本系列的第1部分介绍了我最近开发的免费有损图像格式（FUIF）。第2部分解释了FUIF的原因、内容和方式。这篇文章是本系列文章的第3部分，深入探讨了FUIF是如何对传统友好的，我在第2部分中提到了这一点。如果将JPEG图像转换为新的图像文件格式的唯一方法是将JPEG解码为RGB像素（或YCbCr）并将其编码为新格式，那么就有问题了。结果要么是大量的生成丢失，要么是新文件实际上比原版。兼容性在支持8x8离散余弦变换（DCT）和YCbCr颜色变换的意义上，JPEGFUIF与JPEG兼容。这意味着FUIF可以无损地表示JPEG图像中的实际信息，同时仍然为您提供其大部分优点，例如：设计响应，不限于1:8的比例最小头开销由于增强的熵编码，压缩效果比JPEG更好将FUIF与Dropbox的Lepton进行比较，后者也进行无损的JPEG压缩，结果表明-轻子通常可以获得更好的压缩效果。轻子更快。轻子有点精确，不仅仅是图像精确。但是，FUIF提供了以下好处：你可以逐步解码FUIF。轻子是"反进展的"，因为它编码的交流系数在直流系数之前。例如，可以通过添加无损或有损的alpha通道来增强jpeg。与JPEG-XT不同，FUIF比特流与传统JPEG完全不同，因此JPEG解码器无法读取。显然，完全向后兼容很方便，但也有严重的缺点。这意味着压缩密度与传统的JPEG相比无法提高。这也意味着新特性（如alpha或更高的位深度）都不能保证正确呈现，因为至少在最初，大多数解码器会忽略传统JPEG比特流的任何扩展。所以，在我看来，不向后兼容是一个更好的设计选择。而FUIF不能向后兼容JPEG，它是"传统友好的"，因为您可以将现有的JPEG图像无损有效地转换为FUIF，可能会增加一些信息，比如α或者深度渠道。有效png和GIFsFUIF的再压缩也可以有效地重新压缩现有的（动画的或静止的）png和gif。这些格式在其限制范围内是无损的，因此发电损耗不是问题。然而，由于png和gif的压缩方法与大多数有损格式的压缩方法不同，因此有效地重新压缩它们对于新的图像格式是具有挑战性的。例如，对于几乎没有不同颜色的图像或动画，PNG或GIF可以比JPEG小，即使它们是无损的，而JPEG是失去理智。你通过FUIF中的两种特定图像变换，可以有效地重新压缩PNG和GIF：调色板：PNG8和GIF都使用高达256色的调色板，用一个调色板索引通道代替通常的三个颜色通道。FUIF支持任意大小的调色板。匹配：第二个转换会删除图像或动画中重复的像素模式，只对它们进行一次编码，并用引用替换其他出现的像素模式。此模式的结果是压缩增益与使用PNG和GIF的字典式熵编码获得的结果类似。因为这种模式也可以补偿帧间运动，所以在动画中也能很好地工作。你可以对FUIF重新压缩的png和gif进行编码，以一种渐进的响应方式，或者无损或有损弹性在不引入额外损失的情况下，能够有效地重新压缩jpeg、png和gif是FUIF保留过去遗产的一种方法。FUIF的另一个传统友好方式涉及未来。理想情况下，有损压缩仅对图像应用一次。您应该只编辑无损图像，并且在最后一步中，应用有损压缩以使这些图像文件更小以便分发。然而，在实践中，无损原稿往往会丢失，所有可用作编辑的源材料都是有损的图像。重复有损编码会导致代丢失，也称为"复印机效应"。具有讽刺意味的是，先进的现代图像文件格式往往比旧格式更容易受到这种问题的影响。这是因为高级格式使用了更强大的压缩技巧库，这使它们能够获得更好的压缩，但也常常导致更严重的累积错误。现实点在有损压缩中，很难完全避免产生损耗。尽管如此，使用FUIF可以将损失降到最低。下面是一个很有启发性的演示，展示了FUIF和其他一些图像文件格式在500代重新压缩后的行为：正如您所看到的，FUIF在两个关键方面是对传统友好的：它可以有效地重新压缩现有的JPEG、PNG和GIF图像（过去的遗产），而不会带来额外的损失，而且它对生成损失（未来的遗产）具有弹性。在下一篇文章中，我将讨论压缩工件，包括福伊夫注释福伊夫密码现在已经公开了。关于响应图像的进一步阅读具有Cloudinary的响应图像自动裁剪图像，实现响应式设计，提高图像质量响应图像：srcset和size HTML图像属性通过3个简单的步骤使网站上的所有图片都能响应响应式Web设计的最佳实践