Lossy बनाम Lossless: फ़ाइल कन्वर्ट करते समय वास्तव में क्या होता है
आपने ये terms पहले सुने होंगे — शायद JPEG save करते समय, audio export करते समय, या video shrink करते समय। Lossy। Lossless। शब्द self-explanatory लगते हैं, लेकिन ज़्यादातर explanations वहीं रुक जाती हैं, असल mechanics को mystery में छोड़ देती हैं।
यह article उस gap को बंद करता है। आप सीखेंगे कि हर compression type mechanical level पर क्या करती है, यह उन real files के लिए क्यों मायने रखती है जिनके साथ आप रोज़ काम करते हैं, और archiving, publishing, या editing के हिसाब से सही choice कैसे करें।
एक paragraph में core difference
Lossless compression data को reorganize करता है ताकि वो कम space ले — लेकिन original का हर एक bit exactly recover किया जा सकता है। Lossy compression बहुत छोटी files achieve करता है उस data को permanently discard करके जिसे human perceptual system शायद notice न करे। एक बार वो data चला गया, recover नहीं हो सकता। Trade-off हमेशा same है: lossy छोटी files देता है, lossless identical reconstructions देता है।
Lossless compression कैसे काम करता है
Lossless compression को एक smart shorthand की तरह सोचें। "AAAAAAAAAA" दस बार लिखने की बजाय "10×A" लिखें। Information content identical है; representation छोटा है। Decompress करने पर shorthand वापस original में expand हो जाता है।
Real lossless algorithms ज़्यादा sophisticated हैं, लेकिन principle यही है। वे statistical redundancy ढूंढते और exploit करते हैं — दोहराने वाले patterns, similar values की लंबी runs, ऐसे sequences जो पहले के content से predict किए जा सकते हैं। Common techniques हैं:
- Run-length encoding — repeated identical values compress करता है (images में solid-colour areas के लिए useful)।
- Huffman coding — ज़्यादा frequent symbols को shorter bit codes assign करता है, rare को longer।
- LZ77/LZ78 (Deflate) — data में कहीं भी repeated sequences ढूंढता है और later occurrences को back-references से replace करता है।
इनमें से कोई भी technique कुछ throw away नहीं करती। Deflate से compressed PNG, FLAC audio file, या ZIP archive — सभी को decompress करके original की bit-for-bit identical copy produce की जा सकती है।
Lossy compression कैसे काम करता है
Lossy algorithms अलग approach लेते हैं: वे human perception की limits exploit करते हैं ऐसे data को discard करने के लिए जिसे ज़्यादातर लोग कभी miss नहीं करेंगे।
Key insight यह है कि आपका visual और auditory system हर चीज़ के लिए equally sensitive नहीं है। आपकी आँखें colour changes से brightness changes detect करने में बहुत बेहतर हैं। आपके कान 1–4 kHz frequencies (speech) के लिए बहुत high/low frequencies की तुलना में कहीं ज़्यादा sensitive हैं। Lossy codecs इन limits को aggressively exploit करते हैं।
DCT और JPEG — Image Case
JPEG compression image को 8×8 pixel blocks में divide करने से शुरू होती है। हर block एक Discrete Cosine Transform (DCT) से गुज़रता है, जो block के pixel values को frequency components के set में convert करता है।
फिर quantization step high-frequency components throw away करता है। Discard की गई amount quality setting से control होती है। JPEG quality 85 पर quantization gentle है। Quality 40 पर quantization aggressive है — blocky artifacts visible हो जाते हैं।
Quality 85 पर JPEG typically raw uncompressed image के relative लगभग 10:1 compression achieve करता है।
Psychoacoustic Models और MP3
MP3 एक psychoacoustic model use करता है यह decide करने के लिए कि कौन से audio data throw away करें। यह audio के हर short slice को analyze करता है:
- Frequencies जो louder nearby frequencies के ऊपर सुनने के लिए too quiet हैं (masking)।
- बहुत high और low frequencies जहाँ human ear least sensitive है।
- Loud transients के दौरान fine detail जहाँ ear की temporal resolution temporarily कम होती है।
320 kbps पर, result ज़्यादातर listeners के लिए CD audio से perceptually identical है।
Format-by-Format Breakdown
Images
JPEG — Lossy
JPEG photographs का dominant format है। DCT-based codec specifically photographic content के लिए designed है — smooth gradients, complex textures।
JPEG line art, text, और screenshots के लिए poor fit है। Hard edges और solid colours visible "ringing" artifacts produce करते हैं।
Quality 85 पर typical compression: 10:1।
PNG — Lossless
PNG raw pixel data पर Deflate compression use करता है। कुछ भी discard नहीं होता। Decompressed PNG pixel-perfect है।
PNG photographs को JPEG के relative poorly compress करता है — photo as PNG उसी photo के JPEG quality 85 के size से 3× हो सकता है। लेकिन screenshots, diagrams, और text या sharp edges वाले content के लिए PNG सही choice है।
WebP — Both Modes
WebP explicitly lossy और lossless दोनों modes support करता है। Lossy mode में typically JPEG से 25–35% smaller files equivalent visual quality पर achieve करता है। दोनों modes में alpha transparency support करता है।
Audio
WAV / AIFF — Uncompressed
WAV और AIFF raw PCM audio store करते हैं। कोई compression नहीं। CD quality (44.1 kHz, 16-bit) पर एक minute stereo audio लगभग 10 MB लेता है।
FLAC — Lossless
FLAC PCM audio पर lossless compression apply करता है और typical reductions of 40–60% achieve करता है। High-quality audio collections का standard archival format है।
MP3 — Lossy
MP3 ऊपर described psychoacoustic model use करता है। 320 kbps पर file approximately 1 MB per minute है — uncompressed से 10× reduction।
AAC एक more modern lossy format है जो approximately 70–80% bitrate पर MP3 के equivalent quality achieve करता है। Apple Music और most streaming platforms AAC use करते हैं।
Video
H.264 (AVC) — Lossy
H.264 सबसे widely deployed video codec है। यह frame-by-frame DCT-based spatial compression और frames के बीच temporal compression combine करता है।
Typical streaming bitrate (4–8 Mbps) पर H.264 से compressed दो-घंटे का 1080p film roughly 4–8 GB है।
H.265 (HEVC) और AV1 same visual quality level पर H.264 को 30–50% improve करते हैं।
Lossless Video Codecs
Lossless video exist करता है — Apple ProRes 4444, FFV1, और Ut Video professional editing pipelines में use होते हैं। ये formats production के लिए हैं, delivery के लिए नहीं।
Documents
PDF stream compression text और vector data पर Deflate (lossless) apply करता है। PDF में embedded images JPEG (lossy) हो सकती हैं।
जब आप PDF compress करते हैं, primary levers हैं: embedded images को lower JPEG quality पर re-compress करना, unnecessarily large high-resolution images को downsample करना, और embedded metadata remove करना। Document का text और structure कभी degrade नहीं होता।
Generation Loss Problem
यह वो practical consequence है जो ज़्यादातर लोग accidentally discover करते हैं।
जब आप JPEG open करते हैं, edit करते हैं, और फिर JPEG के रूप में save करते हैं — आपने already-lossy file को re-compress किया है। Quantization step उन data पर फिर से run होता है जो already quantized थे। पाँच-छह re-saves के बाद degradation clearly visible हो जाती है।
सही workflow हमेशा:
- जो कुछ भी repeatedly edit करेंगे उसके lossless (या uncompressed) originals रखें।
- Lossy compression केवल final export step पर apply करें।
- कभी lossy file को lossy format में re-save न करें जब तक accumulating quality loss accept न हो।
Format Comparison Table
Lossy बनाम Lossless कब Use करें
Lossless use करें जब:
- ऐसी original files archive कर रहे हैं जिन्हें बाद में edit करना पड़ सकता है।
- Content में text, line art, या sharp geometric edges हों।
- Production workflow के बीच में हों।
- Quality non-negotiable हो — medical imaging, legal documents, master recordings।
Lossy use करें जब:
- Web या mobile पर end users को content deliver कर रहे हों।
- File size hard constraint हो और content photographic या cinematic हो।
- Audience typical screen brightness और listening conditions में content देखेगी।
इसे Practice में लागू करना
अगर आपको image compress करनी है, photographs के लिए quality 80–85 से शुरू करें और graphics के लिए lossless mode use करें।
Video के लिए, video compress करते समय available सबसे high-quality source से काम करें और अपने target format में एक बार export करें।
Image compression side की deeper look के लिए image compression guide देखें।