图像处理入门004：图像文件格式深度解析：JPEG/PNG/TIFF/BMP

系列：图像处理算法入门
期数：第004期 / 共144期
日期：2026-08-13
关键词：图像格式、JPEG、PNG、TIFF、BMP、有损压缩、无损压缩、EXIF、文件大小
难度：⭐⭐☆☆☆（需少量OpenCV/Pillow基础）

一、前言

上期我们理解了"图像是矩阵"这一核心认知。但同一张图像存成不同文件，大小、质量、用途却千差万别。本文将系统拆解图像处理中最常见的 JPEG、PNG、TIFF、BMP 四种格式：它们各自如何编码？什么时候该用谁？有损与无损的本质区别是什么？文末提供完整可运行的代码实验，用实测数据回答这些问题。

二、四种格式核心特性速查

一句话记忆：照片选 JPEG，截图/图标选 PNG，印刷/科研选 TIFF，原生/兼容选 BMP。

三、有损压缩 vs 无损压缩

3.1 无损压缩

无损压缩的核心特征是：解压后的数据与原始数据完全一致，没有任何信息损失。

• 原理：利用数据的统计冗余进行编码（如行程编码、霍夫曼编码、LZW、DEFLATE）。
• 优点：可反复保存编辑而不损失质量。
• 代表格式：PNG、TIFF（无损模式）、GIF、BMP（未压缩时）。

3.2 有损压缩

有损压缩通过丢弃人眼不敏感的信息来换取更小的文件体积。

• 原理：通常基于变换编码（如 JPEG 的 DCT 离散余弦变换）+ 量化 + 熵编码。
• 优点：文件体积极小，适合网络传输和存储。
• 缺点：每次重新保存都会损失质量，不适合反复编辑；在硬边、文字、线条上容易产生块效应（Blocking Artifacts）。
• 代表格式：JPEG、WebP（有损模式）、HEIC。

3.3 关键认知：压缩≠质量差

JPEG 的"有损"是可控的。质量参数（Quality）越高，丢弃的信息越少，文件越大。高质量 JPEG（Q=95+）在日常视觉上几乎与无损无异，但体积远小于 PNG。

四、JPEG 压缩原理简述

JPEG 的压缩流程是理解有损压缩的经典案例：

原始 RGB 图像
    ↓ 颜色空间转换：RGB → YCbCr
    ↓ 色度下采样（4:2:0 或 4:2:2）
    ↓ 分块：8×8 像素块
    ↓ 离散余弦变换（DCT）：空域 → 频域
    ↓ 量化：高频信息粗量化，低频信息细量化
    ↓ 熵编码（Huffman / Arithmetic）
    ↓ 压缩后的 JPEG 文件

为什么 JPEG 适合照片？ 照片通常具有丰富的细节和渐变，高频信息对人眼不重要，量化后损失不易察觉。而截图、文字、图标含有大量硬边和纯色块，JPEG 会在边缘处产生明显的马赛克块效应。

五、PNG 压缩原理简述

PNG 使用 DEFLATE 算法（LZ77 + 霍夫曼编码）进行无损压缩：

原始图像
    ↓ 滤波（Filter）：预测每个像素的值，生成残差
    ↓ DEFLATE 压缩残差数据
    ↓ 压缩后的 PNG 文件

PNG 支持 Alpha 通道透明，是网页图标、Logo、UI 切图的首选。但对于照片类图像，PNG 的压缩率通常不如 JPEG，文件会明显更大。

六、代码实践

实验一：同一图像存为不同格式，对比文件大小

import os
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 创建测试图像（包含渐变、几何图形、文字、细线）
def create_test_image(size=(512, 512)):
    h, w = size
    img = np.zeros((h, w, 3), dtype=np.uint8)
    y, x = np.ogrid[:h, :w]
    img[:, :, 0] = (255 * x / w).astype(np.uint8)
    img[:, :, 1] = (255 * y / h).astype(np.uint8)
    img[:, :, 2] = (255 * (1 - x / w)).astype(np.uint8)

    cv2.circle(img, (w // 4, h // 4), 60, (255, 255, 255), -1)
    cv2.circle(img, (w // 4, h // 4), 60, (0, 0, 0), 3)
    cv2.rectangle(img, (w * 3 // 4 - 50, h // 4 - 50),
                  (w * 3 // 4 + 50, h // 4 + 50), (255, 255, 0), -1)

    cv2.putText(img, "FORMAT TEST", (w // 8, h * 3 // 4),
                cv2.FONT_HERSHEY_SIMPLEX, 1.2, (255, 255, 255), 3)

    for i in range(0, h, 16):
        cv2.line(img, (0, i), (w // 4, i), (255, 255, 255), 1)
    return img

img = create_test_image()
format_configs = [
    ("BMP", "test.bmp", []),
    ("PNG", "test.png", [cv2.IMWRITE_PNG_COMPRESSION, 6]),
    ("TIFF", "test.tiff", []),
    ("JPEG-95", "test_95.jpg", [cv2.IMWRITE_JPEG_QUALITY, 95]),
    ("JPEG-85", "test_85.jpg", [cv2.IMWRITE_JPEG_QUALITY, 85]),
    ("JPEG-50", "test_50.jpg", [cv2.IMWRITE_JPEG_QUALITY, 50]),
]

results = []
for name, filename, params in format_configs:
    path = f"code/output/004_format_files/{filename}"
    cv2.imwrite(path, img, params)
    size_kb = os.path.getsize(path) / 1024
    results.append((name, size_kb))
    print(f"{name:12s}: {size_kb:8.2f} KB")

实测结果（512×512 测试图）：

观察：BMP 因为无压缩体积最大；PNG 无损压缩效果极好；JPEG 通过质量参数可以灵活控制体积。

实验二：JPEG 质量参数对图像质量的影响

img = create_test_image()
qualities = [10, 30, 50, 70, 85, 95, 100]

for q in qualities:
    path = f"code/output/004_format_files/jpeg_q{q}.jpg"
    cv2.imwrite(path, img, [cv2.IMWRITE_JPEG_QUALITY, q])
    size_kb = os.path.getsize(path) / 1024

    compressed = cv2.imread(path)
    mse = np.mean((img.astype(np.float32) - compressed.astype(np.float32)) ** 2)
    print(f"Quality={q:3d}: {size_kb:7.2f} KB, MSE={mse:8.2f}")

实测数据：

结论：Quality 从 10 提升到 85 时，文件大小和质量都有显著改善；但 95→100 的体积增长接近一倍，质量提升却非常有限。日常照片推荐使用 Q=80~95。

实验三：有损 vs 无损的视觉差异

img = create_test_image()
cv2.imwrite("code/output/004_format_files/lossless.png", img)
cv2.imwrite("code/output/004_format_files/lossy_30.jpg", img,
            [cv2.IMWRITE_JPEG_QUALITY, 30])

img_png = cv2.imread("code/output/004_format_files/lossless.png")
img_jpg = cv2.imread("code/output/004_format_files/lossy_30.jpg")
diff = np.abs(img.astype(np.float32) - img_jpg.astype(np.float32)).astype(np.uint8)

关键观察：

1. 整体视觉：Q=30 的 JPEG 仍能辨识内容，但色彩过渡出现分块。
2. 局部放大：文字边缘和细线条处出现明显的 8×8 块效应。
3. 误差图：差异主要集中在高频细节区域（边缘、文字、细线）。

实验四：用 Pillow 读取图像元数据（EXIF）

from PIL import Image

img = Image.open("code/output/004_format_files/test_exif.jpg")
print(f"尺寸: {img.size}")
print(f"格式: {img.format}")
print(f"模式: {img.mode}")

exif = img._getexif() or {}
for tag_id, value in exif.items():
    print(f"Tag {tag_id}: {value}")

输出示例：

尺寸: (512, 512)
格式: JPEG
模式: RGB
文件大小: 33.22 KB
（本文件未包含额外 EXIF 元数据）

EXIF 是什么？ Exchangeable Image File Format，记录拍摄参数（时间、相机型号、光圈、ISO、GPS 位置等）。手机/相机拍摄的照片通常包含丰富的 EXIF 信息，是图像处理中重要的元数据来源。

七、常见问题与解决方案

八、相关产品推荐

移动端 App

专业级工具

九、扩展练习

1. 格式转换实验：找一张 1920×1080 的真实照片，分别保存为 BMP、PNG、JPEG Q=70/85/95，记录文件大小并计算压缩比。
2. 重复保存测试：将一张 JPEG 图片反复打开并保存 10 次（每次 Q=85），观察图像质量变化并计算每次保存后的 MSE。
3. 透明度实验：创建一张带有透明通道的 RGBA 图像，分别保存为 PNG 和 BMP/TIFF，比较文件大小和透明度保留情况。

十、知识总结

十一、下节预告

第005期：颜色空间入门：RGB/HSV/CMYK/Lab，将深入理解图像颜色空间，掌握各空间的转换原理与应用场景，并用代码实现 RGB 与 HSV 的互转。

本期核心结论：图像格式的选择是"质量-体积-功能"的权衡。照片选 JPEG，截图/透明选 PNG，科研印刷选 TIFF，原生兼容选 BMP。理解有损与无损的本质，是后续图像存储、传输、处理决策的基础。

觉得有用的话，点赞收藏不迷路，我们下期见！