怎么压缩图片大小清晰度不变,无损压缩图片的原理和方法

题图来自Unsplash，基于CC0协议

导读

压缩图片时保持清晰度不变是一个常见的需求，尤其是在需要分享或上传图片但又希望减少加载时间和文件大小的场景。以下是一些有效的方法，可以帮助你在尽量不损失图片质量的前提下压缩图片大小：

1. 了解不同图片格式的特点：

• JPG/JPEG: 优秀的压缩率，特别适合照片等色彩丰富的图像。它是有损压缩，压缩比越高，文件越小，但会有一定的质量损失。这也是我们通常指的“调整质量”来压缩的格式。其优点在于它在视觉上可以接受的压缩损失与文件大小的减小之间取得了较好的平衡。
• PNG: 无损压缩，能完美保留图像信息，支持透明背景。但其压缩率远不如JPG，默认情况下文件会比相同JPG版本大很多。适合需要透明度或需要绝对保证无损质量的场景，如Logo或截图。
• GIF: 多用于简单的动画或包含较少颜色的静态图像，但它使用的是无损压缩（但对于颜色有限制），并且分辨率为72dpi，不适合高质量照片。
• WebP: 这是由现代浏览器支持的一种新型格式，其压缩率通常优于JPG，而且可以在相同文件大小下提供更好的视觉质量或在保持相同质量下提供更小的文件大小。是一个比较平衡的理想选择。
• BMP: 是一种未压缩的格式，文件大小很大，不适合压缩。

2. 利用无损压缩工具：

一些在线图片压缩工具（如 TinyPNG, ImageOptim, Compressnow 等，或桌面软件如 GIMP）主要针对 PNG 和 JPEG 格式进行无损压缩。它们通过：

• 优化元数据（元数据通常占用的空间不小，但对显示内容没有帮助）
• 去除不必要的颜色信息（但保留原始颜色，确保无损）
• 轻微调整色彩空间和压缩算法

来有效地减小文件尺寸，而不会对图像本身的质量造成明显影响。

3. 调整 JPEG 压缩质量参数：

当你保留 JPEG 格式时，可以通过调整“质量”或“压缩级别”来索引：

• 默认值通常不是最优： 大多数程序的默认设置可能压缩得不充分或过度了，不一定能给你最好的压缩 / 质量比率。
• 适度压缩是关键： 降低质量设置确实能让文件更小，但如果降低过多，人眼睛尽管不一定能严格分辨，但图片质量（尤其在图像细节、锐度或暗部纹理）方面忽视，在屏幕上放大看时可能会发现肉眼可辨的压缩迹象。
• 推荐范围： 尝试将 JPEG 质量参数设置在 80% 到 95% 之间，看看哪个选项在减小文件大小的同时，仍能满足你的视觉标准，并且压缩引起的模糊不太明显。
• JPEG 默认 Quality 参数不宜直接依赖，在这之间稍微调整看看效果更佳。

4. 选择合适的尺寸和用途：

• 不必要的放大： 这是最常见的错误。如果你是在屏幕上查看图片，那么比最终需求尺寸稍大的图片可能就必须压缩了。不必要的放大只会增加文件大小，并且压缩时不切实际地缩小放大了的区域，往往会导致清晰度下降。
• 根据用途选择图片尺寸： 例如，社交媒体帖子、网络文章使用的图片尺寸通常要小得多，无需使用原始高清尺寸，将其压缩到 Web 可用大小即可。

为什么压缩会导致清晰度丢失及避免措施：

图片清晰度损失通常源自有损压缩，尤其是在 JPEG 中。压缩过程会将颜色信息量化，选择最接近像素原始值的颜色进行代表。压缩比率越高、质量值越低、图片尺寸越小，这种量化误差就越大。

可以采取的避免措施：

• 采用 PNG 等无损格式： 适用于需要绝对保真度的情况。
• 使用先进的格式如 WebP： 通常可以在视觉上达到比传统 JPG 更高的压缩率。
• 保持原始图像质量： 记住，压缩是针对单张图片进行的，要尽可能从一开始就压缩原文件，而不是在网络上多次截图并再次压缩。
• 使用专业图像编辑软件： 软件如 Photoshop 提供了“丢弃预览图”、“置入文件”等选项，可以帮助在无损压缩文件的同时脱机保存原始图像数据，方便随时重新压缩。
• 在调整 Quality 之后检查图像： 压缩之后，将压缩前和压缩后的图像并排显示，逐个放大局部放大查看，看看是否肉眼可辨认出质量上的差别。

在线工具和应用的选择：

如果你不喜欢安装软件，可以使用以下在线方法：

• tinypic 或类似的在线图片托管服务： 上传图片，服务器会自动进行压缩并提供更小尺寸的链接。
• 手机 App： 很多手机自带或第三方 App 提供图片压缩功能，其中很多也提供了简单的质量调节选项。
• 建议： 选择信誉良好、数据传输加密、承诺不存储或泄露用户隐私的工具。压缩本地图片一般是更好的选择，不适合处理敏感图片（如身份证照片、机密资料等）。

小结：

压缩图片不失真关键在于深入了解格式特点，善用无损压缩工具，调整合理的 JPEG 质量值，并考虑采用新型的 WebP 格式。平衡好文件大小和清晰度是关键，对于大多数场合，将 JPEG 质量设置在 80%-95% 的范围内，通常是一个不错的起点。重要的实验和用户根据自己的具体图像和使用的场景来找到最佳设置。