データ圧縮とは何か

データ圧縮とは、元のデータを「そのまま保存・送信するより少ない量」に置き換えることで、ストレージ容量や通信時間を減らす考え方です。代表的には、元のデータに含まれる繰り返し・偏り・予測可能性を利用して、不要になった表現や冗長さを削ります。

仕組みの基本：可逆と不可逆

可逆圧縮

可逆圧縮は、圧縮したデータから元のデータを完全に復元できます。典型的には、次のような発想を組み合わせます。

  • 繰り返しの表現化：同じ並びが何回続くか等を短く記録する
  • 頻度に基づく符号化：よく出るものほど短い表現を割り当てる（可変長の符号化の考え方）
  • 予測と差分：次の値を予測し、差分だけを小さく表す

可逆圧縮では「復元のために必要な情報」を残すため、不可逆ほどは縮まらないことがあります。

不可逆圧縮

不可逆圧縮は、圧縮後に完全復元できません。その代わり、人が気づきにくい情報や、目的に対して重要でない情報を削って小さくします。画像・音声・動画などでよく使われます。

不可逆では削除や近似が入るため、同じ元データでも圧縮の強さ（設定）によって品質とサイズが変わります。どこまで許容できるかは用途次第です。

仕組みをもう一段具体化する：主要な要素

データ圧縮は、単一の手法というより「符号化・予測・統計・変換」の組み合わせとして理解すると整理しやすいです。

  • 統計的な考え方：出現しやすいパターンを短く、出にくいパターンを長くすることで、平均の符号長を減らします。
  • 予測と残差（差分）：データが時間的・空間的に変化しやすい場合、「次はだいたいこのくらい」と見積もって、そのズレ（残差）を圧縮します。ズレが小さいほど効果が出やすくなります。
  • ブロック化と変換（主に不可逆で多い考え方）：データを扱いやすい単位に分け、表現を変えてから不要度の低い成分を減らします。可逆でも“変換→符号化”という流れ自体はあり得ますが、どこまでを捨てるかが可逆/不可逆の差になります。

伸長（デコード）で何が起きるか

圧縮とセットで重要なのが、**伸長（復元）**です。

  • 可逆：圧縮時に残した情報を使って元に戻します。一般に、圧縮に失敗して情報を落としていると復元できません。
  • 不可逆：近似で戻すため、復元結果は元と一致しません。ここでのポイントは「一致しないこと」それ自体ではなく、用途に耐える品質であるかです。

制限と“効きにくい”条件

データ圧縮は万能ではなく、効果はデータ特性と方式の相性に依存します。代表的な限界を挙げます。

  1. ランダムに近いデータ 繰り返しや偏りが少なく、統計的に予測しづらいデータは、圧縮してもサイズが思ったほど減らないことがあります。場合によっては圧縮用の情報が増え、逆に大きくなることもあります。

  2. 圧縮強度と品質（不可逆） 不可逆では、強く圧縮するほど品質は落ちやすくなります。 逆に弱くすればサイズはあまり下がりません。