目錄
- WebP簡介
- 原理
- 為什麼對預測資料做殘差就可以提高壓縮率呢？
- 為什麼使用算術編碼壓縮率高於哈夫曼編碼？
WebP簡介
\(\quad\)目前在網際網路上，圖片流量仍佔據較大的一部分。因此，在保證圖片質量不變的情況下，節省流量頻寬是大家一直需要去解決的問題。傳統的圖片格式，如 JPEG，PNG，GIF 等格式圖片已經沒有太多的最佳化空間(某些研究在搞二次壓縮)。因此 Google 於 2010 年提出了一種新的圖片壓縮格式 — WebP，給圖片的最佳化提供了新的可能。
\(\quad\)WebP 圖片格式來源於 VP8 影片編解碼器,VP8 編解碼器的一個強大功能就是能夠進行幀內壓縮，或者更確切地說，能將影片的每個幀都被壓縮，再壓縮幀與幀之間的差異。
更具體的描述可以關注官方文件https://developers.google.com/speed/webp/docs/webp_study
WebP格式在相同影像質量條件下壓縮率高於JPEG。
原理
與JPEG演算法相比WebP多了黃色部分的操作，即:
- 對影像資料生成預測塊，並與原始資料做差，殘差資料進行DCT變換
- WebP使用的統計壓縮器是算術壓縮器，替換 JPEG使用的霍夫曼編碼器。
進一步解釋以上兩條原因：
為什麼對預測資料做殘差就可以提高壓縮率呢？
殘差塊通常包含了較小的數值範圍，同時資料分佈更加集中(如下圖所示)，熵值更低。
透過結合預測和做殘差，殘差通常包含許多零值，可以更有效地壓縮。
為什麼使用算術編碼壓縮率高於哈夫曼編碼？
算術編碼：算術編碼通常比哈夫曼編碼更加高效。算術編碼將整個資料流對映到一個單一的數值範圍內，而哈夫曼編碼則是將資料對映到變長的編碼字串。由於算術編碼對整個資料流進行編碼，因此它可以更好地利用資料中的統計特性，達到更高的壓縮率。
哈夫曼編碼：哈夫曼編碼透過根據字元出現頻率來分配變長的編碼字串，出現頻率高的字元使用較短的編碼，出現頻率低的字元使用較長的編碼。雖然哈夫曼編碼在理論上可以達到資訊理論的熵下限，但它需要構建編碼樹，這可能會導致一些額外的編碼開銷。