在图片压缩领域，有一个数字反复出现：75。无论你看哪种压缩工具的默认配置，质量因子（Quality Factor）几乎都被预设在这个数值附近。它既不是工程上的经验拍脑袋，也不是某个委员会的硬性规定，而是由 JPEG 压缩算法本身的数学结构决定的。本文从 JPEG 压缩的完整流程讲起，把"质量因子"这件事拆解到量化表缩放这一层，让你真正理解为什么 75 是体积与画质的黄金平衡点。
一、JPEG 压缩流程总览
JPEG（Joint Photographic Experts Group）是一种有损压缩标准，其核心思想是利用人眼对亮度敏感、对色度不敏感，以及对高频细节不敏感的特性，丢弃那些视觉上不易察觉的信息。整个压缩流程可以分为五个阶段。
1. 色彩空间转换：RGB → YCbCr
原始图像通常以 RGB（红、绿、蓝）形式存储，但 JPEG 首先将其转换到 YCbCr 色彩空间：
- Y：亮度分量（Luminance），携带图像的明暗信息
- Cb：蓝色色度分量（Chrominance-Blue）
- Cr：红色色度分量（Chrominance-Red）
转换公式为：
Y = 0.299·R + 0.587·G + 0.114·B
Cb = -0.1687·R - 0.3313·G + 0.5·B + 128
Cr = 0.5·R - 0.4187·G - 0.0813·B + 128
之所以做这一步，是因为人眼对亮度变化极其敏感（能分辨细微的明暗差异），但对色度变化相对迟钝。因此在后续步骤中，可以对 Cb、Cr 进行更激进的采样压缩（4:2:0 色度子采样），而 Y 分量则保留更高精度。仅这一步，数据量就能减少一半左右，而视觉损失极小。
2. 8×8 像素分块与电平偏移
转换完成后，图像被切分为 8×8 的像素块（block）。每个块的像素值范围是 0~255，为了便于后续 DCT 计算，统一减去 128，使其中心化到 -128~127。
3. 二维离散余弦变换（DCT）
对每个 8×8 块做二维 DCT 变换，将图像从"空间域"转换到"频率域"。变换后的结果是一个 8×8 的系数矩阵，左上角是直流分量（DC，代表整个块的平均亮度），向右下角延伸是越来越高的交流分量（AC，代表细节、边缘、纹理）。
DCT 本身是可逆的、无损的，但它把信息按"视觉重要性"重新排列：低频系数集中了图像的主要轮廓，高频系数多是细节和噪声。这就为下一步的"有损"操作铺好了路。
4. 量化：有损的关键一步
DCT 系数是浮点数，无法直接编码。JPEG 用一个 8×8 的量化表（Quantization Table）逐元素去除每个系数，得到整数。除数越大，结果越粗糙，丢失的信息越多。
量化表分两张：亮度量化表（Luminance）和色度量化表（Chrominance）。标准 JPEG 推荐的亮度量化表左上角的值较小（如 16），右下角的值较大（如 99）——这正是利用人眼对高频不敏感的特性，对高频系数进行更大幅度的取舍。
这一步是整个 JPEG 压缩中唯一的有损环节，也是质量因子真正发挥作用的地方。
5. 熵编码：无损压缩收尾
量化后的系数按 ZigZag 顺序扫描（从低频到高频），先用游程编码（RLE）压缩连续的零，再用哈夫曼编码（Huffman）或算术编码进一步压缩。这一步完全无损，只是把数据压得更紧凑。
整个流程如下所示：
二、质量因子到底控制什么
很多人以为质量因子（Q）是一个 0~100 的"画质评分"，实际上不是。它真正控制的是量化表的缩放比例。
量化表缩放公式
JPEG 标准定义了一个基础量化表（baseline table）。质量因子并不直接替换这个表，而是按以下公式对表中的每个值进行缩放：
若 Q >= 50:
scale = 5000 / Q
若 Q < 50:
scale = 200 - 2·Q
量化值 = floor((基础表值 × scale + 50) / 100)
量化值 = clamp(量化值, 1, 255) # 最小为 1，最大为 255
理解这个公式的几个关键点：
- Q = 100 时，scale = 50，量化值约为基础表的一半，几乎不丢信息（但仍有量化误差，所以 JPEG 永远做不到真正无损）。
- Q = 50 时，scale = 100，量化值等于基础表本身，这是 JPEG 标准的"基准点"。
- Q = 75 时，scale = 5000/75 ≈ 66.7，量化值约为基础表的 2/3——比基准略宽松一点。
- Q < 50 时，scale 大于 100，量化越来越粗暴，高频细节被大量抹平。
- Q = 1 时，scale = 198，几乎所有高频系数都被清零，画面出现明显的块效应。
为什么 75 是黄金平衡点
关键在于量化曲线的"边际收益"。从 Q50 到 Q75，文件体积下降明显，但视觉质量损失很小；而从 Q90 到 Q95，体积急剧膨胀，画质提升却肉眼几乎不可见。
用一个直观的对比：以 Q95 的体积为 100% 基准，Q75 通常只有约 30%~35%，而 PSNR（峰值信噪比）只下降 2~3 dB，SSIM（结构相似度）下降不到 0.05。换句话说，Q75 用 1/3 的体积换回了 95% 以上的视觉质量。这就是它成为默认值的根本原因——在视觉无损的边界上，再压一格就是浪费。
注意图表中 Q75 的位置：体积柱已经跌到 32%，而质量曲线仍维持在 90% 附近——这正是"黄金平衡点"的几何含义。
三、用 Python 实测不同质量因子
下面这段代码用 Pillow（PIL）对同一张图片做不同质量因子的压缩，输出对比数据。你可以直接运行验证上面的结论。
from PIL import Image
from io import BytesIO
import os
def compress_jpeg(img_path, quality):
"""以指定质量因子压缩图片，返回压缩后的字节大小"""
img = Image.open(img_path).convert('RGB')
buffer = BytesIO()
img.save(buffer, format='JPEG', quality=quality, optimize=True, subsampling=2)
return buffer.tell()
def compare_qualities(img_path):
original_size = os.path.getsize(img_path)
print(f"原始文件: {img_path}")
print(f"原始大小: {original_size / 1024:.1f} KB")
print(f"{'质量因子':<10}{'大小(KB)':<12}{'压缩比':<10}{'节省空间':<12}{'相对Q95':<10}")
print("-" * 58)
sizes = {}
for q in [95, 85, 75, 65, 50, 30, 10]:
size = compress_jpeg(img_path, q)
sizes[q] = size
ratio = original_size / size
saving = (1 - size / original_size) * 100
rel = size / sizes[95] * 100 if q != 95 else 100
print(f"Q{q:<8}{size/1024:<12.1f}{ratio:<10.2f}{saving:<12.1f}{rel:<10.1f}")
# 输出 Q75 相对 Q95 的体积节省
if 95 in sizes and 75 in sizes:
saved = (1 - sizes[75] / sizes[95]) * 100
print(f"\nQ75 相对 Q95 节省体积: {saved:.1f}%")
if __name__ == '__main__':
compare_qualities('sample.jpg')
典型输出（以一张 4000×3000 的风景照为例）：
原始文件: sample.jpg
原始大小: 5823.4 KB
质量因子 大小(KB) 压缩比 节省空间 相对Q95
----------------------------------------------------------
Q95 1245.8 4.67 78.6% 100.0
Q85 722.5 8.06 87.6% 58.0
Q75 398.7 14.61 93.2% 32.0
Q65 274.2 21.24 95.3% 22.0
Q50 186.9 31.16 96.8% 15.0
Q30 99.5 58.52 98.3% 8.0
Q10 49.8 116.91 99.1% 4.0
Q75 相对 Q95 节省体积: 68.0%
数据印证了前面的结论：Q75 相对 Q95 节省了约 68% 的体积，而两张图在屏幕正常观看距离下几乎无法分辨差异。
四、常见图片格式对比
理解了 JPEG 之后，再把它放到整个图片格式生态中对比。每种格式背后是一套不同的压缩哲学。
| 格式 | 压缩类型 | 透明支持 | 动画支持 | 典型压缩率 | 适用场景 |
|---|---|---|---|---|---|
| JPEG | 有损（DCT） | 不支持 | 不支持 | 中高 | 照片、自然色图像、Web 缩略图 |
| PNG | 无损（DEFLATE） | 支持（8bit/16bit） | 不支持 | 低 | 图标、UI 元素、文字截图、需要透明 |
| WebP | 有损 + 无损 | 支持 | 支持 | 高（比 JPEG 小 25%~35%） | 现代照片、动图替代、追求极致体积 |
| TIFF | 无损 / 有损（可选） | 支持 | 不支持 | 低 | 印刷、扫描、专业图像存档 |
| BMP | 无压缩 | 不支持 | 不支持 | 极低（原始像素） | 几乎不推荐，仅历史兼容 |
几点说明：
- JPEG 不支持透明：这是它最大的短板。需要透明背景的图标必须用 PNG 或 WebP。
- PNG 是无损的"重武器"：画质完美但体积大，存一张 4000×3000 的照片可能要 20MB 以上。
- WebP 是 JPEG 的强力竞争者：在有损模式下，同等画质下比 JPEG 小 25%~35%，且支持透明和动画。它的短板是部分老旧浏览器和工具链兼容性。
- TIFF/BMP 已不适合 Web：它们更像是专业工作流或历史遗留格式。
五、分辨率与质量因子的协同效应
很多人只盯着质量因子调，却忽略了分辨率这个更猛的"杀招"。实际上，降低分辨率带来的体积收益往往比降低质量因子更大。
双重压缩策略
一张 4000×3000（约 1200 万像素）的原始照片，如果直接以 Q95 存为 JPEG，体积可能超过 4MB。但屏幕显示通常只需要 1920×1080（约 200 万像素），这中间有大量冗余。
体积优化的两步走：
- 第一步：降分辨率。从 4000×3000 缩到 1920×1080，像素数从 1200 万降到 200 万，减少约 83%。由于 JPEG 体积大致与像素数成正比，这一步直接砍掉约 75%~83% 的体积。
- 第二步：调质量因子。在新的分辨率下，把 Q95 降到 Q75。由于高频细节已经被缩小过程平滑掉一部分，Q75 的块效应在新分辨率下几乎不可见，这一步再砍掉约 50% 的体积。
两步叠加后，最终体积约为原来的 8%~10%。也就是说，一张 4MB 的原图可以压到 300~400KB，而屏幕观看体验几乎无损。
这里有一个重要原则：先降分辨率，再降质量因子。顺序反过来（先压质量再缩放）会导致缩放过程把 JPEG 的块效应放大，反而更难看。
六、格式选择决策树
面对一张图片，到底该用哪种格式？下面这个决策树可以快速判断：
简单总结：照片走 JPEG 或 WebP，图标文字走 PNG，需要透明一律避开 JPEG。
七、FAQ：三个常见问题
Q1：为什么 Q75 被认为是"最佳"质量因子？
因为量化曲线在这里出现拐点。Q75 对应的 scale 约为 66.7，量化表被压缩到基础值的 2/3 左右。这个位置上，人眼最敏感的低频系数几乎完整保留，而视觉不敏感的高频系数开始被合理丢弃。继续往上提到 Q85、Q95，体积膨胀速度远快于画质改善；往下压到 Q60、Q50，块效应和振铃伪影开始肉眼可见。Q75 恰好站在"体积下降快、画质下降慢"的甜蜜区，因此被广泛作为默认值。需要注意的是，"最佳"是针对 Web 屏幕显示而言，专业印刷或存档可能需要 Q90 以上。
Q2：WebP 能完全替代 JPEG 吗？
从压缩效率看，WebP 有损模式在同等 SSIM 下比 JPEG 小 25%~35%，且支持透明和动画，技术上确实更优。但"完全替代"还做不到，原因有三：第一，部分老旧浏览器和图片处理库对 WebP 支持不完整；第二，WebP 的编码速度在早期实现中慢于 JPEG（虽然现代库已大幅改善）；第三，JPEG 经过 30 年沉淀，在相机直出、CMS、邮件附件等环节的兼容性几乎无死角。实际工程中常见的做法是同时输出 JPEG + WebP 两份，用 <picture> 标签让浏览器自行选择。
Q3：同一张图反复用 JPEG 压缩会怎样？
会累积失真，而且不可逆。每次 JPEG 压缩都会重新做量化和 DCT，前一次压缩引入的块效应、振铃伪影会被当作"图像内容"再次量化，导致伪影越来越明显，画质阶梯式下降。这种现象叫"generation loss"。避免方法是：保留一份无损原始文件（PNG/TIFF 或 JPEG Q100），所有衍生版本都从原始文件出发，绝不从已压缩的 JPEG 二次压缩。如果必须多次编辑，应使用无损中间格式（如 PSD、TIFF）保存工作版本，只在最终输出时压成 JPEG。
八、总结与参数速查表
JPEG 压缩的核心是"用频率域的取舍换体积"，而质量因子本质上是量化表的缩放旋钮。Q75 之所以成为 magic number，是因为它精确地落在量化曲线的拐点上：再往高处走，体积膨胀换不来肉眼可见的画质；再往低处走，块效应就开始刺眼。配合合理的分辨率缩减，Q75 能让一张千万像素的照片在 Web 上以几百 KB 的体积呈现，而视觉损失微乎其微。
理解了原理，参数选择就不再是玄学。下面这张速查表供日常参考：
| 场景 | 推荐格式 | 质量因子 | 分辨率建议 | 预期体积 |
|---|---|---|---|---|
| Web 文章配图（照片） | JPEG | 75~80 | 长边 ≤ 1920px | 200~400 KB |
| Web 缩略图 | JPEG | 70 | 长边 ≤ 400px | 15~40 KB |
| 图标 / UI 元素 | PNG | — | 原始尺寸 | 视复杂度 |
| 含文字的截图 | PNG | — | 原始尺寸 | 视复杂度 |
| 需要透明背景 | WebP / PNG | — | 原始尺寸 | — |
| 高清照片存档 | JPEG | 90~95 | 原始分辨率 | 2~5 MB |
| 印刷输出 | TIFF / PNG | — | ≥ 300 DPI | 不限 |
| 现代网站追求体积 | WebP | 75~80 | 长边 ≤ 1920px | 150~300 KB |
掌握"色彩空间转换 → DCT → 量化 → 熵编码"这条主线，理解质量因子对量化表的缩放作用，再结合分辨率缩减与格式选型，图片压缩就从"凭感觉调参数"变成了"有据可依的工程决策"。
相关阅读：