压缩后画质到底行不行：从肉眼对比到客观指标
压缩完成，文件小了一圈，但“画质到底有没有变差”这个问题，多数人只能凭一遍播放的感觉回答。感觉在长短不一的对照里非常不可靠：看久了会适应，快切镜头会掩盖损伤。要回答得有底气，得知道评估画质的三条路径各看什么。
三条评估路径：肉眼、截图、指标
肉眼对照是第一层：同一内容、同一进度，压缩前后的两个文件并排播放，重点看高动态片段。它的优点是直接，缺点是记忆不可靠——隔十分钟再看一遍，你已经说不出刚才那版树影的细节是不是更多。
逐帧截图对比是第二层：把同一时间点的帧从压缩前后各截一张，放大看细节差异。把“流过的画面”变成“停住的照片”，瞬时的块效应、拖影、纹理糊化都无处可藏。第三层是客观指标：PSNR、SSIM、VMAF 这类算法对两张图打分，用数字回答“差多少”。
肉眼对照的正确姿势
对照播放要控制变量：同一台设备、同一个播放器、同一个进度起点，画面窗口一样大。先整体看一遍动态片段——压缩损伤在快速运动时暴露得明显，静止画面反而不容易看出来。
一个实用技巧是“离远看再凑近看”：离远了看整体流畅度与色彩，凑近了看人物边缘、字幕边缘有没有毛边。压缩伪影最常见的位置是运动物体的边缘和文字周围，这两处多花几秒，胜过通篇泛看。
逐帧截图找什么
对照截图优先看三类位置。一是纹理细节：发丝、树叶、水面波纹，压缩后常被“抹平”成色块。二是暗部区域：低码率压缩的块效应（画面上隐约的方格）在暗部最明显。三是快速运动的瞬间：拖影、残影、涂抹感，都是帧内信息被丢弃的痕迹。
截图对比还有个隐藏价值：它把主观争论变成共同事实。发给同事或客户确认画质时，两张并排截图远比“你自己看看”高效。
客观指标在测什么
PSNR（峰值信噪比）逐像素比较两幅图的数值差异，算法简单但与人眼感受相关性一般——有时数字更好看，肉眼反而觉得更差。SSIM（结构相似度）改进在“看结构”：亮度、对比度、结构三个维度分别比较，对纹理损伤更敏感。
VMAF 是 Netflix 开源的感知质量指标：把多个基础指标的结论交给一个模拟人眼视觉特性的模型综合打分（0–100 分），对压缩损伤的主观相关度是公开指标里最高的，也是流媒体行业调参的事实标准。数值参考：90 以上多数观众看不出差异，70 以下明显劣化。
本地处理的评估优势
在浏览器本地处理视频，评估链路有个天然优势：源文件和产物都在你手里，没有上传下载带来的二次压缩。截图对比、并排播放、反复回看都可以随时做，产物文件就是最终交付物本身，不存在“云端转完再下载一遍又压一次”的干扰。
一个简单的工作流：压完先播一段高动态片段（跑步、镜头切换、下雨）十秒钟，有明显异样再进截图对比；日常分享到此为止，交付级内容再走逐帧与指标。
什么时候需要较真
三类场景值得较真：交付给客户的成片（对方可能二次剪辑，压缩损伤会被放大）、存档用的母带（损伤不可逆，宁可文件大）、多代转码链条里的中间产物（每代都在累积损伤）。
日常社交分享不需要逐帧较真：平台上传后还会再压一遍，你在本地追求的极限画质，过完平台编码器就不存在了。把较真花在刀刃上，把流程花在效率上。