计算机
颜色空间转换（RGB -> YUV）：通常是有损的，因为人眼对亮度的变化比对色度更敏感。因此，在量化过程中可以对色度进行欠采样或缩小其量化范围，从而减少编码后的数据量。差分编码：这是一种无损编码方式，通常是用当前像素值减去前一个像素值，这样可以让具有线性变化特征的色块转换为一致的数值。帧间编码则属于动态特性的范畴。需要注意的是，差分编码本身并不会直接减少编码尺寸，它的主要目的是为后续编码步骤提供便利。Z字形扫描（Zigzag）：一种无损编码方法，简单来说就是按照Z字型顺序重新排列图像数据，以获取更多连续且相同的数值序列。与差分编码类似，Z字形扫描本身不会减少数据量，而是为后续的编码步骤做准备。LZW编码及其变种（如LZ77、RLE等）：这些都属于无损压缩算法，其基本原理是将大块重复的数据通过位置指示和重复标识来表示。前面提到的LZW编码和差分编码等多种技术，很多都是为了提高这类压缩算法的效率而设计的。查表法：可以是无损或有损的，具体取决于实现方式。该方法会将常用的色彩值存储在一个静态表或动态表中，在解码还原图像时只需查询表格即可获得相应的颜色数据。这种技术在早期
计算机图形学领域非常流行，例如古早时期的图像文件和早期游戏中广泛应用。然而，在现代图像编码格式中，尽管大多数格式仍然支持这种编码方式，但实际应用已经相对较少。霍夫曼编码（Huffman Coding）：这是一种无损压缩方法，常用的是规范霍夫曼编码。根据实现方式不同，它可以分为动态表、静态表以及不压缩三种形式。其中，动态表会在编码过程中生成并嵌入到数据流中，而静态表则是预先定义好的。选择何种方式取决于是否需要存储表结构（即编码长度的bitlength信息）。如果加上表结构后整体尺寸反而更大，那么可能就不如不进行压缩。相比之下，使用静态表并将表结构作为常量存储，可能会在某些情况下取得比不压缩或动态表更好的性能。DCT域压缩：通常是有损的，但由于大多数自然图像的能量集中在低频部分，因此可以在高频区域降低量化精度，从而节省大量存储空间。相比离散傅里叶变换（DFT），离散余弦变换（DCT）由于其偶对称性质，能够避免边缘处出现高频突变，从而减少高频能量泄露，通常效果优于DFT。DCT域压缩中的能量损失主要来源于两方面：一是量化表的选择，二是DCT变换过程中浮点运算的精度损失。需要注意的是，对于包含大面积相同颜色块的光栅化矢量图，DCT域压缩的效果可能并不理想，但在自然图像中往往表现更为出色。小波域压缩（DWT Dom
AIn Compression）：既可以是有损的也可以是无损的。它利用不同的小波基函数对特定类型的图像进行压缩编码，解决了DCT域可能不适合某些图像的问题。此外，小波域压缩具有良好的动态编码特性，非常适合进行质量分级（例如即使数据只传输了一半，仍然可以获得完整的图像，只是显示质量略低）。目前一些较新的图像编码标准中已经开始采用这一技术。帧内预测编码：可有损也可无损。该方法通过利用周围像素的值来预测当前像素的值，从而直接减少每个像素点所需的编码量。
