我们的目标就是：用最小的箱子（最少的数据量），装下所有衣服（图像信息），并且打开后衣服要基本能用（图像可看）。
核心思想：扔掉人眼看不出的信息，并用聪明的方法打包剩下的信息。
常见的编码方式可以分为三大类：
第一类：基础篇——直接给每个像素“贴标签”
这就像给你的每件衣服（像素）都用一个固定长度的标签（比如8位二进制数）来记录颜色。
是什么：最简单的编码。例如，一张黑白照片，纯黑是0，纯白是255，灰色是中间值。每个像素都用一个数表示。
优点：非常简单，原汁原味。
缺点：非常“占箱子”。一件薄T恤和一件厚羽绒服都用一样大的袋子装，很浪费。图像中大片相同颜色（如蓝天）也被重复记录无数次。
典型代表：BMP位图格式就是类似这样（略有优化）。
第二类：进阶篇——找到规律，合并同类项
这类方法开始“偷懒”，寻找图像中的重复模式。
1. 游程编码：对付“条纹衫”
怎么做：如果连续100个像素都是“天蓝色”，它不会记100次“天蓝”，而是记“天蓝，100次”。
场景：非常适合颜色单一、有大片连续相同区域的图像，比如卡通、图标、部分屏幕截图。
现实例子：就像打包袜子时，你不会一只一只卷，而是把相同颜色和款式的袜子配对卷起来，然后标上“同款袜子，5双”。
2. 词典编码：建立“常用短语手册”
怎么做：编码器一边看图像，一边建立一个“常用图案词典”。比如，“蓝-蓝-白”这个组合出现了50次，就给它一个短编号#01。之后遇到这个组合，就用#01代替，大大缩短了码长。
场景：适用于各种有重复纹理的图像，比如砖墙、织物、自然风景。
现实例子：你和朋友约饭，不用每次都写“老地方第三家火锅店靠窗第二桌”，而是直接说“老位子”三个字。GIF格式就用了类似思想。
第三类：高手篇——转换视角，抓大放小（现代图像压缩核心）
这类方法最厉害，也是JPEG等主流格式的基础。它分三步走，像一个“图像处理流水线”：
第一步：色彩空间转换与采样 —— “人眼对亮度更敏感”
先把图像从红绿蓝模式，转换成“亮度 + 色度”模式。
关键操作：对色度信息进行“下采样”（比如把4个像素的色度信息合并成1个）。因为人眼对颜色细节不敏感，对明暗细节敏感。这步直接扔掉了一半以上的颜色数据，但人眼几乎察觉不到。
第二步：离散余弦变换 —— “抓大放小，保留主干”
把图像分成8x8的小块，对每个小块进行一种数学变换（DCT）。这个变换能把像素信息，转换成一系列不同频率的“波形”。
关键理解：图像的大部分能量（主要特征）都集中在少数几个低频波形上。高频波形代表边缘、纹理等细节。
这就好比一段音乐的主旋律（低频）和其中的细微装饰音（高频）。
第三步：量化和熵编码 —— “丢弃装饰音，并用终极秘籍打包”
量化（有损压缩的核心）：用一个“量化表”去衡量每个频率波形的重要性。像对待“装饰音”一样，把那些不重要的高频分量直接归零。量化表越“狠”，归零越多，压缩率越高，但细节损失也越大（图片会变模糊、出现马赛克）。
熵编码（无损打包）：对量化后剩下的一大串数字（很多是0），用最精简的编码方式（如哈夫曼编码）进行最终打包。给出现频率高的数字组合短码，给出现频率低的组合长码。
总结与类比
| 编码思想 | 生活比喻 | 常见格式/应用 |
|---|---|---|
| 基础像素记录 | 每件衣服单独装一个标准袋 | BMP |
| 游程编码 | “同款袜子，5双”这样记录 | PCX, 部分TIFF |
| 词典编码 | 用“老位子”代替一长串描述 | GIF |
| 变换+量化+熵编码 | 1. 只关注衣服款式，忽略线头（转换采样） 2. 保留主要几件外套衬衫，舍弃大部分配饰（DCT+量化） 3. 用真空压缩袋终极打包（熵编码） | JPEG (照片), MPEG/HEVC/H.264 (视频) |
给初学者的核心建议：
无损编码（前两类）：追求精确还原，像用Zip压缩文件，解压后一模一样。压缩比有限。
有损编码（第三类）：追求极致压缩，允许信息丢失。像把音乐转成MP3，大部分人听不出区别。JPEG就是典型的有损编码，它巧妙地利用了人眼的视觉特性来大幅压缩数据。
所以，当你保存一张JPEG图片，选择“高质量”或“低质量”时，你本质上是在调整那个量化表的“严格程度”，决定了要扔掉多少“装饰音”（高频细节）。
框图要点解读：
1.三大技术路径
基础编码：保真但低效，作为其他格式的基础层
无损压缩：完全还原，适合图形、医疗图像等
有损压缩：智能取舍，适合照片、视频等多媒体
2.JPEG核心三步曲（现代压缩典范）
色彩处理：
RGB → YCbCr + 色度采样→ 立即减少约50%数据变换与筛选：
DCT变换 + 量化→ 分离主次信息，丢弃人眼不敏感的细节高效编码：
之字形扫描 + 熵编码→ 用最经济的代码表示剩余信息
3.两个核心权衡
压缩比 vs 图像质量：在JPEG量化步骤中直接体现，质量滑块本质是量化表的严格程度
编码复杂度 vs 解码速度：通常编码复杂耗时，解码简单快速（利于传播查看）
4.一个统一思想
所有方法都围绕“消除冗余”展开：
空间冗余：相邻像素相似性（游程、DCT利用）
视觉冗余：人眼特性（色度采样、量化利用）
统计冗余：数据出现概率不均（熵编码利用）
给初学者的实践建议：
当你在手机或电脑上保存图片时：
选PNG：相当于走“无损压缩”路径，适合线条图、文字截图
选JPEG：就是走完上面完整的“有损压缩”三步骤，适合照片
调整JPEG质量滑块：就是在调整“量化表”的严格程度
保存为WebP/HEIF：使用了更先进的变换和预测技术，但基本思想一致
