1. 背景
广告素材中，图片类素材都是以静态图片为主，缺少交互感和吸引力，可能导致点击率偏低。为此，腾讯广告多媒体AI团队使用AI技术在图片焦点区域生成动态效果，以提升点击率。在落地页中，如果是以视频的形式不但交互过重，并且影响页面加载速度。因此，需要在保证展示效果的前提下使用压缩比尽可能大的GIF来做落地页展示。
2. GIF格式浅析
GIF（Graphics Interchange Format）图像互换格式，是一种位图图形文件格式，以8位色（即256种颜色）重现真彩色的图像。它实际上是一种压缩文档，采用LZW压缩算法进行编码，有效地减少了图像文件在网络上传输的时间。是目前广泛应用于网络传输的图像格式之一。
GIF格式的文件结构整体上主要分为三个部分：文件头、GIF数据流、文件结尾。其中，GIF数据流是本文分析的重点，主要包含全局调色盘、局部调色盘以及多个连续的图像块。
2.1. 调色盘
什么是调色盘？我们先考虑最直观的图像存储方式，一张分辨率为M×N的图像，本质上是一张点阵，如果采用常见的RGB三色方式存储，每个颜色用8bit表示，那么一个点就可以由三个字节（3Byte = 24bit）表示。比如0xFFFFFF可以表示一个白色像素点，0x000000表示一个黑色像素点。如果我们采用最原始的存储方式，把每个点的颜色值写进文件，光图像信息就要占据3×M×N个字节。这还只是静态图的情况，GIF图一般包含K帧，在不做任何压缩的情况下总大小就是3×M×N×K，非常占用存储空间。
实际情况中，GIF图具有如下两个特征
（1）一张图像最多只包含256个RGB值。
（2）在一张连续动态GIF里，每一帧之间信息差异不大，颜色是被大量重复使用的。
针对这两个特性，做过存储的同学可能会想到，我们一般会采用内存索引 磁盘实际存储的方式来减少内存空间占用。如果在存储时，我们用一个公共的索引表，把图片中用到的颜色提取出来，组成一个调色盘，这样，在存储真正的图片点阵时，只需要存储每个点在调色盘里的索引值。GIF确实也是这么做的，如果调色盘放在文件头，作为所有帧公用的信息，就是公共（全局）调色盘；如果放在每一帧的帧信息中，就是局部调色盘。GIF格式允许两种调色盘同时存在，在没有局部调色盘的情况下，使用公共调色盘来渲染。
这样，我们就可以用调色盘里的索引来代表实际的颜色值：一个256色的调色盘，24bit的颜色只需要用9bit就可以表达了。调色盘所包含的色彩数还可以进一步减少，128色，64色，etc，相应的压缩率就会越来越大。
2.2. 帧信息描述
帧信息描述就是每一帧的图像信息和相关标志位，在逐项了解它之前，我们首先探究一下帧的存储方式。我们已经知道调色盘相关的定义，除了全局调色盘，每一帧可以拥有自己的局部调色盘，渲染顺序更优先，它的定义方式和全局调色盘一致，只是作用范围不同。直观来说，帧信息应该由一系列的点阵数据组成，点阵中存储着一系列的颜色值。
点阵数据本身的存储也是可以进行压缩的，GIF图所采用的是LZW压缩算法。这样的压缩和图像本身性质无关，是字节层面的，文本信息也可以采用（比如常见的gzip，就是LZW和哈夫曼树的一个实现）。基于表查询的无损压缩是如何进行的？基本思路是，对于原始数据，将每个第一次出现的串放在一个串表中，用索引来表示串，后续遇到同样的串，简化为索引来存储（串表压缩法）。
举一个简单的例子来说明LZW算法的核心思路。
有原始数据：ABCCAABCDDAACCDB
可以看出，原始数据里只包括4个字符A,B,C,D,四个字符可以用2bit的索引来表示，0-A,1-B,2-C,3-D。原始字符串存在重复字符，比如AB，CC，都重复出现过。用4代表AB，5代表CC，上面的字符串可以替代表示为45A4CDDAA5DB，这样就完成了压缩，串长度从16缩减到12。对原始信息来说，LZW压缩是无损的。
除了采用LZW之外，帧信息存储过程中还采取了一些和图像相关的优化手段，以减小文件的体积，直观表述就是——公共区域排除、透明区域叠加等。
3. 压缩方式
知其然必知其所以然，因此第二章节花了很大篇幅来介绍GIF格式的存储特性，这对于我们如何进一步压缩GIF的大小非常有指导意义。由上文可见，GIF格式自身已经在压缩上下了不少功夫，那么我们一般可以从哪些角度进一步压缩GIF的大小，而又尽量不影响GIF的效果呢？
- 图像分辨率 分辨率是最容易想到的压缩方法，可以根据不同的展示平台做不同的图片分辨率压缩方案，比如针对小屏幕设备可以采用更小的分辨率。
- 色彩数量 色彩数量直接影响到上文提到的全局和局部调色盘大小。由于图片情况各异，一般情况下建议保持256色不变。极端情况下，比如修改为2则变为黑白GIF。
- GIF帧数 通过提取一些间隔帧，比如对于一张10帧的动画，只提取其中的提取1,3,5,7,9帧，来减少图片的整体体积。一般情况建议至少保持15FPS以上，才能确保相对自然的衔接和过渡。
- 压缩算法 GIF默认的压缩算法为LZW算法，理论上我们也可以尝试其他压缩算法来获得更高的压缩比。比如LZW算法只针对完全相等的数据，那么我们是否可以使用一定程度的近似值来做更极值的压缩？
4. 压缩工具
调研过现有的GIF压缩工具，gifsicle实属业内口碑不错的命令行工具，支持对GIF文件进行修改尺寸大小、颜色、帧率等功能，效果和效率都还可以。
最常用的压缩GIF命令：
gifsicle -03 想要压缩的图片 -o 新图片名
（注：O3第一个为大写字母，第二个为数字，o为字母）
这条命令的好处就是让程序自动为你选择压缩方案，一般能在画质和体积之间取得平衡，并且第一帧之后的每一帧都能得到优化。
用gifsicle将3D微动GIF从原始的1.9M压缩到758k，前后对比如下：
压缩前：
压缩后：
可见部分局部色表被自动压缩到了64色，并且做了部分重复区域透明处理。但是视觉上差异很小，效果很不错。
具体使用方式可参考gifsicle的API官方文档，有不少参数可供调整：https://www.lcdf.org/gifsicle/man.html
5. 具体实现
笔者已将GIF生成以及压缩的代码封装成Python工具类，git地址：https://github.com/jesonxiang/gif_maker。由于投入的时间非常有限，且gifsicle已能满足业务场景需求，笔者未对GIF压缩做深入研究。在此，也期待大家后续能探索出更为理想的压缩方式，欢迎随时交流。
