Wie HEIC-Kompression funktioniert: Ein technischer Leitfaden

Die HEIC-Kompression verwendet HEVC-Intra-Frame-Codierung, um 50 % kleinere Dateien als JPEG bei gleicher visueller Qualität zu erzielen. Die Kompressionspipeline verarbeitet Bilder durch Coding Tree Units, Vorhersage, Transformationscodierung, Quantisierung und Entropiecodierung. Jede Stufe ist fortschrittlicher als ihr JPEG-Gegenstück.

Dieser Leitfaden erläutert jede Stufe der HEIC-Kompressionspipeline. Er erklärt die spezifischen technischen Mechanismen, die HEIC doppelt so effizient wie JPEG machen -- ein Format, das vor über 30 Jahren entwickelt wurde.

HEVC: Der Codec hinter HEIC

HEIC ist ein Containerformat, das durch den HEIF-Standard (High Efficiency Image Format) definiert wird. Die eigentliche Kompressionsarbeit wird von HEVC, auch bekannt als H.265, durchgeführt. HEVC wurde gemeinsam von ITU-T und ISO/IEC entwickelt und 2013 fertiggestellt. Ursprünglich wurde es für die Videokompression entwickelt, wo es H.264/AVC ersetzte.

Für Einzelbilder verwendet HEVC nur seinen Intra-Frame-Codierungsmodus. Video-Codecs komprimieren Sequenzen, indem sie Ähnlichkeiten zwischen aufeinanderfolgenden Frames ausnutzen (Inter-Frame-Vorhersage). Einzelbilder haben keine benachbarten Frames. Der Intra-Frame-Modus von HEVC komprimiert jedes Bild unabhängig und nutzt dabei nur die räumliche Redundanz innerhalb des einzelnen Frames.

Apple übernahm die HEVC-Intra-Frame-Codierung für iPhone-Fotos ab iOS 11 im Jahr 2017. Der A11 Bionic Chip und jeder nachfolgende Apple-Prozessor enthalten dedizierte Hardware für die HEVC-Codierung und -Decodierung. Diese Hardwarebeschleunigung macht die HEIC-Kompression schnell genug, um Serienbilder ohne Verzögerung aufzunehmen.

Coding Tree Units: Das Fundament

JPEG teilt Bilder in feste 8x8-Pixel-Blöcke, sogenannte Makroblöcke. HEVC ersetzt diese starre Struktur durch Coding Tree Units (CTUs), die von 8x8 bis 64x64 Pixel reichen. Diese flexible Blockpartitionierung ist der größte einzelne Beitrag zum Kompressionsvorteil von HEIC.

Wie CTUs funktionieren

Der Encoder beginnt damit, das Bild in ein Raster von CTUs zu unterteilen. Jede CTU hat eine maximale Größe von 64x64 Pixeln. Der Encoder unterteilt dann jede CTU rekursiv in kleinere Coding Units (CUs) unter Verwendung einer Quadtree-Struktur. Eine 64x64-CTU wird in vier 32x32-CUs aufgeteilt. Jede 32x32-CU wird in vier 16x16-CUs aufgeteilt. Die Unterteilung kann bis auf ein Minimum von 8x8 Pixeln fortgesetzt werden.

Der Encoder wählt die Unterteilungstiefe basierend auf dem Bildinhalt. Flache, gleichmäßige Bereiche wie klarer Himmel verwenden große 64x64-Blöcke, da es wenig Detail zu codieren gibt. Bereiche mit vielen Details wie Laub oder Text verwenden kleinere 8x8- oder 16x16-Blöcke, um feine Strukturen präzise zu erfassen.

Warum größere Blöcke wichtig sind

Größere Blöcke reduzieren den Overhead. Jede Blockgrenze erfordert Header-Bits für Vorhersagemodus, Bewegungsvektoren und Transformationskoeffizienten. Ein einzelner 64x64-Block hat einen Satz Header-Daten, der 4.096 Pixel abdeckt. Der gleiche Bereich in JPEG erfordert 64 separate 8x8-Blöcke, jeder mit eigenem Header. Das sind 64 Sätze von Overhead-Daten für die gleiche Pixelfläche. In glatten Bereichen machen die Overhead-Einsparungen allein einen erheblichen Anteil an der Dateigrößenreduzierung aus.

JPEG-Makroblöcke im Vergleich

JPEG verwendet eine feste zweistufige Struktur. Das Bild wird in 16x16-Makroblöcke unterteilt. Jeder Makroblock enthält vier 8x8-DCT-Blöcke für die Luminanz und zwei 8x8-Blöcke für die Chrominanz (bei 4:2:0-Unterabtastung). Es gibt keine adaptive Unterteilung. Ein Stück blauer Himmel bekommt die gleiche 8x8-Block-Behandlung wie ein Stück komplexe Textur. Diese Starrheit verschwendet Bits in einfachen Bereichen und begrenzt die Präzision in komplexen Bereichen.

Vorhersagemodi

Vor der Transformationscodierung sagt der Encoder die Pixelwerte jedes Blocks anhand benachbarter Pixel voraus, die bereits codiert wurden. Der Encoder speichert nur das Residuum -- die Differenz zwischen der Vorhersage und den tatsächlichen Pixeln. Bessere Vorhersagen erzeugen kleinere Residuen, die zu weniger Bits komprimiert werden.

HEVC: 35 Intra-Vorhersagemodi

HEVC bietet 35 verschiedene Intra-Vorhersagemodi für jede Coding Unit:

• Planarer Modus (Modus 0): Erzeugt eine glatte Fläche, die an die oberen und linken Randpixel des Blocks angepasst ist. Er eignet sich hervorragend für sanfte Verläufe wie unscharfe Hintergründe und Himmelsbereiche.
• DC-Modus (Modus 1): Füllt den gesamten Block mit einem einzelnen Wert -- dem Durchschnitt der oberen und linken Randpixel. Er verarbeitet flache, gleichmäßige Bereiche mit minimalem Residuum.
• 33 Winkelmodi (Modi 2-34): Projizieren Randpixel in bestimmten Winkeln in das Blockinnere. Die 33 Winkel reichen von nahezu horizontal bis nahezu vertikal in Abständen von ungefähr 5,6 Grad. Ein Winkelmodus, der einer diagonalen Kante entspricht, wie beispielsweise einer Dachlinie bei 45 Grad, erzeugt nahezu null Residuen entlang dieser Kante.

Der Encoder testet jeden der 35 Modi und wählt denjenigen aus, der das kleinste Residuum erzeugt. Für einen Block mit einer starken diagonalen Kante wird ein Winkelmodus gewählt, der auf diese Kante ausgerichtet ist. Für einen sanften Verlauf gewinnt der planare Modus. Für einen einheitlichen Bereich wird der DC-Modus gewählt.

JPEG: 9 Vorhersageoptionen

Die JPEG-Basisspezifikation hat überhaupt keine räumliche Vorhersage. Die DCT arbeitet direkt mit den rohen Pixelwerten. Der verlustfreie Modus von JPEG definiert ein einfaches Vorhersageschema mit nur 7 Prädiktoren basierend auf benachbarten Pixeln. Selbst JPEG 2000, die fortschrittlichste JPEG-Variante, bietet nur 9 Vorhersagemodi. Der Unterschied zwischen 9 und 35 ist groß. Mehr Vorhersageoptionen bedeuten bessere Übereinstimmungen mit realen Bildinhalten, was kleinere Residuen und kleinere Dateien bedeutet.

Transformationscodierung

Nach der Vorhersage transformiert der Encoder die Residualdaten vom räumlichen in den Frequenzbereich. Dieser Schritt konzentriert die Energie des Bildes in einer kleinen Anzahl von Koeffizienten, was die Quantisierung und Entropiecodierung effizienter macht.

HEVC-Transformationsblöcke

HEVC verwendet die Diskrete Kosinustransformation (DCT) und Diskrete Sinustransformation (DST) auf Transformationseinheiten (TUs) im Bereich von 4x4 bis 32x32 Pixel. Die 4x4-DST wird speziell für intra-vorhergesagte Luma-Blöcke verwendet, wo sie eine bessere Energiekonzentration als die DCT bietet. Größere Blöcke verwenden die DCT.

Die Transformationsgröße wird unabhängig von der Coding-Unit-Größe gewählt. Eine 32x32-CU kann eine einzelne 32x32-Transformation verwenden oder in vier 16x16-Transformationen aufgeteilt werden. Diese Flexibilität ermöglicht es dem Encoder, die Transformationsgröße an den lokalen Frequenzinhalt anzupassen. Niederfrequente Bereiche verwenden große Transformationen für bessere Energiekonzentration. Hochfrequente Bereiche verwenden kleinere Transformationen, um Klingelartefakte zu vermeiden.

JPEG-Transformationsblöcke

JPEG verwendet eine feste 8x8-DCT für jeden Block ohne Ausnahme. Es gibt keine DST-Option, keine Größenflexibilität und keine Anpassung an lokale Inhalte. Die 8x8-Größe ist ein Kompromiss: zu klein für optimale Energiekonzentration in glatten Bereichen, ausreichend, aber nicht ideal für texturierte Bereiche. Dieser Einheitsansatz ist eine grundlegende Einschränkung des JPEG-Standards.

Quantisierung

Quantisierung ist der verlustbehaftete Schritt. Der Encoder teilt jeden Transformationskoeffizienten durch einen Quantisierungsparameter (QP) und rundet das Ergebnis auf eine ganze Zahl. Größere Divisoren erzeugen kleinere ganze Zahlen (mehr Kompression, mehr Qualitätsverlust). Kleinere Divisoren bewahren mehr Präzision (weniger Kompression, weniger Qualitätsverlust).

HEVC-Quantisierung

HEVC verwendet einen QP-Bereich von 0 bis 51. Die Quantisierungsschrittgröße verdoppelt sich bei jeder Erhöhung des QP um 6. Bei QP 0 ist die Quantisierung vernachlässigbar. Bei QP 51 ist die Quantisierung aggressiv. Apples Standard-HEIC-Codierung für iPhone-Fotos verwendet einen QP-Wert im Bereich von 22 bis 28, abhängig von der Szenenkomplexität. Dieser Bereich erzielt ungefähr 50 % Größenreduzierung im Vergleich zu JPEG bei visuell gleichwertiger Qualität.

HEVC unterstützt auch adaptive Quantisierung innerhalb eines einzelnen Frames. Der Encoder weist verschiedenen CTUs unterschiedliche QP-Werte zu, basierend auf der visuellen Wichtigkeit. Bereiche mit hoher wahrnehmungsbezogener Empfindlichkeit, wie Gesichter, erhalten niedrigere QP-Werte (höhere Qualität). Flache Hintergründe erhalten höhere QP-Werte (mehr Kompression). Diese räumliche Anpassung verteilt Bits dort, wo das menschliche Auge am meisten wahrnimmt.

JPEG-Quantisierung

JPEG verwendet eine feste 8x8-Quantisierungsmatrix. Der JPEG-Standard enthält zwei Standard-Matrizen: eine für Luminanz und eine für Chrominanz. Der Qualitätsregler in Bildbearbeitungsprogrammen skaliert diese Matrizen gleichmäßig. Eine Qualitätseinstellung von 75 % multipliziert jeden Eintrag in der Matrix mit dem gleichen Faktor. Es gibt keine blockweise Anpassung, keine inhaltsbasierte Bitverteilung und keine räumliche Varianz innerhalb eines einzelnen Bildes.

Entropiecodierung: CABAC vs. Huffman

Die letzte Kompressionsstufe wandelt die quantisierten Koeffizienten in einen kompakten Bitstrom um. Dies ist verlustfrei -- bei der Entropiecodierung geht keine Information verloren. Die Effizienz des Entropiecodierers bestimmt, wie kompakt die Daten gepackt werden.

HEVC verwendet CABAC

HEVC verwendet Context-Adaptive Binary Arithmetic Coding (CABAC). CABAC wandelt jedes Syntaxelement in eine Folge von binären Entscheidungen um. Jede binäre Entscheidung wird mit einem arithmetischen Codierer codiert, der sein Wahrscheinlichkeitsmodell basierend auf dem Kontext anpasst -- den Werten zuvor codierter benachbarter Elemente.

CABAC erzielt eine nahezu theoretisch optimale Kompression. Es passt seine Wahrscheinlichkeitsschätzungen kontinuierlich an, sodass Symbole, die lokal häufig sind, weniger Bits verwenden. Für typische fotografische Inhalte erzeugt CABAC einen Bitstrom, der 5-15 % kleiner als Huffman-Codierung bei den gleichen quantisierten Daten ist.

JPEG verwendet Huffman-Codierung

Die JPEG-Basis verwendet Huffman-Codierung, eine einfachere Entropiecodierungsmethode, die 1952 definiert wurde. Huffman-Codierung weist Codewörter fester Länge basierend auf globalen Symbolhäufigkeiten über das gesamte Bild zu. Sie passt sich nicht an lokale Muster an. Ein Symbol, das global selten, aber in einer Region häufig vorkommt, erhält trotzdem ein langes Codewort. JPEG unterstützt zwar arithmetische Codierung als Option, aber praktisch keine Software aktiviert sie aufgrund von Patentbedenken und begrenzter Decoder-Unterstützung.

HEIC vs. JPEG: Vergleich der Kompressionsmerkmale

| Merkmal | HEIC (HEVC) | JPEG | | --- | --- | --- | | Blockgrößenbereich | 8x8 bis 64x64 (adaptiv) | Fest 8x8 | | Blockpartitionierung | Rekursiver Quadtree | Festes Raster | | Intra-Vorhersagemodi | 35 (planar + DC + 33 Winkel) | Keine (Basis) oder 9 (verlustfrei) | | Transformationstypen | DCT + DST | Nur DCT | | Transformationsgrößen | 4x4, 8x8, 16x16, 32x32 | Fest 8x8 | | Quantisierung | Adaptiv pro CTU, QP 0-51 | Feste Matrix, gleichmäßige Skalierung | | Entropiecodierung | CABAC (adaptive Arithmetik) | Huffman (feste Codewörter) | | Farbtiefe | Bis zu 16 Bit pro Kanal | 8 Bit pro Kanal | | Verlustbehafteter Modus | Ja | Ja | | Verlustfreier Modus | Ja | Eingeschränkt (selten verwendet) | | Typisches 12-MP-Foto | ~1,8 MB | ~3,5 MB | | Kompressionsverhältnis-Vorteil | Referenz | ~50 % größer bei gleicher Qualität |

Warum HEIC 50 % kleinere Dateien erzielt

Der 50 %-Größenvorteil resultiert nicht aus einem einzelnen Merkmal. Er ist das kumulative Ergebnis von Verbesserungen in jeder Stufe der Pipeline. Jede Verbesserung trägt einen messbaren Anteil bei:

1. Größere adaptive Blöcke sparen 10-15 % an Overhead. Die Codierung eines glatten Himmelsbereichs als ein 64x64-Block anstelle von vierundsechzig 8x8-Blöcken eliminiert 63 Sätze von Block-Header-Daten.
2. 35 Vorhersagemodi sparen 15-20 % an Residualenergie. Winkelvorhersage, die auf Kanten ausgerichtet ist, kombiniert mit planaren und DC-Modi für flache Bereiche, erzeugt engere Vorhersagen als der rohe DCT-Ansatz von JPEG.
3. Flexible Transformationsgrößen sparen 5-10 %. Die Anpassung der Transformationsgröße an den lokalen Inhalt verbessert die Energiekonzentration. Große Transformationen packen niederfrequente Inhalte effizient. Kleine Transformationen verarbeiten hochfrequente Kanten ohne Klingelartefakte.
4. Adaptive Quantisierung spart 5-10 %. Die Zuweisung von mehr Bits an wahrnehmungsbezogen wichtige Bereiche und weniger Bits an Hintergründe erzeugt bessere subjektive Qualität bei der gleichen Gesamtbitrate.
5. CABAC spart 5-15 % gegenüber Huffman. Kontextadaptive arithmetische Codierung komprimiert den endgültigen Bitstrom enger als feste Huffman-Tabellen.

Kombiniert addieren sich diese Gewinne. Eine 15 %-Einsparung in der Vorhersagestufe bedeutet, dass weniger Residualbits in die Transformationsstufe gelangen, was bedeutet, dass weniger Koeffizienten die Quantisierung überstehen, was bedeutet, dass CABAC weniger Daten zu codieren hat. Die Pipeline-Effekte multiplizieren sich.

Verlustbehaftete vs. verlustfreie HEIC-Kompression

HEIC unterstützt sowohl verlustbehaftete als auch verlustfreie Kompressionsmodi. Der Unterschied liegt im Quantisierungsschritt.

Verlustbehafteter Modus

Die verlustbehaftete Kompression setzt den QP über 0 und führt einen Quantisierungsfehler ein. Dies ist der Standardmodus für alle iPhone-Fotos. Apples Encoder balanciert Qualität gegen Dateigröße und zielt auf einen QP-Bereich ab, der Dateien erzeugt, die etwa 50 % kleiner als gleichwertiges JPEG sind. Bei dieser Einstellung liegt der Quantisierungsfehler unter der Wahrnehmungsschwelle des menschlichen Sehvermögens bei normalen Betrachtungsbedingungen.

Verlustfreier Modus

Die verlustfreie Kompression setzt QP auf 0 und verwendet einen speziellen Codierungspfad, der jeden Abtastwert exakt bewahrt. Die Vorhersage-, Transformations- und Entropiecodierungsstufen arbeiten weiterhin, aber die Quantisierung führt keinen Fehler ein. Verlustfreie HEIC-Dateien sind größer als verlustbehaftete -- typischerweise 2-3 mal so groß wie verlustbehaftetes HEIC -- aber immer noch 20-30 % kleiner als verlustfreies PNG für fotografische Inhalte. Die Einsparungen kommen von HEVCs überlegener Vorhersage und Entropiecodierung.

Apple verwendet den verlustfreien Modus nicht für Standard-iPhone-Fotos. ProRAW-Bilder auf iPhone-Pro-Modellen verwenden eine andere Pipeline (DNG-Format). Verlustfreies HEIC wird hauptsächlich in professionellen Imaging-Workflows verwendet, bei denen eine exakte Bewahrung der Abtastwerte erforderlich ist.

Decodierung: Wie HEIC-Bilder angezeigt werden

Die Decodierung kehrt die Kompressionspipeline um. Der Decoder liest den CABAC-codierten Bitstrom, rekonstruiert quantisierte Koeffizienten, wendet die inverse Transformation an, addiert die Vorhersage und gibt Pixelwerte aus. Moderne Apple-Geräte führen dies in Hardware durch. Der A11-Chip und spätere Modelle enthalten einen dedizierten HEVC-Decoder, der ein 12-MP-Bild in unter 50 Millisekunden verarbeitet.

Software-Decodierung ist langsamer, aber weit verbreitet. Bibliotheken wie libheif und libde265 decodieren HEIC auf jeder Plattform. HEICify verwendet libheif-js, um HEIC-Dateien direkt im Browser über WebAssembly zu decodieren, ohne serverseitige Verarbeitung. Die decodierten Pixel werden dann in JPEG oder PNG für universelle Kompatibilität re-codiert.

Praktische Auswirkungen

Das Verständnis der HEIC-Kompression erklärt verschiedene praktische Verhaltensweisen.

HEIC-Qualität verschlechtert sich gleichmäßig. Da HEVC Blockgrößen und Quantisierung an lokale Inhalte anpasst, wirkt sich eine erhöhte Kompression zuerst auf flache Hintergründe aus und bewahrt Kanten und Texturen länger. JPEG verschlechtert sich gleichmäßig und erzeugt bei niedrigeren Qualitätseinstellungen sichtbare Blockartefakte über das gesamte Bild.

Die Re-Codierung von HEIC zu JPEG verliert Effizienz. Die Konvertierung eines 1,8 MB großen HEIC-Fotos zu JPEG bei gleicher visueller Qualität erzeugt eine 3,5 MB große Datei. Der JPEG-Encoder kann HEVCs adaptive Blockstruktur, überlegene Vorhersage und CABAC-Effizienz nicht replizieren. Die gleiche visuelle Information benötigt einfach mehr Bytes unter JPEGs älterem Algorithmus.

Verlustfreie Roundtrips innerhalb von HEIC bewahren die Qualität perfekt. Das Decodieren und Re-Codieren einer verlustfreien HEIC-Datei erzeugt eine bitidentische Ausgabe. Das gilt nicht für JPEG, bei dem jeder Codier-Decodier-Zyklus zusätzliche Quantisierungsfehler einführt.

Zum Konvertieren von HEIC-Dateien in weit verbreitete Formate verarbeiten HEICifys HEIC-zu-JPG-Konverter und HEIC-zu-PNG-Konverter alles lokal in Ihrem Browser. Die Konvertierung decodiert die HEVC-komprimierten Daten und re-codiert sie in Ihrem gewählten Ausgabeformat mit voller Qualitätskontrolle.

Häufig gestellte Fragen

Welchen Kompressionsalgorithmus verwendet HEIC?

HEIC verwendet HEVC (H.265) Intra-Frame-Kompression mit Coding Tree Units, Transformationscodierung und kontextadaptiver binärer arithmetischer Codierung (CABAC). HEVC wurde 2013 von ITU-T und ISO/IEC fertiggestellt. Es wendet nur die Intra-Frame-Codierungs-Untermenge für Einzelbilder an und nutzt räumliche Vorhersage innerhalb eines einzelnen Frames anstelle von zeitlicher Vorhersage über Videoframes hinweg.

Warum sind HEIC-Dateien kleiner als JPEG?

HEIC erzielt 50 % kleinere Dateien durch Verbesserungen in jeder Kompressionsstufe. Größere Codierungsblöcke (64x64 statt 8x8) reduzieren den Overhead. Mehr Vorhersagemodi (35 statt 0 bei Basis-JPEG) erzeugen kleinere Residuen. Flexible Transformationsgrößen (4x4 bis 32x32 statt fest 8x8) verbessern die Energiekonzentration. Adaptive Quantisierung verteilt Bits basierend auf visueller Wichtigkeit. CABAC-Entropiecodierung komprimiert den Bitstrom 5-15 % enger als Huffman-Codierung.

Ist die HEIC-Kompression verlustbehaftet oder verlustfrei?

HEIC unterstützt sowohl verlustbehaftete als auch verlustfreie Kompression. Apple verwendet standardmäßig verlustbehaftete Kompression für iPhone-Fotos und erzielt dabei etwa 50 % Größenreduzierung im Vergleich zu JPEG. Der verlustfreie Modus bewahrt jeden Pixelwert exakt, erzeugt aber Dateien, die 2-3 mal größer sind als verlustbehaftetes HEIC. Verlustfreies HEIC ist dennoch 20-30 % kleiner als verlustfreies PNG für Fotografien dank HEVCs überlegener Vorhersage und Entropiecodierung.

Beeinflusst die HEIC-Kompression die Bildqualität?

Bei gleicher Dateigröße liefert HEIC sichtbar bessere Qualität als JPEG. Die 35 Intra-Vorhersagemodi erzeugen genauere Vorhersagen, die kleinere Residuen hinterlassen. Adaptive Quantisierung bewahrt die Qualität in wahrnehmungsbezogen wichtigen Bereichen. Das Ergebnis sind sauberere Kanten, glattere Verläufe und weniger Blockartefakte im Vergleich zu JPEG bei gleicher Bitrate. Bei Apples Standardqualitätseinstellungen liegen HEIC-Kompressionsartefakte unter der Wahrnehmungsschwelle des menschlichen Sehvermögens bei normaler Betrachtung.

Für einen breiteren Überblick über das HEIC-Format lesen Sie Was ist das HEIC-Format?. Um zu verstehen, wie HEIC zu seinem übergeordneten Standard steht, siehe HEIF vs. HEIC. Für einen praktischen Vergleich der Funktionen von HEIC und JPEG siehe HEIC vs. JPG.