互联网改变了我们的生活、工作和交流方式。然而，当页面加载缓慢时，它可能会变成令人沮丧的根源。这个问题的核心在于图像的编码。
为了改进这一点，Google 推出了 Jpegli，这是一种先进的 JPEG 编码库，它保持了高度的向后兼容性，同时提供增强的功能，并在高质量压缩设置下将压缩比提高了 35%。
Jpegli 是一个新的 JPEG 编码库，其设计比传统 JPEG 更快、更高效、更美观。它使用了许多新技术来实现这些目标，包括：
- 它提供了完全可互操作的编码器和解码器，符合原始 JPEG 标准及其最传统的 8 位形式，以及与 libjpeg-turbo 和 MozJPEG 的 API/ABI 兼容性。
- 高质量：当通过 Jpegli 压缩或解压缩图像时，会执行更精确且心理视觉上有效的计算，并且图像将看起来更清晰并且可观察到的伪影更少。
- 速度快：在提高图像质量/压缩密度比的同时，Jpegli 的编码速度与 libjpeg-turbo 和 MozJPEG 等传统方法相当。这意味着 Web 开发人员可以轻松地将 Jpegli 集成到他们现有的工作流程中，而无需牺牲编码速度性能或内存使用。
- 10+ 位：Jpegli 每个组件可以使用 10+ 位进行编码。传统的 JPEG 编码解决方案仅提供每个组件 8 位动态，导致缓慢梯度中出现可见的条带伪影。Jpegli 的 10+ 位编码以原始 8 位形式进行，生成的图像可与 8 位查看器完全互操作。10+ 位动态可作为 API 扩展使用，需要更改应用程序代码才能从中受益。
- 更密集：Jpegli 比传统 JPEG 编解码器更有效地压缩图像，可以节省带宽和存储空间，并加快网页速度。
Jpegli 工作原理
Jpegli 的工作原理是使用许多新技术来降低噪声并提高图像质量；主要是来自 JPEG XL 参考实现的自适应量化启发式、改进的量化矩阵选择、精确计算中间结果，并有可能使用更高级的色彩空间。所有新方法都经过精心设计，以使用传统的 8 位 JPEG 形式，因此新压缩的图像与现有的 JPEG 查看器（例如浏览器、图像处理软件等）兼容。
自适应量化启发法
Jpegli 使用自适应量化来降低噪声并提高图像质量。这是通过基于心理视觉建模对量化死区进行空间调制来完成的。使用我们最初为 JPEG XL 开发的自适应量化启发式方法，可以提高图像质量并减小文件大小。这些启发式方法比 guetzli 中最初使用的类似方法要快得多。
改进的量化矩阵选择
Jpegli 还使用一组量化矩阵，这些矩阵是通过优化心理视觉质量指标的组合而选择的。 Jpegli 中的精确中间结果可提高图像质量，并且编码和解码都会产生更高质量的结果。 Jpegli 可以使用 JPEG XL 的 XYB 色彩空间来进一步提高质量和密度。
测试 Jpegli
为了量化 Jpegli 的图像质量改进，我们在众包评估者的帮助下比较了 Cloudinary 图像数据集 '22 中的图像对，这些图像使用三种编解码器进行编码：Jpegli、libjpeg-turbo 和 MozJPEG，并以多种比特率进行编码。
在此测试中，我们仅限于比较编码，解码始终使用 libjpeg-turbo 执行。我们在禁用 XYB ICC 颜色配置文件的情况下进行了研究，因为我们预计大多数用户最初会使用 Jpegli。为了简化跨编解码器和设置的结果比较，我们使用国际象棋排名启发 ELO 评分来汇总所有评估者决策。
ELO 分数越高，表明评估者研究中的总体表现越好。我们可以观察到，2.8 BPP 的 jpegli 获得的 ELO 评级高于 3.7 BPP 的 libjpeg-turbo，比特率比 Jpegli 高 32%。
测试结果表明，Jpegli 可以比传统 JPEG 编解码器多压缩 35% 的高质量图像。