实测 24 张照片:WebP 比 JPEG 小 65%、画质好,代价是慢 40 倍
发图之前顺手压一下,几乎是每个人的肌肉记忆,而绝大多数人的做法只有一种:把质量滑到 75。最近我用本机跑了一轮完整实测,结果有两个挺反直觉的——同样一张照片,WebP 不光比 JPEG 小得多,画质还更好;但它慢了约 40 倍。这篇把数据摊开讲清楚,顺带给出不同场景该用哪档设置。

一、先交代怎么测的
不玩虚的,测试条件全部写清楚:
样张:8 张实拍照片(户外、产品、街拍、人像都有),每张再按长边 1600 / 1200 / 800 缩三档,合计 24 个样本;
方案:JPEG 质量 95、JPEG 质量 75、WebP 质量 80、WebP 质量 60,共 4 组;
工具:Python + Pillow 13.0.0,免费、跨平台,一台普通 Windows 笔记本实跑;
指标:编码后的字节数、单张编码耗时、解码图与原图逐像素算出的 PSNR(峰值信噪比,dB,越高越接近原图)。
24 个样本取算术平均,得到下面这张表(不是示意图,是实测值):
方案 · 平均体积 · 编码耗时 · 画质 PSNR · 比 JPEG 95 省
JPEG 质量 95 · 354.2 KB · 8.1 ms · 40.78 dB · 基准
JPEG 质量 75 · 145.8 KB · 4.4 ms · 34.98 dB · 58.8%
WebP 质量 80 · 124.1 KB · 325.2 ms · 36.37 dB · 65.0%
WebP 质量 60 · 82.2 KB · 256.0 ms · 33.98 dB · 76.8%

上面这张是把同一张实拍照片的局部放大 2 倍后的真实像素对比:JPEG 75 和 WebP 60 在树叶边缘、发丝附近已经开始发糊、有明显涂抹感,而 WebP 80 相对干净。
二、体积:质量参数不是最狠的杠杆

把 JPEG 质量从 95 调到 75,体积直降 58.8%,这已经是很多人以为的"最优解"了。换成 WebP 质量 80,体积进一步降到 124.1KB(省 65%),比 JPEG 75 还小 21KB。
但真正的大头其实是尺寸。发朋友圈、发聊天群还传 4000 像素原图,质量调到 60 也还是又大又慢;先把长边缩到 1080,再谈质量参数,省下来的空间比来回拖滑块多得多。顺序应该是:先定尺寸,再定格式和质量。
三、画质:WebP 80 打赢了 JPEG 75

这是本轮最值得记住的一条:WebP 80 的 36.37dB,高于 JPEG 75 的 34.98dB,而体积还更小。也就是说,"WebP 更省空间但更糊"这个老印象,在这组样本里并不成立。
经验上 PSNR ≥40dB 肉眼基本看不出差别(JPEG 95 是 40.78dB),35dB 附近放大就能看到涂抹。所以如果你要的是"看不出糊、又尽量小",WebP 80 比 JPEG 75 更合适。
四、代价:慢 40 倍,什么时候才要命

WebP 不是没有短板。JPEG 编码只要 8ms,WebP 80 要 325ms,差约 40 倍。单张发图完全无感;但批量压 1000 张时,就是 8 秒 vs 5 分钟的差别。
所以结论分场景:日常零星几张,随便用 WebP;一次性处理整个相册、或者给网站批量出图,要么用 JPEG 75 赶时间,要么把 WebP 放到后台慢慢跑,别卡在交付前十分钟才开始。
五、四种场景,直接抄答案

微信 / 朋友圈:长边 1080 + JPEG 75,兼容性最好,约 150KB;
博客 / 公众号配图:WebP 80,主流浏览器全支持,比 JPEG 95 小 65%;
批量上千张:赶时间用 JPEG 75,不赶时间再上 WebP;
原图归档:别压。JPEG 和 WebP 都是有损的,压过一次就回不去了。
六、5 个容易白费劲的操作

展开说两个最容易中招的:反复编辑反复存——每存一次有损压缩就再糊一点,正确做法是留一份原图,所有导出都从原图出;忽略接收端兼容性——部分老系统、打印店、投稿后台仍只认 JPEG,重要文件发出去之前先确认对方能不能打开 WebP。
七、想自己复现,两行就够
不需要买软件、不需要装插件,Python 装好 Pillow 之后就两行:Image.open('a.png').convert('RGB') 读图,再 save('a.webp', 'WEBP', quality=80, method=4) 导出。把 quality 换成 60、把格式换成 JPEG,就是本文另外几组数据。想更严谨,就把解码图与原图逐像素算一遍 MSE,再换算成 PSNR。
写在最后
一句话收尾:发图前先缩尺寸,再看格式,最后才调质量;单张要好看选 WebP 80,批量要快要兼容选 JPEG 75,原图永远单独留一份。
(本文数据为本机 Pillow 13.0.0 实跑所得,样本 24 个,非厂商送测、非参数摘抄;配图含真实样张对比与实测数据图,真人场景图为 AI 辅助生成,已按平台要求标注 AI 生成声明。)
#软件资源干货
作者提示含AI生成内容。作者声明本文无利益相关,欢迎值友理性交流,和谐讨论~
