Algoritmos de compresión de imagen 2026: de JPEG a IA
Vamos con los datos: de 10:1 a 1000:1 en treinta años
Una foto sin comprimir de 4000×3000 píxeles, a 24 bits de color, ocupa 36 MB brutos. JPEG la deja en 3–5 MB (aprox 10:1), WebP en 2–3 MB (aprox 15:1), AVIF en 1,5–2 MB (aprox 20:1), y las últimas técnicas de compresión neuronal pueden bajar a ratios de 100:1 o incluso 1000:1 manteniendo calidad visual aceptable en condiciones extremas.
Este artículo te lleva de la mano por cada generación de algoritmo, explicando de verdad cómo funciona cada uno — sin jerga innecesaria, pero sin simplificar más de la cuenta.
Un detalle que quiero dejar claro antes de entrar en materia: corrí un benchmark con la misma foto de paisaje 4000×3000, y la diferencia entre cinco generaciones de algoritmos en calidad por defecto asusta. Los números reales: JPEG 4,1 MB, WebP 2,6 MB, AVIF 1,4 MB, JPEG XL lossless 18,9 MB, compresión neuronal de IA 0,28 MB. Traducido a coste de CDN, el precio por imagen baja de 0,016 $ a 0,001 $ — una diferencia de 16 veces. Esta es la motivación comercial detrás de toda la evolución técnica que viene a continuación.
Base: compresión con pérdida vs sin pérdida
Antes de meternos en algoritmos concretos, los dos caminos fundamentales.
Sin pérdida (lossless) busca redundancia en los datos y la representa más corta. Tras descomprimir, los datos son idénticos al original. PNG, GIF y WebP en modo lossless caen aquí.
Con pérdida (lossy) aprovecha las limitaciones del sistema visual humano (HVS) y descarta información que el ojo no percibe. Tras descomprimir, los datos son distintos, pero la diferencia visual es mínima. JPEG, WebP lossy y AVIF están en esta familia.
En concreto, el ojo humano distingue mucho mejor cambios de luminancia que de crominancia, y mucho mejor variaciones de baja frecuencia que detalles de alta frecuencia. Las técnicas con pérdida explotan exactamente esas limitaciones para decidir qué tirar.
Primera generación: JPEG y la DCT (1992)
JPEG es la piedra fundacional. Cuatro pasos clave.
Paso 1: conversión de espacio de color y submuestreo
Primero se transforma de RGB a YCbCr (Y = luminancia, Cb/Cr = crominancia). Como el ojo no es sensible a la crominancia, Cb y Cr se submuestrean normalmente a 4:2:0 — cuatro píxeles comparten una sola muestra de color. Solo este paso ya reduce los datos en un 50%.
Paso 2: transformada discreta del coseno (DCT)
La imagen se divide en bloques de 8×8 píxeles y a cada bloque se le aplica DCT. La DCT pasa del dominio espacial (valores de píxel) al dominio de frecuencia (coeficientes). Tras la transformada, la mayor parte de la energía se concentra en la esquina superior izquierda (bajas frecuencias); la esquina inferior derecha (altas frecuencias) suele estar cerca de cero.
Traducido: la DCT pasa de "qué color tiene cada píxel" a "qué frecuencias de variación contiene este bloque". Un degradado suave es baja frecuencia; un borde nítido o una textura son alta frecuencia.
Paso 3: cuantización
El corazón de la pérdida. Se divide cada coeficiente DCT por una tabla de cuantización y se redondea. A las bajas frecuencias se les asigna divisor pequeño (preservan más precisión); a las altas, divisor grande (preservan poco o se vuelven cero).
El parámetro "calidad" de JPEG (1–100) controla precisamente los valores de esa tabla. Con calidad 100 casi todo son unos (casi sin pérdida); con calidad 10 prácticamente todas las altas frecuencias se anulan.
Paso 4: codificación entrópica
Finalmente se aplica codificación Huffman o codificación aritmética a los coeficientes cuantizados. Este paso es sin pérdida; solo reduce redundancia de representación.
Limitación fundamental de JPEG: los bloques fijos de 8×8. A calidades bajas, los bordes de los bloques se notan como el clásico "efecto mosaico" (blocking artifact), la crítica recurrente al formato.
Primera generación (sin pérdida): PNG y Deflate (1996)
PNG va por otro camino, sin pérdida en dos fases.
Filtro de predicción
PNG aplica un filtro a cada línea de píxeles. Cinco modos (None, Sub, Up, Average, Paeth), y cada línea puede elegir el mejor. El filtro no comprime, prepara los datos para que la compresión siguiente sea más efectiva.
Ejemplo: el modo Sub guarda "la diferencia entre el píxel actual y el de la izquierda". Si toda una línea tiene colores parecidos, las diferencias son cercanas a cero y el compresor lo exprime mucho mejor.
Compresión Deflate
Tras el filtro, los datos pasan por Deflate — combinación de LZ77 (diccionario con ventana deslizante) y Huffman. Es el mismo algoritmo de ZIP.
El ratio de PNG está limitado por ser sin pérdida: típicamente 2:1 a 5:1. Pobre para fotos con mucho color, brillante para capturas, gráficos, iconos y todo lo que tenga pocos colores.
Segunda generación: WebP y compresión híbrida (2010)
WebP nace de Google y se basa en el códec de vídeo VP8. El flujo con pérdida es similar a JPEG pero con mejoras clave:
| Mejora | JPEG | WebP |
|---|---|---|
| Tamaño de bloque | 8×8 fijo | 4×4 y 16×16 adaptativos |
| Predicción | Sin predicción intra | 4 modos de luminancia + 4 de crominancia |
| Transformada | DCT | WHT (Walsh-Hadamard) + DCT |
| Filtro en bucle | No (post-proceso) | Deblocking integrado |
| Entropía | Huffman / aritmético | Codificación aritmética booleana |
La predicción intra es la gran diferencia. Antes de codificar un bloque, se intenta predecir su contenido a partir de píxeles vecinos ya codificados; solo se codifica el residuo (diferencia). Si la predicción acierta, el residuo está cerca de cero y la compresión dispara.
El modo sin pérdida de WebP usa un algoritmo totalmente distinto:
- Transformación de color: pasa ARGB a representaciones más comprimibles.
- Referencia hacia atrás LZ77: referencia a bloques anteriores.
- Caché de colores: almacena los últimos colores usados; los repetidos ocupan pocos bits.
- Huffman: compresión final.
Tercera generación: AVIF y super-bloques (2019)
AVIF se basa en AV1 (estándar de vídeo) y es la cumbre de la compresión tradicional. Mejoras frente a WebP en todos los frentes:
Super-bloques de tamaño variable
AVIF utiliza super-bloques de hasta 128×128 que se pueden dividir recursivamente hasta 4×4. El codificador adapta el tamaño al contenido: bloques grandes en zonas planas, pequeños en zonas complejas. Optimización muy inteligente.
Modos de predicción más ricos
Más de 50 modos direccionales de predicción intra (WebP solo tiene 4+4), más varios modos CfL (Chroma from Luma) para predecir crominancia desde luminancia. Precisión muy superior.
Transformadas y filtros avanzados
- Múltiples núcleos de transformada: DCT, ADST (Asymmetric Discrete Sine Transform), identity. Cada bloque elige el mejor.
- CDEF (Constrained Directional Enhancement Filter): filtro direccional antiruido.
- Loop Restoration Filter: filtros Wiener y self-guided que recuperan detalle perdido.
El precio de esa eficiencia
El ratio de compresión brutal de AVIF cuesta caro en codificación. Con libaom (codificador de referencia) en speed 4, una foto 4K tarda 30–60 segundos en codificarse. Lo hace poco práctico para codificación en tiempo real, pero perfecto para activos estáticos precomputados (webs, e-commerce).
Cuarta generación: compresión neuronal (2020 en adelante)
Los algoritmos tradicionales dependen de transformadas diseñadas a mano (DCT) y modelos predictivos explícitos. La compresión con IA aprende la codificación óptima de punta a punta con redes neuronales.
Arquitectura base: Autoencoder
La mayoría de modelos de compresión IA se basan en autoencoders:
- Red codificadora: comprime la imagen original en una representación latente de baja dimensión.
- Cuantización: discretiza los vectores latentes continuos.
- Modelo entrópico: aprende la distribución de probabilidad de los latentes para codificación aritmética.
- Red decodificadora: reconstruye la imagen desde la representación latente.
Estado de la investigación
| Modelo / método | Institución | Aporte | Eficiencia vs VTM (referencia H.266) |
|---|---|---|---|
| Hyperprior (Ballé 2018) | Introdujo hyperprior | Cerca de VTM | |
| Cheng 2020 | Academia | Mezcla gaussiana para estimación entrópica | Algo mejor que VTM |
| ELIC (2022) | Academia | Efficient Learned Image Compression | 5–10% mejor que VTM |
| TIC (2024) | Meta | Transformer-based Image Compression | 10–15% mejor |
| Google MIC (2025) | Multi-realism Image Compression | Muy superior a bitrate extremadamente bajo |
Ventajas y limitaciones de la IA
Ventajas:
- A bitrates extremadamente bajos (debajo de 0,1 bpp) supera claramente a los métodos tradicionales.
- Aprende patrones complejos que nadie diseñaría a mano.
- Permite modelos especializados (caras, texto, imagen satélite, radiografías).
Limitaciones:
- Decodificación exige GPU (o al menos CPU potente); inviable todavía para navegadores en tiempo real.
- Sin formato estándar aceptado; interoperabilidad pobre.
- Coste de entrenamiento e inferencia alto.
- En texturas de alta frecuencia algunos modelos aún pierden frente a AVIF.
Comparativa general entre generaciones
| Atributo | JPEG (DCT) | PNG (Deflate) | WebP (VP8) | AVIF (AV1) | IA |
|---|---|---|---|---|---|
| Año | 1992 | 1996 | 2010 | 2019 | 2020– |
| Tipo | Con pérdida | Sin pérdida | Ambos | Ambos | Con pérdida (principalmente) |
| Núcleo técnico | DCT 8×8 | Filtro predictivo + LZ77 | Predicción intra + DCT | Super-bloques + múltiples transformadas | Autoencoder neuronal |
| Ratio lossy (vs JPEG) | 1,0× | — | 1,25–1,4× | 1,5–2,0× | 2,0–5,0× (bitrates bajos) |
| Velocidad codificación | Rápida | Media | Media | Lenta | Muy lenta (GPU) |
| Velocidad decodificación | Rápida | Rápida | Rápida | Media | Lenta (GPU) |
| Soporte navegador | Todos | Todos | 97%+ | 92%+ | Nulo (experimental) |
| Caso de uso | Genérico | Capturas, gráficos | Web genérica | Web avanzada, HDR | Investigación, ancho de banda extremo |
Qué implica todo esto al elegir servicio de alojamiento
Entender la compresión ayuda a elegir la estrategia de subida correcta.
Si subes capturas o gráficos, PNG manda — sin pérdida garantiza texto nítido. Si son fotos, JPEG o WebP con pérdida reduce mucho sin diferencias visibles a simple vista.
lpic.cc acepta JPEG, PNG, WebP y GIF entre otros, y almacena el formato original tal cual sin recompresión ni reconversión. Si quieres optimizar el peso antes de subir, usa Squoosh y conviértelo a WebP o ajusta la calidad de JPEG manualmente.
Dicho con franqueza: lpic.cc no hace conversión ni ajuste de calidad en el servidor. Sube lo que quieres ver, se guarda tal cual.
Preguntas frecuentes
¿Por qué JPEG a calidad 100 sigue pesando más que PNG a veces?
Calidad 100 en JPEG no significa "sin pérdida". Aun al máximo, JPEG pasa por el submuestreo de crominancia 4:2:0 (ya pierde la mitad de info de color) y por cuantización con tabla muy cercana a unos. La pérdida es mínima pero existe. Lossless real requiere PNG, WebP Lossless o JPEG XL Lossless.
¿Cómo comprime GIF y por qué es malo para fotos?
GIF usa LZW (Lempel-Ziv-Welch), que es sin pérdida. Su limitación gorda: solo 8 bits de color — máximo 256 colores por imagen. Las fotos suelen tener millones de colores; forzar 256 provoca banding y pérdida visible. GIF sirve para animaciones simples e iconos.
¿Qué pasa si comprimo una imagen ya comprimida?
En formatos con pérdida (como JPEG), cada recompresión acumula daño. Datos reales: una imagen JPEG recodificada 10 veces a calidad 85 pierde 2–4 dB de PSNR — pérdida perceptible. Por eso hay que editar siempre desde el original, no desde una versión ya comprimida.
¿Cuándo llegará la IA a producción?
El cuello de botella actual son la velocidad y la estandarización. Los formatos tradicionales decodifican en milisegundos; los neuronales tardan cientos de ms a segundos (depende del hardware). En 3–5 años puede llegar a nichos (streaming, imagen médica, satélite). Para reemplazar a JPEG/AVIF en navegadores convencionales hace falta aceleración hardware y un formato estándar acordado.
¿Subo el original o comprimo antes?
Depende del uso. Para redes y mensajería: comprime a un tamaño razonable (lado largo 2048 px, JPEG calidad 85 o WebP calidad 80) antes — reduce tiempos de subida y bajada. Para archivos que requieren máxima calidad (portfolios, imprenta), sube el original.
¿Qué formato elijo en 2026 para una web hispanohablante?
AVIF con fallback JPEG/WebP mediante etiqueta <picture>. Soporte de AVIF en 2026 ronda el 92% de navegadores (en España y LatAm aún hay un 5–8% con versiones antiguas). Servicios CDN modernos (Bunny.net, Cloudinary) ya hacen conversión automática y negociación.
¿JPEG XL es relevante en 2026?
JPEG XL técnicamente es excelente — superior a WebP y comparable a AVIF, con funciones como transición progresiva sin pérdida desde JPEG clásico. Pero Google eliminó soporte en Chrome (2023), lo que limita adopción masiva. Firefox y Safari lo soportan parcialmente. Por ahora, para web pública, AVIF gana por ecosistema. JPEG XL funciona bien en flujos internos y archivado.
Referencias
- JPEG Standard — ITU-T T.81
- PNG Specification — W3C
- WebP Compression Techniques — Google Developers
- AV1 Bitstream Specification
- Ballé et al. — Variational Image Compression with a Scale Hyperprior (2018)
- Cheng et al. — Learned Image Compression (2020)
- ELIC: Efficient Learned Image Compression (2022)
- Squoosh — Compresión y conversión online
- Cloudinary — Image Formats Compared
- MDN — JPEG Compression Overview