图片原理与优化如何在网站设计中发挥
更好的效果
前言：该文收集了前辈们的一些关于图片优化的技巧，在此收拢到一起，对于各个方法的优化起到抛砖引玉的作用。

提到图片，我们不得不从位图开始说起，位图图像(bitmap)，也称为点阵图像或绘制图像，是行不同的排列和染色以构成一副图片。

当放大位图时，可以看见赖以构成整个图像的无数单个方块
常见的格式中JPG、PNG、GIF亦属于位图，所以它们的数据结构大致相同，只是每一种图片格方法都有一个共同点，都是围绕着每个像素颜色值来下手，具体如何进行优化呢?
下面来给大家介绍一下图片的一些基本原理和优化的方法：
1.JPG原理与优化
JPG是一种对彩色或灰阶之类连续色调图形作压缩和解压缩的标准.这个标准是由ISO/IEC JT
压缩算法为正、反离散余弦转换，如下图：
反离散余弦转换即把整个流程反转。

这里的8X8像素区块是我们JPG优化方法的重点，在之后会涉及到取样、区块量化、扫描的步的过程，也是我们优化工作所涉及到核心部分。

取样：
这里所提到的可以很好的解释到下面JPG优化方法中的色彩优化;
JPG将不同的色彩当作独立的成份，因此各个成份可以被视为一个灰阶影像来处理，如果各个好，因此把红(R)、绿(G)、蓝(B)的成份转换成：亮度 (Luminance)(Y)、色度 (Chrominance)(Cb
Y = 0.299R+0.587G+0.144B
Cb = -0.169R-0.331G+0.500B
Cr = 0.500R- 0.419G –0.081B
由于人的视力系统对色度的敏锐度不高，因此以YCbCr色度的方式来表示可以再做一次作取
4:4:4格式代表YCbCr原来完整的信息，可以再次取样以4:2:2或4:2:0格式来表达;4:2:2格以将信息三减少为一半。

虽然色度的信息量减少了.但对人的视觉神经而言却仅仅感受到微小的差
区块量化：
为了说明执行离散余弦转换(DCT)的影响，我们将以自一张图去下的8×8区块的亮度资料转换
低频部分包含了区块的大部分能量，而对视觉较不敏感的高频部分，则通常只含有较低的能量
接下来对亮度系数做量化处理的矩阵系数表：
在亮度系数的量化方面每个DCT系数除以相对的量化矩阵的值，在四舍五入后得到如下的量化
注意量化后区块高频部份出现许多零值，代表人类视觉系统对高频部份并不敏感。

由于四舍五真的过程。

扫描：
区块在量化之后，只有低频的部分有非零值，为了进一步地减少储存空间的大小，尽可能地将的处理每个零，因此运用了如下图的方式做斜向扫描：
这种斜向扫描的扫描线乃是沿着空间频率大小增加的方向作扫描的，使得许多的零可以被串接了解上述3个流程后，后续我们做JPG优化的时候会更得心应手了，如何处理颜色，如何减少接下来为大家介绍下JPG常用的几种优化方法：
8像素栅格
如下2副图片所示，图片为32X32，白色方块宽高为8X8：
正如大家看到的，左上角的小方块正好对齐在“8像素栅格”，这样就确保小方块保持是锐利块，而软件是对每一个区块进行独立优化的。

由于右下方的方块并不匹配这些区块(也就是这个方在寻找索引的时候就会在黑色和白色之间寻找平衡，即添加了杂色。

示例：
不仔细看可能发现不了，第二幅图片中盒子的黑子盖子左边超出的区域、99数字超出的多余操作便可减少约1K，做到这一步，大家肯定会考虑一个问题，难道每次做图的时候都要拉着么辅
其实，这里只是为了做一个精确的示范，如果应用到工作中，我们大可将8X8的辅助方格改为
图片质量
不要保存质量为100的图片。

这个并不是最高质量的图片，只是一个数值上的优化底线，最终以上就已经足以防止丢失信息了。

在质量上有个分水岭，这就是我们通常建议JPG质量最好是在60左右的原因。

当在Photosh “降色采样(原文：color down-sampling)”的优化算法，它会在8个像素周围平均采样，这样会
因此，如果图片很小而且对比很大，建议在Photoshop中不要设置质量低于51。

图例(左为质量51右为质量50)：
色彩优化
这里优化的原理在于解压缩过程，反量化与斜向扫描中着手。

这里涉及到两个量化矩阵(亮度但是此方法用到的情况相对比较少，所以这里只做简短的介绍。

Photoshop有一个Lab的颜色模式，L表示亮度(Luminosity)，a表示从洋红色至绿色的范围
其中在这里最重要的就是明度(也称为亮度)，优化图像的时候通常是压缩颜色通道，但尽可能
这里最关键的是滤镜>>杂色>>中间值针对A,B两个通道的颜色做处理
2.PNG原理与优化
PNG，图像文件储存格式，其目的是试图替代GIF和TIFF的文件格式，同时增加一些GIF所不索引色，带alpha通道的灰度，带alpha通道的真彩色，遗憾的是Photoshop只能导出3种图像类
对于PNG图像，可以分为索引(Index)图和RGB图两种，索引图只包含固定数量的颜色，而R
索引图：为节约存储，把图像中使用的颜色与一个颜色表对应起来，索引色常使用16色、32
RGB图：的每一个象素都保存一个RGB值，代表这个象素的颜色，因此，一张RGB图有多少个
压缩：
PNG采取的是LZ77无损数据压缩算法：LZ77算法简单来说就是通过使用编码器或者解码器中压缩功能。

最重要的还是线性过滤(也称为“三角过滤”)，PNG有5种过滤器，None(无过滤)，Sub(当前
Average(减去左侧和上方像素的平均值)和Paeth(替换上方，左边或者上方的左边像素值，并重新
以数字2为标识的每一行都经过了“Up过滤”，“Up过滤”向 png 解码器发送信息：“对于值”。

图中第2-5行垂直方向都拥有相同的值。

所以它们的值都是0，如果这样的图片越大那么压
扫描：
PNG的扫描方式很简单，只存在两种：非隔行扫描、Adam7(7遍隔行扫描方法)
Adam7(由Adam M. Costello开发的7遍隔行扫描方法)，原理如下图：
图片示例：
常用的两种PNG优化方法：
色调分离
优化原理：有效的减少色彩数，合并相似的颜色，创建出色调区域，更好的执行“线性过滤”缺点：这种方法有一定的局限性，尤其是优化的图片与 html 背景融合的情况下须慎用。

这里的色阶值可根据实际情况设置：
优化图片对比：
原图：212KB
优化后:146KB
图层分离
有时候因为图片中存在一些半透明像素，不得不保存一个“重量级”的PNG-24文件。

如果将为半透明，然后各以适当格式保存。

比如你可以用 PNG-24 格式保存半透明像素，而不透明像素则用 PNG-8 甚至 JPEG 格式保存
例如：
操作步骤：
1.在图层面板中Ctrl+左键单击图层建立选区;
2.切换至通道面板，将选区储存为通道;
3.选择该通道，取消选区，将阈值(图像 -> 调整 -> 阈值)调至255;
4.再次Ctrl+左键单击该通道建立选区并隐藏该通道，然后选择原始图层，打开图层 -> 新建片。

5.可再次对两幅图片进行色调分离等方法进行优化。

此方法类似活动中背景图过大时进行分割是为同一个道理，多增加一个请求而把图片拆分，进
3.GIF原理与优化
由于GIF现在使用率偏低，除非需要用到GIF动画，由于PNG本身是开发者为了代替GIF而衍简单的介绍下GIF的原理：
GIF(Graphics Interchange Format)的原义是“图像互换格式”，是CompuServe公司在 198 LZW算法的连续色调的无损压缩格式。

其压缩率一般在50%左右，它不属于任何应用程序。

GIF格像，如果把存于一个文件中的多幅图像数据逐幅读出并显示到屏幕上，就可构成一种最简单的动画
LZW压缩算法
LZW就是通过建立一个字符串表，用较短的代码来表示较长的字符串来实现压缩，字符串和编
压缩数据中，解压的时候根据表来进行恢复，算是一种无损压缩。

例如：
正常文本：好人经常说自己是好人，但是我确实是个好人。

压缩文本：$1经常说自己是$1，但是我确实是个$1. $1=[好人]
文章已经接近尾声了，相信经过这啰啰嗦嗦一大堆文字，大家对图片优化也会有一个相对清晰参考资料：
书籍：JPG原理与数据档案
PNG文件格式白皮书：/TR/REC-png.html
GIF文件数据结构：/view/06eaedcdda38376baf1fae8e.html
文章来源于：/article-22214-1.html。