软件设置
type
status
date
slug
summary
tags
category
icon
password
图片参数
通用名词
名称 | 数值范围 | 影响因素 |
图片质量 | 1 ~ 100 | 数值越小,质量越小 |
Alpha 质量 | 0 ~ 100 | 对于包含Alpha通道的图像(如PNG或某些格式的PSD文件),调整Alpha平面的保真度意味着控制在压缩过程中Alpha通道信息的丢失程度。较高的保真度设置会保留更多的细节,但文件大小也会相对较大;较低的保真度设置则会牺牲一些细节以获得更小的文件大小。
数值越小,质量越小 |
位深 | 1 ~ 16 | 位深(Bit Depth),在图像处理领域,指的是每个像素所用的位数,它决定了图像能够表示的颜色数量。位深越高,能表示的颜色就越丰富,图像的色彩过渡也越平滑。例如,8位深度可以表示256种颜色,而16位深度则可以表示65536种颜色。该值越小,体积更小,但是色彩变低,建议适量调整或者保持不变 |
子采样模式(色度子采样) | ON/OFF/AUTO | 在图像和视频编码中,色度子采样是一种减少数据量的技术,通过降低色度(颜色)信息的分辨率来实现。这是因为人眼对亮度变化的敏感度高于对色度变化的敏感度。 |
保留元数据 | 保留/不保留 | 元数据(Metadata)是关于数据的数据,它可以提供关于文件的详细信息,包括但不限于:
- 创建日期和时间
- 修改日期和时间
- 设备信息(如相机型号、镜头信息)
- 图像参数(如分辨率、色彩空间、曝光设置)
- 地理位置信息(GPS坐标)
- 版权信息
- 描述性标签或关键字
在某些情况下,为了保护隐私、减少文件大小或者简化数据管理,用户可能需要选择保留部分或全部元数据,或者完全删除某些类型的元数据。这个选项通常出现在媒体处理软件或设备的设置菜单中。 |
无损压缩 | - | 无损压缩是一种数据压缩方法,在此过程中,原始数据可以被完全恢复,即压缩前后的数据是完全一致的,没有任何信息丢失。这种压缩方式常用于需要保持数据完整性的场景,比如文本文件、程序代码、某些类型的图像(如专业摄影或科学成像)以及音频文件等。
当启用无损压缩时,软件或设备会使用算法来寻找数据中的重复模式或冗余信息,并以更高效的方式存储这些信息,从而减小文件大小,但不会牺牲数据的质量或完整性。一旦需要,这些数据可以被解压回其原始状态,而不发生任何改变。
无损压缩会保留原数据,若要更小质量则无需勾选。 |
渐进式图片 | Boolean | 在传统的基线JPEG中,图片是从上至下逐行解码并显示的。这意味着在图片完全加载之前,你只能看到顶部的一部分,底部的部分仍然是空白的。
而在渐进式JPEG中,图片首先以很低的分辨率显示,即一个非常模糊的版本。随着更多的数据被加载,图片的清晰度逐渐增加,直到最后完全清晰。这种方法的优点在于,即使在网络连接较慢的情况下,用户也能很快地预览到图片的大致内容,提升用户体验。 |
抖动处理 | 0~1 | ㅤ |
Webp
名称 | 数值范围 | 影响因素 |
智能色度抽样 | Boolean | 智能调节色度子采样 |
智能最小尺寸 | Boolean | 优化以达到最小文件大小 |
混合编码 | Boolean | 在图像或视频编码中,不同区域或帧可能具有不同的特性,如静态背景与动态前景、纹理丰富的区域与平滑的渐变等。混合编码策略可以根据内容的特性,智能地选择最适合的编码方式,比如对静态部分使用无损压缩,对动态部分使用有损压缩,或者结合多种有损压缩的参数设置,以达到整体的最佳压缩比 |
JPEG
名称 | 数值范围 | 影响因素 |
使用给定索引的预定义量化表 | 0 ~ 8 | 不同的量化表可以产生不同程度的压缩和相应的质量损失。预定义的量化表是事先设计好的,根据特定的应用场景和质量要求优化过的量化矩阵集合。使用预定义的量化表,可以通过指定的索引选择合适的量化表,以达到预期的压缩效果和图像质量平衡。
0 - 来自JPEG附录K的量化表(vips和libjpeg默认使用)
1 - 平坦量化表
2 - 针对Kodak图像集上的MSSIM指标优化的量化表
3 - 由N. Robidoux为ImageMagick设计的量化表(当前mozjpeg默认使用)
4 - 针对Kodak图像集上的PSNR-HVS-M指标优化的量化表
5 - 来自《人眼视觉与JPEG-DCT压缩的相关性》(1992年)论文的量化表
6 - 来自《DCTune:压缩牙科X射线的感知优化》(1997年)论文的量化表
7 - 来自《一种视觉检测模型在DCT系数量化中的应用》(1993年)论文的量化表
8 - 来自《一种改进的DCT系数量化视觉检测模型》(1993年)论文的量化表
以上量化表各有特点,针对不同的图像质量和压缩效率进行了优化。
|
在指定的MCU数量之后添加重启标记 | 0 - 2147483647 | 在JPEG等图像压缩标准中,MCU是最小的编码和解码单位,通常包含了一个亮度块和两个色度块,其大小取决于使用的色度子采样模式。
重启标记是JPEG格式中的一种特殊标记,它们被插入到图像数据流中,作为图像编码过程中的检查点。这些标记可以帮助解码器在遇到错误(如数据损坏或传输中断)时,从最近的重启标记开始重新同步,而不是从头开始解码整个图像。这样可以提高解码的鲁棒性和容错能力,尤其是在网络传输或存储介质不稳定的场景下。
通过指定每多少个MCU添加一次重启标记,可以在图像质量和解码鲁棒性之间找到一个平衡点。增加重启标记的数量可以提高解码的鲁棒性,但可能会稍微增加文件大小,因为每个标记都会占用一定的字节。 |
最优Huffman编码表 | Boolean | 基于图像数据的实际统计特性,计算出能够使得压缩比最大化的霍夫曼编码表。这个过程通常是在编码阶段通过对图像数据进行分析,统计出各个DCT系数出现的频率,然后构建霍夫曼树并生成编码表。在解码阶段,解码器会使用同样的编码表来还原原始数据,从而完成无损解压缩。 |
对每个8x8块应用格子量化 | Boolean | 为了提高编码效率和图像质量,对每个8x8像素的图像块采用一种优化的量化策略——格状量化。这种技术通过精细的决策过程,在每个量化步骤都力求达到最佳的速率失真性能,从而在整体上提高了编码的效率。 |
对具有极端值的样本应用超调 | Boolean | 在处理信号或图像时,对那些值特别大或特别小的点,有意地增加过冲效应,以增强局部特征,但需注意控制过冲的程度,以免造成图像质量下降。 |
将DCT系数的频谱拆分为单独的扫描 | Boolean | 在JPEG图像压缩中,将离散余弦变换(DCT)系数的频谱分成多个独立的扫描过程。在JPEG编码中,图像首先被分割成8x8的像素块,每个块经过DCT变换后,得到一系列的DCT系数,这些系数包含了图像的频率信息,在渐进式JPEG编码中尤为重要,它允许图像在下载过程中逐步变得清晰,先显示低频信息(基本轮廓),再逐渐加入更多细节。这样,用户可以更快地预览图像的大致内容,提高了用户体验,尤其是在网络速度较慢的情况下。 |
PNG
名称 | 数值范围 | 影响因素 |
压缩因子 | 0~9 | 数值越小,质量越小 |
libspng行过滤标志 | none, sub, up, avg, paeth, all | 在PNG图像压缩中,滤波器预处理是提高压缩效率的一个重要步骤。上述内容描述了PNG标准支持的不同滤波器类型:
NONE:不使用任何滤波器,即不进行预处理,直接压缩原始数据。
SUB:使用左邻像素的差值进行预测。每个像素值减去左侧像素的值,以此减少数据的冗余。
UP:使用上方像素的差值进行预测。每个像素值减去正上方像素的值,同样是为了减少数据间的相关性。
AVG:使用左邻和上方像素的平均值进行预测。每个像素值减去左上角两个像素值的平均值,这种方法综合了左右和上下方向的信息。
PAETH:使用Paeth预测器自动选择最佳的邻居像素进行预测。这是一种更为复杂的预测算法,它根据周围像素的具体情况选择最合适的预测值,以达到更好的压缩效果。
ALL:自适应选择滤波器。在编码时,PNG会尝试所有五种滤波器,为每一行选择压缩效果最好的滤波器类型。这种策略通常能提供最高的压缩比率,但计算成本也相对较高。
这些滤波器的作用是在编码前减少相邻像素之间的相关性,从而使得后续的熵编码(如DEFLATE压缩)能更有效地压缩数据,提高压缩比。 |
使用8bpp调色板量化 | false | 将图像量化为使用8位每像素(bits per pixel,bpp)的调色板颜色模式。这意味着整个图像的颜色将被限制在一个最多包含256种颜色的调色板内。
这种方法非常适合颜色数量不多且不需要高色彩保真的图像,如简单的图形、图标或某些类型的卡通画。在PNG中使用8bpp调色板可以实现高效的无损压缩,同时保持良好的视觉质量,特别是在颜色较为有限的图像上 |
GIF
名称 | 数值范围 | 影响因素 |
帧间最大误差 | 0~32 | “最大帧间透明度误差”指的是在多帧动画中,从一帧到下一帧,透明度变化的最大允许差异。这在压缩过程中很重要,因为GIF动画通常由一系列单独的帧组成,每一帧都可能有其自己的透明区域。为了减小文件大小,相邻帧之间相似的部分会被高效地编码,只存储那些发生变化的像素。
在实际应用中,制作者需要根据具体需求来调整这一参数,以达到最佳的压缩与质量平衡。 |
调色板间最大误差 | 0~256 | 在考虑调色板重用时,动画压缩算法会比较当前帧的颜色需求与前一帧(或其他可用帧)的调色板之间的匹配程度。这个匹配程度可以通过计算两种调色板之间的“误差”来量化,这里的误差通常是指颜色差异的总和。如果两个调色板之间的差异足够小,以至于它们在视觉上几乎无法区分,那么就可以重用之前的调色板,从而节省空间。 |
重用调色板 | true | 通过避免重复存储相似的调色板,帮助减少文件大小。当处理连续的两帧或多帧时,如果它们共享许多相同的颜色,那么重用先前帧的调色板可以显著节省空间 |
TIFF/JP2K
名称 | 数值范围 | 影响因素 |
瓦片宽度(以像素为单位) | 1- 32768 | 在TIFF格式中,瓦片宽度是指构成图像的瓦片(tile)的水平尺寸,即一个瓦片在水平方向上的像素数。瓦片是图像分割成的矩形区域,用于分块存储和读取,便于处理大型图像。 |
瓦片高度(以像素为单位) | 1-32768 | 瓦片高度指的是垂直方向上一个瓦片包含的像素数。与瓦片宽度一起,这两个参数定义了单个瓦片的大小。 |
水平分辨率(像素/毫米) | 0.001 ~ 1e+06 | 水平分辨率表示每毫米水平距离内图像包含的像素数。这是对图像细节密度的一种度量,较高的水平分辨率意味着在相同物理空间内有更多的像素,图像细节更丰富。 |
垂直分辨率(像素/毫米) | 0.001 ~ 1e+06 | 垂直分辨率类似地测量每毫米垂直距离内的像素数。它反映了图像在垂直方向上的细节程度,与水平分辨率一起决定了图像的整体清晰度和细节表现力。 |
写入金字塔式 TIFF | Boolean | 这是一种存储图像的多层次格式,其中包含多个不同分辨率的图像副本,从全分辨率到较低分辨率。这种格式适合于需要快速预览或缩放的应用场景,因为它允许快速访问不同级别的细节。 |
写入分块式 TIFF | Boolean | 分块式TIFF将图像分割成多个瓦片或块,每个块可以独立压缩和存储。这种方法提高了大图像的读写效率,尤其在随机访问和网络传输时更为高效。 |
在1位图像中使用0表示白色 | Boolean | 在1位图像(二值图像)中,每个像素只用一个比特来表示,通常0代表一种颜色,1代表另一种颜色。传统上,0被用来表示黑色,而1表示白色。然而,在某些情况下,如题目所述,0可以被配置为代表白色,这在图像处理和编码中是一种可配置的约定。这种配置影响如何解码图像数据以正确显示图像。 |
HEIF
名称 | 数值范围 | 影响因素 |
压缩格式 | hevc, avc, jpeg, av1 | 在HEIF(High Efficiency Image File Format)压缩中,上述内容列出了几种不同的压缩算法选项,它们分别是:
HEVC:使用HEVC(High Efficiency Video Coding,也称为H.265)标准进行压缩,HEVC是一种高效的图像和视频压缩格式,相较于前代标准提供了更高的压缩效率。x265是用于HEVC编码的开源库。
AVC:使用AVC(Advanced Video Coding,也称为H.264)标准压缩,AVC是广泛使用的视频压缩标准,平衡了压缩效率与计算资源需求。x264是一个流行的AVC编码器。
JPEG:使用JPEG标准进行压缩,JPEG是一种广泛应用于静态图像的有损压缩格式,以其在较小文件大小下保持良好图像质量而闻名。这里使用的是标准的JPEG编码器。
AV1:使用AV1(AOMedia Video 1)标准进行压缩,AV1是由开放媒体联盟开发的下一代视频编解码器,旨在提供比HEVC更高的压缩效率,同时保持开源许可。aom是Google主导的用于AV1编码的库。 |
编码器 | auto, aom, rav1e, svt, x265 | 在HEIF(High Efficiency Image File Format)压缩中,上述内容列举了不同的编码器选项,它们用于将图像数据压缩成HEIF支持的格式。具体解释如下:
AUTO:表示自动选择编码器。在这种模式下,系统或软件会根据具体情况和可用资源自动挑选最合适的编码器。
AOM:指使用AOMedia(AOM)开发的编码器,主要用于AV1视频编码。AOMedia是由Google领导成立的联盟,其开发的AV1编码器旨在提供高效压缩。
RAV1E:RAV1E是一个开源的AV1编码器,以高性能和高质量的视频压缩著称。它是社区驱动的项目,专注于提供高效的AV1编码解决方案。
SVT:SVT-AV1是另一个AV1编码器,由Socionext Inc.和Amazon Lab126联合开发。它旨在提供高效率的视频压缩,适用于各种应用场景。
X265:x265是一个高效的HEVC(H.265)视频编码器,广泛用于压缩高清和超高清视频。它以提供优秀的压缩比和图像质量而知名。
在HEIF压缩中选择不同的编码器会影响最终文件的大小、编码速度、解码兼容性和图像质量。用户可以根据具体需求和设备能力来选择最合适的编码器。 |
AVIF
名称 | 数值范围 | 影响因素 |
- | - | - |
Loading...
Last update: 2024-06-29
🎉 Image Optimizer 1.0.8 正式上线🎉
-- 感谢您的支持 ---
👏欢迎更新体验👏