当前位置:首页 > 文章列表 > Golang > Go问答 > 评估Golang图像的“压缩率”以减小文件大小

评估Golang图像的“压缩率”以减小文件大小

来源:stackoverflow 2024-02-07 15:00:25 0浏览 收藏

大家好,今天本人给大家带来文章《评估Golang图像的“压缩率”以减小文件大小》,文中内容主要涉及到,如果你对Golang方面的知识点感兴趣,那就请各位朋友继续看下去吧~希望能真正帮到你们,谢谢!

问题内容

我正在尝试减少/压缩 golang 中图像的文件大小。当我使用 jpeg.Encode 并将选项作为质量 75 的参数传递时,10mb 的图像变成了 18mb 的图像......我不明白为什么,这就是这个库中的质量概念?

此外,我想知道在编码之前如何知道哪个是原始质量,我想如果我知道我可以将其设置为较小的值,或者尝试其他方法,例如将图像大小调整为高度和宽度的 10%。

我希望了解 jpeg.Encode 函数中选项参数的质量属性的标准。我想获得更多有关图像文件大小以及如何减小图像文件大小的知识。


正确答案


JPEG质量参数不是图像的特征,而是JPEG编码过程的特征。由于 JPEG 是一种有损编码,这意味着编码图像无法解码为准确的原始图像,因此您可以向编码器指定它应如何忠实地尝试复制原始图像。质量 100 应该几乎没有损失,质量较低的编码器不会那么努力。因此,质量参数越大,文件大小越大,因为编码器试图保留更多信息。]

为了直观地理解为什么编码文件最终可能比原始文件大,下面是人类语音中“压缩”的示例(不是 JPEG,但从信息论的角度来看,适用相同的原则):

000000000000000000000000000000000000000000000000000 可以描述为“五十个零”,即 50:12 比例的压缩(即源代码长度减少了四倍以上)。

01101是“一个零,两个一,一个零和一个一”,5:34比例压缩失败,编码值几乎是原来的七倍。

这张照片(来自 JPEG 上的维基百科页面)显示了质量参数对结果图像,从左侧的 0 到右侧的 100:

如果不尝试对图像进行编码,编码器就无法知道结果是什么;这很大程度上取决于图像。 JPEG 非常擅长编码颜色渐变,但非常擅长编码锐利边缘。因此,它可以很好地压缩照片,但在压缩照片等方面会非常糟糕。静态噪声。

这意味着不存在“编码前的原始质量”,除非您的图像已经进行了 JPEG 编码。如果图像已经是 JPEG 编码的,并且您尝试对其进行重新编码,则通常会发现尺寸的增加几乎没有任何增益(因为编码器不仅尝试复制图像,还尝试复制之前的图像)编码),就像您尝试压缩已经压缩的文件一样。对已经以其他方式编码的图像进行转码可能会也可能不会导致文件大小减小,具体取决于图像和之前使用的编码。

以上就是《评估Golang图像的“压缩率”以减小文件大小》的详细内容,更多关于的资料请关注golang学习网公众号!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
使用map[interface{}]创建字符串使用map[interface{}]创建字符串
上一篇
使用map[interface{}]创建字符串
使用 go-pg 包删除多个记录
下一篇
使用 go-pg 包删除多个记录
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    325次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    384次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    376次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    343次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    167次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码