python gif压缩_压缩gif的正确姿势

有时候，我们有压缩gif的需求——例如为了优化网页加载速度。在unix环境下，可以使用ImageMagick工具。

压缩gif使用-layers方法Optimize：

convert source.gif -layers Optimize dest.gif

可惜的是，以上的命令只适用于卡通类的gif……如果你的gif是从录制的视频转化而来的，通常压缩不了多少，甚至可能比原文件更大。这是为什么呢？

Optimize

要知道这是为什么，我们先看看这个Optimize到底做了哪些事情？

Coalesce 动画

基本帧优化

透明度优化

Coalesce

gif的每一帧，有一部分元素是和前一帧相同的，因此保存的时候，每一帧通常不是完整的画面，而一个较小的区块(这个区块包括了改变的部分)，这样可以压缩尺寸。

例如，上面一帧gif，背景是不变的，所以实际储存的时候，每一帧可能是这样的：

Coalesce就是将这些动画还原成完整的一帧一帧画面，方便后期的处理。

基本帧优化

Coalesce之后的图像，重新计算、生成新的帧。这个过程可以说是“螺旋式地前进”，看起来是抵消了coalesce，其实在重新计算、生成的过程中，使用的算法、参数可能比原图的更好，因此最终可以压缩体积。这就是基本帧优化。

透明度优化

gif的帧和帧之间，有很多颜色是一样的。所以，我们可以将这些颜色一致的区域视作背景，保存下一帧的时候，和背景重合的像素都保存为透明像素，这样就可以省去保存很多与背景像素一模一样的像素的色彩信息。

例如，上面的gif图像，后面的几帧，四边使用透明像素：

加大透明区域，就可以省去更多重复的色彩信息，从而进一步压缩尺寸，这就是透明度优化。

透明度优化的局限

上面说了，对于视频转化而来的gif，压缩的效果不好。原因就是透明度优化环节出了问题。

视频转化而来的gif，背景可能会有轻微的抖动，同时，视频的每一帧画面采用了有损压缩，相近的颜色会被压缩为同一种颜色，因此同样的颜色，在不同的帧里面可能会被近似成不同的颜色。这两个因素就导致透明度优化效果很差。由于透明度优化是一个非常复杂的过程，牵涉到LZW压缩算法，因此这种情况下，优化可能反而使得LZW压缩的选择变差。所以最终优化过的gif，大小就和原图差不多，甚至更大。

解决方案

一旦我们弄明白了原因，那么解决方案就很显然了：优化的时候，将相近的颜色视为相同的颜色，这样就可以抵消抖动和色彩压缩的影响。这通过设置fuzz因子来达成：

convert test.gif -fuzz 15% -layers Optimize result.gif

-fuzz选择多少能取得最大的压缩效果，同时对画质的影响可以接受，则需要耐心地尝试。

注意：以上的方案是假定你只有gif文件，但是如果你有视频原文件的话，就是另一回事了。