無損壓縮的特征：
信息保留：所有的原始數(shù)據(jù)在壓縮后都會被保留，解壓縮后與壓縮前完全一致。
使用場景：無損壓縮通常用于文本文件、程序代碼、圖像（如 PNG 格式）、音頻等需要保持原始質(zhì)量的文件類型。
技術(shù)實現(xiàn)：ZIP壓縮結(jié)合了霍夫曼編碼和LZ77等算法，確保在壓縮過程中不丟失任何數(shù)據(jù)。
有損壓縮：
數(shù)據(jù)丟失：編碼過程會舍棄一些原始數(shù)據(jù)（通常是人眼或人耳不易察覺的細節(jié)），以換取更高的壓縮率。
不可逆：壓縮后的數(shù)據(jù)在解碼時不能完全恢復(fù)到原始的未壓縮狀態(tài)，尤其是在高壓縮率下，細節(jié)丟失會更為明顯。
壓縮效率高：相比無損壓縮，有損壓縮能夠顯著減小文件大小，適用于帶寬和存儲空間有限的場景，如在線視頻、圖片分享等。
感知質(zhì)量優(yōu)化：有損壓縮會根據(jù)人類視覺或聽覺系統(tǒng)的特性，優(yōu)先保留對人類感知更重要的信息（如低頻部分），舍棄不容易察覺的高頻細節(jié)和噪聲。
視頻編碼過程
1.顏色空間轉(zhuǎn)換（RGB → YUV/YCbCr）
2.分塊處理（通常為 8×8 或 16×16）
3.預(yù)測編碼（幀內(nèi)/幀間）
4.變換（DCT 頻域變換）
5.量化（壓縮高頻系數(shù)）
6.熵編碼（進一步壓縮）
7.輸出碼流（用于存儲或傳輸）
1. 顏色空間轉(zhuǎn)換
將原始視頻/圖像的 RGB 顏色空間轉(zhuǎn)換為 YUV 或 YCbCr 顏色空間。這樣做是因為人眼對亮度（Y）信息更敏感，而對色度（U 和 V）信息不敏感。因此，色度信息可以被適當(dāng)壓縮而不明顯影響感知質(zhì)量。將 RGB 轉(zhuǎn)換為 YUV/YCbCr 顏色空間后，色度分量（U 和 V）的數(shù)據(jù)量可以被壓縮，但這個步驟的壓縮程度有限。
2. 分塊處理
將圖像分成小塊（如 8×8 或 16×16 像素的塊）。編碼器對每個塊分別進行處理。本身并不壓縮數(shù)據(jù)，而是將圖像分為更小的塊，便于后續(xù)處理。
3. 預(yù)測編碼
根據(jù)相鄰塊或前后幀的圖像信息，預(yù)測當(dāng)前塊的內(nèi)容,通過幀內(nèi)預(yù)測和幀間預(yù)測減少冗余信息，能壓縮一部分?jǐn)?shù)據(jù)。分為兩種主要類型：
幀內(nèi)預(yù)測（Intra Prediction）：在同一幀內(nèi)，通過相鄰塊預(yù)測當(dāng)前塊。
幀間預(yù)測（Inter Prediction）：通過參考前后幀的相似塊，預(yù)測當(dāng)前塊。
4. 變換（DCT）
將每個塊的像素值通過離散余弦變換（DCT）轉(zhuǎn)換到頻域，得到一組頻域系數(shù)。DCT 能集中圖像的能量到低頻部分，從而使高頻部分（細節(jié)和噪聲）可以進行壓縮。將圖像從空間域轉(zhuǎn)換到頻域，便于后續(xù)壓縮，但這個過程本身并不直接壓縮數(shù)據(jù),為量化做數(shù)據(jù)準(zhǔn)備
5. 量化
對變換后的頻域系數(shù)進行量化。通過舍棄或簡化高頻系數(shù)，實現(xiàn)數(shù)據(jù)壓縮。量化過程中，低頻部分被精確保留，而高頻部分被大幅度壓縮或丟棄。通過舍棄或簡化高頻細節(jié)信息（尤其是人眼不易察覺的細節(jié)）大幅減少了需要存儲和傳輸?shù)臄?shù)據(jù)量。它將變換后的頻域系數(shù)除以量化步長并四舍五入成整數(shù)，導(dǎo)致高頻分量（通常是圖像中的細節(jié)和噪聲）被大量壓縮甚至完全舍棄。
量化過程中丟失的高頻信息無法恢復(fù)，導(dǎo)致不可逆的有損壓縮。這也是壓縮率提高的主要來源。量化步驟也是壓縮數(shù)據(jù)量最多的環(huán)節(jié)
6. 熵編碼
量化后的數(shù)據(jù)進行熵編碼，如霍夫曼編碼或算術(shù)編碼。熵編碼進一步減少數(shù)據(jù)冗余，通過對數(shù)據(jù)的統(tǒng)計特性進行編碼，以更少的比特數(shù)表示高頻出現(xiàn)的數(shù)據(jù)。壓縮幅度相對較小。
DCT 的基本原理
DCT 的核心思想是將圖像數(shù)據(jù)從 空間域（像素的明暗值）轉(zhuǎn)換到 頻域（頻率成分）。在頻域中，大多數(shù)自然圖像的數(shù)據(jù)能量集中在低頻部分，而高頻部分則包含細節(jié)和噪聲。通過這種轉(zhuǎn)換，圖像可以通過量化低頻成分而保留主要信息，而高頻成分可以被去除或減少，達到壓縮的目的。
空間域與頻域
空間域：圖像的空間域就是我們看到的像素點陣，每個像素的值代表圖像中該位置的亮度（灰度圖）或顏色（彩色圖）。
頻域：在頻域中，圖像信息被表示為不同頻率的組合。低頻部分代表了圖像中的平滑變化（如大面積的背景顏色），高頻部分則包含了圖像中的細節(jié)和邊緣。
