檢視有损数据压缩的原始碼

{| class="wikitable" align="right"
|-
| style="background: #FF2400" align= center|  '''<big>有损数据压缩</big>'''
|-
|<center><img src=http://5b0988e595225.cdn.sohucs.com/images/20190107/6fd0e69e24b047f7b73eb6b3e659bb82.jpeg width="300"></center>
<small>[https://www.sohu.com/a/287128531_455817 来自 搜狐网 的图片]</small>
|}

'''<big>有损数据压缩<big>'''  是指经过压缩、解压的数据与原始数据不同但是非常接近的压缩方法。有损数据压缩又称[[破坏]]型压缩，即将次要的信息数据压缩掉，牺牲一些质量来减少数据量，使压缩比提高。这种方法经常用于因特网尤其是流媒体以及电话领域。在这篇文章中经常称为编解码。它是与无损数据压缩对应的压缩方法。根据各种格式设计的不同，有损数据压缩都会有 generation loss:压缩与解压文件都会带来渐进的质量下降。

所谓有损压缩是利用了人类对图像或声波中的某些频率成分不[[敏感]]的特性，允许压缩过程中损失一定的信息;虽然不能完全恢复原始数据，但是所损失的部分对理解原始图像的影响[[缩小]]，却换来了大得多的压缩比。有损压缩广泛应用于语音，图像和视频数据的压缩。

==基本信息==

中文名
有损数据压缩 <ref>[https://baike.so.com/doc/7809606-8083701.html 有损数据压缩]</ref>

目    的
提高压缩比

作    用
非常接近原始数据
 
类    型
变换编解码、预测编解码

又    称
破坏型压缩

应    用
计算机

==类型==

有两种基本的有损压缩机制:

一种是有损变换编解码，首先对图像或者声音进行采样、切成小块、变换到一个新的空间、量化，然后对量化值进行熵编码。

另外一种是预测编解码，先前的数据以及随后解码数据用来预测当前的声音采样或者图像帧，预测数据与实际数据之间的误差以及其它一些重现预测的信息进行量化与编码。

有些系统中同时使用这两种技术，变换编解码用于压缩预测步骤产生的误差信号。

==比较==

有损方法的一个优点就是在有些情况下能够获得比任何已知无损方法小得多的文件大小，同时又能满足系统的

需要。

有损方法经常用于压缩声音、图像以及视频。有损视频编解码几乎总能达到比音频或者静态图像好得多的压缩率(压缩率是压缩文件与未压缩文件的比值)。音频能够在没有察觉的质量下降情况下实现 10:1 的压缩比，视频能够在稍微观察质量下降的情况下实现如 300:1 这样非常大的压缩比。有损静态图像压缩经常如音频那样能够得到原始大小的 1/10，但是质量下降更加明显，尤其是在仔细观察的时候。

当用户得到有损压缩文件的时候，[[譬如]]为了节省下载时间，解压文件与原始文件在数据位的层面上看可能会大相径庭，但是对于多数实用目的来说，人耳或者人眼并不能分辨出二者之间的区别。

一些方法将人体解剖方面的特质考虑进去，例如人眼只能看到一定频率的光线。心理声学模型描述的是声音如何能够在不降低声音感知质量的前提下实现最大的压缩。

人眼或人耳能够[[察觉]]的有损压缩带来的[[缺陷]]称为压缩[[失真]](en:compression artifact)。
  
==參考來源== 

{{Reflist}}  

[[Category:揭密生活]]