前言
还是这样的文章写起来最顺手，比写科普专栏有意思多了。
本文谈谈媒体的有损与无损的本质，并尝试从信息论的角度定义无损，以及记录一些了我的思考。
从媒体格式说起
其实文件的本质就是一坨数据，而媒体文件的数据主要分成两个部分：一部分是媒体的元数据，一部分是媒体本身的数据，除此之外就是一些结构编码和文件本身的元数据了。
众所周知，无论是什么数据，在计算机系统中都是01编码的，媒体元数据和媒体本身数据自然是如此，所以媒体怎样变成文件，基本完全取决于“信息的编码方式”，这就是所谓的媒体格式。
通常，媒体格式会通过文件扩展名的形式显式告诉用户文件的类型，让用户明白不同格式的文件是有区别的，要区别对待，比如应该使用不同的软件打开。
题外话：实际上，文件拓展名不能完全代表媒体的格式，涉及媒体时其中通常还有编码器、色彩位数、采样率之类的多种细分。详细格式会存储在文件元数据区，严谨的软件是通过这一部分数据来判断文件格式的，这就是为什么改扩展名并不影响很多东西。例如你可以把 png 改成 jpg 后正常打开，因为看图软件会正常认出这是 png 格式然后正常读取；例如你可以把一个 txt 改成 exe 后强制用记事本打开，里面的文字仍然显示正常，因为记事本会认出这是 txt 文件，然后正常读取；例如很多系统或配置文件甚至没有扩展名，因为这类文件不面向用户，也就没有告诉用户文件格式的必要。
总之，媒体文件是有很多种规则去编码他的数据的，因此有不同格式。不同格式之间其实都是存储的同一个媒体，只是不同编码方式，所以只要把媒体读取解码出来再以另一种方式编码存储，就完成了所谓“转格式”。比如 ffmpeg 可以随意转换，从 mkv 到 mov，从 mp4 到 flv，从 jpg 到 bmp，只要是同一类媒体基本就可以互相转换，内部存储的信息没有改变。甚至你把一段文字从记事本复制到 word，何尝不是完成了一次格式转换？
那为什么格式有无损和有损之别呢？比如熟知的 mp4 和 jpg 是压缩格式，png 和 mov 是无损格式。其实区别在于，有损格式是特意为了高效存储“损失了信息的数据”而设计的格式，而无损格式是为高效存储“较少或无损的数据”而设计的格式。
因为我们不常需要完全无损，选择性地丢弃一些信息可以在对影响不大的情况下让文件小很多。这里需要一个知识前提：颜色在计算机系统中通常以三个0-255的数字来表示，也就是 rgb 格式，原因与显示器的显示原理有关。
例如 png 格式如何存储图像，比较粗略的解释就是这样的：他首先存储了图像的调色盘，也就是找到了图像中的所有颜色，这样后面就可以用颜色在调色盘中的序号来代替 rgb，这样每个像素块从用三个数字表示变成一个数字表示。而此时我们说的压缩图像，通常就是合并相似颜色来缩小这个调色盘，这样编号范围就小了，就可以用更少的二进制位表示颜色。
比如一个 100*100 的图像，原始图像有 1000 种不同的颜色，但假如把相近的颜色合并之后只剩下 256 种颜色，那么原先需要用 10 个 bit 才能表示这个颜色编号，现在只要 8 个 bit，这样每个像素块省了 2 bit，在存图像的部分一共省了 2w bit=2.5 kb，同时存颜色盘的部分少了 744 种颜色，即少了 744*24 个 bit，我就不算了。
以上就是常见的图像压缩过程。这就是变成有损的过程中，我们损失了什么：一些你肉眼分辨不出区别，甚至显示器都显示不出区别的颜色。实际上，文件压缩包也是相似的原理。
这里就可以直接理解：为什么存在无损格式？因为我只要设计一个格式，找个比较优的方法老老实实去存所有数据就好了。为什么 png 也可以无损？因为我可以硬要让 png 存下所有颜色，不做压缩，相似颜色我全部留着不动。其他媒体文件也是同理。
真无损吗？
看到这里也许你会疑惑：为什么假定原始图像就是无损的？这个原始图像，真的够“原始”吗？他们本身就“无损”吗？
确实。前面的“无损”，我们只定义为与原始图像完全一致，但我们的需求并不只有传输和转移数据。单论“保存”这件事，如果我们要保存的信息本身就不完整，那什么格式都无济于事。
假如是电子数据，产生时本来就是以数据的形式，例如电子制图、编曲，亦或是 3D 渲染的内容、AIGC 内容。那么毫无疑问，我们追求这些数据的无损是合理的。事实上，你看到的这个 html 网页，你记事本写的 txt，何尝不是“无损”的？我在这里打的每一个字都完整、毫无更改、未被丢弃的保留下来，如果十年后再来看，错字仍然是错字。
假如是现实数据要保存成数据，那么将其采样编码时，信息损失往往是不可避免的。举个最简单的例子：照片的颜色、音频的频率，他们的实际数值可能小数点后有成千上万位，采样时可能只能保留小数点后三位，再往后可能既没有能力处理这么高精度也没有能力存下这么大数据。这时候便不存在真正的无损，只能用一个相对高的门槛来设定一个近似的无损。
这也是摄影偏爱 RAW 格式的原因之一：RAW 格式保存了最原始的传感器数据和详细的拍摄参数，尚未经过那些不够智能的自动处理和压缩，他保留了更多的信息，有更少的损失率，因而有更大的后期调整空间。
广义的无损
不过，我们还是可以严格定义广义上的无损。从信息论的角度来讲：
-
当一个信息可以被有限的参数完全确定时，就是就是理论上可无损的。这里的“有限”有双重含义，一是参数个数有限，二是参数本身是有限数字。
-
当这样的信息可以被完整采集时，就是实际上可无损的。
大量的信息因第一点而丢失，例如我们留不下来的小数精度。也有大量的信息因第二点而丢失，例如手机拍不到原子核的结构。但是并非所有乱七八糟的信息都是我们想要的信息。只要我们要保存的所有信息都是可无损的，那这次保存就是可无损的。
例如截图时，我们需要保存的信息就是当前显示的一切，而电子屏幕本身就是按 rgb 值来显示像素块颜色的，因此只要存下所有像素的 rgb 就是无损的，无论是什么编码格式；相对比，拍照时我们想要保存的信息应该是“摄像头这个视角能看到的一切”，摄像头当然做不到，因此无论什么编码格式都是有损的。
当然，如果你要说你拍照是为了存下“摄像头没坏”这个信息，那也可以说照片是无损的；同理如果你截屏是为了记录摔碎的屏幕，显然屏幕没有这个采集能力，这是一次全损的尝试。
有损无损的定义很灵活，这正体现了保存意义的多样。无论出何原因而存下那份数据，在有损的领域追求无损，也许都是为了保存更多的意义。
有关这些事情的思考本身也有意义，保存于此。
附录
参考文献
无
免责声明
本文并非专业科普，仅作分享，作者不负责由此产生的任何后果。欢迎交流，如有错误也欢迎指正。
版权信息
本文原载于 reincarnatey.net，遵循 CC BY-NC-SA 4.0 协议，复制请保留原文出处。