Die Essenz der Bildkompression ist das Gleichgewicht zwischen Speicherplatz und visueller Qualität. Diese Seite analysiert eingehend, wie mathematische Redundanz und visuelle Wahrnehmungsgrenzen für extreme Datenreduktion genutzt werden.
Shannon-Entropie definiert das Limit der Datenkompression. Klicken Sie auf Blöcke, um Muster zu ändern:
Das menschliche Auge ist empfindlich für Helligkeit (Y), aber unempfindlich für Farbe (Cb/Cr).
Diskrete Kosinustransformation (DCT) wandelt Bilder in Frequenzen um und verwirft dann Informationen über Quantisierungsschritte.
Kompromiss: Wie viel Detail kann bei welcher Größe erhalten bleiben?
Alle verlustbehafteten Algorithmen folgen einer Regel: Niedrigere Bitrate (Rate) bedeutet höhere Verzerrung (Distortion). Exzellente Encoder (wie AV1) behalten auch bei sehr niedrigen Bitraten eine hohe Ähnlichkeit bei.
Wenn der PSNR des komprimierten Bildes etwa 35-45dB erreicht, kann das menschliche visuelle System (HVS) es kaum vom Original unterscheiden. Diese Kunst, das Auge zu "täuschen", ist der Kern der verlustbehafteten Kompression.
Im Vergleich zum traditionellen PSNR misst SSIM Bildstruktur, Leuchtdichte und Kontrast. Es entspricht eher der menschlichen subjektiven Ästhetik als eine einfache Pixelfehlerberechnung.
Verlustfreie Kompression ist durch die Informationsentropie der Daten begrenzt. Wenn Daten komplettes Zufallsrauschen sind, ist ihre Entropie maximal, und kein Algorithmus kann sie verkleinern. Verlustbehaftete Kompression kann zwar weiter Daten verwerfen, aber wenn der Quantisierungsschritt zu groß ist, kollabiert das Bild in einfarbige Blöcke.
Moderne Formate wie WebP und HEIF führen Intra-Prädiktion aus der Videokodierung ein. Sie versuchen, den aktuellen Block anhand umliegender Pixel vorherzusagen und zeichnen nur den "Vorhersagefehler" (Residuum) auf, was effizienter ist als die vollständige Blockaufzeichnung von JPEG.