libavif v1.2.0 版本发布:AV1 图像格式库的重大更新
libavif 是一个开源的 AV1 图像格式编解码库,它实现了 AVIF 格式的编码、解码和处理功能。AVIF 是基于 AV1 视频编码器的图像格式,具有出色的压缩效率和图像质量,正在成为下一代图像格式的重要选择。最新发布的 v1.2.0 版本带来了多项重要改进和新特性,进一步提升了库的功能性和稳定性。
核心特性增强
本次更新最显著的变化是移除了多个实验性功能的标记,将它们提升为稳定功能。其中最重要的两项是:
-
增益地图(Gain Map) API:这个功能现在已成为稳定特性,不再需要特殊的编译标志。增益地图技术允许在单一文件中存储不同曝光级别的图像信息,为HDR显示设备提供更好的支持。
-
YCgCo_Re 和 YCgCo_Ro 色彩空间支持:这两种色彩空间转换算法也已从实验状态毕业,现在可以稳定使用。它们的枚举值已更新至最新的CICP规范。
元数据处理改进
新版本在元数据处理方面做出了重要改进:
-
新增了
properties和numProperties字段到avifImage结构中,用于存储和传递libavif无法识别的属性数据。这增强了库对非标准元数据的兼容性。 -
增加了对HEIF第三版修正案中"PixelInformationProperty"语法的实验性支持,需要通过编译标志
AVIF_ENABLE_EXPERIMENTAL_EXTENDED_PIXI启用。 -
改进了对增益地图元数据的处理逻辑,现在会忽略不支持的元数据,并正确处理writer_version大于0的情况。
编码器与解码器优化
在编码和解码方面,v1.2.0带来了多项优化:
-
编码器现在支持处理超大尺寸图像,解决了之前可能存在的限制问题。
-
解码器现在能够正确处理包含非视频轨道(如音频或字幕)的图像序列。
-
改进了对辅助轨道的类型检查,避免将非alpha辅助轨道错误识别为alpha通道。
-
解码器现在能够处理具有奇数Clean Aperture尺寸或偏移的子采样图像。
API变更与弃用
本次版本引入了一些API变更:
-
简化了增益地图API,移除了
enableParsingGainMapMetadata设置,现在只要编译支持就会自动解析增益地图元数据。 -
弃用了
avifEncoder中的量化器相关字段(minQuantizer等),推荐使用quality和qualityAlpha参数替代。 -
弃用了
avifCropRectConvertCleanApertureBox()和avifCleanApertureBoxConvertCropRect()函数,提供了更直观的替代函数。 -
将
AVIF_HEADER_FULL重命名为AVIF_HEADER_DEFAULT,并标记前者为弃用。
新增工具与实用功能
v1.2.0版本新增了一个实用工具:
avifgainmaputil命令行工具:这个工具专门用于处理增益地图相关操作,现在已包含在标准安装包中。
此外还新增了一些实用函数:
-
avifSignedFraction和avifUnsignedFraction结构体,以及相关的转换函数,方便处理分数数据。 -
avifCropRectRequiresUpsampling()函数,用于判断裁剪矩形是否需要上采样。
依赖项更新
libavif v1.2.0同步更新了多个依赖库的版本:
-
AOM编码器更新至v3.12.0,新增了
tune=iq(图像质量)编解码选项。 -
dav1d解码器更新至1.5.1版本。
-
libjpeg更新至v3.0.4。
-
SVT-AV1编码器更新至v3.0.0,支持了无损编码和并行度设置。
其他改进
-
优化了文件结构,现在会写入空的HandlerBox名称字段而非"libavif",节省了7字节空间。
-
改善了属性写入顺序,现在描述性属性会先于转换性属性写入。
-
修复了alpha通道处理中的多个潜在溢出问题。
-
Android JNI支持改进,包括支持16kb页面大小和默认线程数设置为2。
总结
libavif v1.2.0是一个功能丰富的更新版本,将多项实验性功能提升为稳定特性,同时改进了编码和解码的可靠性和灵活性。新版本特别强化了对HDR和增益地图的支持,使AVIF格式在高质量图像应用场景中更具竞争力。对于开发者而言,需要注意一些API的变更和弃用,及时调整代码以适应新版本。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00