1 概要
圧縮形式とは、データをより少ない容量で表現するための方法や符号化の規則の総称である。対象は画像、音声、動画、文書、実行ファイルなど多岐にわたり、保存容量の削減、通信量の低減、処理効率の改善に資する。
圧縮形式は、表現を詰めるための戦略が異なる。例えば、同じ内容が繰り返される性質を利用する方式、出現頻度の偏りを符号長に反映する方式、視覚・聴覚の性質を踏まえて人間に気づかれにくい情報を捨てる方式などがある。用途側の要求（復元の厳密さ、許容できる品質低下、計算資源、相互運用性）に応じて適切な方式が選択される。
1.1 圧縮形式の目的
主な目的は、(1) 保存コストの削減、(2) 配信・転送に伴う回線負荷の低減、(3) データ処理の効率化である。データ量が大きいほど効果が顕著であり、特に動画や大規模画像の分野で重要になる。
また、圧縮は単にサイズを小さくするだけでなく、同一回線でより多くの情報を送れるようにする、ストレージの占有を減らす、転送時間を短縮するなどの実務的な利点を持つ。さらに、圧縮結果が定型のフォーマットとして扱えることで、保存・配布の運用が容易になる場合もある。
1.2 圧縮と符号化の関係
圧縮は「無駄な情報を減らす」ことに主眼があり、符号化は「減らした内容をビット列として表す」ことに主眼がある。実装上は両者が密接に結びつき、圧縮形式は両方の工程を含む手順として定義されることが多い。
例えば、差分によって値の変化を小さくしてから符号化する、変換によって特徴成分に分解してから符号化する、といった流れが典型である。結果として、ある圧縮形式の仕様には、変換規則、統計処理、符号化テーブル、復元手順までが含まれるのが一般的である。
1.3 可逆圧縮と非可逆圧縮
可逆圧縮は、復元時に元データを完全に再現できる。復号の結果が一致することが保証されるため、文書、ソフトウェア、図面など誤りが許されにくい領域で重視される。
非可逆圧縮は、復元時に近似値を得る。視覚や聴覚で目立ちにくい差を優先的に捨てることで高い圧縮率を狙う。復元品質は符号化設定に左右され、同じ形式でもビットレートや品質パラメータにより結果が変わる。
2 圧縮の基本原理
圧縮の要点は、データに含まれる「構造」や「偏り」を利用して、情報量の少ない表現に置き換えることにある。形式ごとに方法は異なるが、冗長性の削減、圧縮率と情報量の関係、復元に関わる誤差の扱いが共通する軸になる。
2.1 冗長性の削減
冗長性とは、必要以上に繰り返される、あるいは予測可能であるのに、毎回同じように表現されてしまっている性質を指す。圧縮ではこの余剰部分を省き、必要な情報だけを表すようにする。
冗長性を減らす方法は大別すると、(1) 繰り返しをまとめて参照する、(2) 出現頻度の偏りを符号に反映する、のように整理できる。どちらも結果としてビット数の削減につながる。
2.1.1 繰り返しの置換
データ中で同一パターンが繰り返される場合、それをそのまま何度も書くのではなく、一度登録して参照に置き換える。参照のための情報は必要だが、繰り返し本体より短くできることが多い。
実際には、出現パターンの長さや頻度、参照の範囲をどう管理するかが重要になる。辞書方式はこの発想を実装した代表的カテゴリであり、繰り返しが多いデータで効果が大きい。
2.1.2 統計的偏りの利用
同じ長さの符号で表すと、頻度が低い要素にも多くのビットが割り当てられる。そこで、頻度の高い要素には短い符号を割り当て、低い要素には長い符号を割り当てることで平均ビット数を削る。
偏りの扱いは、出現確率の見積もり方法や、符号化器・復号器が共有する情報（テーブルやモデル）に依存する。結果として、一般的にはデータの種類に合うほど圧縮効率が上がる。
2.2 情報量と圧縮率
情報量の考え方により、データがどれだけ「予測しにくい」かが示される。圧縮率は、圧縮後のサイズを元のサイズで割った比として定義されるが、実効効率は符号化方式の設計、パラメータ、データの性質によって変動する。
理論上、情報量の下限に近づくほど圧縮効率が高いとされる。実務では、ヘッダ情報、モデル更新のための追加データ、復元に必要な副情報が存在するため、下限に一致することはまれである。
2.3 復元可能性と誤差
可逆では復元誤差がゼロになる一方、非可逆では誤差を許容する。誤差は単に「失われた要素」だけでなく、復元時の再構成の仕方により見え方・聞こえ方として現れる。
非可逆方式では、どの誤差をどれだけ許すかが設計上の中心になる。符号化段階での量子化や打ち切り、復元時の逆変換などが誤差の性質を決めるため、品質と圧縮率のバランスは実設定で調整される。
3 圧縮形式の種類
圧縮形式は、対象データの特性に合わせて分類できる。テキスト、画像、音声、動画、実行ファイルでは、符号化の設計が変わるためである。
3.1 テキスト圧縮
テキストは文字列の並びとして扱われ、繰り返しや出現頻度の偏りが現れやすい。可逆圧縮が多く、ソースコードやログ、設定ファイルなどで利用されることが多い。
方式としては、辞書方式、統計符号化、差分・文脈に基づく圧縮などがある。可逆であるため、復元時の一致が保証され、検索や整合性検査といった運用と相性が良い場合がある。
3.2 画像圧縮
画像は空間的に相関があり、隣接画素が似ている傾向がある。可逆と非可逆の両方が存在し、用途（編集・印刷・閲覧・研究など）により選択が分かれる。
非可逆では、変化しにくい成分と視認しにくい成分を分ける考え方がよく用いられる。可逆では、誤りのない再構成を目標に、画素値の表し方を工夫する。
3.2.1 可逆画像圧縮
可逆画像圧縮は、復元した画素値が元と一致することを前提とする。診断画像や文書のスキャン、技術資料などで誤差が許されない場面に適する。
実装では、差分表現や予測により変化を小さくし、残った情報を符号化する流れが典型である。さらに、組み込みのヘッダ設計により、色深度や解像度の記述も確実に復元できるよう配慮される。
3.2.2 非可逆画像圧縮
非可逆画像圧縮は、近似によって容量を大幅に削減する。視覚的に目立ちにくい領域を優先的に劣化させ、滑らかなグラデーションや輪郭の扱いが結果に影響する。
符号化設定（品質レベル、ビットレート、色成分の処理）により、ブロック状の見え方、輪郭のにじみ、色のわずかな偏りなどの特徴が出やすくなる。用途に応じた調整が重要になる。
3.3 音声圧縮
音声は時間方向に相関が強く、さらに聴覚特性の影響を受ける。人は周波数のマスキングや時間解像度の限界により、ある種の誤差を検知しにくいことがある。
そのため音声圧縮は、周波数領域の表現と量子化、知覚に基づく割当てを組み合わせる設計が多い。可逆音声も存在するが、一般配信では非可逆が主流になりやすい。
3.4 動画圧縮
動画は時間的に連続し、フレーム間でも類似がある。単純にフレームごとに独立圧縮するだけでは効率が下がるため、時間方向の相関を活かす工夫が重要になる。
典型的には、参照フレームからの差分を表す予測、画面を領域に分けて扱う枠組み、変換と量子化、さらに符号化段階での統計処理が組み合わされる。ビットレート制御により品質を安定させる設計も含まれることが多い。
3.5 実行ファイル圧縮
実行ファイルの圧縮では、通常のデータ圧縮と異なる制約が加わる。復号しながら実行できる必要がある場合や、起動時間、メモリ使用量、検査機構との整合性が問題になるためである。
そのため、圧縮後のサイズ削減と実行時オーバーヘッドのバランスが焦点となる。さらに、圧縮済み領域の取り扱いがセキュリティ製品の挙動に影響することもあるため、運用面の注意が必要になる。
4 圧縮形式の仕組み
圧縮形式の多くは、前処理としての変換、表現の生成、最後にビット列化する符号化、という段階を持つ。主要な構成として辞書方式、予測方式、エントロピー符号化、変換符号化が挙げられる。
4.1 辞書方式
辞書方式は、よく現れるパターンをあらかじめ登録し、後続の出現を参照で置き換える考え方である。辞書の作り方と参照の表し方が性能に直結する。
辞書は静的に固定される場合もあるが、多くの実装では符号化中に更新し、データ特性へ適応させる。復号器も同じ更新規則を適用できる必要がある。
4.1.1 繰り返し列の登録
繰り返し列の登録は、どの長さの部分列を辞書に採用するか、更新頻度をどうするかを含む。過剰に登録すると参照情報が増え、逆に少なすぎると置換効果が得られない。
登録単位は文字、バイト、あるいはより大きいブロックで設計される。データの統計性に合わせて選択することで、平均符号長の短縮につながる。
4.1.2 参照による表現
参照による表現では、辞書内の位置やエントリ番号を符号で示す。参照の形式が短いほど置換効果が大きいが、辞書が大きくなると番号そのものが長くなるジレンマが生じる。
このため、辞書サイズや番号のビット幅を固定するか可変にするか、参照の優先度をどう決めるかが設計論点となる。復号器側はその参照を辞書に適用し、元の列を再構成する。
4.2 予測方式
予測方式は、現在の値を過去や周辺情報から見積もり、その予測誤差だけを符号化する。予測が当たるほど誤差の分布が集中し、符号化効率が高まる。
予測は線形近似から、文脈に基づく非線形推定まで幅がある。画像や音声では空間・時間の相関を利用しやすい。
4.2.1 差分表現
差分表現は、絶対値ではなく変化量を扱う点に特徴がある。変化量が小さい場合、符号化対象の値域が狭まり、必要なビット数が減る。
可逆の差分符号化では、誤差をそのまま復元に利用できるため、復元一致を保つ設計が可能になる。非可逆では、差分に対して量子化を加え、細かな変化を捨てることがある。
4.2.2 変換処理
変換処理は、元データを別の基底で表し、扱いやすい成分に分ける考え方である。例として、周波数成分への分解や空間周波数の再配分などが挙げられる。
変換により、重要成分と不要成分の分離が進み、圧縮では不要成分をより粗く扱うことで容量削減が可能になる。非可逆ではこの粗化が視覚・聴覚に対する許容範囲に合わせて行われる。
4.3 エントロピー符号化
エントロピー符号化は、確率分布に基づき、平均符号長を情報量に近づける技術群である。変換や予測で得たシンボル列の「出現頻度の偏り」を直接利用する。
符号化器と復号器が同じモデルを共有するか、またはメタ情報としてモデルを送る必要がある。方式の選択は、実装の単純さやストリーミング適性、計算資源に影響される。
4.3.1 ハフマン符号
ハフマン符号は、出現頻度に応じて可変長のビット列を割り当てる代表的手法である。頻度が高いシンボルほど短い符号になる。
ただし、理論的な最適性には限界があり、固定長境界やモデル更新の扱いにより効率が変化する。学習やテーブル生成のコストは別途発生するため、全体性能はデータと運用条件に依存する。
4.3.2 算術符号
算術符号は、シンボル列全体を単一の区間として扱うことで、高い符号化効率を狙う。複数の符号を段階的に配置し、最終的に小さな表現で区間を識別する。
実装では精度管理やビット出力の制御が重要になる。条件によってはハフマンよりも平均ビット数で有利になり、特に頻度の偏りが強い状況で効果が出やすい。
4.4 変換符号化
変換符号化は、信号を変換して係数の集合にすることで、圧縮しやすい構造を作る方法である。画像や動画で広く採用され、係数の疎性（多くがゼロ付近になる性質）を利用できる。
その後、係数を量子化して情報を減らし、残った係数を符号化する流れが一般的である。非可逆では量子化誤差が品質に直結するため、段階設計が重要になる。
4.4.1 周波数成分への変換
周波数成分への変換では、信号のパターンを低周波と高周波の成分に分解する考え方が用いられる。低周波は大まかな形状や平均的な変動を担い、高周波は細部の情報に対応しやすい。
変換後の係数は、全成分を同じ精度で扱う必要がなくなる。非可逆の設計では、重要度が低い成分をより粗く量子化することで容量を削減する。
4.4.2 量子化
量子化は、連続的または細かい値を離散的な段階に丸める処理である。非可逆圧縮では、この丸めにより誤差が導入される代わりに、表現に必要なビット数を減らせる。
量子化の強さ（ステップサイズ）は品質と圧縮率を左右する。強い量子化ほどサイズは小さくなるが、ブロック感や輪郭のにじみなどの目立つ劣化が生じやすくなる。
5 代表的な圧縮形式
代表的な圧縮形式は、実際のデータ管理に密接に結びついている。ここでは書庫形式、画像、音声、動画、文書保存の観点から整理する。
5.1 書庫形式
書庫形式は、複数のファイルをひとまとめにし、さらに必要に応じて圧縮を施す形式である。保存や配布の利便性が高く、アーカイブとして広く利用される。
書庫には、ファイルの階層情報、メタ情報、圧縮アルゴリズムの設定などが含まれることが多い。展開時の互換性や権限情報の扱いも運用上の論点になる。
5.1.1 複数ファイルのまとめ
複数ファイルのまとめでは、ファイルごとのデータを独立に圧縮する場合と、連結した後にまとめて圧縮する場合がある。独立圧縮では部分復元が行いやすく、まとめ圧縮では処理が単純化されることがある。
また、重複データの扱い（同一内容の繰り返しを抑える仕組み）によって、効果がさらに変わる。ファイル数が多い環境ほどメタデータの比率も増えるため、その設計も重要になる。
5.1.2 展開手順
展開手順は、圧縮方式の仕様に従い、順次復元して元のファイル構成に戻す工程である。ヘッダの読み取り、辞書やモデルの復元、データの復号、最後に書き込みと属性復元を行う流れが一般的である。
展開に必要な情報が損なわれた場合、復元不能になり得る。そのため破損耐性を高める工夫（チェックサム、分割アーカイブなど）が付随することがある。
5.2 画像ファイル形式
画像ファイル形式は、圧縮アルゴリズムだけでなく、色表現や解像度などの記述を含む。可逆・非可逆の両方の代表例があり、用途によって選択される。
圧縮方式と画質の関係は形式ごとに仕様が異なる。色成分の扱い、メタ情報の格納、グラデーションへの対応などが、実際の見え方に影響する要因になる。
5.3 音声ファイル形式
音声ファイル形式は、音響データを符号化し、再生時にデコーダが復元できる形で格納する。ビットレートやサンプリング情報、チャンネル構成などが含まれる。
圧縮品質は再生環境や用途により判断される。会話中心か、音楽中心か、編集の有無かといった条件で、適した方式や設定が変わる。
5.4 動画ファイル形式
動画ファイル形式は、フレーム間予測や変換、量子化などの工程を統合した形で格納する。ストリーミング対応のための断片化や、シークのための参照フレーム配置が仕様に含まれることがある。
品質は符号化設定だけでなく、エンコード時のモーション推定の精度にも依存する。結果として、動きが多い場面では圧縮効率と劣化の出方が変わる。
5.5 文書保存形式
文書保存形式では、テキストの可逆圧縮がよく用いられる。文字列の一致が必要な場合、復元不能な近似は避けるのが一般的である。
また、文書には画像やレイアウト情報が含まれることがあるため、文書形式は複数の要素を組み合わせて保存する設計になることも多い。結果として、文書全体の圧縮効率は構成要素ごとの方式の選択に左右される。
6 圧縮形式の利用場面
圧縮形式は、保存、通信、配布、長期運用など複数の場面で利用される。目的は共通して容量や負荷の削減にあるが、要件が異なるため方式の選定も変わる。
6.1 保存容量の節約
ストレージが高価、または容量に上限がある環境では、圧縮により占有を減らすことが重要になる。特にバックアップやログ保管では、可逆圧縮が選ばれることが多い。
圧縮によってデータの復元時間や計算コストが増える可能性もあるため、アクセス頻度と処理性能の見合いが検討される。保存目的であっても、必要なときに取り出せる設計が求められる。
6.2 通信負荷の軽減
通信では転送量と遅延が課題になる。圧縮により送信データ量を抑えると、同じ回線でもより長い時間の配信や、同時接続数の増加が見込める。
ただし圧縮・伸長（復号）に必要な計算資源も考慮が要る。エッジ端末の性能が限られている場合、低遅延のために軽量な方式が選ばれることがある。
6.3 配信と配布
メディア配信では、ネットワーク帯域とユーザー端末のデコード能力の双方が関係する。非可逆圧縮が主流になりやすいが、画質要件と再生負荷のバランスが重要になる。
配布では、ファイルサイズが小さいほどダウンロード時間が短縮される。展開容易性や破損時の影響範囲も、配布の実務判断に影響する。
6.4 長期保存
長期保存では、圧縮効率だけでなく、将来の復元可能性が重視される。形式の仕様が公開されているか、既存の復号実装が残る見込みがあるかなどが判断材料になる。
可逆であることが望ましいケースも多いが、非可逆でも品質劣化が許容範囲であれば選択されることがある。加えて、再圧縮による劣化累積を避ける運用が検討される。
7 圧縮形式の評価
圧縮形式を比較する際には、圧縮率、処理時間、品質、互換性といった複数の評価軸を同時に扱う必要がある。単一指標だけでは最適な選択にならないことが多い。
7.1 圧縮率
圧縮率は、元データに対する圧縮後データの比率で示される。小さいほど削減効果が大きいが、圧縮方式や設定、データ種別により値は変動する。
同じ形式でも品質設定が変わるため、比較する際は条件を揃える必要がある。特に非可逆では、圧縮率と品質のトレードオフを含めて評価するのが一般的である。
7.2 処理速度
処理速度は符号化時間と復号時間の両方を含む。エンコード側はサーバ負荷や作業時間に関係し、デコード側は再生遅延やバッテリー消費に関係する。
速度はアルゴリズムの計算量だけでなく、メモリ使用量や並列化適性にも左右される。リアルタイム用途では復号の遅延が特に重要になる。
7.3 品質劣化
品質劣化は、非可逆圧縮で顕在化しやすい。画像ではブロック歪みや色の偏り、音声では高域のざらつき、動画では動きの周辺に現れるアーティファクトなどが例として挙げられる。
評価には指標（客観指標）と、人の見え方・聴こえ方（主観評価）の両面が用いられる。視聴距離や機器の特性によって感じ方が変わるため、運用目的に沿った評価設計が必要になる。
7.4 互換性
互換性は、異なる機器やソフトウェア間で圧縮データを正しく復号できる度合いである。形式の標準化、デコーダの普及、仕様の実装差が影響する。
互換性は配布や長期保存で特に重要である。ある環境で作ったファイルが別環境で復元できないと、実務上の損失が大きくなる。
8 圧縮形式の課題
圧縮は利点と同時に、運用上の制約や技術的なリスクも伴う。代表的な課題には、再圧縮による劣化、展開時の負荷、破損時の復旧困難性、標準化と実装差がある。
8.1 再圧縮による劣化
非可逆圧縮では、いったん損なわれた情報が復元されることはない。したがって再圧縮を繰り返すと誤差が累積し、品質が段階的に低下しやすい。
可逆圧縮でも再圧縮自体は品質劣化を生まないが、別形式への変換やパイプラインの変更で同等性が損なわれることがある。編集工程では最終出力前に圧縮を回しすぎない設計が望ましい。
8.2 展開時の負荷
復号は計算とメモリを要するため、展開時に処理負荷が増えることがある。大量データの同時復元では、ディスクI/OやCPUの競合がボトルネックになる。
軽量な方式は復号が高速である一方、圧縮率が伸びない場合もある。保存や配信の要件に合わせて、エンコード・デコード双方のバランスを取ることが課題になる。
8.3 破損時の復旧
圧縮データが破損すると、復号が途中で失敗する、以降のブロックが復元できない、といった事態が起こり得る。特に参照型の方式では、ある部分の欠落が広範な影響につながることがある。
対策として、区切り（セグメント化）やチェック機構、冗長な記録などが導入される場合がある。復旧性はアーカイブ設計と密接に関連する。
8.4 標準化と実装差
標準仕様があっても、実装の細部や解釈の揺れにより結果が変わる場合がある。例えば、メタ情報の扱い、互換設定の解釈、エッジケースでのデコード挙動などが影響する。
そのため検証では、主要環境での復元品質と互換性を確認する必要がある。ベンダー固有の最適化が含まれる場合は、追加の検討が必要になる。
9 圧縮形式の関連技術
圧縮形式は単独で完結するのではなく、暗号化、ファイル形式設計、転送最適化、データ保全などと関係する。これらの関係を理解することで、実際のシステム設計がしやすくなる。
9.1 暗号化との違い
暗号化は第三者に内容を理解させないための手段であり、圧縮はデータ量を減らすための手段である。目的が異なるため、両者は同じ工程として混同されないよう設計する必要がある。
実務では、圧縮の後に暗号化する、または逆順にするなどの選択があり得る。順序によって圧縮効率やセキュリティ特性が変わる可能性があるため、要件に応じた判断が行われる。
9.2 ファイル形式との違い
ファイル形式は、データの格納方法、メタ情報、復号に必要な手順を含む。圧縮形式は、その中でデータ本体を圧縮する規則として位置づけられることが多い。
したがって、同じ圧縮方式でも別のコンテナ（格納形式）に入ることがあり、逆にコンテナの中で複数の圧縮方式が使われる場合もある。整理の際には階層関係を意識すると混乱が少ない。
9.3 転送最適化との関係
転送最適化は、回線の特性や遅延、再送制御などを踏まえて通信を効率化する考え方である。圧縮は送信データ量を減らすが、転送はパケット化や再送、バッファリングといった要素にも影響される。
例えば、圧縮によってビット数が減っても、復号のための遅延や区切り単位の設計が転送体験に影響する。最適化では両者を合わせて設計することが多い。
9.4 データ保全との関係
データ保全は、改ざんや偶発的な破損から内容を守り、復元を確実にする考え方である。圧縮はデータサイズを減らすが、破損が起きた際の復号失敗の影響範囲を変えることがある。
チェックサム、冗長情報、冗長な区画化などは保全の要素として働き、圧縮形式の仕様にも影響を与える。結果として、サイズ削減と信頼性を両立する構成が求められる。