技术
分形压缩是什么:用 IFS 自相似性找重复的视觉模式
📅 2026-09-07 · ✍️ 闪压技术团队 · ⏱ 6 分钟阅读
分形压缩是什么:用 IFS 自相似性找重复的视觉模式
如果你听过"压缩"这个词,大概率想到的是 zip、rar、7z 这类把文件变小的工具。但有一类不那么常见的压缩思路,核心不是"字符串里有重复",而是"画面里有自相似"。分形压缩就是这条路线的代表。它的思路来自一个朴素观察——自然界的很多图像,在大尺度和小尺度上长得差不多。云朵、山脉、海岸线、树叶、闪电,放大看和缩小看常常有相似的纹理。抓住这种"自相似",就能用很短的描述还原整张图。
分形压缩的核心思路:把图像当成 IFS 的不动点
分形压缩的理论底座是 IFS,也就是"迭代函数系统"。它本质上是一组收缩映射——把一个图像反复做"缩小、变形、平移、旋转",最终会收敛到一张固定的图。我们管这张图叫这个 IFS 的"不动点"。
分形压缩做的事情正好反过来:给定一张图像,反推一组收缩映射,让它们的不动点尽量逼近原图。这个反推过程叫"分形编码"。一旦编码完成,文件里只需要存"这组映射的参数",不再需要原始像素。解码时,任意一张图像从任意起点出发,反复套用这组映射,自然就会收敛到那一张图。
这个"任意起点都会收敛到同一张图"的特性,叫做"压缩映射不动点定理",是分形压缩在数学上能成立的关键。换句话说:你不需要存原始数据,只要存"如何从任何起点变形到目标"的规则,就能在解码时重新生成图像。
分形压缩的工作流程:分块、匹配、存参数
实际的编码流程大致分四步。第一步,把图像切成小块,称为"值域块";每个值域块对应一个"定义域块",后者通常是更大的方块,内部还要做简单的仿射变换。第二步,在图像里搜索"和值域块长得像"的定义域块,匹配过程通常用像素差平方和作为相似度度量,容忍灰度偏移和对比度变化——这是分形压缩中最耗时的部分。第三步,记录映射关系,存下来的不是原图像素,而是"哪个值域块对应哪个定义域块、做了何种仿射变换、亮度偏移是多少",所有块做完,文件里就是一张由映射关系组成的码本。第四步,解码时,任意初始图像不断套用这些映射,经过若干轮迭代就会收敛到与原图非常接近的图像,解码速度通常远快于编码,因为它不需要搜索,只需要反复套用规则。
值得注意的是,这种压缩天然是有损的——值域块和定义域块之间永远存在像素差,差得越多,失真越明显。编码时通过控制误差阈值调节:阈值大,文件更小,失真更大;阈值小,文件更大,失真更小,和有损压缩大家族"用质量换体积"的思路完全一致。
另一个相关特性是分辨率无关性。解码从任意起点迭代到不动点,理论上可输出任意分辨率——给一个更高分辨率的起点,最终就会得到更高分辨率的不动点。这种"天然支持任意尺寸放大"的特性,在当时非常独特,让分形压缩成为一代人研究"放大算法"的起点。
为什么分形压缩没成为主流,又留下了什么
听起来很优雅,但分形压缩有几个工程硬伤,让它没能进入主流压缩软件。第一,编码极慢。在图像里搜索"最像的定义域块"是搜索复杂度爆炸的任务,即使加了加速策略,编码时间也比主流有损方法长得多;闪压最新版本这种追求批量高效、极速压缩的桌面工具,自然不会把分形当成主力。第二,天然有损,且对纹理复杂的图不够鲁棒——含有大量高频细节、噪声、人脸的图像,自相似性弱,编码质量明显下滑,这类图像更适合 DCT、小波这种基于频域分解的方法,后来兴起的神经网络方法则在更广的图像类型上表现更稳。第三,与现代编码器生态割裂——主流图片和视频格式在设计时已经假设了频域建模,分形压缩的 IFS + 不动点思路要嵌入进现有格式,需要改写整个流水线,这种兼容性成本让分形压缩逐渐变成理论课上必讲、工程里少见的方案。
不过分形压缩自己没成为主流,它的两条思想却被现代压缩器继承了下来。"用一组规则反复迭代就能生成目标"的思路,和今天神经网络里的迭代优化理念不谋而合——模型压缩、神经图像压缩里,经常能看到从一个随机起点出发、迭代到目标分布的影子,本质和 IFS 不动点有相通之处。"自相似性作为冗余来源"这一观察,在更广的范围内被重新诠释:不只是视觉,音频里也有重复节奏、相近音色,文本里也有重复短语、相近句式,不同模态的冗余都可以从"自相似"的角度去刻画。理解了分形压缩,再看字典压缩、熵编码、神经网络压缩时,会发现它们都在试图抓住不同形态的冗余——只是抓手不同。
对桌面压缩工具用户来说,分形压缩更多是"概念上的邻居"而不是"功能上的选项"。闪压最新版本的图片、视频、PDF 等模块,走的都是有损频域 + 字典编码的成熟路线,因为这条路在速度、兼容性、压缩比上更平衡。想要在工程上真正用上"自相似"思路,可以关注两个相关领域:一是基于学习的图像压缩,在神经网络的潜在空间里寻找自相似性的高效表示;二是视频编码里的参考帧机制,本质也是在更大范围内搜索自相似块,只是搜索空间从单张图扩展到了多帧——这是分形压缩留给后人的一组现代化路径。
如果想顺道理解其他思路,可以看 DEFLATE 与 Zstandard 的流水线设计,理解现代无损压缩器怎么组织数据;无损与有损压缩的核心差异这篇文章则适合理清有损、无损两条路的取舍逻辑;字典压缩原理:四十年走过的工程遗产讲的是另一类"用规则抓冗余"的经典思路——三条路径都能加深对"压缩究竟在做什么"这件事的理解。