映像压缩原理：不是“删减”，而是“智能重构”
压缩的本质不是简单丢弃像素，而是基于人类视觉系统（HVS）特性，有选择地保留关键信息、抑制冗余信息，实现“肉眼不可见”的高效压缩。
为什么图像能被压缩？——冗余无处不在
张1024×768像素的RGB图像，理论上需存储1024×768×3=2,359,296字节（约2.25MB）原始数据。但实际图像中，像素间存在空间冗余（邻近像素高度相似）、时间冗余（视频帧间高度重复）和编码冗余（某些颜色/亮度值出现频率极高）。
例如：一片蓝天中，相邻像素可能都是(120,150,200)→(121,151,201)→(120,149,200)，变化极小。压缩算法通过预测、变换、量化等步骤，将这些微小差异用更少的比特表示。
原始像素序列：
[120,150,200] [121,151,201] [120,149,200] [122,152,202]
预测误差（差分编码）： ,150,200 → +1,+1,+1 → -1,-2,-1 → +2,+3,+2
量化后误差：
[0,0,0] [1,1,1] [0,0,0] [2,2,2]
编码后字节数：
原：3×4×3=36字节 → 压缩后：12 + 4×1 ≈ 16字节（压缩率55%）
这种基于预测的编码方式，是JPEG、JPEG2000、WebP等格式的基础。
像素重构：黑→灰的“伪装术”
水印或暗部细节常表现为黑色像素。算法会将部分黑色像素替换为深灰色（如#000000→#2a2a2a），再通过上下文填充，让黑色区域“长出”过渡色，实现视觉连续性。
- ✅ 映像压缩原理中，黑色像素被赋予“伪亮度值”，避免生硬色块
- ✅ 填充时严格遵循纹理方向（如边缘检测引导插值）
- ⚠️ 错误示例：将眼白区域全变白，导致“眼珠消失”
块划分：暗部优先策略
图像中80%以上区域常为暗色（黑/灰），亮部仅占小部分。算法将图像划分为8×8或16×16的块（block），对暗块进行高精度量化，亮块则大幅压缩。
- ? 数据：一张图中，亮度分量Y的低频分量占能量90%以上
- ? 实操：DCT变换后，左上角（低频）保留完整，右下角（高频）被置零
- ? 原理：人眼对亮度细节更敏感，对色度细节容忍度更高
直方图均衡化：灰图变清晰
针对曝光不足的照片（如阴天黄昏），直方图集中在低亮度区。均衡化将像素分布拉平，增强对比度，间接提升压缩效率——因分布更均匀，熵值更高，需更多比特表示，但视觉更清晰。
⚠️ 副作用：过度均衡会引入“水印状”伪影（digital halo），属数码磨皮现象。