不可逆圧縮の基礎から実務まで：原理・主要フォーマット・品質評価指標を徹底解説
エバープレイ編集部不可逆圧縮とは
不可逆圧縮（ふかぎゃくあっしゅく、英: lossy compression）とは、元のデータを完全に復元できないことを前提に、データサイズを小さくする圧縮法を指します。画像・音声・動画などのマルチメディア分野で広く使われ、ヒトの視覚・聴覚の特性（知覚できない情報を捨てる）を利用して効率的に情報を削減するのが特徴です。不可逆圧縮を適用すると、圧縮前後で情報の差（誤差）が生じますが、視聴者が気にならない範囲に抑えることが目的となります。
なぜ不可逆圧縮を使うのか（利点とトレードオフ）
帯域幅・ストレージ節約：ファイルサイズを大幅に小さくできるため、ネット配信・ストレージコストを削減できる。
配信速度とユーザー体験の向上：低ビットレートであってもスムーズな再生やロードを実現しやすい。
処理効率：転送やエンコードに必要なリソースを抑えられる場合が多い。
トレードオフ：一方で情報は失われるため、再編集や高品質アーカイブには不向き。高圧縮ではアーティファクト（劣化）が目立つ。
基本原理：変換・量子化・符号化と知覚モデル
多くの不可逆圧縮は共通の処理フローを持ちます。大きく分けると「変換（Transform）→ 量子化（Quantization）→ 符号化（Entropy coding）」の順です。
変換：空間や時間領域のサンプルを周波数成分など別の表現に変換（例：DCT、MDCT、ウェーブレット）。変換により重要な成分と冗長な成分を分離しやすくします。
量子化：変換係数を離散化（丸める）して精度を落とす工程。ここで情報は不可逆に失われます。量子化強度を上げるほど圧縮率は高くなりますが、品質は下がります。
符号化：量子化された値を効率的に符号化（ハフマン符号、算術符号など）してさらに圧縮します。これは可逆処理です。
知覚モデル（Perceptual model）：ヒトの視覚や聴覚の特性を数理化し、知覚上重要でない成分を優先的に削除する。画像なら輝度感度や色差の感度差（輝度優先、色差の粗サンプリング）、音声ならマスキング効果（ある音が別の音を覆い隠す）を使います。
代表的なアルゴリズム・フォーマット（用途別）
画像
- JPEG：8×8の離散コサイン変換（DCT）＋量子化＋ハフマン符号。ブロック単位の圧縮ゆえに高圧縮でブロッキングが出やすい。
- JPEG 2000：ウェーブレット変換を使用。可逆・不可逆両対応で、階層的な品質調整が可能。
- WebP：Googleのフォーマット。ロスレス／ロッシー両対応（ロッシーはVP8由来の方式）。
- AVIF/JPEG XL：AV1ベースのAVIF、JPEGを置き換えうるJPEG XLは近年の効率化と機能拡張を図るフォーマット。
音声
- MP3（MPEG-1/2 Audio Layer III）：サブバンド＋変換（フィルタバンク/MDCT相当）＋精神音響モデル。長年普及。
- AAC：MP3の後継でMDCTベース、効率と低ビットレート特性が改善。
- Opus：SILK（音声）とCELT（音楽）を統合した低遅延／高品質コーデック（リアルタイム通信に強い）。
動画
- H.264/AVC：広く普及。ブロック予測＋離散コサインに類する変換＋モーション補償。
- HEVC/H.265：H.264より効率化、より柔軟なブロック分割と大きな変換ブロック。
- AV1：AOMediaが推進する高効率・ロイヤリティ低減を目指すコーデック（特にWeb向け）。
- VVC/H.266：さらに効率を改善した最新規格（ただし特許・ライセンス関連に留意）。
画質・音質の評価指標
PSNR（Peak Signal-to-Noise Ratio）：MSE（平均二乗誤差）に基づく指標。計算は簡単だが視覚品質との相関は限定的。
SSIM / MS-SSIM：構造情報を考慮した指標で、人間の視覚評価により近いとされる。
VMAF：Netflixが提案した複合指標。機械学習を利用し主観評価との一致度が高い。
MOS（Mean Opinion Score）などの主観評価：実際のユーザ評価を使う方法。最も信頼できるがコストが高い。
代表的なアーティファクト（不可逆圧縮で生じる劣化）
ブロッキング（Blocking）：JPEGの8×8ブロック境界が目立つ現象。
リングイング（Ringing）：高周波成分が弱められることで輪郭に沿った「ぼやけ」や波状のノイズが出る。
バンディング（Banding）：グラデーションで階段状の帯が見える現象。
色のにじみ・クロマサブサンプリングによる色劣化：輝度は残して色解像度を下げることで生じる。
オーディオのプリエコー（Pre-echo）：瞬間的な過渡信号が前後に広がって聞こえる現象（一部の変換型オーディオ圧縮で顕著）。
モスキートノイズ（Mosquito noise）：動画で動く輪郭周りに小さなノイズが浮く現象。
実務的な使い方と注意点（Web/WordPress向けの実践Tips）
アーカイブ目的なら不可逆ではなく可逆（無劣化）圧縮を推奨。将来の再利用や編集を考えると、マスターはロスレスで保持するのが安全です。
Web画像：モダンブラウザはWebPやAVIFをサポートしている。WordPressではこれらを利用することで帯域とロード時間を削減可能だが、古いブラウザ向けにJPEGのフォールバックを用意する。
レスポンシブ配信：複数解像度・品質のバージョンを用意し、画面サイズやネットワーク条件に応じて配信する（例：srcsetやPicture要素、CDNの自動変換）。
画像の前処理：ブラウザ表示サイズに合わせたリサイズ、不要なメタデータの除去、適切な品質設定（例：JPEG品質70〜85%は多くのケースで良いバランス）を行う。
動画配信：互換性重視ならH.264、効率重視ならHEVC/AV1。ただしデバイス・ブラウザ対応とライセンス（特にHEVC/VVCの特許）を確認する。ストリーミングはHLS/DASHで適応ビットレートを組む。
音声：配信向けはAACやOpusが一般的。通話やリアルタイムは低遅延のOpusが有利。
トランスコードの繰り返しに注意：不可逆圧縮を加算的に行うと品質が劣化する（世代劣化）。可能なら高品質ソースから必要な形式を一度だけ生成する。
評価と品質設定の実務的指針
品質の設定は単純な「ビットレート」や「品質数値」だけでなく、出力目的（ウェブ、放送、アーカイブ）、コンテンツの種類（静止画・写真・テキスト多めの画像・音楽・トーク）に応じてチューニングします。自動評価指標（VMAFやSSIM）とユーザ主観テストを組み合わせるのが実務では有効です。
今後の動向：AI（学習型）圧縮とコーデックの進化
近年はニューラルネットワークを用いた学習型圧縮が急速に研究・実用化されています。ニューラル画像圧縮やニューラルビデオコーデックは、従来アルゴリズムを上回る圧縮効率を示す研究が増えています。また、AV1やVVCなど従来のコーデックも進化を続け、Web向けではAVIFやJPEG XLが次世代フォーマットとして注目されています。ただし、実運用ではエンコード速度・デコーダの互換性・特許・ライセンスなどの現実的要因を考慮する必要があります。
まとめ
不可逆圧縮は、知覚特性を利用して「見えない/聞こえない」情報を意図的に捨て、容量や帯域を劇的に削減する技術です。適切に使えばユーザ体験を損なわずに効率化が可能ですが、用途（配信 vs アーカイブ）やフォーマット選定、品質評価を慎重に行うことが重要です。最新のコーデックやAI技術は圧縮効率をさらに高めていますが、互換性やライセンス面の検討も欠かせません。
参考文献
- 不可逆圧縮 - Wikipedia（日本語）
- JPEG - Wikipedia（日本語）
- MP3（MPEG-1 Audio Layer III） - Wikipedia（日本語）
- AOMedia（AV1の公式）
- ITU-T H.265（HEVC）勧告（ITU）
- VMAF: The Story of Video Quality (Netflix Tech Blog)
- Perceptual audio coding - Wikipedia（英語）
- JPEG（公式情報）
投稿者プロフィール
