噪点很好（很难压缩），但是从远处看会变灰，变得容易压缩。一个好的模式将是一种分形，在所有尺度上看起来都相似。

嗯，有分形噪声。我认为布朗噪声是分形的，当你放大它时看起来一样。Wikipedia 谈到了在不同的尺度上将 Perlin 噪声添加到自身以产生分形噪声，这可能是相同的，我不确定：

不过，我认为这并不难压缩。噪声很难用于无损压缩，但 JPEG 是有损的，所以它只会丢弃细节而不是挣扎。我不确定是否可以制作“JPEG 难以压缩”的内容，因为它只会忽略任何在该质量级别上难以压缩的内容。

在任何规模上都有硬边的东西可能会更好，比如无限棋盘平面：

还有很多颜色的东西。也许看看实际的分形而不是分形噪声。也许是蒙德里安分形？:)

如果我们谈论的是计算机生成的图像，噪声将是正确的方法。但在这里，有相机捕捉步骤。

由于尺度不变性问题，分形位非常重要。但是，如果您认为要拍摄人物的距离范围有限，那么它不一定是真正的分形。我的意思是，如果穿布的人在照片的背景中，无论如何不会有太大的影响......

我认为欺骗 JPEG 编码器的最好方法是让块具有非常高的高频系数，这些块可以在量化中幸存 = 很多细节和锐利的边缘；因此必须明确写入整个系数序列（而不是第 15 个系数左右的 EOB）。棋盘模式是实现这一目标的好方法。我看到的唯一缺点是镜头的低分辨率+相机抗锯齿滤镜很可能会模糊它！一切都应该发生在 8x8 块（或 16x16 块色度）内，因为 JPEG 在宏观尺度上没有多大作用。你必须让你的 8x8 块尽可能地凌乱，不管镜头会让它们变得多么模糊。

这是一个建议：

您可能想知道对比度较低的块在这里做了什么，但它们有助于在缩小物体时保持对比度区域。这里的挑战是无论观看规模如何，都要拥有具有对比模式的东西。

我还没有正式评估这一点。最好的方法是有一个脚本来获取图像，应用十几个具有各种参数的裁剪/调整大小/模糊，并吐出 JPEG 的总大小。

JPEG 可利用和转换可压缩之间存在差异。

以电视机的白色颗粒状噪声为例。

一般白噪声在频率上传播最大，因此没有比任何变换域编码技术都无法压缩的白噪声更好的例子。如果您采用此类噪声并采用 DCT（或 DFT，如果需要），我们会发现频域也很广，所有系数都将很重要。

然而，仍然没有人阻止你积极量化。这样，您仍然可以从高频区域丢弃大量。结果将有严重的均方误差。然而，在感知上它仍然是噪音。虽然它可能被严重模糊。

另一方面，现在拍摄边缘锐利的图像。

尖锐的边缘也会在更高的频率上扩散（但可能只是比前一种情况少一点）。但是，在尝试压缩它和降低高频时，现在在视觉上会有很大的障碍。它将引入边缘模糊、振铃效应等。虽然此类图像的带宽扩展可能不是最高的，但对于 JPEG 或任何此类等效压缩，保持此类图像在感知上相同的质量将是困难的。

对于任何有损压缩，艰难和简单取决于可以容忍的失真程度和类型。

下面的组合显示了该模式的分形类型结构。下一张图片是对前一张的每个 2x2 像素块进行平均的结果。图案的整体特征保持不变，但图像对比度逐渐降低。正如之前所说，当我们缩小时，图片会变灰。

但是使用分形属性，我们可以将几种不同分辨率的图案叠加在一起，以保持图像对比度稳定在所需的范围内。以下是 4 层图案 (512x512 GIF) 的示例。这个结果更接近布朗噪声，也很难压缩 JPEG。