宁波猫的窝

1992 年的那个夏天，一位跟您一样的绅士在黑暗的房间里死死盯着电脑。一旁的调制解调器疯狂闪烁，竭尽全力让这张 720×575 像素的图片，一行一行慢加载。而这在近乎无尽的等待中，绅士几乎要疯狂了。

直到JPEG的出现解了燃眉之急！

1992 年，“联合图像专家组”创建了第一个国际图像压缩标准，它能在不明显降低图像质量的基础上，把图像压缩至原始大小的10%。

随着数码相机、扫描仪、互联网的发展，JPEG迅速成为应用最广泛的图像格式。直到32年后的今天，你大爷还是你大爷，没有任何其他图像格式能跟JPEG抗衡。

JPEG 凭什么称霸图像界30 多年？它究竟有多巧妙？

视频版

↓↓ 看完这个视频就知道了 ↓↓

↑↑ 信我，真的超级好看 ↑↑

图文版

在互联网的古早时代，JPEG 是凭借强劲的压缩实力展露头角的。所以故事的开始，我们要从JPEG的压缩原理谈起。

而它的原理，可以说是妙蛙种子吃着妙脆角进了米奇妙妙屋，那叫一个妙。

在 1992 年以前，主要的图像格式都是无损格式。要把它们压小，首先要知道图像中的哪些信息可以偷偷舍弃掉。这就涉及到了两个心理视觉原理。

先讲第一个：你可以看看这三张图片，哪两张看起来区别更大？显然是这两张。这是因为人眼对亮度的变化，要比对色彩的变化敏感得多。

原因也很简单：人眼中有视锥、视杆细胞两种细胞，分别负责感受颜色和亮度。

负责感受颜色的视锥细胞大概有600～700万个，而负责感受亮度的视杆细胞则有1亿2500万个，所以人眼对亮度的变化非常敏感，但对色彩的变化就迟钝一些。

既然这样，那就压缩一些颜色信息呗~这就是JPEG压缩的第一步。

怎么压缩颜色呢？很简单，图片由一个个像素组成，每个像素包含红绿蓝三种元素，利用这个公式，我们可以把RGB模型转换成YCbCr 模型，其中Y表示亮度，Cb和Cr分别表示蓝色和红色的色度。

转换完后，就可以把蓝色、红色色度这两张图，每四小块合并成一大块，这样就把颜色信息压成了原来的1/4——反正人眼对颜色不敏感，所以也不会有太大影响。这就是 JPEG 对第一个视觉原理的应用。

而第二个视觉原理是：人眼擅长感受低频信号，却不擅长感受高频信号。

这是什么意思呢？低频信号，是这种指像素之间变化比较平缓的线条。比如整片的天空和岩石表面。而高频信号，是指这种像素之间变化比较剧烈的线条，比如复杂纹理。

比如你可能根本没发现，这张图片的左下角还藏着一只花豹。这就是因为你的眼睛对高频信号不敏感。

所以只要把图片中的高频信号删掉一些，就可以把图片再压小一点。

但问题是，怎么区分高频和低频信号呢？这里，就涉及到JPEG算法的精髓了。

让我们请出小李子当一下模特：如果我们只看其中一行像素的亮度值，那它的频率变化曲线是这样的，非常复杂。

但所有复杂的事物，都可以还原为简单事物的集合。比如不管多复杂的图案，都可以用最基础的积木搭建出来。任何一条曲线，都可以还原为若干余弦波的叠加。这行像素的频率变化曲线也一样。利用这8条基础频率曲线，就可以把它给拼凑出来。

一行像素是一维的，但图片是二维的。那再把8条频率曲线竖着排一列，重叠的位置两两叠加，我们就得到了一张由64个基函数构成的“基图”。

关键就在这里，这“基图”中的这64个基函数，每个都相当于一块积木。任何一张图片的颜色和亮度图层，都可以用这些积木搭建出来。

比如我们可以把亮度图层中每8*8个像素划分成一个区块，然后用基函数去“量”这个区块，得到一个矩阵。矩阵中的每一个数字，就代表这张图需要用到多少块不同的积木。

这里的275.5，就代表它需要用275.5个第一种积木，59.5个第二种积木......

更妙的是，观察整个矩阵，你会发现左上角的数字远大于右下角，因为左上角的“积木”代表的是低频信号。而绝大多数图片中的主要信息，都是低频信号。而高频信号，比如你脸上的鼻孔、痘痘、皱纹，跟那张大脸比起来，只是一小部分而已。

为了进一步区分低频和高频信号，专家组还提供了一组量化矩阵。只要用处理好的亮度和色度图层分别除以量化矩阵，就能得到一大堆0，只剩下9个非0的数字。

这意味着，其实只要用9种基础“积木”，就能把小李子搭的人模人样了。这能让我们大大减少图片的信息量。

而且量化矩阵里面的数字还可以根据需求变化。如果你想把图片压小，那最终得到的0越多，要用到的积木越少，但出现这种锯齿状的“伪影”的概率也就越大。

至于这些0，就是人眼比较麻木的高频信息，把它们编码打包，减少冗余，JPEG的压缩就大功告成了。

可以看出，JPEG的巧妙，在于它充分利用了人类视觉的特点，巧妙地用算法舍弃了你注意不到的信息，实现了出色的压缩效果。

但JPEG之所以始终是图像界的大爷，靠的不光是技术，还有当时拉胯的算力。比如在JPEG诞生的时候，就有比它更会压缩的算法，叫“卡洛南-洛伊变换”。但它所需要的计算量太大，远超出那个年代的计算机可实现的水平。所以排名第二的DCT算法才成为了最终的赢家。

而且毕竟是最早一代的图像压缩标准， 随着后续的改进，JPEG的孙子辈们在实力上也已经超越了它。比如在2000年，联合图像专家组又发布了另一种新的压缩图像标准：JPEG2000。它能在保持相同图像质量的情况下，把压缩率提高200%，甚至还支持无损压缩。

但那又怎么样呢？JPEG的人脉太广，牢牢把持住了互联网。直到目前，与JPEG2000兼容的软件、浏览器还是比较少，跟我一样老，诞生于1992年的JPEG仍然是目前最普遍认可的图像文件格式，你大爷还是你大爷。

至于HEIF、WEBP等更新的图像格式，兼容性就更差了。iPhone用户用windows电脑时对HEIF最大的好奇就是“怎么才能转成JPEG”，至于WEBP......一般人下载到这个格式的图像文件，都以为自己下错了，打不开，只能转过头去截图一个JPEG。

所以，JPEG之所以始终是你大爷，固然有自身技术出色的原因，但也是因为它把握住了历史的进程。

最后，除了 JPEG 以外，还有另一种格式也很常见：JPG。那 JPEG 和 JPG 有什么区别？

它们最大的区别，就是JPEG 有四个字母，而 JPG 有三个字母，别的就没有了。

没开玩笑。

在 Windows 95 之前，Windows 操作系统最多只支持三个字符的文件扩展名，所以 JPEG 被缩写成了 JPG，中间的 E 被省略了。而这种限制在 MAC 等类 UNIX 系统中并不存在，在 Windows 95 之后的操作系统在也不存在，所以 JPG 又可以用回大名 JPEG 了。

就是这样~