纹理压缩(ASTC/ETC2/BC)：搬家公司的四位收纳师

可视化演示

展示Dijkstra算法在加权图上寻找最短路径的过程，从源点S出发逐步扩展已访问节点集合，松弛边权重更新距离，最终找到到终点T的最短路径。

压缩原理：收纳师的叠衣智慧

搬家前夜，收纳师阿智走进你的衣柜。他扫了一眼，说：“你这里有十件白T恤，版型一样，就是领口污渍深浅不同。不用十件全带走——每四件叠成一摞，留一件当'代表'，其他按它的颜色报数就行。”你担心衣服会不会混了，他笑了：“远看根本分不出来。这是'有损'打包法，省下的空间足够你多装三双鞋。”

纹理压缩的核心，正是这种近似替换。一张纹理图片里，相邻像素的颜色往往高度相似——这在图形学里叫空间冗余。与其把每个像素的精确颜色都存下来，不如把像素切成固定大小的块，每块只存少量代表色，其余像素就近取色。人眼对高频色彩差异本来就不敏感，所以观感几乎无损。块压缩也因此成为GPU纹理的通行方案：以4×4像素为一块，每块独立编码，GPU可以像查字典一样随机访问任意一块，而不用像看PNG/JPEG那样必须把整张图先解码出来。这是纹理压缩与普通图片压缩最本质的区别——它牺牲了压缩率，换来了GPU最需要的“随取随用”。

当然，有损必然有代价。块内代表色越少，压缩率越高，色块边界就越明显，产生俗称的“块效应”。如何权衡，正是接下来所有格式的出发点。

阿智的叠衣法把行李箱体积压到原来的1/8，代价只是衣服上多了几条褶皱——灯光暗下来根本看不见。这就是纹理压缩在绝大多数画面里的真实写照。

纹理格式：行李的材质与规格

阿智又问：“这些衣服都是什么材质？”你愣住。他解释：真丝旗袍（带透明纱的RGBA纹理）和纯棉T恤（不透明的RGB纹理），打包方式完全不同；丝绸包袱皮上绣的花（高位深色彩）不能压太狠，粗帆布则随便折腾。要决定怎么压缩，先得看清行李的原始规格。

这里的“原始规格”就是纹理格式。最常见的两种底层存储：RGB8每像素24位、三个通道，完全不透明；RGBA8多了一个8位的alpha通道记录透明度，每像素32位。位深决定每个通道的色彩级数——8位=256级，16位=65536级，后者用于HDR光照贴图时体积直接翻倍。这些数字看着枯燥，但当你把开关放在2048×2048的RGBA8纹理上，16MB的显存开销瞬间就突出来了：一个开放世界关卡同时驻留500张贴图，就是8GB，还没算mipmap额外1/3的开销。

带宽上的压力同样不容小觑。GPU每渲染一帧都在从显存读取纹理，采样次数乘上纹理数据量就是帧级带宽消耗。高分辨率手机屏的采样率极高，带宽往往比显存容量更先撞墙。所以，压缩的第一个目的就是给带宽卸担子。

摸清每件行李的材质和规格，收纳师才知道该用几分力气。格式表，就是压缩之前的“盘点清单”。

ASTC格式：灵活姐的伸缩收纳盒

第二天清晨，一阵雷厉风行的脚步声传来。一位女士把工具箱往地上一放，掏出一整套神秘的伸缩收纳盒：“我的盒子从4×4厘米到12×12厘米有19种尺寸，每盒容量固定一样。衣服少、料子精贵的，用小盒；衣服多、料子糙的，用大盒压紧。整个手机小区的物业都认我这套。”她叫灵活姐，真名ASTC——自适应可扩展纹理压缩。

灵活姐的绝活在于把块尺寸的选择权交给了开发者。传统格式块大小固定，而ASTC提供了从4×4到12×12共19档选择，每一块的数据量恒定128位。块选得越大，摊到每个像素上的位数越少，压缩比越高。4×4块是8bpp，6×6块约3.56bpp，8×8块2bpp，12×12块约0.89bpp。于是“衣柜塞不下”从一道难题变成了一道选择题：UI贴图用4×4保清晰，大尺度地形用12×12省显存。

ASTC不止会伸缩。它还同时支持RGBA四通道和HDR半浮点数据，从UI到光照贴图全覆盖。更关键的是，它已纳入OpenGL ES 3.2规范，又是iOS（A8芯片起）的默认格式，Adreno、Mali、Apple等主流移动GPU全部内置硬件解压单元——说它是移动端事实标准毫无水分。

灵活姐的伸缩盒子，让“阁楼不够装”变成了一道简单的乘法题——选对盒子，手机的小阁楼也能装下整个衣帽间。

ETC2格式：标准哥的必选通行证

物业管理员这时拍板了：“不管你们用什么盒子，移动小区每户的货架都必须能打开标准哥的箱子。”角落里一直沉默的“标准哥”终于抬起头。他的箱子不如灵活姐花哨，规格只有两种，尺寸统一，但物业规定所有楼栋的货架（GPU驱动）都必须配备他的开箱工具——对玩家而言，这意味着无论什么手机都能解包。

标准哥的原型是ETC2（Ericsson Texture Compression 2），OpenGL ES 3.0规范中的强制格式。它的前辈ETC1发布于2005年，不支持alpha通道，只有4个亮度方向的编码模式，画面质量一般。ETC2在ETC1基础上增加了多种精确色彩模式，补齐了alpha支持，并向后兼容ETC1——能解ETC2的设备一定能解ETC1，这让老资产的迁移成本几乎为零。

规格上ETC2非常清晰：4×4像素块，RGB模式每块64位（4bpp），RGBA模式每块128位（8bpp）。从2013年之后的移动设备，无论安卓还是iOS基本都内置硬件解码器。对开发者，它的最大价值是“无需判断机型”的兼容性兜底：哪怕设备不支持ASTC，ETC2也能保证游戏跑起来。代价是压缩率固定、不支持HDR，图像质量上限明显低于ASTC。

标准哥的箱子虽不惊艳，却是移动小区盖章认证的“万能钥匙”——新户老户，打不开它，就甭想进门。

BC系列：老牌伯的祖传木箱

把目光投向PC和主机小区，物业指着一位老师傅：“他祖传的木箱在这里用了二十多年，微软、索尼、任天堂的楼都认。”老牌伯笑眯眯地从仓库拖出一排木箱，箱体刻着BC1到BC7的编号。每级木箱的用料和隔板设计都不一样——这是BC系列，前身是S3公司1999年推出的DXT，随DirectX成为PC和主机平台默认选项。

BC系列的家族谱系井井有条。BC1（即DXT1）最经典：两个16位RGB565端色，加16个2位索引，共64位、4bpp，支持1位alpha，只区分“透明/不透明”。BC2和BC3把alpha分别扩展到4位和8位，每块128位、8bpp。BC5专为双通道设计，是法线贴图的绝配；BC6H面向HDR环境贴图；BC7用复杂的模式选择机制逼近无损质量，常用于高精度漫反射材质。这套体系在PC图形API中地位牢固，但离开PC小区就寸步难行——绝大多数移动GPU没有BC系列的硬件解码单元，反过来，ASTC/ETC2在传统PC驱动上同样是“陌生人”。

老牌伯的木箱样式老旧，但每一块板、每一条槽都有二十年经验沉淀——在PC大宅里搬重物，老手艺依然最稳妥。

选型策略：搬家前的决策

搬家日清晨，你站在阁楼门口，手里攥着四位收纳师的报价单。同一件真丝旗袍，灵活姐说用小盒保平整，标准哥说用标准箱虽然皱了点但保通行，老牌伯说他那BC7的匣子在PC家是极好的……你终于顿悟：没有最好的箱子，只有最合适的。

选型本质是“目标平台×纹理类型×质量控制”的三角权衡。国际惯例写成一条决策链：移动端优先ASTC，6×6或8×8档位在体积与质量之间取平衡；老设备（仅支持OpenGL ES 2.0/3.0）用ETC2兜底；PC和主机用BC7保质量，兼容性优先时退到BC3/BC1。法线贴图在PC端优先BC5——双通道设计专门保护法线朝向精度，避免光照出现“麻点”；移动端则用ASTC配合质量优先模式。UI贴图是高危区，文字和图标边缘经不起强压缩，建议ASTC 4×4或BC7，且mipmap必须一起压缩，否则远处的纹理采样会出现色块跳变。

工程链路也别忽略：PVRTexTool、compressonator、astcenc等工具链的版本差异直接影响压缩耗时。CI构建时对非关键贴图可以用更高压缩档位，把打包时间从小时级压到分钟级。

搬家结束，四位收纳师的箱子各就各位：真丝旗袍在灵活姐的小盒里毫发无损，日常T恤进了标准哥的箱子，祖传老家具由老牌伯扛上了阁楼。新家的每个角落，都刚刚好。

AI 应用场景

Python 演示

"""纹理压缩格式对比与简单块压缩演示""" import mathimport random  def texture_size(width, height, bpp):    """计算纹理内存占用, 单位字节"""    return int(width * height * bpp / 8)  def format_info(width, height):    """输出常见纹理格式的内存占用对比"""    formats = {        "RGBA8 未压缩": 32,        "BC1/DXT1": 4,        "BC3/DXT5": 8,        "ETC2 RGB": 4,        "ETC2 RGBA": 8,        "ASTC 4x4": 8,        "ASTC 6x6": 3.56,        "ASTC 8x8": 2.0,        "ASTC 12x12": 0.89,    }    print(f"{'格式':<14} {'bpp':>6} {'内存占用':>12} {'压缩率':>8}")    print("-" * 50)    orig = texture_size(width, height, 32)    for name, bpp in formats.items():        size = texture_size(width, height, bpp)        ratio = orig / size if size > 0 else 0        print(f"{name:<14} {bpp:>6.2f} {size:>12,} B {ratio:>7.1f}x")  def simple_block_compress(pixels, block_size=4):    """演示块压缩核心思想: 每块保留2个代表色, 其余像素就近取色"""    height = len(pixels)    width = len(pixels[0])    out = [[(0, 0, 0)] * width for _ in range(height)]    blocks_y = height // block_size    blocks_x = width // block_size    for by in range(blocks_y):        for bx in range(blocks_x):            block = []            for dy in range(block_size):                for dx in range(block_size):                    block.append(pixels[by * block_size + dy][bx * block_size + dx])            # 用平均色生成亮暗两个代表色            avg_r = sum(p[0] for p in block) // len(block)            avg_g = sum(p[1] for p in block) // len(block)            avg_b = sum(p[2] for p in block) // len(block)            colors = [                (min(255, avg_r + 20), min(255, avg_g + 20), min(255, avg_b + 20)),                (max(0, avg_r - 20), max(0, avg_g - 20), max(0, avg_b - 20)),            ]            for dy in range(block_size):                for dx in range(block_size):                    px = block[dy * block_size + dx]                    best = min(colors, key=lambda c: (                        (c[0] - px[0]) ** 2 + (c[1] - px[1]) ** 2 + (c[2] - px[2]) ** 2                    ))                    out[by * block_size + dy][bx * block_size + dx] = best    return out  def main():    width, height = 2048, 2048    print("=== 纹理压缩格式对比 (2048x2048) ===")    format_info(width, height)     print("\n=== 简单块压缩演示 (16x16随机纹理, 4x4块) ===")    random.seed(42)    pixels = [[(random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))               for _ in range(16)] for _ in range(16)]    compressed = simple_block_compress(pixels, block_size=4)    total_err = 0    for y in range(16):        for x in range(16):            orig = pixels[y][x]            comp = compressed[y][x]            total_err += sum((orig[i] - comp[i]) ** 2 for i in range(3))    mse = total_err / (16 * 16 * 3)    psnr = 10 * math.log10(255 * 255 / mse) if mse > 0 else 99    print(f"MSE误差: {mse:.2f}, PSNR: {psnr:.2f} dB")    print("说明: 真实BC1用2个端色加调色板插值, 此处用平均色做教学演示")  if __name__ == "__main__":    main()

1. def texture_size(width, height, bpp)实现“盘点公式”：宽乘高乘位率再除8，得到字节数。
2. formats = {...}内置九种格式的bpp表，从RGBA8到ASTC 12×12全覆盖。
3. ratio = orig / size以RGBA8为基准算压缩率，直观看到BC1的8:1与ASTC 12×12的36:1。
4. simple_block_compress(pixels, block_size=4)把像素切成4×4块，模拟块压缩第一层。
5. avg_r / avg_g / avg_b块内求平均色作为亮端色基准，再派生一个暗端色。
6. best = min(colors, key=lambda c: ...)每个像素选择欧氏距离最近的代表色，模拟GPU的索引查表。
7. mse / psnr用均方误差和PSNR量化有损压缩的质量，呼应正文的“质量权衡”。

常见误区

面试题