Como funciona a compressão de imagens

Imagens costumam ser a maior parte do peso de uma página web. Uma foto tirada pelo celular facilmente passa de 4MB — e servir isso direto pro usuário é um desperdício enorme de banda, memória e tempo de carregamento.

Compressão de imagem é o processo de reduzir esse tamanho sem (ou com o mínimo de) perda de qualidade perceptível. E existem várias técnicas para isso, que geralmente se combinam.

Lossy vs Lossless

Antes de tudo, vale entender a diferença fundamental:

• Lossless (sem perda): o arquivo fica menor, mas a imagem pode ser reconstruída pixel a pixel com 100% de fidelidade. Útil para logos, ícones, screenshots.
• Lossy (com perda): descarta informações que o olho humano dificilmente percebe. Resulta em arquivos muito menores, mas a perda é irreversível. Útil para fotos e imagens com gradientes.

Na prática, a maioria das imagens na web se beneficia de compressão lossy — o ganho de tamanho é significativo e a perda de qualidade é imperceptível para o usuário.

Técnica 1: Redimensionamento

A técnica mais simples e muitas vezes mais impactante. Uma imagem de 4000×3000px em uma tela que exibe no máximo 800px de largura está carregando ~25x mais pixels do que o necessário.

# Python / Pillow
nova_largura = img.width // 3
nova_altura = img.height // 3
img.resize((nova_largura, nova_altura), Image.Resampling.LANCZOS)

O filtro LANCZOS (também chamado de Sinc) é o mais recomendado para redução de tamanho — ele é mais lento, mas preserva melhor a nitidez e evita artefatos.

Técnica 2: Formato

O formato da imagem tem um impacto enorme no tamanho final — às vezes maior do que o nível de qualidade.

WebP é o ponto ideal hoje: suportado por todos os browsers modernos, oferece ~25-35% menos tamanho que JPEG na mesma qualidade, e suporta transparência (ao contrário do JPEG).

AVIF é ainda melhor em compressão, mas o custo de encoding é alto — o tempo para gerar o arquivo é significativamente maior.

# Converter para WebP com Pillow
img.save('saida.webp', 'WEBP', quality=90, method=6)

Técnica 3: Qualidade (quality)

O parâmetro de qualidade controla o quanto de informação é descartada na compressão lossy. Geralmente vai de 0 a 100.

Não existe um valor universal — depende do conteúdo da imagem e do contexto de uso.

Técnica 4: Optimize flag

Independente do nível de qualidade, existe uma passagem extra de otimização lossless que muitas libs suportam. Ela reanalisa o arquivo gerado e tenta reduzir ainda mais sem perder informação.

img.save('saida.webp', 'WEBP', quality=90, optimize=True)

É mais lento, mas o resultado costuma ser alguns KBs menor sem nenhuma perda adicional de qualidade. Vale a pena ativar sempre que possível.

Técnica 5: Método de compressão

Algumas libs expõem o “método” ou “nível” de compressão — basicamente, quanto esforço computacional o encoder vai gastar tentando comprimir o arquivo.

# method vai de 0 (rápido, menos compressão) a 6 (lento, mais compressão)
img.save('saida.webp', 'WEBP', quality=90, method=6)

Método mais alto = arquivo menor, mas tempo de encoding maior. Em processamento offline ou em batch, vale usar o nível mais alto. Para compressão em tempo real no browser, níveis mais baixos são preferíveis.

Técnica 6: Modo de cor (RGBA → RGB)

Imagens podem ter diferentes modos de cor:

• RGB — 3 canais: vermelho, verde, azul
• RGBA — 4 canais: RGB + canal alpha (transparência)

JPEG não suporta transparência. Se você for salvar como JPEG sem converter primeiro, a lib vai retornar erro ou resultado inesperado. Remover o canal alpha quando ele não é necessário também reduz levemente o tamanho do arquivo.

if img.mode != 'RGB':
    img = img.convert('RGB')

Técnica 7: Grayscale

Se a imagem não precisa de cor, converter para escala de cinza elimina 2 dos 3 canais, reduzindo o tamanho de forma significativa.

img_cinza = img.convert('L')  # 'L' = luminance (grayscale)

Útil para fotos em preto e branco, documentos escaneados, e casos onde a cor não agrega informação.

Técnica 8: Compressão iterativa

Em vez de aplicar um nível de qualidade fixo, é possível testar múltiplos níveis e escolher o menor arquivo que ainda atinge um threshold de qualidade aceitável.

para quality em [90, 80, 70, 60, 50]:
    gerar imagem com esse quality
    se tamanho <= alvo:
        usar esse resultado
        parar

Esse é o modo “otimização máxima” do Tiny Image — ele testa vários níveis automaticamente e devolve o menor arquivo possível dentro do critério definido.

Combinando as técnicas

Na prática, a melhor compressão vem da combinação de várias dessas técnicas:

1. Redimensionar para o tamanho máximo que vai ser exibido
2. Converter para WebP (ou AVIF se o tempo de encoding não for problema)
3. Ajustar qualidade para o contexto (80–90 para imagens exibidas, menos para thumbnails)
4. Ativar optimize para a passagem lossless extra
5. Usar method alto se o processamento for offline ou em batch
6. Converter o modo de cor se necessário (RGBA → RGB para JPEG)
7. Grayscale quando a cor for irrelevante

Uma imagem de 4MB pode chegar a menos de 100KB com esse conjunto de técnicas — sem que o usuário perceba qualquer diferença visual.