В основе методов архивации изображений без потери информации лежит:

В основе методов архивации изображений без потери информации лежит устранение избыточности в данных (избыточного представления), то есть такое кодирование, при котором исходные значения пикселей можно восстановить в точности.

Обычно речь идёт о нескольких видах избыточности, которые и “выжимают” без искажений:

1. Статистическая (энтропийная) избыточность
   В реальных изображениях одни значения (цвета/яркости, разности между соседними пикселями) встречаются чаще других. Если кодировать частые значения более короткими кодами, а редкие — более длинными, общий объём уменьшается, но информация не теряется.
   Примеры подходов: кодирование Хаффмана, арифметическое кодирование.

2. Пространственная (корреляционная) избыточность
   Соседние пиксели обычно похожи, особенно на плавных переходах. Поэтому можно хранить не сами значения, а “предсказание + ошибку предсказания” (дельты), которые часто получаются маленькими и лучше сжимаются.
   Пример: предиктивное кодирование, фильтры/разности перед энтропийным сжатием (как в PNG).

3. Повторяющиеся фрагменты (структурная избыточность)
   Если в данных часто повторяются одинаковые последовательности байтов, их можно заменить ссылками на ранее встречавшиеся фрагменты.
   Пример: словарные методы (LZ77/LZ78 и т.п.), RLE для длинных серий одинаковых значений.

Ключевой смысл: без потерь сжимают не “качество”, а “лишнее” в способе представления данных — за счёт более компактного обратимого кодирования.