3 月又成了 RFC 2083。

有两条要求从头到尾没有讨论余地。一是所有算法都必须完全不沾专利，答案只能是 DEFLATE（Phil Katz 的 PKZIP 里那套 LZ77 加 Huffman 的组合，由 Jean-loup Gailly 和 Mark Adler 实现在 zlib 里）。二是格式必须无损，没有商量。社区要换掉的是 GIF，一个会把图压坏的替代品，从第一天起就不会有人用。更何况专利审查摆在那里，JPEG 赖以成立的那些感知编码技巧，本来也一点空间都没剩下。

内容同样关键。PNG 是为 GIF 实际承载的东西做的：标志、示意图、线条画、图标、截图，全是锐利边缘加大面积平色，恰好是 JPEG 振铃伪影最扎眼的内容。转头去抢照片市场，等于重新发明一遍 DCT，再跟根深蒂固、免版税的 JPEG 正面硬碰。PNG 选了一场打得赢的仗，而且赢得干干净净。GIF 专利 2003 年到期（美国以外 2004 年），但那时候，PNG 早就把它的活儿接过来了。

有损为什么还是赢下了市场

PNG 守住了自己的一亩三分地，JPEG 拿走了剩下的一切。

原因很简单：体量。网络上的图像绝大多数是照片，而对照片来说，有损不是妥协，是对的工具。2025 年的 Web Almanac 显示，问世三十年后，JPEG 仍约占全网传输图像的 57%。社交信息流、新闻摄影、商品图、房源列表，全是连续色调内容。在人们实际使用的屏幕上，质量 75 的有损编码和源文件看不出区别。

经济账也往同一个方向推。存储和带宽按字节收费，10:1 对 2:1 不是零头差距，而是在画质可以接受的前提下，5× 的分发成本差。页面速度跟着文件大小走，文件大小跟着压缩走。每台相机、每部手机，出厂默认就是有损格式（JPEG 或 HEIC）；每个 CMS 生成的都是有损缩略图；社交平台把每一次上传都重编码一遍，一半为了体积，一半为了剥掉元数据和藏在里面的恶意东西。摄影师可以上传一张完美无瑕的 TIFF，时间线上发出去的，是一张质量 85 的 JPEG。

无损其实没输，只是退到了那条保证真正值钱的地方：截图和 UI 素材，伪影在那里一眼就能看到，内容本身也压得好；编辑流水线里的母版，每多一代有损都在累积损伤；医学、法律和科学影像，在那里 "差不多" 不能当证据用。这些地盘上，PNG 和 TIFF 的地位没人撼动，只是网络的流量不从那里走。

各格式的落点

两个趋势值得注意。一是新编解码器不再站队：WebP、HEIC、AVIF 和 JPEG XL 都在同一份规范里同时给出有损和无损两种模式，JPEG 2000 早在 2000 年就这么干了。"有损还是无损" 这个问题，从 "选哪个格式" 变成了 "选哪个模式"。二是边界情况不断冒出来。JPEG XL 能把一张现成的 JPEG 无损地重压到原来的 80% 左右，能做到这一点，是因为两个阵营互相研究了对方三十年的算法。

实际中怎么选

决策树很短：

• 发布照片？选有损。要兼容选 JPEG，要体积选 WebP 或 AVIF。
• 保存截图、标志，或任何带文字和平色的内容？选无损，用 PNG。
• 要编辑？母版保持无损，导出时另存有损副本，并且永远别把有损文件用同一格式再存一遍。每多一代，损伤就叠一层。
• 要转换？让输出去配合用途，而不是配合输入。一张要进相册的 PNG 截图，应该转成 JPEG 或 WebP；一张要进设计稿的 JPEG，应该转成 PNG。这不是因为它能提升质量（不能），而是因为它到此为止，不会再继续损失。

最后这一点，用 iPhone 拍照的人最容易搞错。HEIC 本身就是有损的 HEVC 压缩，转成 PNG 不会把任何东西变回来，只是把当前状态定住，保证不再继续损失。如果你打算编辑，这仍然有意义。要分享的话，直接转成 JPEG 就完了，不必绕路。我们的 HEIC 转 JPG、HEIC 转 PNG 和 HEIC 转 WebP 转换器都在你的浏览器本地运行，文件不会离开你的设备。

矩阵里其他方向也是同一套逻辑。把 JPEG 放进无损编辑流程：JPG 转 PNG。把 PNG 截图压小了好上网：PNG 转 JPG；想更小又要保留透明，用 PNG 转 WebP。反方向，WebP 转 PNG 和 WebP 转 JPG 找回与旧软件的兼容。手里是未压缩的 BMP 扫描件，BMP 转 JPG、BMP 转 PNG 和 BMP 转 WebP 一步给出同样的有损-无损选择。连渲染文档都会遇到同一个岔路口：把 PDF 页面导出成图，照片类页面选 PDF 转 JPG，文字必须保持锐利时选 PDF 转 PNG。

三十年过去，活下来的格式都有一个共同点：它们清楚自己的用户，哪些数据丢得起，哪些一个比特都不能少。