Guetzli：谷歌家的东西可能也没有想像的辣么美

望昕宇，腾讯后台工程师，专注图片压缩及存储系统一百年不动摇，并致力于做一名相关前沿技术的人话翻译家。

这两天笔者的朋友圈被Google开源JPEG编码器Guetzli刷屏，“图片大小减小35%”、“质量不变”这样的字眼刺激了我们的肾上腺，OMG的yajunwang同学也为我们带来了第一手的测试资料——谷歌开源图片压缩算法Guetzli实测体验报告。

如果这样的神器真的如此神，那还有WebP啥事儿呢。于是我们抱着强烈的好奇心实地考察了这个连名字都不知道怎么念的新鲜事物。

结论是：

在基于相同客观质量（以ssim为评价标准）的条件下观察主观视觉效果，Guetzli的优势是有效改善了传统JPEG在低质量条件下“振铃效应”产生的伪影；劣势是Guetzli编码出的图片在质量较低时（quality=70）有一定的“钝化效应”，对于图片中细节精细的部分，Guetzli丢掉了较多的信息。
同样基于相同客观质量条件下（并不以填的quality参数为标准，为什么不以它为标准参见“原理解析”小节）图片大小与传统jpg相比并无明显优势。400_300组Guetzli大概比传统jpg的编码结果减小了19%，800_600组Guetzli和传统jpg基本持平，1920*1080组Guetzli反而大出了10%。
延时方面，Guetzli编码器对于主流的非高清图规格(如400_300, 800_600)的处理延时在秒级或10+秒级，业务主流jpg压缩工具对于相同规格的处理延时均在50ms以内

原理解析：

Guetzli基于同样来源于google的图片视觉差异评价工具Butteraugli。Butteraugli的评价体系基于三个传统方法没有考虑的原则：

人眼对强黄色光附近蓝光变化是不敏感的，因此黄光区域附近的蓝光可以用更少的bit来编码
人眼对蓝光有着较低的空间分辨率，视网膜中用于分辨高清细节的区域没有蓝色光的受体，故高频区域的蓝色光部分可以用更粗的粒度编码。
将图像中的噪声区域分辨出来进行粗粒度的编码。

基于这三点，Guetzli主要从两方面下手来进行：

对全局量化表进行微调，这一步和我们调整质量参数本质上是一样的
对DCT系数的高频部分进行有选择的丢弃。

第二步就比较tricky了。通常在我们使用例如libjpeg等工具压缩jpg图片时降低质量参数本质上就是在量化步骤按照一定规则丢弃高频信息，最终反映在jpg的quality中。Guetzli相当于绕开了制定好的量化规则降低了质量而且不告诉用户，让用户以为仍然保持了质量（怎么感觉google也有了一点流氓气质呢，2333）。所以在后续测试中我们发现，**在相同ssim条件下，传统jpg的质量参数可以比Guetzli编码出来的jpg低大约20个点。**原因主要就在这里。

Guetzli总的处理流程是尝试多种量化表及DCT系数两个方面的可能性，然后分别将尝试的结果放到Butteraugli评测工具中评分，最后选择一张它认为最好的结果返回给用户。所以它的处理时延特别长。用verbose参数打开Guetzli的log可以发现，平均一张图大概它将尝试接近30次的迭代。

测试样本：

分别选取400_300， 800_600, 1920_1080三种分辨率的jpg格式图片各10张（本来还选取了4032_3024的iPhone照片分辨率图片做测试，但是由于时间有限，这部分待后续进行）。三种分辨率的图片在选取的过程中综合考虑主色调的不同、明暗灰度的不同、场景的不同（人工合成的图片还是自然风景照）以考察该编码是否尽可能多的适用于不同场景。

测试场景及指标：

该编码器有quality参数可以指定，注释掉对于quality必须大于84部分的代码之后可以设置0-100任意值，经过第一轮初步测试发现，quality<70 以下的时候其实编码出的图片已经没有变化（为什么还需要进一步研究），故实际选取 quality 70, 75, 80, 85, 90为测试对象。从编码时延、同psnr(ssim)指标下图片size的对比以及视觉效果还有内存消耗四个方面进行评估。