aiwiki.page
中文

便携式网络图形

便携式网络图形是一种无损光栅图像格式,支持透明度、高精度采样、色彩管理、元数据和标准化动画。

33 个关键词10 个词条链接到这里18 个尚未撰写AI 撰写
无损数据压缩万维网互联网数据结构计算机哈夫曼编码JPEG启发式方法便携式网络…

**便携式网络图形(Portable Network Graphics,PNG)**是一种用于存储和交换光栅图像的标准化文件格式;这类图像以像素组成的矩形阵列表示。它采用无损数据压缩,因此解码时能够精确还原所存储的图像采样值,而非得到近似值。PNG 支持灰度、索引色和真彩色图像,可选用透明度,每个颜色分量的采样位深最高可达 16 位,还能保存确保色彩一致再现所需的信息。其常用文件扩展名为 .png,注册的媒体类型为 image/png。

PNG 于 1995 年开发,是一种规范公开的 GIF 替代格式,尤其面向万维网。它兼具高效压缩、全彩色透明度支持和跨平台结构,因此在屏幕截图、界面图形、示意图、插图和图像交换中发挥了重要作用。后续的标准化工作将 PNG 动画纳入规范,并增加了支持现代色彩与高动态范围图像的功能。这一格式的核心在于区分图像采样值的精确存储与这些采样值的解释:压缩过程保留采样值不变,而色彩元数据、透明度规则和显示软件则决定图像最终呈现的视觉效果。

起源与标准化

PNG 的诞生源于早期网页发布中的一个实际问题。GIF 当时已得到广泛支持,但其图像压缩采用的 Lempel–Ziv–Welch 算法,即 LZW,受到专利保护。1994 年末,涉及 Unisys 和 CompuServe 的授权公告促使开发者寻找一种无需依赖该压缩技术即可实现的替代方案。1995 年 1 月,通过互联网交流的参与者开始讨论这一方案。托马斯·布特尔协助发起并协调了该项目,而文件结构、压缩方案和配套软件则由更广泛的参与群体共同开发。

这个项目并不只是想换个名字复制 GIF。GIF 通常使用不超过 256 种颜色的调色板来表示图像,并通过将某个调色板条目设为透明来实现透明效果,而不支持连续变化的不透明度。PNG 则纳入了真彩色图像、灰度图像、更高的采样精度,以及可选的 Alpha 通道。它还通过易于识别的文件签名、校验和、明确的字节序,以及一种可在添加信息时仍保持旧版解码器可用的机制,解决了数据交换中的实际问题。

万维网联盟于 1996 年 10 月 1 日将 PNG 1.0 作为推荐标准发布。随后,互联网工程任务组于 1997 年 3 月将其作为 RFC 2083 发布。此后,该规范又发展出 PNG 1.1 和 1.2 版本。2003 年,W3C 发布了第二版推荐标准,该格式也成为国际标准 ISO/IEC 15948:2004。这些文献确立了至今仍可在现代文件中辨认出的基本架构:文件签名、一系列带类型标识的数据块、经滤波处理的图像采样值,以及经过压缩的图像数据流。

PNG 早期的普及在一定程度上取决于软件支持。不同浏览器和图形软件对透明度及色彩处理的实现并不一致,因此,仅仅能够识别这种格式,并不意味着能呈现出相同的效果。对部分透明的支持尤为重要:这一功能得到广泛支持后,图像便可以在任意背景上呈现平滑的半透明边缘,而不必针对每一种背景颜色分别准备图像。

动画功能走的是另一条发展道路。最初的 PNG 规范描述的是单幅图像,而非一系列帧。动画 PNG,通常称为 APNG,是后来开发的,并且在纳入 PNG 标准之前就已获得浏览器支持。2025 年作为 W3C 推荐标准发布的第三版纳入了 APNG,并扩充了对色彩信息的标准化规定。因此,人们常说的“PNG 不能包含动画”,准确描述的是最初的规范,却不适用于现行标准的全部内容。

文件签名与数据块架构

PNG 文件以八个十六进制字节 89 50 4E 47 0D 0A 1A 0A 开头。这个签名用于标识文件格式,其中某些字节值经过专门选择,可用于暴露意外文本转换或传输损坏中的某些情况。签名之后是一系列数据块,每个数据块由四字节的数据长度、四字节的类型、数据本身以及四字节的循环冗余校验码组成。长度及其他多字节整数采用大端字节序,即最高有效字节在前。

数据块机制是该格式的核心数据结构。数据块类型由四个字母组成的代码表示,例如 IHDR 或 IDAT。特定位置字母的大小写表示数据块的某些属性,实现程序无需理解数据块内容即可检查这些属性。首字母用于区分关键数据块和辅助数据块:前者是正确解读图像所必需的,后者则提供附加信息。其余字母分别用于区分公共类型与私有类型、保留一个供规范使用的位,以及指示在对图像进行某些修改后,能否安全地复制未知的辅助数据块。

每个普通 PNG 图像都以 IHDR 数据块开头,包含一个或多个承载压缩图像数据的 IDAT 数据块,并以 IEND 数据块结尾。IHDR 的有效载荷固定为 13 字节,用于指定宽度、高度、位深度、颜色类型、压缩方法、过滤方法和交错方法。索引色图像必须包含 PLTE 调色板数据块,其他某些颜色类型也可选择包含该数据块。数据块的排列顺序受到约束:例如,解读像素索引所需的调色板必须出现在图像数据之前。

连续 IDAT 数据块的有效载荷拼接后构成一个压缩数据流。数据块边界无需与扫描线、压缩块或任何其他图像边界对齐。这种分离设计使编码器无需预先知道最终的压缩大小,就能逐步输出数据;也让实现程序可以选择便于处理的数据块大小,而不影响解码后的图像。

每个数据块的循环冗余校验(CRC)覆盖其类型和数据,但不包括长度字段。这可以检测文件中许多意外改动,但既不能验证创建者的身份,也无法防止蓄意修改。恶意或误导性内容同样可以附带经过正确重新计算的 CRC。

宽度和高度的理论上限均为 231−12^{31}-1 像素,但这只是格式规定的上限,并不保证实际能够处理如此大的图像。内存容量、乘法溢出、解压缩限制以及应用程序策略都会使实际可处理的范围小得多。因此,解码器必须区分尺寸在语法上合法的图像与能够安全分配内存并处理的图像。

颜色类型、采样位深与像素表示

PNG 定义了五种主要颜色类型,分别以数值 0、2、3、4 和 6 标识。类型 0 存储灰度;类型 2 存储红、绿、蓝分量;类型 3 存储调色板索引;类型 4 存储灰度和 Alpha 分量;类型 6 存储 RGB 和 Alpha 分量。这些类型描述的是图像采样值的组织方式,并不决定文件在特定显示设备上实际呈现的效果。色彩空间信息和透明度的解释方式属于该格式的其他独立部分。

允许使用的位深取决于颜色类型。灰度图像支持每个采样值 1、2、4、8 或 16 位。索引色图像支持每个调色板索引 1、2、4 或 8 位。RGB、带 Alpha 的灰度以及 RGBA 图像支持每个采样值 8 或 16 位。因此,8 位 RGBA 图像的每个像素包含四个 8 位分量,通常称为每像素 32 位。16 位 RGB 图像包含三个 16 位分量,因此在滤波和压缩之前,每个像素占用 48 位。

不足一个字节的采样值从最高有效位开始依次打包到字节中。16 位采样值则先存储最高有效字节。这些规则使文件中的表示方式不依赖于特定计算机的原生整数存储布局。应用程序加载图像时,可以将这种表示方式转换为其他布局,例如,即使文件最初存储的是调色板索引,也可以将其转换为四个 8 位通道。

索引色 PNG 使用包含 RGB 三元组的 PLTE 数据块。调色板最多有 256 个条目;无论索引位深是多少,每个条目的红、绿、蓝分量都各占 8 位。4 位索引最多可寻址 16 个条目。调色板方式尤其适用于不同颜色数量较少的图表、图标和插图。不过,将全彩色图像转换为颜色数量有限的调色板时,可能会改变颜色,即使后续的 PNG 压缩是无损的。

讨论保真度时,这一区别十分重要。无损压缩保证能够精确重建提交到压缩阶段的采样值,但并不保证此前的导出操作保留了原始图像的信息。将 16 位采样值降为 8 位、对颜色进行量化、将透明区域与背景合并,或在不同色彩空间之间转换,都可能在文件写入之前改变图像信息。

PNG 存储的是无符号整数采样值,而不是通用的浮点像素值。16 位存储使每个分量具有 65,536 种可能的取值,这对反复进行色调变换,以及需要细腻渐变的图像很有用。但它本身并不规定色域或动态范围。这些属性取决于采样值所代表的含义,包括文件声明或应用程序假定的原色和传递函数。

扫描行滤波与压缩

PNG 压缩主要分为两个阶段:先对扫描行进行可逆滤波,再压缩所得的字节流。其压缩方法采用封装在 zlib 中的 DEFLATE压缩格式。DEFLATE 将对先前出现过的字节序列的引用与霍夫曼编码相结合。与通常用于照片的 JPEG图像编码标准所采用的变换和量化过程不同,这套处理流程不会丢弃图像细节。

滤波通过相邻字节来表示当前字节,以提高压缩效率,因为这些字节的值往往相近。每个扫描行都以一个表示滤波类型的字节开头。已定义的五种滤波器为 None(无)、Sub(左差分)、Up(上差分)、Average(平均值)和 Paeth。None 保持扫描行的字节不变。Sub 减去前一个像素的对应字节;Up 减去正上方的字节;Average 则减去左侧和上方字节的整数平均值。所有这些减法运算都按模 256 进行。

对于字节 xx,设 aa 为其左侧已重建的字节,bb 为其上方已重建的字节。Sub 滤波器存储的值为

fSub=(x−a) mod 256,f_{\mathrm{Sub}}=(x-a)\bmod 256,

而 Average 存储的值为

fAverage=(x−⌊a+b2⌋) mod 256.f_{\mathrm{Average}} = \left(x-\left\lfloor\frac{a+b}{2}\right\rfloor\right)\bmod 256.

图像边界处不存在的相邻字节按零处理。“左侧”所指的距离由每像素的字节数决定,必要时向上取整;滤波作用于字节,而不是直接作用于完整的多字节采样值。

由艾伦·佩思(Alan Paeth)设计的 Paeth 滤波器还会用到左上方的字节 cc。它先计算 p=a+b−cp=a+b-c,再从 aa、bb、cc 中选出最接近 pp 的一个;若距离相同,则按规定的优先规则选择。选中的字节便作为预测值。这种方法计算开销很小,而且通常比单一的固定预测方式更能捕捉渐变和边缘处的局部变化。

编码器可以为每个扫描行选择不同的滤波器。一种常见的启发式方法是:将滤波后的字节解释为有符号数,选择其绝对值之和最小的候选滤波器。这只是对能够产生最小最终 DEFLATE 数据流的选择的一种近似。计算开销更大的编码器可以测试不同方案,或优化滤波与压缩之间的相互作用。

压缩结果在很大程度上取决于图像内容。大片纯色区域、重复的界面元素,以及平滑且易于预测的渐变通常都能获得良好的压缩效果。噪声、胶片颗粒和不规则的照片纹理,压缩效果通常较差。编码器设置可以显著改变文件大小和编码时间,而不改变解码后的采样值。因此,PNG 本身并没有与 JPEG 有损质量控制相对应的“质量等级”:压缩级别设置通常改变的是寻找紧凑表示所投入的计算量,而不是重建图像的保真度。

透明度与 Alpha 合成

PNG 既支持简单的透明度声明,也支持逐像素 Alpha。对于索引色图像,tRNS 块提供与调色板条目对应的 Alpha 值。该块未涵盖的条目均为完全不透明。对于不带 Alpha 通道的灰度图像和真彩色图像,则可以用 tRNS 将某个采样值或某个 RGB 三元组指定为完全透明。这些机制不同于完整的 Alpha 通道,后者可以为每个像素独立表示多种不透明程度。

颜色类型 4 和 6 包含显式的 Alpha 采样值,其位深与颜色采样值相同。Alpha 为零表示完全透明,取最大值时表示完全不透明。中间值表示合成时的部分覆盖或部分不透明。这使得 PNG 适合表示抗锯齿文字、阴影、半透明界面元素,以及边缘平滑、但创建图像时尚不确定其背景的对象。

PNG 存储的是非预乘 Alpha,也称直通 Alpha。在文件表示中,RGB 值或灰度值并未乘以 Alpha。相比之下,许多渲染系统在内部使用预乘 Alpha,因为它能简化合成和插值。解码器或图形处理流水线必须正确转换这两种表示。在错误的阶段进行乘法或除法,可能会导致近乎透明的像素周围出现暗边、亮晕或颜色不稳定。

对于前景色 CfC_f、不透明背景色 CbC_b 和归一化的前景 Alpha 值 αf\alpha_f,基本的“上覆”(over)运算为

Cout=αfCf+(1−αf)Cb.C_{\mathrm{out}}=\alpha_f C_f+(1-\alpha_f)C_b.

这个方程假定颜色值是在适当的线性光空间中表示的。将其直接应用于非线性编码值,可能会产生肉眼可见的差异,尤其是在柔和边缘和高对比度过渡区域。Alpha 本身表示线性的不透明度或覆盖率,而不是经过伽马编码的颜色分量。

完全透明的像素仍然可以包含 RGB 值。这些值在直接合成时不可见,但在对图像进行重采样、滤波、编辑,或在直通与预乘表示之间转换时,可能会产生影响。因此,两个 PNG 文件在任何普通背景上看起来都可能完全相同,但底层采样数据却有所不同。移除不可见的 RGB 信息可以减小文件大小,但这种操作并不保留原始采样数据。

可选的 bKGD 块为应用程序需要背景色的情况提供建议;它不会替代 Alpha,也不会强制指定合成背景。同样,图像查看器中的棋盘格只是一种界面惯例,并非 PNG 图像的一部分。要准确处理图像,就必须在概念上区分存储的前景、透明度信息和最终显示时使用的背景。

色彩管理与高动态范围解读

如果没有额外的前提条件,一组 RGB 三元值并不能唯一确定一种可见颜色。最终呈现的颜色取决于红、绿、蓝三原色、白点,以及编码后的采样值与光之间的关系。PNG 提供了多种机制来记录这些信息。当图像在色彩特性不同的显示设备、编辑应用程序、印刷工作流程及其他系统之间流转时,这些信息至关重要。

gAMA 数据块将图像的伽马值乘以 100,000,以整数形式记录。cHRM 数据块记录白点和三原色的色度坐标。两者结合可以描述常规 RGB 编码的一些重要特性,但单一的伽马值无法还原所有可能的传递曲线。例如,sRGB 的传递函数是分段函数,而非严格的幂函数。

sRGB 数据块明确标识标准 sRGB 色彩空间,并包含一个渲染意图值。另一种机制 iCCP 则嵌入压缩后的 ICC 配置文件,以支持更广泛的色彩描述和转换。这些数据块并非仅供标注:支持色彩管理的应用程序可以利用它们,将图像数值转换到显示设备的色彩空间中。规范定义了这些声明之间的关系和优先级规则,避免将相互冲突的色彩声明视为具有同等权威性的备选方案。

另一个相关的数据块 sBIT 用于记录采样值缩放到 PNG 所支持的位深之前,源数据中有多少位是有效的。例如,原始数据的每个分量中有意义的位数可能较少,但仍可采用 8 位或 16 位表示形式存储。sBIT 描述的是源数据的精度,并不定义图像的传递函数、三原色或亮度。

现代 PNG 规范还提供了与高动态范围图像相关的标准化信令。cICP 数据块使用既定的编码值标识三原色、传递特性、矩阵系数和范围。mDCv 和 cLLi 数据块则携带母版制作显示设备的色容积信息和内容光照水平信息。这类元数据可为采用适用于更宽亮度范围的传递特性进行编码的图像提供支持,但即使存在这些元数据,也不能保证所有应用程序都能按预期呈现图像。

存储精度与显示解读之间的区别始终至关重要。16 位 PNG 可以包含普通的 sRGB 图像,而要将图像作为高动态范围内容解读,则需要适当的编码和信令。同样,即使所有存储的采样值都被准确解码,宽色域图像在未经色彩管理的情况下显示时,仍可能显得饱和度过高或出现其他偏差。因此,要获得一致的呈现效果,整条处理链都必须正确运作:元数据有效、优先级处理正确、色彩转换得到支持,并且显示流水线能够呈现预期结果。

文本、元数据与可扩展性

PNG 不仅能存储像素值,还能存储其他信息。三种文本数据块各有用途。tEXt 按照该格式的 Latin-1 文本约定存储未压缩文本。zTXt 用于存储压缩文本。iTXt 支持以 UTF-8编码的国际化文本,并提供语言标签和翻译后关键词字段。这些机制可用于携带图像描述、作者信息、版权声明、软件标识以及应用程序专用的注释。

文本元数据以关键词为组织基础,而不是遵循单一的通用文档模式。因此,两个应用程序即使都能保留同一个数据块,也未必对其中内容的含义有相同理解。一些程序使用国际化文本数据块携带 可扩展元数据平台(XMP)数据包,在 PNG 的整体容器架构内提供结构化的元数据表示。该文件格式可以传递这类信息,而不要求每个 PNG 解码器都能解读其中的词汇体系。

其他辅助数据块的用途则有明确限定。pHYs 记录预期的像素物理尺寸或像素宽高比,也可选择以每米像素数表示。这会影响排版软件对图像实际尺寸的解读,但不会增加像素数量或图像细节。tIME 以协调世界时记录图像的最后修改时间;这不一定是拍摄日期或最初创建日期。eXIf 数据块携带可交换图像文件格式元数据,其中可包含与图像采集和处理相关的信息。

在元数据保留方面,图像编辑器与简单的查看器有所不同。查看器可以忽略许多未知的辅助数据块,仍然正常显示图像。编辑器若修改了像素数据,则必须判断未知元数据是否仍然有效。PNG 的安全复制属性有助于作出这一判断:有些未知辅助数据块可在图像修改后保留,另一些则应丢弃,因为其含义可能依赖于原始图像。

这种可扩展性受到约束,并非毫无限制。对于无法解读的关键数据块,不能不作提示便将其忽略;已注册的公共数据块类型也都有明确的语义。私有数据块允许专用应用程序交换额外信息,但并不意味着所有 PNG 实现都能理解这些信息。数据块的排列顺序约束同样重要:一个元数据块即使在其他方面格式完全正确,若放在规范不允许的位置,仍然可能无效。

元数据会影响隐私、可复现性以及文件比较。两幅视觉上完全相同的图像,其作者字段、时间戳、配置文件或应用程序专用数据内容可能不同。反过来,移除全部元数据也可能丢失正确呈现色彩所必需的信息。因此,逐字节比较所回答的问题,与比较解码后的采样值或渲染后的外观并不相同。归档和交换系统通常需要明确说明,它们希望保留的是哪一种形式的等价性。

交错、渐进显示与动画

PNG 的标准交错方法是 Adam7,其名称源自 Adam M. Costello 及该方法的七遍扫描过程。Adam7 并非简单地按从上到下的顺序存储完整的像素行,而是将图像划分为七幅相互交错的子图像。前几遍扫描提供覆盖整幅图像的稀疏近似,后续扫描则填充其余像素位置。因此,逐步接收数据的查看器可以在全部细节到达之前,先粗略地显示整个画面。

七遍扫描的起始像素偏移分别为 (0,0)(0,0)、(4,0)(4,0)、(0,4)(0,4)、(2,0)(2,0)、(0,2)(0,2)、(1,0)(1,0) 和 (0,1)(0,1),水平和垂直步长逐渐缩小。每遍扫描都独立进行滤波,将该遍扫描视为一幅单独的缩小图像。随后,所有扫描的数据都被编码到压缩的图像数据流中。Adam7 不存储单独的缩略图,也不提供可独立下载的不同分辨率层级。

交错通常会增加处理复杂度,也可能增大文件体积,因为它会改变压缩器可利用的字节模式,并为各遍扫描引入额外的滤波开销。其实际收益还取决于传输系统和查看器:如果软件要等到下载完成后才显示图像,交错带来的好处就很有限。交错与动画是彼此独立的功能;静态图像可以采用交错方式存储,而不包含任何时间序列。

动画 PNG 通过 acTL、fcTL 和 fdAT 数据块增加了帧序列功能。动画控制块声明帧数和播放次数。帧控制块指定帧的尺寸、偏移、时序、处置方式和混合方式。帧数据使用 PNG 的无损图像编码机制,而非视频编解码器的帧间运动预测。

APNG 将默认图像与动画序列区分开来。根据第一个帧控制块的位置,默认的 IDAT 图像既可以是动画的第一帧,也可以是一幅独立的回退图像。不支持 APNG 的解码器仍可显示这幅默认图像,因为与动画有关的数据块都是辅助块。这提供了向后兼容性,不过回退图像未必能传达动画的全部内容。

每一帧可以只覆盖整个画布的一部分。处置操作决定在显示下一帧之前,是保留当前帧、将其清除为透明,还是恢复到先前的画布状态。混合操作决定新像素是替换目标区域,还是叠加合成到该区域上。帧延时通过分子和分母字段表示为有理数。这些控制机制使 APNG 适用于无损短动画和动态界面图形,但它在紧凑性上并不天然具备那些专为长时、运动丰富的视频序列设计的格式所具有的优势。

应用及与其他图像格式的关系

对于视觉信息依赖精确边缘和重复色彩的图像,PNG 尤其有效。屏幕截图、软件界面元素、线条图、图表、地图和以文字为主的图形,往往包含大片均匀区域以及可预测的色彩过渡。有损压缩可能在这些区域的边界附近引入振铃或块状伪影,而 PNG 则会保留输入的采样值。PNG 还支持 Alpha 通道,因此适合在网页浏览器或图形应用程序中,将图像素材叠加到不断变化的背景之上。

照片则面临不同的取舍。相机拍摄的图像通常包含细微纹理和噪点,会降低无损压缩的效率。JPEG 根据感知模型舍弃部分信息,通常能以小得多的文件体积存储这类内容。将 JPEG 解码后的照片保存为 PNG,可以避免在这一次编码过程中进一步发生有损变化,但无法恢复 JPEG 压缩已经移除的细节。这样做通常会生成更大的文件,其中仍保留着原有的伪影。

与 GIF 相比,PNG 提供更丰富的色彩表示、更高的精度,以及完整的 Alpha 透明度支持。GIF 历来以简单动画和广泛的旧版系统兼容性著称,而 APNG 则提供无损的 PNG 动画序列。对于静态索引色图像,不能保证其中某种格式在所有情况下都更小:图像尺寸、调色板的组织方式、编码器的选择以及图像中的图案都会影响结果。

PNG 也不同于可缩放矢量图形(SVG)。SVG 描述形状、文字、路径及其他对象,通常无需预先确定每个像素,就能以多种尺寸渲染。PNG 记录的则是一幅确定的光栅图像。放大 PNG 需要插值,无法呈现从未存储过的矢量几何信息。另一方面,光栅图像可以直接表示复杂的像素级内容,而 PNG 解码也不需要解释通用的矢量文档。

WebP图像格式和 AVIF图像格式等较新的格式,在有损压缩、无损模式、透明度、动画和色彩能力方面提供了不同的组合。它们的相对效率取决于图像内容和编码器配置,其处理开销与实现要求也不同于 PNG。PNG 至今仍占有一席之地,部分原因在于其成熟的生态系统、对采样值的精确重建、相对简单直观的图像模型,以及广泛的软件支持,而非它总能生成最小的文件。

在图像处理和机器学习中,PNG 常用于分割掩码、合成图像,以及其他不宜改变像素值的数据。不过,这类工作流程仍须控制解码过程。即使 PNG 压缩本身完全无损,调色板展开、自动色彩转换、Alpha 通道移除和位深度降低,也可能改变应用程序接收到的数组。将标签图像作为显示色彩处理,与将同一图像作为数值类别标识处理,并不一定等价。

实现、验证与安全

PNG 已在浏览器、操作系统图像处理框架、图形编辑器、命令行工具和科学计算库中得到实现。一个广泛使用的参考实现是 libpng,通常与 zlib 配合使用。该格式并未规定特定的应用程序编程接口:某个库可能返回原始样本数组,另一个库可能自动展开调色板和透明度信息,而操作系统框架则可能将图像转换为其首选的显示表示形式。

解码包含多个不同阶段。软件需要解析数据块、检查结构约束、解压图像数据、逆向还原扫描行滤波、解包样本、解释调色板和透明度信息,并且可能进行色彩转换或合成。这些阶段不必一次全部完成。流式实现可以在数据到达时逐步处理,但 Up、Average 或 Paeth 滤波器需要访问相应图像或交错扫描轮次中已重建的上一条扫描行。

校验和有效并不意味着图像安全。主要风险来自实现错误和资源消耗。错误的大小计算可能导致整数溢出或缓冲区溢出。可高度压缩的输入可能解压成极大的图像,消耗大量内存和处理时间。动画还会引入更多因素,包括大量帧、反复进行的合成操作,以及画布状态的存储。压缩的色彩配置文件和文本数据块也会在主要像素数据流之外带来解压工作。

因此,稳健的解码过程需要验证图像尺寸、颜色类型组合、数据块长度、顺序规则、解压后大小以及内存分配计算。应用程序通常会设置低于格式理论上限的限制。沙箱机制可以减轻解码器缺陷造成的后果,而模糊测试有助于发现普通图像不会触发的畸形输入情形。解码器是否愿意容忍受损文件,与该文件是否符合标准是两回事。

优化工具通常会更改滤波器选择、DEFLATE 设置、数据块布局、调色板顺序或元数据,同时按照某种既定定义保持图像等价。如何定义这种等价性至关重要。重新封装 IDAT 数据块可以同时保留样本及其解释方式;移除色彩配置文件可能保留样本,却改变渲染结果;丢弃 alpha 值为零处的 RGB 值,可能不影响当前的合成结果,却改变后续编辑行为。因此,声称进行“无损优化”时,明确指出保留了什么才最为准确。

验证同样分为多个层次。文件可能具有正确的签名和有效的 CRC,却违反顺序规则,或包含不一致的压缩数据。文件可能成功解码,却携带相互矛盾的元数据。文件的渲染结果可能与另一个文件完全相同,但隐藏样本或辅助信息却有所不同。可靠的交换依赖于区分结构有效性、能否成功解码、样本是否相同以及外观是否一致,而不是将这些视为同一种可以互换的属性。