JPEGの色サブサンプリングでファイルサイズはどれだけ変わるか 4:4:4から4:2:0まで写真3枚で実測しました

IT・仕事術

記事内に広告が含まれています。

この記事でわかることをまとめました

ブログに載せる写真をJPEGで保存するとき、色サブサンプリングの設定(4:4:4/4:2:2/4:2:0)でファイルサイズがどれだけ変わるのかを、私が実測しました。

結論です。今回の写真3枚(いずれも900×1200pxのJPEG)を、Pillowで品質85に固定し、サブサンプリング3段階(4:4:4/4:2:2/4:2:0)で保存した場合、同じ写真の4:4:4の出力を100とした割合の平均は、4:2:2で92.3%、4:2:0で87.0%になりました。

元のJPEGファイル(4:2:0)との近さで測ったSSIMの平均は、4:4:4で0.994589、4:2:2で0.994605、4:2:0で0.996350でした。

SSIMの平均どうしの差は、表の平均値どうしで見ると、一番大きい組み合わせ(4:2:0の平均と4:4:4の平均)でも0.001761と小さい値でした。

変換時間は、保存を20回行った中央値で見て、今回の計測では条件どうしの一貫した差は確認できませんでした。

図1:4:2:0にするほど、4:4:4を100とした割合は小さくなりました

写真3枚それぞれについて、同じ写真の4:4:4の出力を100とした割合をサブサンプリングごとに比べたグラフです。4:2:2では91.0〜93.0%、4:2:0では84.9〜88.4%になっています。凡例は英語です。
図1:同じ写真の4:4:4の出力を100とした割合を、写真ごとに示しました。

図1は、同じ写真の4:4:4の出力を100として、4:2:2と4:2:0の割合を写真ごとに並べたものです。

図1の凡例は英語で、Night street(夜の通り)、Building exterior(建物の外観)、Bottle shelf(ボトルの棚)と表示しています。

調べた写真と保存の方法をまとめました

素材は、このブログの記事用に用意した写真3枚です。夜の通り、建物の外観、ボトルの棚で、いずれも900×1200pxのJPEGです。

元のファイルの大きさは、夜の通りが217,784バイト、建物の外観が210,187バイト、ボトルの棚が226,196バイトです。

私は2026年11月15日に、この3枚をPillow(Pythonの画像ライブラリ、バージョン10.2.0)で保存しました。品質は85に固定し、サブサンプリングを4:4:4/4:2:2/4:2:0の3段階にして、3枚×3段階で9点のファイルを作りました。

  • 大きさ(寸法)は変えていません。
  • ファイルサイズは、保存したファイルの実測値です。
  • 変換時間は、各条件で保存を20回行い、20回の中央値を使いました。
  • 画質はSSIMで測りました。SSIMは1に近いほど、比べる相手に近いことを表す指標です。比べる相手は元のJPEGファイルで、ffmpegのssimフィルタで計算しました。

SSIMの計測では、比べる相手の元のJPEGファイルと出力の両方を4:4:4(yuvj444p)に変換してから計算しました。

割合は、同じ写真の4:4:4で保存したファイルの大きさを100として、バイト数から直接計算し、小数第1位に丸めました。元のJPEGファイルの大きさを100とした割合も、同じ方法で計算しました。

割合の平均は、写真ごとの割合を丸める前の値で平均し、最後に小数第1位に丸めています。

写真3枚×3段階のバイト数と割合を表にまとめました

写真サブサンプリングファイルサイズ(バイト)4:4:4を100とした割合元のJPEGを100とした割合
夜の通り4:4:4258,317100.0%118.6%
夜の通り4:2:2240,11793.0%110.3%
夜の通り4:2:0228,33988.4%104.8%
建物の外観4:4:4252,339100.0%120.1%
建物の外観4:2:2234,29892.9%111.5%
建物の外観4:2:0221,20687.7%105.2%
ボトルの棚4:4:4280,856100.0%124.2%
ボトルの棚4:2:2255,55491.0%113.0%
ボトルの棚4:2:0238,53684.9%105.5%
3枚の平均4:4:4263,837.3100.0%120.9%
3枚の平均4:2:2243,323.092.3%111.6%
3枚の平均4:2:0229,360.387.0%105.2%

段階ごとに分かったことをまとめました

ファイルサイズは、3枚とも4:4:4が一番大きく、4:2:2、4:2:0の順に小さくなりました。

  • 4:2:2の出力は、同じ写真の4:4:4の出力を100とすると、93.0%/92.9%/91.0%で、平均は92.3%でした。
  • 4:2:0の出力は、同じ写真の4:4:4の出力を100とすると、88.4%/87.7%/84.9%で、平均は87.0%でした。
  • 4:2:0の出力は、同じ写真の4:2:2の出力を100とすると、バイト数から直接計算して、95.1%/94.4%/93.3%で、平均は94.3%でした。

それぞれ直前の段階の出力を100として比べると、4:2:2から4:2:0へ変えた段階のほうが、4:4:4から4:2:2へ変えた段階よりも、小さくなる幅は小さくなりました。

元のJPEGより、3条件とも大きくなりました

品質85で保存し直した出力は、元のJPEGファイルを100とすると、4:4:4で平均120.9%、4:2:2で平均111.6%、4:2:0で平均105.2%でした。

今回の写真3枚では、3条件とも元のJPEGファイルより大きくなりました。

図2:SSIMは3条件とも0.993を超えました

写真3枚それぞれについて、元のJPEGとのSSIMをサブサンプリングごとに比べたグラフです。縦軸は0.990から始まっています。SSIMの範囲は、4:4:4では0.993691〜0.995481、4:2:2では0.993498〜0.995393、4:2:0では0.995982〜0.996782です。凡例は英語です。
図2:元のJPEGファイルとのSSIMを、写真ごとに示しました。縦軸は0.990から始まっています。

図2の凡例も英語で、Night street、Building exterior、Bottle shelfと表示しています。

写真4:4:44:2:24:2:0
夜の通り0.9954810.9953930.996782
建物の外観0.9945950.9949230.996287
ボトルの棚0.9936910.9934980.995982
3枚の平均0.9945890.9946050.996350

元のJPEGファイル(4:2:0)との近さで測ったSSIMの平均は、4:4:4で0.994589、4:2:2で0.994605、4:2:0で0.996350でした。

SSIMの平均どうしの差は、表の平均値どうしで見ると、一番大きい組み合わせ(4:2:0の平均と4:4:4の平均)でも0.001761でした。

写真ごとに見ると、夜の通りとボトルの棚では4:4:4が4:2:2より高く、建物の外観では4:2:2が4:4:4より高くなりました。条件の順序とSSIMの順序は、写真ごとに一致しませんでした。

SSIMの比べる相手は、元のJPEGファイルです。元のファイル自体が4:2:0(yuvj420p)なので、この結果から「4:2:0の画質が一番高い」とは言えません。

言えるのは、元のJPEGファイル(4:2:0)との近さで測ったSSIMでは、3条件の平均の差が小さいことです。

変換時間には、一貫した差が確認できませんでした

変換時間は、各条件で保存を20回行った中央値で見ると、4:4:4で0.0140〜0.0175秒、4:2:2で0.0150〜0.0180秒、4:2:0で0.0140〜0.0175秒の範囲でした。

写真4:4:4(秒)4:2:2(秒)4:2:0(秒)
夜の通り0.01400.01800.0140
建物の外観0.01500.01700.0175
ボトルの棚0.01750.01500.0150

夜の通りでは4:2:2の0.0180秒が一番長く、建物の外観では4:2:0の0.0175秒が一番長くなりました。条件の順序と時間の順序は、写真ごとに一致しませんでした。

そのため、今回の計測では、変換時間に条件どうしの一貫した差は確認できませんでした。

図3:夜の通りの中央付近を、元のJPEGと3条件で並べました

夜の通りの写真の中央付近(元の座標で左上300・500から300×300px)を切り出し、元のJPEG、4:4:4、4:2:2、4:2:0の出力を同じ大きさで横に並べた画像です。各画像には英語のラベルが付いています。
図3:夜の通りの中央付近を、元のJPEGと3条件で同じ大きさにして並べました。

図3は、夜の通りの写真の中央付近(元の座標で左上300・500から300×300px)を切り出したものです。

図3のラベルは英語で、Original JPEG/JPEG 4:4:4/JPEG 4:2:2/JPEG 4:2:0と表示しています。

この表示の大きさでは、4:2:0と元のJPEGファイルの違いは、私の目視ではっきりとは分かりませんでした。違いの判断は、SSIMの数値で行いました。

この実測を読むときの注意点をまとめました

  • 元の写真は900×1200pxで、すでにJPEGとして保存されていたファイルです。画素形式は4:2:0です。カメラから取り出したばかりの大きな写真では、割合の出方が変わる場合があります。
  • サブサンプリングの4:4:4/4:2:2/4:2:0は、保存に使ったPillow(内部のJPEGライブラリ)での指定値(0/1/2)に対応します。ほかのソフトでは、同じ指定でも結果が変わる場合があります。
  • SSIMは元のJPEGファイル(4:2:0)との比較で、両方を4:4:4に変換してから計算しました。元のファイル自体の画質を評価する数値ではなく、無劣化の元画像と比べた画質の順位を示す数値でもありません。
  • 変換時間は、この環境での計測です。使う機械が変われば、時間は変わります。

関連する計測記事もあわせて読んでみてください

このブログで実測した記事として、JPEGの品質を実測した記事があります。

このブログで実測した記事として、WebPの品質を実測した記事もあります。あわせて読んでみてください。

今回の実測の結論をまとめました

今回の写真3枚(900×1200pxのJPEG)を、Pillowで品質85に固定し、サブサンプリング3段階(4:4:4/4:2:2/4:2:0、寸法は変更なし)で保存した範囲では、同じ写真の4:4:4の出力を100とすると、平均は4:2:2で92.3%、4:2:0で87.0%でした。

元のJPEGファイルを100とすると、平均は4:4:4で120.9%、4:2:2で111.6%、4:2:0で105.2%で、3条件とも元より大きくなりました。

元のJPEGファイル(4:2:0)との近さで測ったSSIMの平均は、0.994589から0.996350の範囲でした。表の平均値どうしの差は、一番大きい組み合わせでも0.001761と小さい結果です。元のファイル自体が4:2:0なので、4:2:0の画質が一番高いとは言えません。

変換時間は、各条件で保存を20回行った中央値で見て、一貫した差を確認できませんでした。

この結果は、今回の写真3枚と品質85と3段階の範囲に限った実測です。

コメント

タイトルとURLをコピーしました