一、无损压缩做什么

无损压缩的定义只有一句：压缩前和解压后的数据完全一样。 所以它不能丢任何信息，只能在【表示方式】上做文章。 它能利用的只有一类冗余：统计冗余——数据里出现的重复与规律。

二、三类常见做法

游程编码（RLE）：连续重复的值记成【值 + 次数】。 适合大片相同的数据，比如画面里大块的纯色区域。 霍夫曼编码：出现得多的符号给短码，出现得少的给长码。 算术编码：把整串符号映射成一个小数，效率比霍夫曼略高。 三种思路不同，但目标一致：用更少的比特表示同样的信息。

三、为什么只有 2 倍上下

因为这个上限是信息论决定的，不是实现水平问题。 数据的【信息量】本身是固定的，你只能去掉表示上的浪费，不能减少信息本身。 所以 FLAC 约 2 倍、PNG 约 2~3 倍——它们都顶着同一堵墙。 反过来说：看到某个【无损压缩】宣称压了 10 倍，那一定是搞错了什么。

四、它在哪里不可替代

两类场景必须用无损： 要反复编辑的中间素材——每存一次就损一次，绝对不行； 有标准化要求的交付——比如医学影像、母版存档。 所以无损不是【低效】，它是为了保住【可反复处理】这个前提。

五、动手 Demo：无损压缩的三类做法

无损压缩不丢信息，所以只能从【表示方式】上想办法。

rows = [("游程编码 RLE", "连续重复的值记成值+次数", "1.5~3 倍"),
        ("霍夫曼编码", "高频符号给短码", "1.5~2 倍"),
        ("算术编码", "把整串符号映射成一个小数", "比霍夫曼略高")]
for a, b, c in rows:
    print("%-14s %-24s %s" % (a, b, c))

实跑输出：

--------------------------------------------------------------------
无损压缩的三类做法
--------------------------------------------------------------------

无损压缩不丢信息，所以只能从【表示方式】上想办法。

  方法             原理                            典型压缩比
  --------------------------------------------------------------
  游程编码 RLE     连续重复的值记成【值+次数】     1.5~3 倍
  霍夫曼编码       高频符号给短码                  1.5~2 倍
  算术编码         把整串符号映射成一个小数        比霍夫曼略高

  三种的共同点：**它们都只改变【怎么表示】，不改变【表示什么】。**
  所以无损压缩的天花板不高——一般也就 2 倍上下。

三种的共同点：它们都只改变【怎么表示】，不改变【表示什么】。 所以无损压缩的天花板不高——一般也就 2 倍上下。

30 秒实验

1. 用一个无损压缩工具压一段 WAV，记下压缩比。
2. 再想一下：这个数字为什么顶在 2 倍左右。

常见误区

1. 以为无损压缩能压很多。2 倍左右就是它的物理上限。
2. 把无损压缩用于素材多次编辑。方向反了——它正是为这个场景存在的。

• ☐ 下一节（6.2.2 有损压缩）

相关笔记

• 有损压缩 — 另一条路：允许丢
• 熵编码 — 霍夫曼在这里被用上
• 音频格式 — FLAC 的位置
• 🎬 FFmpeg入门详解 · 索引