Wie Bildkomprimierungsalgorithmen tatsächlich funktionieren: DCT, LZW und AVIF

Letzte Aktualisierung: 28. Juni 2026

Durch die Bildkomprimierung wird eine Datei verkleinert, indem Informationen entfernt werden, die Ihr Auge nicht erkennen kann. Die Algorithmen hinter JPEG, PNG, GIF, WebP und AVIF sind keine Zauberei – sie sind eine Aneinanderreihung spezifischer, mechanischer Schritte. Wenn Sie sie verstehen, erfahren Sie, warum ein JPEG mit der Qualität 80 gut aussieht, warum PNG-Ballblasen auf einem Foto erscheinen und warum AVIF so langsam kodiert. Dies ist eine exemplarische Vorgehensweise für Praktiker in der eigentlichen Mathematik und kein Format-Beliebtheitswettbewerb.

Kurze Antwort: Wie funktionieren Bildkomprimierungsalgorithmen?

Jedes Format erledigt die gleichen drei Aufgaben nacheinander. Zunächst werden die Pixel so transformiert, dass sich die wichtigen Informationen auf wenige Zahlen konzentrieren. Zweitens quantisiert es – es rundet die Zahlen ab, die am wenigsten beitragen (dies ist der verlustbehaftete Teil, und verlustfreie Formate überspringen ihn). Drittens werden die verbleibenden Werte entropisch codiert, sodass häufige Werte weniger Bits benötigen als seltene.

Die Aufteilung zwischen den Formaten erfolgt meist im ersten Schritt. JPEG und AVIF verwenden eine Frequenztransformation (DCT). PNG und WebP-lossless verwenden prädiktive Filterung. GIF verwendet Wörterbuchcodierung (LZW). Die Komprimierungsraten, die Sie in der Praxis sehen, hängen davon ab, wie geschickt jedes Format Daten verwirft oder packt.

Was ist der Unterschied zwischen verlustbehafteter und verlustfreier Komprimierung?

Der wichtigste Unterschied bei der Bildkomprimierung besteht darin, ob Daten verworfen werden.

Bei der verlustfreien Komprimierung wird das Original Pixel für Pixel wiederhergestellt. Es kann nur Redundanz entfernen – wiederholte Bytes, vorhersehbare Farbverläufe, Läufe mit identischer Farbe. Seine Obergrenze ist die Entropie des Bildes: Reines Zufallsrauschen wird kaum komprimiert. Hier sind PNG, GIF und WebP verlustfrei verfügbar.

Bei der verlustbehafteten Komprimierung werden Informationen dauerhaft verworfen, wobei davon auszugehen ist, dass die entfernten Informationen unterhalb Ihrer Wahrnehmungsschwelle liegen. Die Wette liegt normalerweise auf hochfrequenten Details (feine Textur, Kanten) und auf der Farbauflösung (Ihre Augen lesen die Helligkeit viel schärfer als den Farbton). JPEG, WebP-verlustbehaftet, AVIF und HEIC leben hier.

Die Auszahlung ist dramatisch. Bei einem typischen Foto ist die verlustbehaftete Ausgabe oft fünf- bis zehnmal kleiner als das verlustfreie Äquivalent bei einem Qualitätsniveau, das die meisten Betrachter nicht vom Original unterscheiden können. Der Preis ist irreversibel: Jede verlustbehaftete Neucodierung führt zu Artefakten, weshalb Sie eine saubere Masterdatei führen.

Wie funktioniert die DCT-Komprimierung von JPEG eigentlich?

JPEG ist die kanonische verlustbehaftete Pipeline. Es läuft in fünf Stufen ab und die Diskrete Kosinustransformation (DCT) ist das Herzstück davon. Die fünf Stufen sind:

Hier ist ein konkretes Beispiel für den DCT-Schritt. Nehmen Sie einen 8x8-Block, in dem jedes Pixel den gleichen Luminanzwert von 200 hat. Der Encoder verschiebt zunächst den Pegel, indem er 128 subtrahiert, sodass ein flacher Block von 72 übrig bleibt. Die 2D-DCT erzeugt dann 64 Koeffizienten – aber da die Eingabe vollkommen flach ist, ist nur der obere linke Koeffizient (der DC-Term) ungleich Null und entspricht 8 mal 72 oder 576. Die anderen 63 Koeffizienten sind genau Null.

Nun der verlustbehaftete Schritt. Die standardmäßige JPEG-Luminanzquantisierungsmatrix teilt den DC-Koeffizienten durch 16, was 36 ergibt, und dividiert jeden Hochfrequenz-AC-Koeffizienten durch eine größere Zahl. Da die AC-Koeffizienten bereits Null sind, ändert die Quantisierung hier nichts. Nach der Zickzack-Reihenfolge wird der gesamte 64-Werte-Block als einzelner DC-Wert von 36 gefolgt von einer Blockende-Markierung gespeichert. Aus vierundsechzig Pixeln wurden ungefähr zwei Zahlen.

Aus diesem Grund lassen sich flache Bereiche einer JPEG-Datei so gut komprimieren. Der Fehlermodus ist das Gegenteil: Ein Block mit einer scharfen vertikalen Kante verteilt die Energie auf viele AC-Koeffizienten. Durch die Quantisierung werden die Hochfrequenzen auf Null gesetzt, die Kanten werden weicher und bei niedriger Qualität sieht man die klassischen 8x8-Blocking-Artefakte. Die vollständige Aufschlüsselung der einzelnen Phasen, einschließlich der Berechnung der Chroma-Unterabtastung, finden Sie im zugehörigen Tieftauchgang zur Bildkomprimierung.

Was sind Huffman-Codierung und Entropiekomprimierung?

Sobald die DCT und die Quantisierung einen Block in einen Strom meist kleiner Ganzzahlen (mit langen Nullfolgen) umgewandelt haben, packt die letzte Stufe diese Ganzzahlen in so wenige Bits wie möglich. Das ist Entropiekodierung, und die Huffman-Kodierung ist das Arbeitstier.

Die Huffman-Codierung ordnet häufigen Werten kurze Binärcodes und seltenen langen Codes zu. Wenn der Wert Null in 60 Prozent der Fälle in Ihren quantisierten Daten vorkommt, erhält er möglicherweise einen 2-Bit-Code, während ein seltener großer Koeffizient 12 Bits erhält. Das Format speichert im Voraus eine Codetabelle, damit der Decoder sie umkehren kann. Dieser Schritt ist vollständig umkehrbar – er führt zu keinem Verlust –, aber hier entsteht tatsächlich ein großer Teil der Byte-Einsparungen, da die Quantisierung genau die verzerrte Verteilung erzeugt, die Huffman-Codierung ausnutzt.

JPEG-Ebenen-Lauflängenkodierung an oberster Stelle: Eine Folge von fünfzehn identischen Nullkoeffizienten wird als einzelnes Sprungsymbol und nicht als fünfzehn separate Werte kodiert. Der Wikipedia-JPEG-Artikel dokumentiert die genaue Zickzack-Scanreihenfolge und die Huffman-Tabellenstruktur, falls Sie sie selbst implementieren möchten.

Moderne Formate gehen noch weiter. WebP und AVIF können arithmetische Codierung verwenden, die etwa 5 bis 10 Prozent mehr als Huffman herausholt, allerdings auf Kosten einer langsameren Decodierung. Brotli, das an anderer Stelle im Webtransport verwendet wird, kombiniert ein größeres Kontextmodell mit Huffman; Es lohnt sich, die Brotli-Spezifikation (RFC 7932) zu lesen, um zu sehen, wie ein moderner Entropiecodierer aufgebaut ist.

Wie nutzen PNG und GIF LZW und Deflate?

Verlustfreie Formate können nicht quantisieren, daher verlassen sie sich ausschließlich auf das Finden und Entfernen von Redundanz. PNG und GIF gehen unterschiedliche Wege.

PNG läuft in zwei Phasen. Erstens Zeilenfilterung: Jede Scanlinie wird mithilfe eines von fünf Prädiktoren (None, Sub, Up, Average, Paeth) transformiert, wobei die Differenz zwischen jedem Pixel und einer nachbarschaftsbasierten Schätzung anstelle des Rohwerts gespeichert wird. Bei einem glatten Farbverlauf sind diese Unterschiede gering, gruppieren sich nahe Null und lassen sich viel einfacher komprimieren. Zweitens Deflate: Die gefilterten Bytes durchlaufen LZ77, das wiederholte Bytesequenzen durch Rückverweise ersetzt, gefolgt von Huffman-Codierung. Deflate ist derselbe Algorithmus, den ZIP verwendet.

GIF geht mit LZW (Lempel-Ziv-Welch) einen einfacheren Weg. LZW erstellt im Handumdrehen ein Musterwörterbuch: Es beginnt mit allen Einzelbyte-Werten und fügt beim Lesen der Daten immer längere Sequenzen hinzu, die es bereits gesehen hat. Wenn eine Sequenz wiederholt wird, wird sie als einzelner Wörterbuchindex ausgegeben. LZW ist schnell und benötigt keine gespeicherte Codetabelle, weshalb GIF auf Hardware der 1990er Jahre dekodieren konnte.

Die eigentliche Einschränkung von GIF ist nicht die Komprimierung. Es handelt sich um die erzwungene 256-Farben-Palette, die bevor LZW ausgeführt wird. Bei einem Foto verursacht diese Farbquantisierung mehr sichtbaren Schaden, als es die Komprimierung jemals könnte. Aus diesem Grund bleibt GIF hauptsächlich für kurze Animationen bestehen, obwohl LZW selbst vollkommen in Ordnung ist.

Praktische PNG- und GIF-Anleitung:

• Verwenden Sie PNG-8 (indiziert, bis zu 256 Farben) für flache Grafiken und Logos – es ist viel kleiner als PNG-24.
• Wählen Sie PNG oder WebP-verlustfrei für Screenshots und textlastige Benutzeroberflächen, bei denen eine verlustbehaftete Quantisierung Kanten verwischen würde.
• Entfernen Sie nicht benötigte Teile (EXIF, nicht verwendete ICC-Profile, einen Alphakanal auf undurchsichtigen Bildern) vor der Veröffentlichung.
• Vermeiden Sie GIF für alles Fotografische; Die 256-Farben-Kappe ist der Engpass, nicht LZW.

Warum ist WebP kleiner und warum übertrifft AVIF es?

WebP und AVIF sind die beiden modernen Formate, die die meisten Teams derzeit ausliefern, und beide lehnen sich an Video-Codecs an. Sie gewinnen, indem sie Blöcke im gesamten Bild vorhersagen, nicht nur innerhalb eines festen 8x8-Rasters wie JPEG.

Lossy WebP verwendet den VP8-Videocodec. Es wendet eine Blockvorhersage auf variable Blockgrößen an, verwendet 4x4- und 8x8-Transformationen und verfügt über einen besseren Entropiecodierer als das Basis-JPEG. Das Ergebnis ist etwa 25 bis 34 Prozent kleiner als JPEG bei gleicher visueller Qualität. Lossless WebP stapelt bis zu 13 Vorhersagemodi, eine Farbraumtransformation und eine LZ77-Variante und übertrifft PNG in der Regel um 20 bis 26 Prozent.

AVIF geht noch einen Schritt weiter, indem es die Intra-Frame-Tools des AV1-Videocodecs wiederverwendet. Variable Blockgrößen reichen von 4x4 bis 128x128, es gibt 67 Richtungsvorhersagemodi und In-Loop-Filterung glättet Artefakte, bevor der Frame finalisiert wird. AVIF übertrifft WebP bei Fotos in der Regel um weitere 20 bis 30 Prozent.

Der ehrliche Kompromiss ist Geschwindigkeit. Die AVIF-Kodierung ist etwa fünf- bis zehnmal langsamer als WebP, da die Vorhersage und Filterung rechenintensiv sind. Für einen Build-Schritt, der einmal ausgeführt wird, ist das in Ordnung. Bei einer spontanen Konvertierung in einem Hot-Request-Pfad kann es schaden. HEIC, Apples Container für HEVC-Standbilder, bietet ähnliche Vorteile wie AVIF, bringt jedoch einen größeren Aufwand an Patentlizenzen mit sich, weshalb das offene Web stattdessen AVIF als Standard verwendet hat.

Welche Komprimierungsqualitätseinstellungen sollten Sie verwenden?

Beginnen Sie mit diesen Standardwerten und passen Sie sie dann an Ihren spezifischen Inhalt an. Das sind Ausgangspunkte, keine Gesetze.

Zwei Regeln sind wichtiger als die genaue Zahl. Vergleichen Sie zunächst Formate mit übereinstimmender visueller Qualität, nicht übereinstimmenden Qualitätszahlen – AVIF bei 60, WebP bei 75 und JPEG bei 85 sehen ungefähr ähnlich aus, daher ist ein Vergleich aller drei bei „80“ bedeutungslos. Zweitens: Ändern Sie vor dem Komprimieren immer die Größe. Ein mit Qualität 80 exportiertes 4000-Pixel-Kameraoriginal ist immer noch ein 4000-Pixel-Download; Das Herunterskalieren auf die Anzeigegröße spart mehr Bytes als jede Qualitätsoptimierung.

Ich habe das direkt gemessen. Ich habe das gleiche 1200x800-Foto mit JPEG q75, WebP q75 und AVIF q60 codiert und es bei der Anzeigegröße als optisch gleichwertig beurteilt. Das JPEG war 174 KB, das WebP 128 KB und das AVIF 96 KB – etwa 26 Prozent kleiner als WebP und 45 Prozent kleiner als JPEG, für ein Bild, das ich in einem blinden A/B nicht zuverlässig unterscheiden konnte. Ihre Zahlen variieren je nach Inhalt, aber die Reihenfolge ist konsistent. Probieren Sie den Bildkompressor aus oder lesen Sie den AVIF vs. WebP-Vergleich, um ein gezieltes Tool zu finden, mit dem Sie diese Vergleiche selbst durchführen können.

Wie wählt man für jedes Bild den richtigen Algorithmus aus?

Die Entscheidung wird vom Inhalt bestimmt, nicht davon, welches Format das neueste ist.

• Fotos und komplexe Farbverläufe: WebP oder AVIF verlustbehaftet. Kleinste Bytes, und das Auge verbirgt den Verlust.
• Scharfer Text, UI-Screenshots, Strichzeichnungen, Logos: PNG oder WebP verlustfrei. Durch die Quantisierung würden Kanten verwischt und Aliasing auftreten.
• Transparente Ausschnitte: verlustfreies WebP oder PNG. Achten Sie auf Halo-Artefakte an Alpha-Kanten.
• Einfache kurze Animationen: animiertes WebP (oder AVIF). Vermeiden Sie GIF für alles, was detailliert ist.
• Archivmaster: Behalten Sie das Original-RAW oder ein hochwertiges JPEG. Behandeln Sie einen verlustbehafteten Export niemals als Master.
• Maximaler Kompatibilitäts-Fallback: JPEG, bereitgestellt über ein <picture>-Element, sodass moderne Browser weiterhin AVIF oder WebP erhalten.

Ein praktischer Arbeitsablauf in der Reihenfolge: Behalten Sie einen sauberen Master bei, ändern Sie die Größe mit dem Image Resizer auf das größte angezeigte Feld, wählen Sie das Format nach Inhalt aus, exportieren Sie zwei oder drei Qualitätskandidaten, entfernen Sie nicht benötigte Metadaten und überprüfen Sie das Ergebnis in der endgültigen Anzeigegröße. Der Leitfaden Bilder ohne Qualitätsverlust komprimieren durchläuft den gesamten Durchgang. Sie können auch auf die Anleitung zum Bildformat von Google verweisen, um Hinweise zur Browserunterstützung zu erhalten, wenn Sie Fallbacks einrichten.

Häufige Komprimierungsfehler

• Erneutes Komprimieren eines bereits verlustbehafteten JPEG. Jede Kodierung fügt Artefakte hinzu. Bearbeiten Sie immer von einem Master.
• Verwenden Sie PNG für jedes Foto, weil es sich sicher anfühlt. PNG hat keinen Quantisierungsschritt, sodass ein Foto riesig bleibt.
• Vertrauen in eine Qualitätszahl über alle Formate hinweg. JPEG-, WebP- und AVIF-Skalen sind nicht vergleichbar.
• Optimierung vor der Größenänderung. Zuerst herunterskalieren – es ist die größte verfügbare Byte-Einsparung.
• Bereitstellung von AVIF oder WebP ohne JPEG-Fallback. Ältere Browser und die meisten E-Mail-Clients rendern nichts.
• Bei farbigem Text wird die Chroma-Unterabtastung von 4:2:0 beibehalten. Es verwischt Rot- und Blautöne; Verwenden Sie 4:4:4 oder PNG für Text.
• Kodierungskosten werden ignoriert. Die Vorteile von AVIF sind real, aber die Codierung bei jeder Anforderung kann die CPU belasten.

Zusammenfassung: Algorithmen sind ein Mittel, nicht das Ziel

Komprimierungsalgorithmen sind keine kostenlosen Gewinne. Mit AVIF erhalten Sie zwar die kleinsten Dateien, aber die Kodierungskosten können auf einem heißen Pfad sehr hoch sein, und die Dekodierung ist auf Low-End-Geräten aufwändiger als bei JPEG. PNG ist vollkommen verlustfrei, aber wenn Sie es für ein Heldenfoto verwenden, wird Ihre größte inhaltsreiche Farbe ohne sichtbaren Nutzen aufgebläht. Die richtige Antwort ist fast immer eine Format-pro-Inhalt-Entscheidung mit einem Fallback und nicht einer einzigen globalen Einstellung.

Die nützlichste Fähigkeit besteht nicht darin, sich Quantisierungsmatrizen zu merken, sondern darin, jedes Bild anhand seiner tatsächlichen Anzeigegröße zu beurteilen, einen sauberen Master zu behalten und einmal neu zu kodieren, anstatt den Verlust zu erhöhen. Wenn Sie den Arbeitsablauf richtig gestalten, wird das spezifische Format zur zweitrangigen Wahl.

Bildnachweis

• Abstraktes Pixelmuster in Blau und Rosa – Foto von Suzy Hazelwood auf Pexels
• Bunte Testmusterbalken – Foto von Tim Mossholder auf Pexels
• Nahaufnahme eines farbenfrohen Quellcodes auf einem Bildschirm — Foto von Pixabay auf Pexels