运营在浏览器里看一张商品主图,颜色偏淡;同一份文件拖进 Photoshop,颜色又正常了。她以为是浏览器的问题,换了 Chrome 到 Safari,还是不一样。另一边,后台列表里的缩略图总比原图「糊一层」,细节黏在一起,边缘发脏,设计说是原图的问题,前端说是压缩的问题,谁也没说准。
这两件事都在同一条链路上。一张图从磁盘上的几百 KB 字节,到屏幕上发光的像素,中间要经过解码、色彩管理、纹理上传、采样、合成五道工序。每一道都有默认值,每一道都可能改变最终的颜色和清晰度。只看文件本身,永远解释不了屏幕上的结果。
这篇按顺序走一遍这条链路:字节怎么变成像素、像素带着什么标签进入色彩管理、GPU 拿它当纹理之后又做了什么、缩放算法各自适合什么、以及 gamma 为什么让缩略图变脏。走完这一遍,再遇到「两个软件颜色不一样」,就能分清是解码、配置还是显示的问题。
| 现象 | 真实原因 | 第一步查什么 |
|---|---|---|
| 浏览器和修图软件颜色不同 | 软件各自按自己的色彩管理策略解释,修图软件还会参考显示器配置 | 对比两边是否读到同一个 ICC 配置,显示器是否做过校准 |
| 缩略图比原图糊一层 | 下采样时没有先做低通,或者采样空间不是线性光强 | 查缩放算法、是否先低通、缩略图的实际像素尺寸 |
| 高分屏上图片发虚 | 只提供了 1 倍图,浏览器把它放大到两倍设备像素 | 查图片实际像素与 CSS 尺寸的比值,确认 srcset 是否生效 |
| 打开大图时页面卡住几百毫秒 | 解码在主线程同步进行,大图解码本身就是重活 | 查解码时机、图片尺寸,是否用了异步解码接口 |
| 服务端生成的缩略图颜色变淡 | 图像处理库不读 ICC,直接把像素当 sRGB 处理并输出 | 查库的配置保留选项和输出时的目标配置 |
| 图片在网页里被拉宽一点就发糊 | 非整数倍缩放,GPU 默认双线性采样,细节被抹平 | 查 CSS 尺寸是否和图片像素对齐,有没有用 object-fit 硬拉 |
| 同一张图打印出来偏色 | RGB 数值直接送打印机,没有做 CMYK 转换和软打样 | 查输出配置和纸张配置,确认是否用了正确的渲染意图 |
| 带 HDR 信息的图在网页上发灰 | 高动态范围传递函数没有被映射到普通屏幕的亮度范围 | 查文件是否带 PQ 或 HLG 标记,浏览器是否支持 HDR 显示 |
磁盘上只有字节,解码才出现像素
JPEG 文件里存的不是像素,是一堆经过变换和量化的系数。编码时图像被切成八乘八的小块,做离散余弦变换,把低频和高频分开,再用一张量化表把高频砍掉大半,最后对剩下的系数做熵编码,也就是按出现概率给常见符号分配更短的码。PNG 走的是另一条路,先按行做差分滤波,再用字典压缩,全程不丢信息。
解码就是把这条路反过来走:先做熵解码拿到系数,按量化表还原,做逆变换把频率变回空间上的亮度分布,再把只有一半分辨率的色度通道上采样,最后按色彩空间定义转成 RGB。每一步都有近似,所以一张 JPEG 解出来的像素,和拍摄时的原始数据已经不是一回事。
这里先建立一个大小的直觉。一张 4000 乘 3000 的照片,压缩后可能只有 380 KB,解码成 8 位 RGBA 缓冲却是 4000 乘 3000 乘 4,约 45.8 MB,差了两个数量级。二十张同时解码,内存就要九百多兆。列表页卡顿、手机应用被杀,很多时候不是网络问题,是解码后的缓冲把内存顶穿了。
解码还是 CPU 密集的活。一张四千万像素的 JPEG,在中端手机上解码要几十毫秒到上百毫秒,放到主线程就是肉眼可见的卡顿。所以浏览器提供了异步解码接口,把解码放到别的线程,等解码完成再上屏。这个接口不减少计算量,只是把计算挪开,避免阻塞交互。
从像素缓冲到屏幕,中间还有四道手
解码出来的像素只是一组带标签的数字。接下来要决定这些数字按什么规则解释,转换成合成用的空间,上传成 GPU 纹理,采样到目标尺寸,最后和页面上的其他图层叠加。任何一步的默认值不同,最终颜色就可能不同。
注意这个顺序:色彩转换发生在纹理上传之前还是之后,结果不一样。有的管线在 CPU 上把像素转到目标空间再上传,有的是上传后由 GPU 在采样时做 sRGB 解码。前者多一次内存拷贝,后者依赖纹理格式标记,两边都可能漏掉一步。
图层合成还会再引入一次转换。如果页面背景、图片、文字都在各自的色彩空间里,合成前必须统一到一个工作空间,否则叠加处会出现色差。浏览器一般用 sRGB 作为合成空间,广色域图片会先被转换一次,显示到广色域屏幕上再转一次。
色彩管理:谁在读那份配置
ICC 配置是一份描述「这些数字代表什么颜色」的文件,里面通常包含原色坐标、白点、传递曲线,以及一张从设备数值到标准色彩空间的查找表。图片可以内嵌配置,显示器也可以向系统报告自己的配置,色彩管理就是在这两者之间做映射。
映射不是唯一解。渲染意图有几种:相对比色保持色内关系、把超出色域的颜色压到边界;感知意图会整体压缩,保住渐变关系;绝对比色保留白点差异,适合打样;饱和度意图优先保住鲜艳度。同一张图用不同意图转换,结果可以差出肉眼可见的程度。
浏览器的策略相对保守:图片带配置就按配置转,不带配置就假定是 sRGB。这个假定带来两个方向的错误。一张 Display P3 的图被剥掉配置,浏览器按 sRGB 解释,颜色会过饱和;一张 sRGB 图被错误地贴上 P3 标签,会被当成更宽的色域,颜色发灰。
修图软件的逻辑更复杂。它通常有一个工作空间,导入时可以选择「指定配置」还是「转换为配置」。指定只是给数字贴个标签,像素值不变;转换会真的改数字,把颜色映射过去。很多人以为点了转换,其实点的是指定,或者反过来,于是文件在软件里看着正常,导出后就变了。
显示器这一层经常被忽略。同一台笔记本,开了夜间模式,白点会偏黄;开了厂商的护眼模式,饱和度会被压低;外接显示器如果没校准,色温和 gamma 都可能偏。这些设置不影响图片的像素值,但直接改变你看到的颜色,而且截图会把偏差一起记录下来。
GPU 上传与采样:纹理不是像素数组
浏览器把图像交给合成器时,会把它上传成一张纹理。上传过程可能做格式转换,比如把 8 位 RGBA 打包成某种压缩纹理,或者标记为 sRGB 纹理让采样时自动解码。纹理有尺寸上限,超大图会被切成多块,或者先缩到上限再上传。
纹理采样默认用双线性插值:目标像素落在四个纹素之间时,按距离加权取平均。放大时这会产生平滑过渡,比最近邻好看,但细节会变软;缩小时如果只取相邻四个纹素,等于没有做低通,高频会折叠成摩尔纹。所以缩小通常要靠 mipmap,提前生成一系列逐级减半的纹理,采样时选合适的那一级。
mipmap 让显存增加约三分之一,换来缩小时不闪烁、不锯齿。但它只解决「缩得比较小」的情况,如果目标尺寸和纹理尺寸不是整数倍,双线性仍会带来轻微模糊。一张 401 像素宽的图被塞进 400 像素的容器,浏览器会在边缘做一次非整数采样,文字和细线最先发虚。
设备像素比是另一个变量。CSS 里写 200 像素宽,在两倍屏上实际要占 400 个设备像素。只给一张 200 像素宽的图,浏览器只能把它放大两倍,相当于每个原始像素铺成四个,边缘自然软。提供两倍图不是「更清晰」的玄学,是让采样比例回到一比一。
缩放算法:三种常见核与各自的代价
最近邻取离目标位置最近的那个原始像素,速度最快,边缘最硬。它适合像素画、图标、需要保留硬边的场景,放大照片会看到方块。双线性取周围四个像素按距离加权,计算量小,过渡平滑,放大后整体偏软。
双三次用周围十六个像素,权重是三次函数,结果比双线性锐,边缘更自然,代价是计算量翻几倍,而且在强边缘附近可能产生轻微振铃,也就是边缘两侧出现明暗波纹。Lanczos 用更大的窗口和 sinc 函数,锐度更高,振铃也更明显,常用于离线缩图和视频重采样。
选择算法之前要先分清放大还是缩小。放大时核决定插值平滑程度,缩小时更重要的是先做低通,把高于目标采样率一半的频率压掉,再做重采样。跳过低通直接抽点,就会出现锯齿和摩尔纹,这就是很多「快速缩略图」看起来脏的原因。
最近邻与双线性:快,适合实时
最近邻保留硬边,双线性过渡平滑。GPU 采样默认就是双线性,几乎零成本。适合交互预览、图标、像素画,不适合生成最终缩略图。
双三次与 Lanczos:慢,适合离线
窗口更大,细节保留更好,边缘更锐,但计算量高、可能振铃。适合服务端生成缩略图、印刷前处理,不适合在页面里对几十张图实时做。
还有一个常被忽略的因素是源图本身的频率。一张本来就轻微失焦的照片,用再锐的核也救不回来,只会把噪声一起锐化。反过来,一张线条图用双线性缩小,线条会糊成灰带。算法没有绝对好坏,要看画面内容和目标尺寸。
gamma:缩略图发脏的真正原因
屏幕亮度和像素数值不是线性关系。数值 128 并不等于一半亮度,按 sRGB 曲线换算,它大约只有百分之二十几。缩放算法如果直接对这些数值做平均,等于在一个非线性的坐标里做线性运算,结果一定偏。
拿一个两黑两白的四像素块缩成一个像素举例。直接在数值上平均,得到 127;先把每个值还原成线性光强,平均得到 0.5,再编码回 sRGB,得到 188。两者差了 61 级。真实照片里这种黑白相邻的结构到处都是,缩略图整体就会偏暗,暗部细节黏在一起,看起来「脏」。
def lin(c):
v = c / 255.0
return v / 12.92 if v <= 0.04045 else ((v + 0.055) / 1.055) ** 2.4
def enc(l):
v = 12.92 * l if l <= 0.0031308 else 1.055 * (l ** (1 / 2.4)) - 0.055
return round(v * 255)
block = [255, 0, 0, 255]
print("sRGB 数值平均 =", sum(block) // 4)
print("线性光强平均 =", enc(sum(lin(c) for c in block) / 4))
本机实际输出:
sRGB 数值平均 = 127
线性光强平均 = 188
正确的做法是先线性化,再做加权平均,最后编码回去。代价是每个像素要多做两次查表或幂运算,一张四千万像素的图会明显变慢。所以不少快速缩图库默认跳过这一步,牺牲准确性换速度,缩略图偏暗就是这么来的。
gamma 还会影响锐化和模糊。在 sRGB 空间做高斯模糊,亮部会被过度扩散,深色背景上的白色文字会晕出一圈灰;在线性空间做,扩散比例才符合物理。做发光、景深、降噪这些效果时,工作空间的选择比算法参数更重要。
把数字摊开:一条真实链路的开销
假设一个商品列表页,每张卡片展示 400 乘 300 的图,数据源是 4000 乘 3000 的原图。最差的做法是直接把原图地址填进页面,浏览器下载 380 KB、解码出 45.8 MB 的缓冲,再缩到 400 乘 300 显示。二十张卡片就是七点六 MB 下载和九百多兆的解码缓冲,手机端几乎必然卡顿甚至崩溃。
正确的做法是在服务端预先生成目标尺寸。400 乘 300 的 RGBA 缓冲只有 0.46 MB,是原图的百分之一。再按两倍屏提供 800 乘 600 的版本,1.83 MB,仍然远小于原图。下载量、解码时间、显存占用三项一起下降,收益不是百分之几十,是一个数量级。
如果必须在前端缩放,也要注意时机和尺寸。用 Canvas 把 4000 像素的图缩到 400,仍然要先解码整张原图,省不下解码和内存,只省了后续合成。真正的节省发生在「根本不下载原图」这一步,缩放算法再讲究也补不回来。
边界与代价
第一笔代价是色彩管理的计算。逐像素做矩阵和曲线转换,比直接拷贝慢很多,一张大图可能多花十几毫秒。浏览器会在必要时才做,比如图片带配置、显示器是广色域;如果两者都是 sRGB,路径会被简化。
第二笔代价是显存。纹理、mipmap、多缓冲一起占用,移动设备的显存和内存共享,图片一多就会挤掉别的资源。超大图还会触发纹理切块,采样跨块时可能出现接缝,这些都不是算法能完全消除的。
第三笔代价是链路的不确定性。解码库版本、浏览器色彩管理开关、显示器配置、GPU 驱动,任何一处不同,最终像素就可能不同。要追求严格一致,只能固定整条链路,比如统一在服务端转成 sRGB、统一尺寸、统一格式,把变量降到最少。
最后一个边界是测量方式。肉眼对比两张图不可靠,显示器的状态、环境光、甚至观看角度都会影响判断。要做严肃对比,用取色器读像素值,或者在固定显示器、固定亮度下并排看,别拿手机截图和电脑屏幕直接比。
当天能自己验证的五个练习
- 找一张带 ICC 配置的照片,用脚本读出配置名称,再剥掉配置另存,分别在浏览器里打开,记录颜色变化。
- 把一张 200 乘 200 的图放进 200 CSS 像素宽的容器,在两倍屏上截图,数一数边缘占了多少设备像素。
- 用双线性和双三次把同一张图缩小到四分之一,放大对比文字边缘,记录哪种更锐、哪种更脏。
- 跑一遍上面的 gamma 代码,再把它改成对一张真实缩略图做两种缩放,比较平均亮度差了多少。
- 打开开发者工具,记录一张大图从发请求到完成解码的耗时,再换成同内容的小图,对比两组数字。
小结
三句话:磁盘上是压缩字节,解码后才出现像素,文件大小和内存占用差两个数量级;颜色由配置和色彩管理决定,指定配置不等于转换配置;清晰度由实际像素尺寸、缩放算法和工作空间共同决定,gamma 错了,缩略图一定发脏。
这条链路讲完,常规格式的边界也清楚了:它们能存像素,能存少量标准元数据,但装不下业务自己的字段,也难以为特定场景做取舍。下一篇开始动手设计一个自己的图片格式,从文件头、调色板、键值元数据和像素排列开始,把「够用、可解析、可扩展」这三件事落到字节上。