lenna 原圖（左），加上 " 電子包漿 " 的 lenna（右）圖片來(lái)源：電子包漿 圖片賽博做舊 / 神奇海螺實(shí)驗(yàn)室

把文生圖 AI 反過(guò)來(lái)用，不就能壓縮圖片了嗎。

撰文 | 王昱

審校 | 栗子

每當(dāng)在網(wǎng)上看到有趣的表情包、梗圖時(shí)，不少人都會(huì)在心中暗暗念叨一句：" 你的圖很好，不過(guò)現(xiàn)在它是我的了。"

但當(dāng)人們把 " 盜 " 下來(lái)的圖再次傳到其他帖子中時(shí)，網(wǎng)絡(luò)平臺(tái)往往會(huì)再次壓縮圖片，節(jié)省儲(chǔ)存空間和網(wǎng)絡(luò)帶寬。如果一個(gè)圖被 " 盜 " 的次數(shù)太多，就會(huì)被重復(fù)壓縮多次。每次壓縮，圖片畫質(zhì)就會(huì)下降一點(diǎn)，變得更 " 糊 " 一點(diǎn)——甚至還會(huì)變綠、變暗一點(diǎn)。被 " 盜 " 過(guò)很多遍的圖會(huì)變綠甚至已經(jīng)變成了一個(gè)梗，甚至催生了一系列渣畫質(zhì)的表情包。原因大概是：如果一個(gè)圖很有趣，就會(huì)被更多人保存，就會(huì)被壓縮更多次，畫質(zhì)也就越差；反過(guò)來(lái)，如果一個(gè)圖片畫質(zhì)很差，那大概也就說(shuō)明它很受歡迎。

很明顯這張盜圖比色卡也被盜了很多次

這有點(diǎn)像一件受歡迎的古玩，在長(zhǎng)久歲月中被無(wú)數(shù)人細(xì)細(xì)把玩，最終在表面形成了一層有光澤的 " 包漿 "。渣畫質(zhì)、整體偏綠的顏色已經(jīng)成為了網(wǎng)絡(luò)時(shí)代的" 電子包漿 "、" 賽博包漿 "。甚至還有人看到那些高畫質(zhì)的好圖，總覺得它沒有經(jīng)過(guò) " 歲月的洗禮 "，心中感慨：" 干干巴巴的，麻麻賴賴的，一點(diǎn)兒都不圓潤(rùn)。盤它！" 于是，電子包漿模擬器誕生了。

圖片來(lái)源：電子包漿 圖片賽博做舊 / 神奇海螺實(shí)驗(yàn)室

圖片為何變綠

圖片變綠其實(shí)是安卓操作系統(tǒng)核心代碼的一個(gè) bug。安卓系統(tǒng)給開發(fā)者提供了一個(gè)圖像壓縮接口，可以讓開發(fā)者方便地壓縮 JPEG 圖片（也就是 jpg 圖片）。但這個(gè)接口的底層實(shí)現(xiàn)算法為了加速壓縮計(jì)算過(guò)程，在色彩模式轉(zhuǎn)換的過(guò)程中出了一個(gè) bug。

我們?cè)谑謾C(jī)屏幕上看到的圖片都存儲(chǔ)著 RGB 信息（Red 紅、Green 綠、Blue 藍(lán)），它能告訴屏幕上每個(gè)紅綠藍(lán)子像素應(yīng)該以何等亮度發(fā)光，從而在屏幕上顯示出圖片的樣貌。但在圖像處理過(guò)程中，一般需要 RGB 信息轉(zhuǎn)換成 YUV 信息（亮度、藍(lán)色濃度偏移量、紅色濃度偏移量）。因?yàn)槿搜蹖?duì) Y 代表的亮度信息更為敏感，算法可以著重壓縮 UV 信息。這樣就能在人眼感知差別不大的情況下，盡可能減小圖片所占的存儲(chǔ)空間。

一般而言，從 RGB 色彩模式轉(zhuǎn)換到 YUV 色彩模式是輕微有損的，但損失較小，并不至于讓圖片朝著變綠的方向一路狂奔。但是開發(fā)者為了加速這個(gè)轉(zhuǎn)換計(jì)算過(guò)程，不當(dāng)?shù)厥褂昧宋贿\(yùn)算，導(dǎo)致數(shù)據(jù)在從 RGB 向 YUV 轉(zhuǎn)換時(shí)會(huì)向下取。所以在重復(fù)壓縮過(guò)程時(shí)， Y、U、V 三個(gè)值就會(huì)不斷減小，亮度 Y 值減小會(huì)讓圖片不斷變暗，而UV 不斷減小，會(huì)讓色彩不斷向綠色的方向偏移（見下圖）。所以，經(jīng)過(guò)多次壓縮的圖片會(huì)變綠、變暗。

Y=0.5 時(shí)的 UV 色彩平面，UV 減小時(shí)圖片會(huì)變綠。圖片來(lái)源：wikipedia

這個(gè)問題在 2016 年 4 月中旬就被修復(fù)了，按照安卓系統(tǒng)的發(fā)行時(shí)間來(lái)看，從 2016 年 8 月 22 日安卓 7 系統(tǒng)發(fā)布，這個(gè)問題才算解除。（不過(guò)考慮到手機(jī)廠商對(duì)安卓系統(tǒng)的跟進(jìn)大多存在延遲，這個(gè)問題解決的時(shí)間就更晚了。）所以說(shuō)，圖片變綠的問題，只有在幾年前的安卓系統(tǒng)上使用 JPEG 圖片時(shí)才會(huì)產(chǎn)生。

新的圖片壓縮算法

雖然有人喜歡圖片變綠變暗的 " 電子包漿 "，覺得這樣的圖片更有 " 味道 "。但開發(fā)者肯定還需要結(jié)果正確、不會(huì)變綠的圖片壓縮算法。除了修復(fù)安卓圖片壓縮接口的 bug 外，又有不少高效的圖片格式被開發(fā)了出來(lái)。比如谷歌開發(fā)的 WebP 格式，蘋果推廣的 HEIC 格式，都采用了比較先進(jìn)的圖片壓縮算法。和傳統(tǒng)的 JPEG 格式相比，這兩種格式在觀看效果更好的同時(shí)，占用的空間還更小。

而最近，根據(jù)文字生成圖像的 AI 火了起來(lái)。這些 AI 算法大多基于擴(kuò)散模型，可以在經(jīng)過(guò)大量文字、圖像的訓(xùn)練后，從用戶輸入的文字生成一張圖片。雖然圖片的細(xì)節(jié)還不算完美，但可以日夜無(wú)休生成圖片的 AI 還是讓人看到了巨大的潛力。甚至有人感嘆，這樣發(fā)展下去，畫師恐怕要失業(yè)了。

該圖片由文心 ERNIE-ViLG 文生圖模型生成。使用關(guān)鍵詞為 " 寫不出來(lái)稿子的編輯正在辦公室里摸魚，賽博朋克 , 油畫 "。圖片來(lái)源：文心 ERNIE-ViLG 文生圖

這種 AI 將來(lái)能發(fā)展到什么程度我們先按下不表，倒是有一名瑞士開發(fā)者 Matthias Bühlmann 動(dòng)起了 " 歪腦筋 " ——它能否用于圖片壓縮呢？

人工智能壓縮

Matthias Bühlmann 選擇了免費(fèi)開源的文生圖 AI：Stable Diffusion。它主要由三個(gè)模塊構(gòu)成：變分自編碼器（Variational Auto Encoder，VAE）、U-Net和文字編碼器。

壓縮圖片時(shí)不需要文字輸入，所以 Matthias Bühlmann 舍棄了文字編碼器；而 VAE 則可以將圖片編碼到潛在空間表征（latent space representation）。在潛在空間表征下，圖片分辨率變低了（從 512×512 到 64×64），但是色彩精度卻提高了（從 8 位提升到 32 位）。

VAE 還能將潛在空間表征的圖片再解碼回圖片原來(lái)的樣子。就算在潛在空間表征上再次對(duì)圖片進(jìn)行壓縮，VAE 也能將圖片大致還原成本來(lái)的樣子。最終，Matthias Bühlmann 將一張未經(jīng)壓縮的 768kB 的圖片壓縮到了 5kB。肉眼看過(guò)去，同樣是把圖片壓縮到這個(gè)大小，JPEG 和 WebP 的壓縮損失就很明顯了。

從左到右分別為 WebP 圖片、JPG 圖片、AI 壓縮圖片和原圖。圖片來(lái)源：Matthias Bühlmann

AI 電子包漿

當(dāng)然，但這種壓縮算法并不是完美的。雖然這種圖片壓縮算法能騙過(guò)人眼，但在客觀評(píng)價(jià)圖片質(zhì)量的兩個(gè)參數(shù) PSNR 和 SSIM 上，它相對(duì) JPG 和 WebP 并沒有明顯的優(yōu)勢(shì)。

說(shuō)到底，這種圖像壓縮算法還是讓 AI 根據(jù)一個(gè)壓縮過(guò)的縮略圖去 " 猜 " 它的原圖長(zhǎng)什么樣子，還原出的圖片在一些細(xì)節(jié)上難免和原圖不一致，這反而造就了一種新的 " 電子包漿 "。Matthias Bühlmann 就發(fā)現(xiàn)，這種圖像壓縮算法在處理人臉、文字時(shí)，可能在人臉上生成詭異（甚至有時(shí)還有點(diǎn) " 克蘇魯 "）的效果，VAE 重建的文字也幾乎難以辨認(rèn)。也就是說(shuō)，和以前的壓縮算法會(huì)讓圖片產(chǎn)生綠色的 " 電子包漿 "，而新時(shí)代 AI 壓縮算法會(huì)讓人臉和文字產(chǎn)生詭異的 " 電子包漿 "。

從左到右分別為 WebP 圖片、JPG 圖片和 AI 壓縮圖片，注意紅圈中人臉上的詭異狀態(tài)。圖片來(lái)源：Matthias Bühlmann

AI 的復(fù)雜性也讓這種圖像壓縮算法難以推廣。傳統(tǒng)圖像壓縮算法是一套固定的算法，可以用輕量化的程序?qū)崿F(xiàn)。而 AI 則以計(jì)算量龐大著稱，這種 AI 圖像壓縮算法需要足足 4GB 的空間存儲(chǔ)參數(shù)文件，并且解碼時(shí)間也比其他壓縮算法更長(zhǎng)。

所以說(shuō)，目前這種圖像壓縮算法并不值得推廣，就算推廣了，它也并不能完美解決 " 電子包漿 " 的問題，反而卻會(huì)因?yàn)?AI 的特性，產(chǎn)生人類難以想象的、全新的、詭異的 " 電子包漿 "。

不過(guò)，現(xiàn)在最流行的電子包漿并不是整體偏綠偏暗的顏色，而是層層疊疊難以去除的水印 ……