以JPEG算法为例，了解图像压缩与编码原理。
本篇仅仅是对以下视频的补充，关于JPEG算法原理这个视频已经讲解得很清楚了，建议以视频学习为主：
图像压缩的生物学原理
人眼对图像中的高频部分相对不敏感，可以通过保留图像的低频部分，丢弃高频部分，实现对图像进行压缩。
所谓图像的高频部分，指的是画面变化复杂的部分，而低频部分，指的是画面比较连续的部分，比如颜色相近的大面积色块。以下面的图片为例：
人眼可以很好得识别完整的树干，石头的轮廓，但对于稀疏阴影的变化，落叶堆中的小草，叶片丛中的某几片叶子，人眼则不能很好地识别。树干、石头这些对应的就是低频信号，阴影、落叶堆、叶片丛对应的就是高频信号。将这些高频信号丢掉一部分，让其变模糊一点，对人眼识别画面并不会造成很大的影响，这就是JPEG算法压缩的生物学原理。
关于图像的高频、低频的更详细说明可参考以下链接：
- 低频分量(低频信号)：代表着图像中亮度或者灰度值变化缓慢的区域，也就是图像中大片平坦的区域，描述了图像的主要部分，是对整幅图像强度的综合度量。
- 高频分量(高频信号)：对应着图像变化剧烈的部分，也就是图像的边缘（轮廓）或者噪声以及细节部分。 主要是对图像边缘和轮廓的度量，而人眼对高频分量比较敏感。之所以说噪声也对应着高频分量，是因为图像噪声在大部分情况下都是高频的。
JPEG算法处理流程
色彩空间转换
将RGB转换为YUV，形成亮度（Y）、蓝色色度（Cb）、红色色度（Cr）三个通道的分量。
色度缩减采样
Chrominance Downsampling，将YUV444转换成YUV422或YUV420，降低U通道和V通道的数据量。
离散余弦变换
对缩减采样后的YUV每个通道执行离散余弦变化（DCT/Discrete Cosine Transform），将其从空域转换成频域。
量化
对经过离散余弦变化后的系数表进行量化，也就是除以一组系数，得到量化后的值。量化系数决定了图像压缩的程度，系数越大，高频信号丢失得越多，压缩比越大，图像还原后就越模糊。
游程编码与霍夫曼编码
使用zigzag的方式对量化后的8x8方格进行游程编码，以便于尽量压缩连续多0的，再对流程编码后的数据进行堆夫曼编码，进一步压缩数据的长度。