4、图像压缩基础：有损 vs 无损压缩，熵编码，霍夫曼编码原理
说到图像压缩，很多人第一反应就是「把文件变小」。没错，但怎么变小，这里面门道可深了。我刚开始接触图像处理时，总觉得压缩就是简单地把像素扔掉，后来才发现，这背后其实是一套非常精巧的数学和编码游戏。
今天咱们就聊聊压缩的两种基本思路：有损和无损。然后再深入看看它们共同依赖的一个核心工具——熵编码，特别是霍夫曼编码。嗯，这部分内容虽然偏理论，但理解了它，你以后调优图片大小的时候，心里会特别有底。
4.1 有损 vs 无损：鱼和熊掌怎么选？
说白了，无损压缩就是「压缩完还能原样解出来」，有损压缩就是「丢掉一些不太重要的信息，换一个更小的体积」。我个人习惯把无损压缩想象成打包行李箱——你叠得再整齐，衣服还是那些衣服，一件不少。有损压缩呢，就像把一件羽绒服抽成真空，体积小了，但拿出来穿之前得先拍打拍打，恢复原状。
无损压缩：解压后的数据和原始数据完全一致，一个比特都不差。常见的格式有 PNG、BMP（RLE 压缩）、GIF（LZW 压缩）。
有损压缩：解压后的数据和原始数据有差异，但人眼通常察觉不到。最典型的例子就是 JPEG。我在项目中遇到过客户非要存无损的 4K 截图，结果一张图几十 MB，网页加载慢得要命。后来我建议他用 95% 质量的 JPEG，肉眼几乎看不出区别，体积直接缩到 1/10。
你想想看，为什么要有损？因为人眼对高频细节、颜色变化其实没那么敏感。丢掉这些信息，我们的大脑会自动「脑补」回来。这就是有损压缩能大幅减小体积的底气。
| 特性 | 无损压缩 | 有损压缩 |
|---|---|---|
| 数据完整性 | 完全保留 | 部分丢失 |
| 压缩比 | 通常 2:1 ~ 5:1 | 可达 10:1 ~ 50:1 |
| 适用场景 | 医学影像、图标、程序截图 | 照片、视频流、网络传输 |
| 典型格式 | PNG, GIF, FLAC | JPEG, MP3, H.264 |
4.2 熵编码：信息论里的「最小化」艺术
熵编码，名字听着挺唬人。其实它就是想办法用最短的二进制码来表示出现频率最高的数据。说白了，就是「把常用词缩写，把生僻词写全」。
信息论里有个概念叫「信息熵」，它衡量的是数据的不确定性。如果一张图片里全是纯色，那它的熵就很低，因为下一个像素的颜色你闭着眼都能猜到。如果图片是雪花噪点，那熵就很高，因为每个像素都不可预测。
熵编码的目标，就是让平均编码长度尽可能接近信息熵。我刚开始学的时候，觉得这玩意儿就是数学游戏。直到有一次我在优化一个嵌入式设备的图片解码速度，发现用对了熵编码，解码时间能差出好几倍。嗯，这时候才真正体会到它的价值。
常见的熵编码算法有：
- 霍夫曼编码：最经典，后面细讲。
- 算术编码：压缩率更高，但计算更复杂。JPEG 2000 和 H.264 里就用它。
- 游程编码（RLE）：简单粗暴，适合连续重复数据多的场景，比如 BMP 和 PCX 格式。
4.3 霍夫曼编码原理：从一棵树说起
霍夫曼编码是 1952 年由 David A. Huffman 提出的。它的核心思想就一句话：出现频率越高的符号，用越短的码字表示。
怎么实现呢？靠构建一棵二叉树。我习惯叫它「霍夫曼树」。构建过程其实挺直观的：
- 统计每个符号出现的频率。
- 把频率最低的两个符号合并成一个节点，频率相加。
- 重复第二步，直到所有符号合并成一棵树。
- 从根节点出发，向左走是 0，向右走是 1，走到叶子节点就得到该符号的编码。
举个例子，假设一张 4x4 的缩略图里，像素值只有 4 种：A、B、C、D，出现次数分别是 10、5、3、2。
构建过程如下：
- 第一步：C(3) 和 D(2) 合并，新节点频率 5。
- 第二步：B(5) 和 (C+D)(5) 合并，新节点频率 10。
- 第三步：A(10) 和 (B+C+D)(10) 合并，根节点频率 20。
最终编码结果：
- A: 0
- B: 10
- C: 110
- D: 111
你看，出现最多的 A 只用了 1 个比特，而最少的 D 用了 3 个比特。平均码长是多少？算一下：(10×1 + 5×2 + 3×3 + 2×3) / 20 = 1.65 比特。如果不用霍夫曼，每个符号固定用 2 比特（因为 4 种符号需要 2 位），平均码长就是 2 比特。压缩率提升了约 17.5%。
heapq 模块来快速构建霍夫曼树。它天然支持最小堆，每次取两个最小频率的节点非常方便。
这里有个关键点：霍夫曼编码是前缀码。什么意思？就是任何一个码字都不是另一个码字的前缀。比如 A 是 0，B 是 10，C 是 110，D 是 111。解码时，读到 0 就知道是 A，读到 10 就知道是 B，不会产生歧义。这一点非常重要，否则解码会乱套。
我曾在一次面试中被问到：「如果符号频率分布非常均匀，霍夫曼编码还有优势吗？」答案是：优势很小，甚至不如固定长度编码。因为霍夫曼编码的优势完全建立在频率差异上。如果所有符号出现次数一样，那编码长度也会差不多，压缩效果就不明显了。
4.4 实战中的选择：什么时候用哪种？
在实际开发中，我一般这样决策：
- 图标、UI 素材、文字截图：用 PNG（无损 + 霍夫曼 + 过滤器）。因为这类图片边缘锐利、颜色少，无损压缩效果很好。
- 照片、自然风景：用 JPEG（有损 + 霍夫曼）。因为照片细节丰富，人眼对高频信息不敏感，有损压缩能大幅减小体积。
- 需要透明通道的图片：用 PNG-32 或 WebP（支持有损/无损 + 透明）。WebP 在同等质量下体积比 JPEG 小 25-35%。
- 视频流或实时传输：用 H.264/H.265（有损 + 算术编码 + 运动估计）。算术编码比霍夫曼压缩率更高，但解码更耗 CPU。
好了，这一章的内容就到这里。下一章我们会深入 JPEG 的压缩流程，看看 DCT 变换和量化是怎么把一张照片「揉碎」再「重组」的。到时候你会发现，霍夫曼编码只是其中一环，真正的魔法还在后面。