A essência da Compressão de Imagem é equilibrar Espaço de Armazenamento e Qualidade Visual. Esta página analisa profundamente como aproveitar a Redundância Matemática e Limites de Percepção Visual para redução extrema de dados.
Entropia de Shannon define o limite de compressão de dados. Clique nos blocos para mudar padrões:
O olho humano é sensível à Luminância (Y) mas insensível à Crominância (Cb/Cr).
Transformada Discreta de Cosseno (DCT) converte imagens em frequências, depois descarta info via Passos de Quantização.
Compromisso: Quanto detalhe manter em qual tamanho?
Todos os Algoritmos com Perda seguem uma regra: Menor Taxa de Bits (Rate) significa maior Distorção. Excelentes codificadores (como AV1) mantêm alta similaridade em taxas muito baixas.
Quando o PSNR da imagem comprimida atinge cerca de 35-45dB, o Sistema Visual Humano (HVS) mal consegue distingui-la da original. Essa arte de "enganar" o olho é o núcleo da compressão com perda.
Comparado ao PSNR tradicional, SSIM mede estrutura, luminância e contraste da imagem. Alinha-se melhor com a estética subjetiva humana do que o simples cálculo de erro de pixel.
Compressão sem perda é limitada pela Entropia da Informação. Se os dados são ruído totalmente aleatório, sua entropia é máxima e nenhum algoritmo pode reduzi-la. Compressão com perda pode descartar mais, mas se o Passo de Quantização for muito grande, a imagem colapsa em blocos de cor sólida.
Formatos modernos como WebP e HEIF introduzem Intra-predição da codificação de vídeo. Tentam prever o bloco atual usando pixels vizinhos, gravando apenas a "parte falha" (residual), o que é mais eficiente que a gravação de bloco completo do JPEG.