Squoosh

Squoosh 是「平面素材」类目中常被检索的入口之一。Squoosh —— 浏览器内的终极图像压缩与编解码比对工具Squoosh 是一款由 Google 团队（Chrome Labs）开发并维护

Squoosh —— 浏览器内的终极图像压缩与编解码比对工具

Squoosh 是一款由 Google 团队（Chrome Labs）开发并维护的完全开源的 Web 应用，它的正式定位是“终极图像优化器”，旨在让用户在浏览器中直接完成图像的压缩，并能够以极其直观的方式对比不同编码器（Codec）的压缩效果。区别于 Compressor.io 这类简单的拖拽压缩站，Squoosh 更像是一个专业的实验室工具，它赋予用户对压缩参数的细致控制权，包括但不限于缩放尺寸、调整色阶、控制马赛克伪影程度、选择是否保留元数据以及决定输出为 MozJPEG、OxiPNG、WebP 或 AVIF 等特定格式。由于该应用基于现代浏览器技术（如 WebAssembly），所有图像处理都发生在本地设备的沙盒环境中，这意味着用户的原始图片不会被上传至任何服务器，既提供了极快的即时反馈速度，也从根本上杜绝了隐私泄露的风险。这一特性使得 Squoosh 在开发者社区中被誉为最可信赖的隐私友好的图像优化工具之一。

Squoosh 的界面设计充满了极客风格，但同时又对新手表现出别样的友好。默认打开后，用户会被邀请加载一张图片（支持 PNG、JPEG、WEBP、AVIF 等常见格式，甚至包括部分 RAW）。一旦加载，主界面被清晰地分割成两个主要区域：左侧显示原始图像，右侧显示压缩后的预览。在两幅图像的中心有一条可拖动的垂直分割线，用户通过拖动分割线可以非常直观地看到压缩前后同一个局部的细节差异。更重要的是，在主界面下方或侧边栏，一个可展开的“压缩设置”面板罗列了当前所选编码器（例如 MozJPEG、OxiPNG 等）的全部核心参数，比如质量滑块从 0 到 100 精细调节，以及针对 WebP/AVIF 的“无损模式”开关、色度子采样（如 4:4:4、4:2:0）选项等。每调整一个参数，右侧图像几乎会同步刷新，并实时更新预计的文件大小和节省的百分比数值。这种所见即所得的即时反馈机制，让用户能够快速探索不同格式与参数组合对最终图像的影响，进而选出最适合特定场景的输出方案。

核心功能与服务

Squoosh 的每一项功能都围绕着高效、可控和跨格式比较而展开。首先，其最核心的多编解码器支持与对比功能，允许用户在不同格式（如默认的 MozJPEG 与 WebP，或现代的 AVIF）之间切换，并观察相同视觉质量下文件体积的巨大差异。例如，一张复杂的照片用 PNG 无损编码可能高达 2MB，但转化为 WebP 的有损质量 75% 可能只有 100KB 且肉眼难以分辨区别，Squoosh 通过数值与可视化对比让这种优势变得清晰可见。其次，它内置了高精度缩略与裁剪工具，在压缩面板中可以独立设置输出尺寸的宽与高，并提供“锁定比例”开关以便在缩小尺寸时保持纵横比。用户甚至可以使用键盘上的方向键进行微调，确保最终图片的像素尺寸精确符合目标。第三，它提供元数据剥离开关，对于注重隐私或需要进一步减小文件的场景，可以一键去除 EXIF、GPS 等嵌入信息。第四，针对不同的编码器，Squoosh 暴露了专业级高级调整项，例如在 AVIF 中可以选择“Ssim”（结构相似性指标）作为质量目标；在 WebP 中可以调整“Filter Strength”以平滑边缘；在 OxiPNG 中则有无损压缩级别和色彩量化选项。这些参数在大多数面向消费者的工具中是被隐藏的，但在 Squoosh 里却完全开放。

此外，Squoosh 还支持批量处理工作流的前置准备——虽然它本身仅处理单张图片，但用户可以在压缩完成后复制一份“代码片段”或直接通过其内置的“Web Share API”将图片分享至其他应用。更为重要的是，作为开源项目，Squoosh 提供了可嵌入的 JavaScript 库（@squoosh/lib），让开发者能够将它的压缩引擎集成到自己的 Node.js 服务端脚本或前端构建工具中（如 Grunt 或 Webpack 插件），这极大地拓展了它的适用范围，从个人可视化工具升级为自动化流水线的组成部分。最后，Squoosh 的界面支持深色模式，并且键盘快捷键完善，例如使用键盘输入精确数字，对于习惯快速操作的专业用户非常友好。

适用人群与典型场景

• 前端开发工程师：在优化网站性能指标（如 LCP、CLS 或整体页面重量）时，他们需要精确判断头像、背景图应该使用 WebP 还是 AVIF，并且需要反复试验不同压缩质量对渲染层带来的细微影响。Squoosh 提供的量化对比和本地处理能力是理想的工具。
• 用户体验与视觉设计师：在向开发交付切图之前，设计师利用 Squoosh 的预览分割线来检查渐变是否平滑、文字边缘是否出现彩色晕边，以便在保证视觉效果的同时减少资源文件体积。
• 技术写作者与文档工程师：为技术博客或在线手册准备配图时，他们可以使用 Squoosh 将高分辨率的截图转换为体积更小的 WebP 格式，既提高页面加载速度又不牺牲代码文字的锐利度。
• 隐私敏感的用户：法律工作者或处理企业内部保密资料的文员，由于 Squoosh 的所有操作均在本机浏览器内完成，无需上传文件到第三方服务器，他们可以放心地压缩合同扫描件或产品设计蓝图，而不必担心数据外泄。
• 开源爱好者和构建工具使用者：他们可能并不直接点击网页界面，而是通过 npm 安装 @squoosh/lib 并编写脚本批量处理整个“assets/img”目录下的数千张图片，利用 Squoosh 强大的编解码性能来简化工作。

从应用场景来看，无论是为快速原型压缩素材、为社交媒体创建高质量且大小合适的封面（例如要求小于 1MB），还是为 Electron 桌面应用打包时精简静态资源，Squoosh 都能凭借其精准的控制能力提供恰到好处的帮助。

特色优势

Squoosh 最引以为傲的一点是它完全在本地运行，不需要互联网连接也能处理图片（一旦应用加载完成）。这赋予了它极快的处理速度（没有上传等待时间）和空前的隐私安全水准。其次，其开放的编解码器集成极具前瞻性：MozJPEG 在相同质量下比标准 JPEG 节省约 5-10% 的体积；OxiPNG 是最先进的无损 PNG 编码器；而 WebP 和 AVIF 则是下一代网络图像格式的代表。Squoosh 让用户无缝试用这些最新技术，而不需要手动安装编码器。第三，它的 用户体验设计极具巧思：图像分割对比视图、屏幕上的实时文件大小指示器、颜色压缩预览覆盖图（可高亮显示压缩后丢失的颜色）以及高级模式选项，均是为专业用户量身打造。第四，作为 Google 团队维护的开源产品，其代码质量与更新频率有可靠的保障，用户可以期待未来对 JXL（JPEG XL）等新格式的及时支持。第五，通过提供核心库 @squoosh/lib，它将 Web 上最先进的图像压缩能力赋能给开发者社区，降低了构建高性能图片处理服务的门槛。

局限性与注意事项

尽管 Squoosh 非常强大，但它也不是没有弱点。首先，它明确是单张图片处理工具，没有内置的批量文件队列管理，即使通过浏览器打开多个窗口，也无法像桌面软件（如 RIOT）那样一次处理并导出整个文件夹。对于需要处理数百张图片的用户，就需要借助其 Node.js 库自行编写循环脚本，这并非零基础用户能轻易完成。其次，由于所有处理均依赖于浏览器中的 WebAssembly 运行时，大型图片（边长超过 10000 像素或内存占用极高）可能导致浏览器标签页崩溃或内存溢出。此时建议先裁剪或缩小图片后再处理。第三，Squoosh 的输出格式虽然多样，但不支持 GIF 的压缩或导出，因为 GIF 基于调色板的固有缺陷与现代编码器理念不符。如果用户有动图压缩需求，需要切换其他工具。第四，对于完全不熟悉技术名词的普通用户，界面上诸如“MozJPEG”“OxiPNG”“无损缩放”“色度子采样”等术语可能显得晦涩难懂，初次上手存在一定认知负担。第五，由于它只是一个应用，不提供云存储或图片托管服务，压缩后的图片仅能下载到本地，无法生成链接供他人预览。最后，要获得最佳体验，需要运行在支持 WebAssembly 的现代浏览器中（如最新版的 Chrome、Edge 或 Firefox），对于旧版浏览器或部分移动端浏览器（iOS 13 以下的 Safari）可能无法正常加载功能。

如何开始使用

开始使用 Squoosh 极为简便：只需打开浏览器，访问 https://squoosh.app，无需注册或登录。页面初始会呈现一个灰色的图像放置区域，将本地图片文件（如 .jpg, .png）直接拖拽至该区域。图片加载后，屏幕上将自动显示原始图（左侧）与压缩预览图（右侧），并在压缩设置面板中默认嵌入“MozJPEG”编码器，质量预设为 75%。此时用户可以拖动中央的分割条观察视觉效果，并留意底部显示的原始大小与输出预估大小。接下来，在“输出格式”下拉按钮处，您可以切换至 WebP、OxiPNG、AVIF 等格式。切换后，右侧的参数区会出现针对该格式的滑块（如质量、压缩强度等）。随意调节这些滑块，观察右侧图片更新以及百分比变化。当您对压缩后的图片满意时，点击界面右上角或预览图下方的“下载”按钮，即可将优化后的图片保存至本地磁盘。若需要对图片尺寸进行调整，可在“调整大小”选项卡中手动输入宽高数值，或直接选择预设比例。值得一提的是，Squoosh 还允许您在上传图片后，点击左下角的“比较”按钮，以并排的方式更清晰地对比原始格式与所提供的“最佳替代格式”在同等质量下的体积差异。整个过程几分钟内即可掌握，一旦您熟悉了主要参数，便能根据自己的需求定制高效的压缩策略。