1 基本概念
1.1 定义
有损压缩（Lossy Compression）是一种数据压缩方法，其核心特征是在压缩过程中允许丢失部分原始数据，以换取更高的压缩比。与无损压缩不同，经过有损压缩后的数据解压后无法完全恢复为原始状态，会存在一定程度的失真。这种压缩方式主要针对人类感知对细节不敏感的特性，优先丢弃那些对感官体验影响较小的信息片段。
1.2 与无损压缩的区别
有损压缩与无损压缩的根本区别在于数据恢复的完整性。无损压缩（如ZIP、FLAC、PNG）能够完全还原原始数据，没有任何信息丢失，但压缩比通常有限（一般为2:1至5:1）。有损压缩则不可逆，解压后的数据与原始数据存在偏差，但压缩比可高达20:1甚至更高。直观理解：无损压缩像复写一份文书，每个字都不能错；有损压缩像给朋友口述故事大意，核心情节在，但细节可能被简化或省略。
1.3 压缩比与质量权衡
有损压缩的核心矛盾是“压缩比”与“输出质量”之间的取舍。压缩比越高，文件体积越小，但失真越明显；反之，降低压缩比会保留更多细节，但文件更大。这种关系通常由“质量参数”控制：例如JPEG的“Q值”从0到100，Q=100时几乎无损但文件巨大，Q=50时平衡较好，Q=10则出现明显块状伪影。用户需要根据应用场景在体积和画质之间寻找平衡点——社交媒体上可以接受较高的压缩，而专业摄影存档则倾向于更保守的参数。
2 核心原理
2.1 感知编码
感知编码是有损压缩的理论基石，它利用人类感官系统的生理局限性，优先丢弃那些感知上“不重要”的信息。其核心理念是：只要压缩后的数据在人类听觉或视觉上难以察觉差异，就被视为“足够好”，而不必追求数学上的完美还原。
2.1.1 听觉掩蔽效应
听觉掩蔽效应是指一个较强的声音会使耳朵对相近频率的较弱声音变得不敏感。例如，当摇滚乐的鼓点响起时，你可能听不到背景中细微的吉他泛音。MP3等音频编解码器利用这一原理，对被强音掩蔽的弱音进行粗量化甚至直接丢弃，从而在保证主观听感的前提下大幅降低数据量。有时还会利用“前向掩蔽”和“后向掩蔽”——强音前后的短暂瞬间，人耳也处于不敏感状态。
2.1.2 视觉冗余
人眼对亮度变化比颜色变化更敏感，对高频细节（如细纹理）的感知能力也弱于低频轮廓。JPEG等图像压缩采用色彩空间转换（如从RGB转为YCbCr），对颜色分量进行“色度抽样”（如4:2:0子采样），将颜色信息的分辨率降低一半甚至更多，而人眼几乎察觉不到。此外，人眼对图像边缘的微小模糊也不太敏感，这为后续的变换编码和量化提供了“犯错空间”。
2.2 变换编码
变换编码将有损压缩从“直接丢弃数据”提升为“在频域中更聪明地分配精度”。其基本思路是将原始信号从时域或空域变换到频域，使得重要能量集中在少数低频系数上，从而便于后续量化时高效压缩。
2.2.1 离散余弦变换（DCT）
DCT是有损压缩中最常用的变换之一，是JPEG、H.264等标准的核心组件。它将8×8或16×16的图像块从像素值（空间域）转换为频率系数（频域）。变换后，图像的大部分能量聚集在左上角的低频系数中（代表着大面积的色调过渡），而右下角的高频系数（代表细节、边缘、噪声）数值较小或接近于零。对这些高频系数采用更粗的量化，就能在几乎不影响视觉质量的情况下大幅压缩。DCT的数学性质也使其在硬件实现上效率极高。
2.2.2 小波变换
小波变换是一种更现代的频域分析工具，在JPEG 2000等格式中得到应用。与DCT不同，小波变换支持多分辨率分析，将图像分解为不同尺度的子带（低频近似、水平细节、垂直细节、对角细节）。它还天然支持渐进式传输：可以先发送低频信息显示模糊预览，再逐步传送细节信息提升清晰度。小波变换在处理图像边缘时比DCT产生更少的“振铃效应”，因此在低码率下画质表现通常优于传统DCT方案。
2.3 量化
量化是有损压缩中真正“丢失信息”的步骤，也是压缩比的主要来源。它将连续或大量离散的数值映射到更有限的数值集合上，通过降低数值的精度来减少存储空间。
2.3.1 标量量化与向量量化
标量量化是最简单的形式，对每个数值单独处理——例如，将0到255的灰度值以步长5进行四舍五入，就可能把127、128、129都变成128，损失了细微信号。向量量化则利用多个数值之间的相关性，将一组数值（一个“向量”）整体映射到码本中的某个“向量代表”——更高效但计算复杂。大多数普及的有损格式（如JPEG、MP3）采用标量量化，而向量量化曾在早期语音压缩中流行，但在图像领域逐渐被其他方法取代。
2.3.2 量化表
量化表是实现差异化量化的关键工具。以JPEG为例，标准量化表为每个DCT频率系数分配不同的量化步长：人眼敏感的低频系数使用小步长（精细量化），不敏感的高频系数使用大步长（粗糙量化）。用户可以通过调整通用“质量因子”来缩放整个量化表，从而控制全局画质。更高级的编解码器（如H.265）采用自适应量化，根据局部画面复杂度动态调整量化强度——简单背景用粗量化，复杂纹理用细量化。
2.4 熵编码（作为后续步骤）
量化后的数据中出现了大量零值和有限的符号种类，此时使用熵编码（如Huffman编码、算术编码）进行无损压缩，进一步减小体积。熵编码是无损的，但它的输入（量化后的系数）已经是有损的。典型流程是：变换→量化→熵编码。熵编码本身不产生新的失真，只是通过统计特性将数据体积缩小到数学下限附近。
3 常见有损压缩格式
3.1 图像格式
3.1.1 JPEG
JPEG（全称Joint Photographic Experts Group）是1992年确立的最普及的静态图像有损压缩标准。采用DCT变换、色度抽样和量化表技术，支持逐级调节质量。优点：广泛兼容、压缩效率高；缺点：不支持透明通道，低码率下出现明显的“块状伪影”和“蚊式噪声”。流传的“JPEG狗头表情包”以其严重的失真和色块成为一道网络文化风景线。
3.1.2 WebP
Google于2010年推出的图像格式，同时支持有损和无损压缩。有损模式下基于VP8视频编码的帧内预测技术，比同等画质的JPEG体积小25%-35%。支持透明度（Alpha通道）和动画，主要用于网页加载优化。遗憾在于早期浏览器支持度不高，如今已获得Chrome、Firefox、Edge等主流浏览器的全面支持。
3.1.3 HEIF
HEIF（高效图像文件格式）基于H.265视频编码技术，由MPEG开发，2017年被苹果iOS设备率先采用。相比JPEG，在同画质下体积可减小50%以上，支持连拍、景深信息、多图封装等功能。缺点是兼容性仍待普及，在非苹果生态中需要额外解码器。
3.2 音频格式
3.2.1 MP3
MP3（MPEG-1 Audio Layer 3）是1990年代诞生的音频有损压缩标准，至今仍是使用最广泛的数字音乐格式。基于听觉掩蔽效应和心理声学模型，将人耳不敏感的频率范围进行粗量化。典型的320kbps码率被普遍认为接近透明音质（与原始CD相比大多数人无法区分），而128kbps码率则有明显的“金属声”或“空洞感”。
3.2.2 AAC
AAC（高级音频编码）是MP3的后继者，由MPEG-2/MPEG-4定义。在同码率下，AAC的音质通常优于MP3，尤其是低码率段（如128kbps以下）表现更佳。支持“跨帧感知编码”（SBR即频谱带复制技术），可以更高效地重建高频成分。是YouTube、iTunes和大多数智能手机的默认音频格式。
3.2.3 OGG Vorbis
OGG Vorbis是完全开放、无专利限制的音频压缩格式，在开源社区备受推崇。其心理声学模型与AAC相当，在中等码率下表现优秀。历史悠久但支持度不如MP3和AAC广泛，常出现在游戏音频（如许多Linux原生游戏）和语音通信软件中。
3.3 视频格式
3.3.1 H.264/AVC
H.264（又名AVC）是视频压缩领域的绝对霸主，广泛应用于Blu-ray、网络视频（YouTube、B站）、视频会议和监控摄像头。采用帧内预测、运动估计、DCT变换和环路滤波等综合技术。在同画质下，码率仅需MPEG-2的50%左右。其硬件解码支持几乎覆盖所有现代设备，堪称“视频界的JPEG”。
3.3.2 H.265/HEVC
H.265（又名HEVC）是H.264的继任者，压缩效率提升30%-50%。引入更大的编码单元（CU）、更精细的帧内预测模式和更强的运动补偿技术。主要用于4K/8K超高清视频、HDR（高动态范围）内容。缺点在于专利授权复杂（俗称“专利丛林”），导致商业推广受阻，生态支持不如预期。
3.3.3 AV1
AV1是由开放媒体联盟（AOM）开发的新一代免专利授权视频编码标准，2018年发布。压缩效率比H.265再提升20%-30%，解码计算复杂度也相应大幅提升。YouTube、Netflix和各大浏览器厂商积极推广，但软件解码在老旧设备上存在性能瓶颈。代表了“免费+高效”的视频压缩未来趋势。
3.4 其他格式（如DDS纹理压缩）
DDS（DirectDraw Surface）是一种专为实时渲染优化的纹理压缩格式，广泛应用于3D游戏和虚拟现实场景。采用块压缩（BCn系列算法如BC1/BC3/BC7），将4×4像素块压缩为固定位宽（如128位或64位），支持GPU直接采样而无须解压。属于“应用专用”的有损压缩，失真是可控的，但在远距离观察时效果尚可。
4 应用领域
4.1 流媒体与在线视频
流媒体平台（Netflix、Disney+、B站、抖音）是当今有损压缩的最大用户。视频以H.264/H.265编码，用自适应码率技术实时适应观众的网络状况。一个2小时的电影从原始未压缩的数百GB压缩到几GB，用户才能顺畅观看。没有有损压缩，在线视频行业根本不可能存在。
4.2 数字摄影与存储
数码相机、手机拍照默认使用JPEG或HEIF格式存储。一张2400万像素的RAW原始照片可高达30MB，相同场景下的JPEG仅3-5MB，画质损失在肉眼可接受范围内。社交媒体用户上传照片时，平台会自动二次压缩，可能导致“转存几次后画质崩坏”的经典现象。
4.3 语音通信
VoIP、微信语音、Skype等采用语音专用的有损编解码器（如Opus、Speex、G.729）。语音信号频率范围窄（约300Hz到3400Hz），压缩比极高，即使在6kbps超低码率下也能保持可懂度——这是电话通话质量“听得出是谁但有点失真”背后的技术原因。
4.4 游戏与虚拟现实
游戏引擎使用DDS等纹理压缩格式，将精细贴图压缩为可在GPU内快速采样的小块数据，同时保留足够的视觉细节用于渲染。VR/AR场景对帧率要求极高（90-120fps），必须用有损压缩处理高分辨率视频和模型纹理，否则带宽和算力根本无法满足实时渲染需求。
5 优缺点与取舍
5.1 优点：文件小、传输快、适合网络分发
有损压缩最显著的优势是大幅减小文件体积，从而节省存储空间、降低带宽需求、缩短传输时间。一张高清图片从几十MB变成几MB，一部电影从几百GB变成几GB。这使得在互联网广域传输、流媒体实时播放、手机本地存储等场景中，有损压缩成为不可或缺的基础设施。
5.2 缺点：不可逆失真、多次压缩导致“祖传画质”
有损压缩一旦丢弃信息便无法恢复。更令人头痛的是“世代损失”：反复对已压缩的图片或视频进行再压缩，失真会累积，效果如“祖传画质”——图片越来越糊、色块越来越重，最终变成无法辨认的马赛克。这就是为什么专业场景坚持存档原始无损文件（RAW、TIFF、FLAC）的原因。
5.3 经典幽默：“转存警告”与“码率刺客”
在互联网梗文化中，“转存警告”常用于表情包评论区——提醒大家不要反复保存和转发，否则原本高清的梗图会变成“祖传糊图”。而“码率刺客”则调侃那些为了省流量把视频码率压到极低的人或平台：视频保存下来后，标题、字幕全部看不出，画面充满马赛克，像被“刺客”一刀毙命。
6 相关争议与趣闻
6.1 音频盲听玄学：320kbps与无损的“耳朵幻觉”
在Hi-Fi发烧友之间，关于“人耳能否分辨320kbps MP3和无损CD音质”的争论从未停歇。大量双盲测试表明，在有安静环境和使用高品质设备的条件下，绝大多数人（包括自称“金耳朵”的爱好者）无法可靠区分二者。然而，这不妨碍一些人执着于收集无损FLAC，理由是“心理上知道数据完整”——这种对“主观完美”的追求，本质是对有损压缩“缺失了一点点”的潜意识抗拒。
6.2 低码率艺术：故意使用有损压缩创造的复古风格
有损压缩产生的伪影有时会被艺术家当作“美学元素”使用。例如，故意用JPEG极低质量参数（Q<10）处理图像，制造出像素块和色阶断裂的“数字过曝”感，常见于复古游戏标题画面或赛博朋克风格作品。视频中故意使用压缩算法的噪点和块状特效，也被用在恐怖游戏或实验电影中，传递一种“数字腐败”的气息。
6.3 如何分辨有损与无损：频谱分析与人眼识别伪影
技术爱好者识别有损痕迹的方法包括：在频域中，有损音频通常会在高频（约20kHz以上）出现“一刀切”的截断现象（MP3为16kHz左右），而无损信号频谱平滑延伸；图像中，JPEG会出现明显的8×8像素块的网格边界（尤其在纯色区域），以及色彩边缘的“蚊式噪声”。社交网络上常见的“是原图还是压了？”的鉴定帖，往往会放大这些伪影细节，让有损压缩的“疤痕”无所遁形。