有損數據壓縮

數據壓縮方法,減少數據大小,同時丟棄或切換其中的一些

有損數據壓縮(英語:lossy compression)是一種數據壓縮方法,經過此方法壓縮、解壓的數據會與原始數據不同但是非常接近。它是與無損數據壓縮相對的壓縮方法。有損數據壓縮又稱有損數據壓縮有損壓縮失真壓縮不可逆壓縮

「有損數據壓縮」的各地常用名稱
中國大陸有損數據壓縮
臺灣破壞性資料壓縮

有損數據壓縮藉由將次要的數據捨棄,犧牲一些質量來減少數據量、提高壓縮比。這種方法經常用於壓縮多媒體數據(音頻、視頻、圖片),尤其常用於流媒體以及互聯網電話領域。根據各種格式設計的不同,有損數據壓縮都會有代間損失——每次壓縮與解壓文件都會帶來漸進的質量下降。

無損與有損壓縮簡介

無損壓縮可以在不失去任何資訊的條件下,將資料壓縮得更小。例如,當一張圖片儲存成數位檔案時,圖片會轉換成一連串的點,再分別儲存每個點的顏色資訊。如果某張圖片由200個紅點構成,它將會以類似「紅點、紅點、...(重複197次)...、紅點」的格式儲存起來。在這個例子中,無損壓縮會改成用「200個紅點」這樣的格式來儲存這張圖片,就能不失去任何資訊的完成壓縮。

然而,若要保留原始檔案的所有資訊,資訊理論說明了,無論使用任何壓縮方法,檔案大小都無法低於一個下界。一個直觀的例子:壓縮後得到的zip檔案會比原始檔案更小,但一直重複壓縮同一個檔案並不會讓檔案大小變成0,因為原始檔案終究含有一定量的資訊。

有損壓縮卻可以突破這個限制。在很多情況下,資料會包含比必要的還多的資訊。例如,一張解析度過高的照片,其中的細節肉眼可能已無法辨識;同理,在一個音量很高的音訊片段中,一些細節可能是人耳難以察覺的。捨棄這些人類無法察覺的細節,就可以用更小的資料量,提供與原始資料相差無幾的感官體驗。有時也允許失去一部分可以察覺的細節,來達到更好的壓縮率。

有損壓縮的類型

有兩種基本的有損壓縮機制:

  • 一種是有損變換編解碼,首先對圖像或者聲音進行採樣、切成小塊、變換到一個新的空間、量化,然後對量化值進行熵編碼。
  • 另外一種是預測編解碼,先前的數據以及隨後解碼數據用來預測當前的聲音採樣或者圖像幀,預測數據與實際數據之間的誤差以及其它一些重現預測的信息進行量化與編碼。

有些系統中同時使用這兩種技術,變換編解碼用於壓縮預測步驟產生的誤差信號。

有損與無損壓縮比較

有損方法的一個優點就是在有些情況下能夠獲得比任何已知無損方法小得多的文件大小,同時又能滿足系統的需要。

有損方法經常用於壓縮聲音、圖像以及視頻。有損視頻編解碼幾乎總能達到比音頻或者靜態圖像好得多的壓縮率(壓縮率是壓縮文件與未壓縮文件的比值)。音頻能夠在沒有察覺的質量下降情況下實現10:1的壓縮比,視頻能夠在稍微觀察質量下降的情況下實現如300:1這樣非常大的壓縮比。有損靜態圖像壓縮經常如音頻那樣能夠得到原始大小的1/10,但是質量下降更加明顯,尤其是在仔細觀察的時候。

當用戶得到有損壓縮文件的時候,譬如為了節省下載時間,解壓文件與原始文件在數據位的層面上看可能會大相徑庭,但是對於多數實用目的來說,人耳或者人眼並不能分辨出二者之間的區別。

一些方法將人體解剖方面的特質考慮進去,例如人眼只能看到一定頻率的光線。心理聲學模型描述的是聲音如何能夠在不降低聲音感知質量的前提下,實現最大壓縮。

人眼或人耳能夠察覺的有損壓縮帶來的缺陷稱為壓縮失真

有損壓縮實例

 

上面的圖像展示了用不同的有損壓縮方法壓縮同一幅圖像得到的文件大小。這幅圖像選自事實上的測試圖像工業標準蓮娜圖

好的有損壓縮算法能夠扔掉「不重要」的信息並且能夠保留「關鍵」的信息。

有損壓縮方法

音樂壓縮

語音壓縮

其他類型數據

從技術的角度來講,去除文字母音字母也可以看作是有損數據壓縮的一種方法,只有子音的情況下根據上下文通常也仍然可以閱讀。研究人員也曾經半開玩笑地用字典中的短單詞替換長單詞或者使用生成文本技術(generative text techniques)[1]頁面存檔備份,存於網際網路檔案館) 進行文本壓縮,儘管這種方法有時是屬於相關的(有損數據轉換英語Lossy data conversion領域。

參見

外部連結

參考文獻

  1. ^ aptX HD - lossless or lossy?. AVHub. 2016-11-22 [2018-01-13]. (原始內容存檔於2018-01-14). 
  2. ^ Darko, John H. The inconvenient truth about Bluetooth audio. DAR__KO. 2017-03-29 [2018-01-13]. (原始內容存檔於2018-01-14). 
  3. ^ What is Sony LDAC, and how does it do it?. AVHub. 2015-08-24 [2018-01-13]. (原始內容存檔於2019-10-20).