Google开源新的JPEG编码函数库Jpegli，压缩比高失真少

Google发布了一个新的JPEG编码函数库Jpegli，其设计比传统JPEG更快更有效率，图片也更美观。在高品质的压缩设置下，Jpegli可比传统JPEG解编码器压缩比提高35%，更重要的是该函数库保持高度的向后兼容性，可与现有系统无缝集成。

Jpegli提供与原始JPEG标准完全可互通的编码器和解码器，以及和libjpeg-turbo、MozJPEG的API/ABI高度兼容性，其采用最为广泛使用的8位元格式来处理和存储图像数据，如此确保了Jpegli的泛用性，在不牺牲现有系统和应用稳定性的前提下，供用户马上获得性能提升。

特别的是，当图片通过Jpegli压缩或是解压延时，函数库会执行精确且符合心理视觉（Psychovisually Effective）特性的计算，这将使整体形象看起来更加清晰，且可观察到的失真更少。Jpegli能比传统JPEG解编码器更有效地压缩略图像，可节省带宽和存储空间，以及加快网页速度。

Jpegli还有一项特性是执行快速，在提高形象品质和压缩比的同时，Jpegli的编码速度并没有因此变慢，仍与libjpeg-turbo和MozJPEG等传统方法相当，这使得开发人员可以将Jpegli集成进现有的工作流程中，且不会牺牲额外的编码性能或是内存使用。

传统JPEG编码解决方案仅对每个色彩成分（Color Component），仅使用8位元来表示，如此大幅限制颜色的表达范围，容易产生可见的色带（Banding）失真，但在Jpegli中，每个色彩成分都可以使用10+位元进行编码。

不过Jpegli的10+位元编码是以原始8位元格式进行，因此所产生的图像能够与8位元图像浏览器完全兼容，Google提到，Jpegli应用了许多新技术来降低噪声并提高形象品质。这些技术包括自JPEG XL参照实例的自适应量化启发式算法、改进的量化矩阵选择，以及精确计算中继结果，并且尽可能使用高端色彩空间。

自适应量化启发式算法主要是根据心理视觉模型，控制量化的死域（Quantization Deadzone），这种方法是Google为JPEG XL设计，其核心概念在于动态调整图像不同部分的压缩强度，根据人眼对于亮度、色彩和细节等感知差异，在细节丰富或是视觉重点区块，执行较少的压缩，而在视觉不敏感的地方加强压缩。

Jpegli还使用了一组量化矩阵，这些矩阵会根据心理视觉品质指标进行优化选择，而Jpegli精确计算的中继结果则可提高图像品质，且编码和解码都会产生更高品质的结果。Jpegli还会使用JPEG XL的XYB色彩空间，进一步提高图像品质和密度。