在libvips中使用jpegli图像编码器的技术指南
2025-05-22 14:49:02作者:侯霆垣
背景介绍
libvips作为一款高效的图像处理库,支持多种图像编码格式。其中JPEG格式是最常用的图像格式之一,而jpegli作为Google开发的新型JPEG编码器,相比传统libjpeg-turbo在压缩率方面有显著提升。
jpegli的特点与优势
jpegli是一个二进制兼容的libjpeg替代方案,这意味着它可以直接替换系统原有的libjpeg库而无需重新编译整个依赖链。与mozjpeg等不兼容方案相比,jpegli的使用门槛大大降低。
测试数据表明,在相同质量设置下:
- jpegli生成的JPEG文件体积比libjpeg-turbo小约15%
- 编码速度约为libjpeg-turbo的一半
安装与配置方法
编译jpegli
- 从源码编译libjxl项目(jpegli是其组成部分)
- 设置以下CMake参数:
JPEGLI_LIBJPEG_LIBRARY_VERSION=8.2.2JPEGLI_LIBJPEG_LIBRARY_SOVERSION=8JPEGXL_INSTALL_JPEGLI_LIBJPEG=ON(确保安装到系统路径)
使用动态库替换
由于安全考虑,不建议直接替换系统库文件。推荐使用以下两种方式:
方法一:LD_LIBRARY_PATH临时替换
LD_LIBRARY_PATH=/path/to/jpegli/lib:$LD_LIBRARY_PATH vips command...
方法二:创建符号链接 将编译好的jpegli库链接到用户目录下的lib路径,并设置LD_LIBRARY_PATH包含该路径。
性能与兼容性考虑
虽然jpegli在压缩率上有优势,但开发者需要权衡:
- 编码速度较慢(约慢50%)
- 解码性能与标准libjpeg相当
- 完全兼容现有JPEG生态
实际应用建议
对于存储空间敏感而CPU资源充足的场景(如静态资源托管、归档系统等),jpegli是理想选择。而对于实时处理或性能敏感场景,可能需要继续使用libjpeg-turbo。
总结
jpegli为libvips用户提供了一个简单高效的JPEG编码优化方案,通过简单的库替换即可获得更好的压缩效果,是图像处理工作流中值得考虑的优化选项。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
383
457
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
680
暂无简介
Dart
804
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
210
昇腾LLM分布式训练框架
Python
119
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781