皮皮网

1.图片在线压缩（图片压缩在线工具）
2.开发一款压缩工具（二）：使用 pngquant 实现压缩
3.Pic Smaller：在线图像压缩工具源码 基于浏览器本地压缩
4.NodeJS Imagemin
5.基于AI或传统编码方法的压缩g源图像压缩开源算法汇总

图片在线压缩（图片压缩在线工具）

       å›¾ç‰‡åŽ‹ç¼©åœ¨å·¥ä½œä¸­ç»å¸¸ä¼šç”¨åˆ°ï¼Œä¾‹å¦‚PPT里面图片素材体积太大的话，会导致PPT文件太大，打开速度太慢。又或者网站的图片体积太大，影响访问速度，用户体验下降，所以就得给图片进行压缩体积，并且不会损失图片太大的质量。

       é‚£ä¹ˆæœ‰ä»€ä¹ˆå›¾ç‰‡åŽ‹ç¼©å·¥å…·å¥½ç”¨ï¼Ÿä¸‹é¢é”‹å“¥ç»™å¤§å®¶æ‰¾æ¥äº†4款免费图片压缩工具，其中强烈推荐谷歌的Squoosh免费开源工具。

       TinyPNG

       TinyPNG一个著名的在线图片压缩网站，它没有提供压缩率给你选择，会自动根据图片质量帮你自动选择较好的压缩率，压出来的图片都不会出现明显的损失质量。

       ä¸è¿‡å…è´¹ç”¨æˆ·å›¾ç‰‡é™åˆ¶æœ€å¤§5MB，超过的话就需要购买PRO版了。之前锋哥给大家分享过第三方的TinyPNG客户端，利用官方的API接口，只要通过APIKEY就没有最大5MB限制了。

       æ³¨æ„çš„是，每个API每月有张图片免费额度，如果你不够用的话，再换个邮箱去申请KEY就好了。另外客户端支持压缩后直接替换原图的功能。

       Imagine

       Imagine一款开源免费实用的图片压缩工具，支持目前主流的图片格式，包括有WebP、PNG、JPEG，只要拖放图片到软件界面即可自动压缩，并可以看到压缩率，支持自由调整压缩大小。

       åŽ‹ç¼©å¥½çš„图片支持批量导出，可以覆盖源文件或者导出到新的目录里面，总的来说简单方便，适合非重度图片压缩用户。

       å›¾åŽ‹

       å›¾åŽ‹ä¸€æ¬¾å…è´¹ç®€å•æ˜“用的图片压缩软件，还支持Windows/macOS双平台，官方表示基于优秀的开源项目进行开发的作品，所以图压也是免费开源的，只不过没有公开源码，你需要源码的话可以在官方留言反馈申请。

       å›¾åŽ‹ç›®å‰æ”¯æŒJPG、PNG、GIF、SVG四种最常见的图片格式，操作非常简单，只需要拖入图片到「图压」界面后就会自动压缩。

       Squoosh

       Squoosh是由GoogleChromeLabs也就是谷歌出品的免费开源图片压缩工具，使用简单，有极高的压缩比。除外还支持的设置选项包括图片的宽高、纵横比、调色板等参数，同时也可以将图片压缩转化为JPG、WebP和PNG等多种图片类型。

       å› ä¸ºSquoosh是开源项目，并且提供了API的支持，目前也有人制作了离线的客户端版，这样就可以直接本地用了，比较方便。

       åŠŸèƒ½æ–¹é¢åŸºæœ¬ä¸Šå’ŒSquoosh在线版本一样，当然如果你有自己的VPS服务器也可以自己部署托管项目。

       æ€»ç»“

       åœ¨ä¹‹å‰é”‹å“¥ä¸€ç›´ç”¨TinyPNG来压缩图片，因为不需要你去设置压缩率，虽然是有损压缩，不错肉眼基本上看不太出质量下降。不过比较麻烦点就是需要申请API或者购买PRO版。

       ç›´åˆ°ç”¨äº†è°·æ­Œçš„Squoosh发现完全可以代替TinyPNG，支持直接对比压缩后的效果，还有一些压缩选项功能，例如分辨率、压缩参数等，并且完完全全免费，无任何限制。

开发一款压缩工具（二）：使用 pngquant 实现压缩

       使用 pngquant 实现压缩，相较于上篇使用 pillow 库，压缩g源pngquant 能提供更高效的压缩g源压缩效果，文件大小通常能减小高达 %，压缩g源且能保持 alpha 透明度，压缩g源甚至在使用 8 位 PNG 格式时，压缩g源b站后台源码相较于 / 位 PNG 文件，压缩g源体积能减小 -%。压缩g源其背后核心算法包括改进的压缩g源中值切割量化和 K-means 颜色校正，使得压缩后的压缩g源颜色差异几乎不可察觉。

       将 pngquant 库应用在压缩时，压缩g源首先需要安装相应的压缩g源工具，这涵盖了源码、压缩g源命令行、压缩g源GUI 等多种形式。压缩g源虽然 GUI 工具目前较为复杂，不易使用，但命令行形式通过直接调用命令即可实现 PNG 压缩，操作简便。安装步骤包括下载适合的操作系统版本的安装包，然后在命令行界面输入“pngquant”即可启动使用。模型素材源码若希望进一步方便操作，还可配置环境变量，便于后续使用。

       在实际操作中，pngquant 提供了多种可选参数来调整压缩效果，以适应不同的需求。例如，“--skip-if-larger”选项可避免压缩后的文件体积大于原始文件，以避免无效操作；“--quality”参数允许设置质量等级，通常建议在不影响视觉效果的前提下适当减小，但降低此值会导致压缩率降低；“--force”选项则允许覆盖已存在的压缩文件，确保压缩过程的一致性；此外，通过“--output”参数指定输出文件名，若希望将输出文件格式设定为 jpg，尽管此操作通常不会使文件变小，但在某些场景下可能有特定需求。

       为了更高效地调用 pngquant 命令行工具，可以使用 Python 的 subprocess 模块来封装一个压缩函数。虽然在获取命令行输出时通常不需要此操作，但在实际集成应用中，im源码xmpp通过 subprocess 调用 pngquant 命令行，能够实现自动化处理，提升整体流程的效率与灵活性。

Pic Smaller：在线图像压缩工具源码 基于浏览器本地压缩

       图小小是Github开源社区上的一款在线图像压缩工具源码，它采用Vite+React技术栈开发，支持JPEG/PNG/WebP/Gif四种格式的压缩。

       图小小是一款用户界面直观且提供压缩配置的优秀在线压缩工具。其特色在于使用浏览器本地进行压缩，避免了服务端交互，确保了用户的安全性。

       使用图小小非常便捷，无需担心GFW影响，中国用户可直接访问网址pic-smaller.vercel.app或 picsmaller.com来使用它。

       图小小是一个纯Vite + React项目，开发前需先熟悉这些技术。项目使用现代浏览器技术，如OffscreenCanvas、WebAssembly和Web Worker，提供高效压缩功能。

       如需在本地服务器部署图小小，字典app源码项目提供了基于Docker的文档和测试通过的Dockerfile脚本。只需在项目根目录按照指引启动Docker应用程序。

       部署完成后，通过.0.0.1:可访问项目。若要使项目面向所有人开放，需准备指向本地的域名，并通过nginx等反向代理服务器将请求代理至本地的端口。

NodeJS Imagemin

       imagemin是常用的NodeJS压缩库，支持多种插件，包括有损和无损压缩。其用法简单直接，但安装过程中可能出现一些问题，特别是在 CentOS 系统上。

       在安装过程中，首先安装imagemin本身，这通常不会出现问题。接着，安装用于压缩PNG的插件imagemin-pngquant时，会遇到依赖底层读写PNG的跨平台库libpng-dev的错误。在CentOS上，网站动画源码可以使用rpm -qa |grep libpng命令检查该库是否已安装，如果没有，则需要通过yum install libpng-devel进行安装。

       安装libpng-dev之后，再次尝试安装imagemin-pngquant，仍会遇到错误“Error: pngquant failed to build, make sure that libpng-dev is installed”。进一步的排查发现，问题可能是由yum安装的libpng-devel版本过低，不兼容pngquant-bin提供的源码版本所导致的。

       解决这一问题有两种方法。第一种是升级libpng-devel的版本，但这并非推荐做法，因为这可能会依赖于GLIBC版本，而GLIBC是Linux系统底层API，几乎所有运行库都依赖于它，并且它提供了许多必要的功能实现。这种升级操作可能会导致严重问题。第二种方法是手动安装pngquant（一个使用C语言编写的PNG压缩开源库），在CentOS中，需要先安装epel-release包，然后通过yum安装pngquant。安装完成之后，使用pngquant --version查看版本信息，并在pngquant-bin的安装代码中去除编译安装失败时终止进程的逻辑，发布一个名为pngquant-bin-no-exit的npm包。

       接着，对于依赖pngquant-bin-no-exit的插件imagemin-pngquant，同样需要创建一个名为imagemin-pngquant-no-exit的npm包，这样可以避免安装原始的imagemin-pngquant。最后，引入imagemin-pngquant-no-exit进行使用即可。

       对于其他imagemin插件安装失败时，同样可以采用上述方法解决，例如用于压缩JPG的imagemin-mozjpeg插件。这些插件通常依赖于特定的C语言编写的压缩库，如mozjpeg，与PNG压缩插件不同。另外，mozjpeg不能通过yum安装，需要下载源代码进行编译安装。编译完成后，可以在/opt/mozjpeg/bin目录下找到对应的二进制可执行文件。

       虽然整个安装过程可能没有完全成功，但通过上述步骤，可以确保程序的正常运行。只需对引入的代码稍作修改即可。

基于AI或传统编码方法的图像压缩开源算法汇总

       探索图像压缩技术的前沿，融合AI与传统编码策略，我们精选了多项开创性研究成果，旨在提升图像压缩的效率与视觉质量。让我们一同探索这些卓越的算法:

Li Mu等人的突破：年CVPR大会上，他们提出了《Learning Convolutional Networks for Content-weighted Image Compression》（论文链接），借助深度学习的自编码器，赋予内容感知，通过优化编码器、解码器和量化器，赋予图像在低比特率下更清晰的边缘和丰富纹理，减少失真。其开源代码可于这里找到，基于Caffe框架。

       Conditional Probability Models的革新：Mentzer等人在年的CVPR展示了他们的工作，通过内容模型提升深度图像压缩的性能，论文名为《Conditional Probability Models for Deep Image Compression》（论文链接）。

       利用深度神经网络的力量，研究者们正在重新定义压缩标准。例如，Toderici等人在年的CVPR中展示了《Full Resolution Image Compression with Recurrent Neural Networks》，使用RNN构建可变压缩率的系统，无需重新训练（论文链接）。其开源代码可在GitHub找到，基于PyTorch 0.2.0。

       创新性的混合GRU和ResNet架构，结合缩放加性框架，如Prakash等人年的工作所示，通过一次重建优化了率-失真曲线（论文链接），在Kodak数据集上，首次超越了JPEG标准。开源代码见这里，基于Tensorflow和CNN。

       AI驱动的图像压缩，如Haimeng Zhao和Peiyuan Liao的CAE-ADMM，借助ADMM技术优化隐性比特率，提高了压缩效率与失真性能（论文），对比Balle等人的工作（论文）有所突破。

       生成对抗网络（GAN）的优化应用，如.论文，展示了在低比特率下图像压缩的显著改进，开源代码可在GitHub找到，它以简洁的方式实现高图像质量。

       深度学习驱动的DSSLIC框架，通过语义分割与K-means算法，提供分层图像压缩的高效解决方案，开源代码在此，适用于对象适应性和图像检索。

       传统方法如Lepton，通过二次压缩JPEG，节省存储空间，Dropbox的开源项目链接，适合JPEG格式存储优化。

       无损图像格式FLIF，基于MANIAC算法，超越PNG/FFV1/WebP/BPG/JPEG，支持渐进编码，详情可在官方网站查看。

       Google的Guetzli，以高效压缩提供高画质JPEG，体积比libjpeg小-%，适用于存储优化（源码）。

       这些创新的算法和技术，展示了AI和传统编码方法在图像压缩领域的融合与进步，不仅提升了压缩效率，更为图像的存储和传输提供了前所未有的可能性。