图像处理主要在帧上完成。数字图像帧是像素的矩形光栅，在 RGB 颜色空间或颜色空间（如 YCbCr）中。因此，正如您所注意到的，您可以确保您的压缩图像在您的应用程序中被解码为矩形光栅。每个编码图像文件与其数据一起存储源位图大小（宽度和高度）和源颜色空间（像素格式和位数）。解码时，这些参数被恢复。因此，无论使用何种无损/有损算法，如果通过编码相同的源位图数据来接收 lo-res 和 hi-res 压缩图像文件，则恢复的光栅矩形的大小（以字节为单位）都是相同的。

编辑：“多分辨率”评论相当正确地纠正了我的答案，还有另一个解释为什么应用程序可能不会在 CPU 内存中分配源光栅占用的整个内存：解码器可以使用 GPU 内存。但是 OP 注意到，无论编码的图像质量如何，解压缩的图像都会占用“几乎相同数量的内存空间”。即使使用多分辨率，应用程序也可以将图像解码为源尺寸。此外，代码性能对图像质量的依赖不是问题的一部分。

尽管如此，“多分辨率”注释对于完整性是绝对必要的。

解码有时是解压缩的另一个词。压缩曾经被称为“源编码”（与信道编码相比）。

对于以单一分辨率压缩的图像，例如在基线 JPEG 中，最终解压缩的图像具有与原始图像相同的大小，正如已经回答的那样。对于像 JPEG2000 这样的多分辨率编码器，情况可能并非如此。

此外，高度压缩的图像（即质量较差的图像）的解码速度可能比高质量的图像要快一些，因为要解码的信息更少。

一个 jpeg 压缩图像包含（以字节为单位）唯一“信息”的上限，该信息可以可靠地从该图像中提取。解码会增加文件大小，但不会增加对真实场景的了解。此外，jpeg “相当好”，但在判断哪些细节对人类观众来说很重要时，还远远不够完美。

考虑到这一点，如何对压缩的 jpeg 数据进行训练呢？不需要将几个 dct 系数扩展为 8x8 像素的“平滑”数据吗？