JPEG

JPEG（Joint Photographic Experts Group，联合图像专家组）是当今最广泛使用的有损图像压缩标准之一，由国际标准化组织（ISO）和国际电工委员会（IEC）于1992年正式发布为ISO/IEC 10918-1标准。JPEG的核心思想在于巧妙利用人类视觉系统的感知局限性，通过舍弃人眼不敏感的高频视觉信息，在保持可接受图像质量的前提下实现高达10:1至20:1的压缩比。这一技术突破深刻改变了数字图像的存储与传输方式，成为数码摄影、互联网图像分享、社交媒体和数字出版等领域不可或缺的基础技术。据估计，全球数字图像中超过80\%以JPEG格式存储，其影响力可见一斑。

JPEG编码的核心流程

JPEG的编码过程是一个精心设计的多阶段流水线，主要由以下几个关键步骤构成：

色彩空间转换与色度下采样。编码首先将RGB色彩空间转换为YCbCr色彩空间，其中Y分量代表亮度信息（Luma），Cb和Cr分量代表色度信息（Chroma）。这一转换的理论基础在于人类视觉系统对亮度变化的敏感度远高于对色彩变化的敏感度——人眼对色度细节的分辨率仅约为亮度分辨率的四分之一。利用这一特性，JPEG可对色度通道进行下采样（Subsampling）：常见的4:2:0采样格式将色度分量的水平和垂直分辨率各减半，数据量立即压缩50\%而人眼几乎察觉不到图像质量的劣化。4:2:2格式仅水平减半，适用于对色彩质量要求较高的场景；4:4:4格式则保留全部色度信息，供专业应用使用。

离散余弦变换（DCT）。JPEG将图像分割为8×8像素的非重叠子块，对每个子块独立进行二维离散余弦变换，将空间域的像素值转换为频域系数。变换后的DCT系数矩阵中，低频分量集中在左上角（即直流系数DC和低阶交流系数AC），代表图像的整体亮度和缓慢变化；高频分量分布在右下角，对应图像的细节纹理和边缘信息。DCT变换本身是数学上可逆的完全无损过程，其核心价值在于将图像能量集中到少数低频系数上，为后续的量化压缩奠定频域分离的基础。典型自然图像经过DCT后，约90\%的能量集中在仅占全部系数10\%至20\%的低频系数中。

量化。量化是JPEG有损压缩的核心环节和有损来源。量化阶段使用预设的量化表对每个DCT系数进行整数除法取整：量化步长随频率升高而逐级增大，高频系数的量化更为粗糙，因而更多高频系数被量化为零。量化过程是信息损失的主要来源，通过调节量化表的质量因子（Quality Factor，取值范围0至100），用户可以在文件大小和图像质量之间灵活权衡。质量因子设为100时量化损失极小，压缩比约为2:1至3:1；设为50时压缩比可达10:1至15:1，视觉质量仍令人满意；设为10时压缩比超过30:1，但图像出现明显的块状失真和蚊式噪声。JPEG标准内置了亮度通道和色度通道两组推荐量化表，充分体现了感知编码的设计理念——色度通道的量化步长更大，因为人眼对色度误差的容忍度更高。

熵编码。量化后的DCT系数矩阵经过Zig-zag（之字形）扫描重新排列为一维序列。这一扫描顺序的设计利用了量化后非零系数多集中在左上角低频区域、零系数分布在右下角的统计特性，将大量连续的零值汇聚在一起，从而提升后续编码的效率。扫描后的系数序列依次进行行程长度编码（Run-Length Encoding, RLE）和霍夫曼编码（Huffman Coding）：RLE以(游程, 取值)二元组高效表示连续零的个数；霍夫曼编码则对不同符号的出现频率进行统计建模，高频出现的短码字、低频出现的分配长码字，从而在统计意义上最小化平均码长。JPEG也支持算术编码作为替代方案，其压缩率通常比霍夫曼编码高出5\%至10\%，但因专利和计算复杂度问题使用较少。

JPEG的局限性

尽管JPEG取得了巨大成功，但其固有限制也催生了多种改进方案。首要问题是块效应：8×8分块处理在高压缩比下会在块边界处产生视觉不连续的伪影。量化越粗糙，相邻块之间的低频分量差异越明显，块效应也就越突出。其次，振铃效应在高对比度边缘（如文字边界）周围出现振铃状波纹，严重影响包含文字和线条的图像质量。此外，JPEG标准不支持透明度通道（Alpha Channel），限制了其在图像合成和Web设计中的应用场景。JPEG对多次重新编码也不友好——每一次有损编码解码循环都会引入新的量化损失，导致图像质量逐代下降（Generational Degradation），不适合需要反复编辑保存的工作流程。最后，JPEG对计算机生成的图形图像（如截图、图表）压缩效果不佳，这类图像往往包含大量锐利边缘和均匀色块，而DCT变换对此类信号的稀疏表达能力有限。

解码过程

JPEG解码基本上是编码的逆过程，但包含若干重要细节。解码器首先解析JPEG文件的标记结构（Marker Structure），提取量化表和霍夫曼码表等信息。接着对熵编码数据进行解码，恢复量化后的DCT系数。对这些系数进行反量化（乘以量化步长），然后依次执行逆DCT变换、色彩空间逆转换（YCbCr转RGB）。若编码时进行了色度下采样，解码后还需进行上采样（插值）恢复色度分量的原始分辨率。解码过程本身没有额外的信息损失，因此解码后图像质量和编码后的量化结果完全一致。

文件结构与元数据

JPEG文件采用标记化的分段结构，以字节0xFF后跟标记码标识不同的数据段。SOI（Start of Image, 0xFFD8）标记文件起始，APP1（0xFFE1）段通常嵌入Exif元数据，包含拍摄时间、相机型号、GPS坐标、光圈快门参数等信息。DQT（Define Quantization Table, 0xFFDB）段定义量化表，SOF（Start of Frame, 0xFFC0）段声明图像尺寸和色彩分量数，SOS（Start of Scan, 0xFFDA）段标志熵编码数据的起始位置。EOI（End of Image, 0xFFD9）标记文件结束。这一标记结构使得JPEG文件具有良好的扩展性——不同的应用可在保留标记段的同时嵌入自定义元数据而不影响主流解码器的兼容性。

后续演进

为克服上述局限，JPEG标准家族不断演进。JPEG 2000（ISO/IEC 15444，2000年发布）采用离散小波变换（DWT）替代传统的分块DCT，支持无损和有损两种压缩模式，从根本上消除了块效应，同时支持渐进传输（由模糊到清晰的逐级显示）和兴趣区域编码（ROI，对图像中重要区域分配更多比特）。然而其计算复杂度约为传统JPEG的5至10倍，编码效率下降约30\%，加上专利授权障碍，最终未能在消费级市场广泛替代传统JPEG。JPEG XR（ISO/IEC 29199-2，2009年发布）由微软推出，采用整数Core Transform和前向自适应量化，在高动态范围（HDR）图像和更大色域方面表现优异，在Windows和Internet Explorer中得到了原生支持。JPEG XL（ISO/IEC 18181，2022年发布）集成了多种先进技术，采用模块化设计实现了压缩效率的重大突破——相比传统JPEG，JPEG XL在同等视觉质量下文件体积减小约60\%，同时支持无损压缩、高动态范围、宽色域和透明度通道，且能够以无损方式重新编码现有JPEG文件（即JPEG XL的"JPEG无损重编码"模式），实现了向后兼容。JPEG XL的设计目标是成为下一代通用图像格式，其采纳率仍在持续增长中。

JPEG之所以成为数字图像压缩的事实标准，不仅在于其出色的技术设计——编码效率、解码速度和质量控制的精妙平衡，更在于其开放的标准制定模式和跨平台、跨应用的广泛生态支持。历经三十余年发展，JPEG的感知编码思想深刻影响了一整代图像和视频压缩标准（包括MPEG-1/2、H.264/AVC、HEVC/H.265和AV1等视频编码标准中的帧内预测和变换编码模块），在信息论、信号处理和人类视觉感知的交叉领域树立了一座不朽的里程碑。