虽然存储成本在持续减低，但图像的压缩还是非常有必要。举个实例，一张1600万像素的数码照片，采用压缩格式JPG保存，它可能只需要6M左右的存储空间，而使用无压缩的BMP格式，它需要45M+的存储空间。上一篇我们提到矢量图像的一大优点就是尺寸小，但数字图像不可能都矢量化，要节约存储空间，图像压缩技术必不可少，图像对节约网络传输带宽也有重要意义，网页中的图像，大部分都是压缩后的。压缩又分为有损于无损的两大类，这里简单介绍一下几种常见的压缩编码。
行程长度编码
假设某张图像一共有三种颜色，分别为A/B/C三个值，排列为AAAAAABBCCCC，这种记录方法浪费空间，它需要12个单位的记录空间，如果使用A6B2C4这样的记录方式，它只需要6个单位的空间，这就是行程长度编码，这是一种无损的压缩方式。行程长度编码对应的英文是Run- Length Encoding，缩写为RLE，相信很多搞图像处理的读者对RLE应该比较眼熟。
RLE有派生出很多分支算法，例如PCX行程编码、BI_RLE8、BI_RLE4等方法，根据RLE8又发展出了紧缩位[Packbits]压缩方法。这些方法针对不同的图像设计，有各自的局限[RLE8最高只支持256色的图像]，但有一点是肯定的，它们都是可以进行逆运算的编码，即无损的编码方案。行程长度编码以及其衍生编码，是无损编码中非常重要的一支，很多重要的图像格式都采用它，例如BMP、TIFF、PCX等。
LWZ编码
LWZ，全称Lempel-Ziv-Welch Encoding，这也是一种无损编码的方法。它的基本原理是将频繁出现的序列用一个短的字串来替代，例如示意图中AAAAAABBCCCC，用αβ代替，这样就节省了大量的存储空间，这有点类似于用π来表示无穷尽不循环的圆周率一样。原始数据中某数据重复频率越高时，压缩率就越大，这种算法可逆运算，也是无损编码。TIFF格式中也运用了该编码。因为存在替换，编码过程会创建自适应字典。
霍夫曼编码
霍夫曼编码[Huffman Coding]也是一种常见的编码，有时也被翻译成哈夫曼算法，这是一种对数据频率进行评估的一种算法，高频的数据采用短数据替代，从而实现压缩，示意图中，显示了对“this is an example of a huffman tree”这个句子进行分析，并得到各个字母的出现次数的结果，这种分析结构叫霍夫曼树。 这些无损算法被广泛适用于各类图像格式当中，它也被适用于一般性文档的压缩当中。当然，我们并不是数学高手也不是程序员，对于这类算法，我们没必要了解到非常深入，只要知道一点就行，无损算法是可逆的，它对图像不会产生任何画质的影响。无损算法也不仅限于这些，还有一些其他的，不同的算法也可以组合使用，例如TIFF格式的就用到了多种无损编码。
JPEG
JPEG即Joint Photographic Experts Group[联合图像专家小组]，这种编码与我们的生活很近，JPEG其实分为无损和有损两种算法，但无损算法并没有流行，而有损算法则被广泛使用。因此我们的印象当中，JPEG是有损的，这并没错，只是不够全面。JPEG还可以是基于JPEG编码的图像，常见的扩展名即jpg，几乎所有的数码相机都支持将照片保存为jpg图像 Soomal的文章配图都是jpg的，这是一种运用非常广泛的图像类型。
它的简单流程是，首先将RGB色彩体系转换成YUV色彩体系，Y表示像素亮度，UV一起表示色调与饱和度。然后利用人眼对亮度的敏感程度高于对于色彩敏感程度的特点，进行缩减取样，即减少UV的数据量，从而实现数据的压缩。根据采样的缩减量会产生不同的压缩率，JPEG在高压缩率会丢失大量数据而产生马赛克。
关于图像的压缩，我们就简单的介绍这些，要说得再深入一些，我们也无能为力了，这篇文章读起来相当枯燥，其实，写这篇文章的目的并不是让各位发奋研究算法，而是告诉大家，图像的压缩有无损与有损多种，压缩不等于一定会产生画质损失，而使用JPEG时，应该注意设置压缩率，避免画质损失过大，也应该回避反复编辑，多次打开、编辑、存储的过程会让有损编码造成的损失累计为明显可察觉的程度。
似乎现在这种便携式的蓝牙音箱比以前少多了，更多的是带电源线的智能音箱。实际现在出去玩，露营、在车里、甚至家里，对于一个可移动的蓝牙音箱的需求还是有的。希望有便携、充电式的、带智能语音的蓝牙音箱产品出现。
此帖使用Win10提交
此帖使用Win10提交
此帖使用Win10提交
此帖使用Win10提交
言归正传，漫步者的设计能力越来越强啊。一个小音箱整这么好看，配色尽显bigger，网布真是精致，廉价的人造革贴皮也似乎观感不错（要是换成真皮的多好啊）。个人最不喜欢大logo，但放在顶部这种装饰性处理也算独树一帜，不讨厌。总之挺好，赞赏！
此帖使用Win10提交
京公网安备 11011402011520号
此帖使用Win10提交