Pngwolf: как устроен генетический подбор фильтров PNG и кому он нужен сегодня

Pngwolf — узкоспециализированный консольный оптимизатор PNG, созданный Björn Höhrmann для поиска более выгодной последовательности фильтров строк перед Deflate-сжатием. Официальное написание проекта — pngwolf. Это не фоторедактор, не онлайн-компрессор, не приложение с графическим окном и не современный сервис для массовой подготовки картинок. Исходная программа работает на уровне внутреннего представления PNG: анализирует фильтр каждой строки изображения, генетическим алгоритмом ищет сочетание, которое лучше сжимается, а затем формирует новый поток IDAT. На 8 августа 2026 года исходный репозиторий остаётся публичным, но его последний коммит датирован 7 января 2012 года, а раздел GitHub Releases пуст. Поэтому Pngwolf корректнее рассматривать как исторический открытый инструмент и исследовательскую реализацию идеи оптимизации фильтров, а не как активно поддерживаемый продукт с готовым установщиком и современной матрицей совместимости.

Задать вопрос фотографу

Андрей Фёдоров

Как вы могли заметить, здесь есть ТОП-ы на все случаи жизни, причём, их список постоянно пополняется. Кроме того, каждый год они обновляются, ведь я включаю в рейтинги реально лучшие аппараты из всех имеющихся в текущий момент на рынке. Именно мой опыт и знания помогли создать ресурс ТОП Фотограф, который, я надеюсь, приносит вам что-то полезное.

Задать вопрос

Кратко о Pngwolf

У Pngwolf необычная специализация. Большинство оптимизаторов PNG пытаются комбинировать несколько классов преобразований: менять глубину цвета, преобразовывать truecolor в палитровое изображение, удалять ненужные служебные chunks, подбирать параметры Deflate и повторно фильтровать строки. Pngwolf сознательно не охватывает весь этот набор. Его главная задача — найти удачную последовательность из пяти стандартных PNG-фильтров и затем качественно перепаковать поток изображения. Отсюда одновременно следуют сильная сторона программы и её главное ограничение: она глубоко исследует один участок процесса кодирования, но не заменяет универсальный оптимизатор.

Что именно оптимизирует Pngwolf

Чтобы понять смысл программы, достаточно разделить PNG-кодирование на несколько уровней. Пиксели хранятся не как независимый набор готовых байтов, которые Deflate просто «сжимает сильнее» или «слабее». Перед компрессией каждая строка изображения может пройти один из стандартных фильтров PNG. Фильтр не ухудшает картинку: он математически преобразует байты с учётом соседних значений так, чтобы поток часто становился удобнее для последующего Deflate. Декодер выполняет обратную операцию и восстанавливает исходные значения.

Для стандартного метода фильтрации PNG используются пять вариантов: None, Sub, Up, Average и Paeth. Изображение высотой в тысячу строк потенциально имеет огромное количество последовательностей: для каждой строки можно выбрать один из пяти фильтров. Полный перебор быстро становится непрактичным. Обычный кодировщик поэтому использует эвристику — правило, которое выбирает достаточно хороший фильтр без попытки проверить все комбинации.

Pngwolf строится вокруг другого подхода. Последовательность фильтров рассматривается как геном, где каждый элемент соответствует одной строке PNG. Сначала создаются базовые варианты: исходная последовательность, варианты с одним одинаковым фильтром для всех строк, несколько эвристически полученных последовательностей и другие стартовые кандидаты. Затем генетический алгоритм оценивает, скрещивает и изменяет варианты, постепенно отбирая те, у которых сжатый поток получается меньше.

На этапе поиска каждый кандидат не прогоняется через самый медленный финальный компрессор. Исходный Pngwolf использует zlib как сравнительно быстрый оценщик: размер zlib-сжатого потока становится показателем качества комбинации фильтров. После завершения поиска лучший найденный вариант повторно сжимается Deflate-кодировщиком из 7-Zip. Такой двухступенчатый процесс — важная особенность архитектуры: zlib помогает перебрать значительно больше комбинаций, а 7-Zip используется там, где уже нужно получить итоговый IDAT.

Почему результат не гарантирован как математический минимум

Генетический поиск не является полным перебором. Pngwolf ищет улучшения в пределах заданных ограничений времени, числа оценок, объёма выполненного Deflate или периода без прогресса. Кроме того, zlib используется как приближённый оценщик для результата, который в финале формирует другой Deflate-кодировщик. Две последовательности фильтров могут ранжироваться zlib не совсем так, как их ранжирует 7-Zip. Сам автор подробно разбирал эту проблему в технических материалах проекта.

Практический вывод простой: Pngwolf ищет хороший найденный вариант, а не доказывает глобальный минимум размера. Увеличение времени поиска даёт алгоритму больше возможностей, но не превращает генетическую оптимизацию в исчерпывающий перебор. Именно поэтому измерять программу следует по конкретному набору исходных PNG и заданным лимитам, а не по абстрактному обещанию «максимального сжатия».

Какие преобразования программа сознательно не делает

Pngwolf не переводит изображение с малым числом цветов в палитровый режим, не занимается комплексным сокращением битовой глубины и не удаляет невидимые метаданные. Автор прямо отделял эти задачи от генетического подбора фильтров. На практике файл, который велик из-за неудачного цветового представления или большого набора ancillary chunks, может сильнее уменьшиться после обработки другим оптимизатором, даже если тот менее тщательно подбирает фильтры строк.

Это важно и для оценки эффективности. Pngwolf логично сравнивать не с JPEG-компрессорами и не с сервисами, которые уменьшают разрешение или качество, а с lossless-инструментами для PNG. Даже среди них он решает только часть задачи. Для исходников RGB и RGBA его подход наиболее соответствует тому сценарию, ради которого проект создавался; именно эти варианты автор называл наиболее подходящими.

Идентичность продукта и отличие от Pngwolf-Zopfli

Название Pngwolf встречается рядом с другим проектом — pngwolf-zopfli. Их нельзя объединять в один продукт. Исходный Pngwolf принадлежит Björn Höhrmann и на финальном этапе использует Deflate-реализацию из 7-Zip. Pngwolf-Zopfli — более поздний форк Jørgen Ibsen, который заменяет финальный компрессор на Zopfli и имеет собственную историю релизов и лицензионные особенности.

Для обзора оригинального Pngwolf это различие принципиально. Наличие готовых бинарников, номер релиза или поведение опций в форке нельзя автоматически переносить на исходный проект. Аналогично нельзя считать развитие форка продолжением официальной ветки Höhrmann. Если пользователь находит в интернете «Pngwolf 1.x» или инструкцию, где фигурирует Zopfli, сначала нужно проверить репозиторий и автора: велика вероятность, что речь идёт уже о pngwolf-zopfli.

Текущий статус и распространение

Исходный проект расположен в публичном GitHub-репозитории hoehrmann/pngwolf. История содержит 14 коммитов; последний из них датирован 7 января 2012 года. На странице Releases нет опубликованных выпусков, а официальный README описывает сборку из исходного кода. В сообщении автора о проекте также прямо сказано, что он не предоставляет бинарники.

Это означает, что у Pngwolf нет актуального официального установщика, который можно было бы оценивать по стандартной схеме «скачать EXE, запустить мастер, проверить подпись и версию». Современный пользователь имеет дело с исходным кодом и старой инструкцией по сборке. Для обычной оптимизации изображений это серьёзный барьер: приходится самостоятельно решать вопросы совместимости старых зависимостей и нынешнего компилятора.

Что известно о сборке

README перечисляет три внешние зависимости: GAlib, исходный код 7-Zip и zlib. Проект предлагает поместить их в соответствующие подкаталоги и использовать CMake либо собрать перечисленные исходники компилятором напрямую. Отдельно присутствует patch для 7-Zip 9.20, связанный со старыми проблемами сборки. Автор сообщал об успешной компиляции с Visual C++ 2010 и Cygwin GCC 4.3.4.

Эти сведения нельзя трактовать как системные требования на 2026 год. Они фиксируют среду, в которой исходная версия собиралась в момент разработки. В репозитории нет современной таблицы Windows 10/11, актуальных macOS, Linux-дистрибутивов, архитектур ARM64 или новых компиляторов. Поэтому для новой рабочей станции Pngwolf не следует выбирать, если задача требует официально поддерживаемой сборки с предсказуемым обновлением зависимостей.

Цена, редакции и пробный режим

В заголовке исходного файла указана лицензия GNU GPL version 2 или более поздняя версия. В официальном проекте нет отдельных Home, Pro, Enterprise или облачных тарифов, подписки и пробного периода. Публичный репозиторий содержит исходный код; система лицензирования по ключу, аккаунт или активация в программе отсутствуют.

Для оценки стоимости важно различать цену лицензии и стоимость внедрения. Лицензионная модель не требует покупать коммерческую редакцию Pngwolf, но самостоятельная сборка старого проекта, разбор зависимостей и поддержка собственного бинарника могут занимать существенно больше времени, чем установка современного оптимизатора из готового пакета. Для рабочего производственного процесса именно эта эксплуатационная стоимость обычно важнее отсутствия платного тарифа.

Интерфейс: не окно, а четыре этапа консольной работы

У оригинального Pngwolf нет панелей, кнопок, drag-and-drop и предпросмотра изображения. Его интерфейс — набор параметров командной строки плюс текстовый вывод в stdout. Поэтому рабочие зоны здесь разумнее понимать как четыре последовательных слоя взаимодействия: указание файлов и лимитов, анализ PNG, процесс поиска, итоговая сводка.

1. Вход, выход и ограничения запуска

Базовая форма запуска использует параметры –in и –out. Первый указывает входной PNG, второй — путь к оптимизированному PNG. Особенность, которую легко пропустить: по справке Pngwolf выход по умолчанию не сохраняется. Если запустить оптимизацию без –out, программа может выполнить вычисления, но готового PNG по умолчанию не появится.

На этом же уровне задаются ограничения поиска. Параметр –max-time ограничивает общее время в секундах; значение по умолчанию 0 означает отсутствие такого лимита. –max-stagnate-time задаёт время без улучшения, после которого поиск прекращается; в исходной справке значение по умолчанию равно 5 секундам. Есть также предел по числу оценённых геномов и по объёму данных, пропущенных через Deflate. Это делает остановку не только временной: исследователь может ограничивать разные виды вычислительной работы.

2. Анализ изображения

После чтения PNG программа сообщает базовые характеристики: ширину, высоту, глубину, цветовой режим, объём распакованного и сжатого IDAT. Расширенный анализ выводит список присутствующих chunks, ширину строки, сведения о чересстрочности и оценки размера для разных наборов фильтров.

Отдельный режим –info выполняет анализ и завершает работу без генетической оптимизации. Это полезно для диагностики: можно понять, что файл читается, увидеть исходный размер IDAT, присутствующие chunks и базовые варианты фильтрации, не тратя время на эволюционный поиск.

3. Ход генетического поиска

Во время оптимизации Pngwolf сообщает улучшения оценочного размера IDAT. Расширенные параметры verbose позволяют вывести больше данных, включая последовательности фильтров и показатели поколений. Формат подробного журнала задуман как машиночитаемый и основан на YAML, поэтому консольный вывод пригоден не только для человека, но и для последующего исследования результатов.

В исходном коде геном содержит по одному значению фильтра на строку изображения. Программа формирует стартовую популяцию из нескольких детерминированных и эвристических вариантов, а затем применяет генетический алгоритм. В реализации присутствует двухточечное скрещивание; пригодность кандидата оценивается размером потока после быстрого zlib-сжатия. Такой интерфейс хорошо показывает исследовательскую природу Pngwolf: пользователю доступны не только «старт» и «готово», но и внутренние параметры поиска.

4. Финальная сводка и запись

После завершения поиска программа повторно сжимает лучший кандидат и в подробной сводке может показать найденную последовательность фильтров, оценочный размер zlib IDAT, затраченное время, число оценённых геномов, размер результата 7-Zip и разницу с исходным IDAT. Затем новый PNG записывается по –out.

Если лучший финальный сжатый поток оказался больше исходного, обычное поведение защищает от бессмысленного увеличения: без специального –even-if-bigger Pngwolf возвращается к исходному сжатому IDAT. Параметр even-if-bigger существует именно для исследовательских случаев, где нужно сохранить результат независимо от размера. Это не отменяет необходимости сравнивать размер всего файла, но предотвращает намеренное ухудшение основного сжатого потока в стандартном режиме.

Основные функции и как они связаны

Генетический подбор фильтров

Центральная функция — поиск фильтра None, Sub, Up, Average или Paeth для каждой строки. Пять одинаковых фильтров для всех строк, исходная последовательность и несколько эвристических последовательностей используются как ориентиры. Генетический алгоритм затем пытается получить более удачные комбинации. Результат оценивается не по визуальной метрике и не по качеству изображения, а по числу байтов после Deflate.

Такой критерий соответствует цели lossless-оптимизации: пиксели не нужно делать красивее. Требуется изменить обратимое предварительное представление так, чтобы компрессор кодировал его короче. Поэтому Pngwolf не имеет ползунка качества, процентов JPEG-сжатия или настройки разрешения.

Два Deflate-кодировщика в одном процессе

zlib и 7-Zip выполняют разные роли. Быстрый zlib многократно запускается во время оценки кандидатов. 7-Zip применяется к выбранной последовательности в конце. Пользователь может настраивать параметры обоих этапов: уровень zlib, стратегию, окно и memlevel, а также параметры 7-Zip, связанные с проходами, fast bytes и match-finder cycles.

Смысл этих настроек не в том, чтобы дать процент качества, а в компромиссе между количеством вычислений и конечным размером. Более тяжёлые параметры могут увеличить время обработки. Официальная страница прямо подчёркивает приоритет коэффициента сжатия над скоростью для финального Deflate и приводит исторические тесты, которые занимали часы на наборе файлов.

Контроль остановки

Для длительного стохастического поиска важен момент остановки. Pngwolf предоставляет несколько независимых ограничителей: максимальное общее время, максимальное время без улучшения, максимальное число оценок и максимальный объём Deflate. Это позволяет сделать запуск воспроизводимым по бюджету вычислений: например, дать каждому файлу не больше одной минуты либо прекращать поиск, когда улучшений давно нет.

Программа также рассчитана на корректное прерывание: автор отдельно подчёркивал, что найденный результат не должен теряться при остановке пользователем. В исходном main устанавливается обработчик сигнала на время поиска, после чего выполняются финальная рекомпрессия и сохранение, если задан выходной путь. Для длинных запусков это важнее, чем у обычного одношагового компрессора.

Нормализация полностью прозрачных пикселей

Опция –normalize-alpha предназначена для 8-битных RGBA-изображений. Она заменяет цветовые значения полностью прозрачных пикселей на прозрачный чёрный. При нормальном отображении полностью прозрачный пиксель остаётся невидимым, а более однообразные скрытые байты иногда лучше сжимаются.

Однако автор специально не включает этот режим по умолчанию и прямо называет преобразование не lossless. Причина в том, что RGB-значения за нулевым alpha действительно меняются. Они могут понадобиться последующей программе, например при редактировании, изменении альфа-канала или нестандартной обработке. Поэтому –normalize-alpha уместен только тогда, когда скрытые цвета точно не являются значимыми данными.

Сохранение IDAT для исследования

Помимо обычного PNG Pngwolf умеет сохранить исходные и лучшие данные IDAT в gzip-файлы через отдельные параметры. Это не альтернативный формат экспорта картинки и не конвертер PNG в GZIP. Функция нужна для анализа сжатого потока и экспериментов с Deflate. Для фотографа или веб-дизайнера она обычно не нужна, а для разработчика компрессора позволяет отдельно изучать результат без структуры PNG-контейнера.

Форматы, импорт и экспорт

Pngwolf принимает локальный PNG и сохраняет локальный PNG. Конвертации JPEG, WebP, GIF, TIFF, BMP, AVIF или RAW в исходном проекте нет. Это принципиально узкий форматный охват. Если рабочий процесс начинается с JPEG или заканчивается WebP/AVIF, Pngwolf не закрывает его целиком.

При чтении программа проверяет сигнатуру PNG, разбирает chunks, объединяет данные всех IDAT и распаковывает изображение. Исходный код работает со стандартными цветными типами PNG, включая grayscale, truecolor, indexed color и варианты с alpha, но официальный автор отдельно отмечает, что лучший практический сценарий — RGB и RGBA. Чересстрочные изображения отклоняются: Adam7 в исходной реализации не поддержан.

При сохранении Pngwolf не строит новый файл с нуля с очисткой служебной информации. Он удаляет старые IDAT из списка chunks, вставляет новый IDAT перед IEND и сохраняет прочие chunks. Именно поэтому программа не является средством очистки метаданных. Комментарии, цветовые профили и другие дополнительные chunks, присутствовавшие в исходном PNG, не исчезают только потому, что файл прошёл оптимизацию Pngwolf.

Что происходит с несколькими IDAT

PNG допускает несколько последовательных IDAT. Pngwolf при чтении объединяет их сжатые данные, а при записи формирует новый IDAT с оптимизированным потоком. Для пользователя это прозрачно: на выходе остаётся PNG. Но при низкоуровневом сравнении контейнер может отличаться от исходника не только байтами Deflate, поэтому сравнение файлов по бинарному хэшу не подходит для проверки визуальной эквивалентности.

Локальная обработка, интернет и приватность

Рабочая модель исходной программы локальная: вход и выход задаются файловыми путями, компрессия выполняется библиотеками внутри процесса, регистрации и загрузки изображения на сервер нет. После того как пользователь располагает собранным бинарником и необходимой средой, сетевое соединение не является частью операции оптимизации PNG.

При этом локальность не означает автоматическую приватизацию файла. Pngwolf сохраняет не-IDAT chunks и прямо не занимается удалением невидимых метаданных. Если PNG содержит текстовые данные, профиль или другие дополнительные chunks, оптимизация размера сама по себе не очищает их. Для публикации конфиденциальных изображений проверка метаданных должна быть отдельным этапом.

В корпоративном или воспроизводимом pipeline есть ещё один риск: старый исходный проект и его исторические зависимости. Прежде чем включать самостоятельно собранный Pngwolf в производственную цепочку, разумно фиксировать исходный commit, версии зависимостей и собственный процесс сборки. Официальных обновлений безопасности или готовых современных пакетов у исходной ветки нет.

Пакетность, автоматизация, мобильные и ИИ-функции

Один процесс Pngwolf принимает один входной путь и один выходной путь. Встроенного списка файлов, рекурсивного обхода папки, очереди заданий или GUI для batch-обработки нет. Несколько PNG можно обрабатывать внешним shell-скриптом, системой сборки или другим orchestration-инструментом, но это уже автоматизация вокруг Pngwolf, а не встроенная функция программы.

Мобильных приложений, веб-версии и облачного API у исходного проекта нет. Аналогично нет нейросетевой генерации, апскейла, распознавания объектов или умного визуального улучшения. Генетический алгоритм здесь — механизм дискретного поиска последовательности PNG-фильтров. Он не анализирует сюжет фотографии и не меняет изображение по визуальному содержанию.

Для автоматизированной сборки полезнее всего детерминировать бюджет времени и логирование. Параметры лимитов позволяют ограничивать дорогой поиск, а подробный YAML-подобный вывод — собирать статистику. Но результат самого генетического поиска может зависеть от стохастической эволюции, поэтому идентичный лимит не следует воспринимать как гарантию идентичной последовательности фильтров на каждом независимом запуске.

Воспроизводимый рабочий сценарий

Ниже — не универсальная инструкция по установке, а пример того, как устроена логика работы уже собранного Pngwolf. Он полезен для понимания того, какие решения принимает пользователь и где проверяется результат.

1. Сохранить исходник отдельно. Для примера есть файл hero.png. Исходный PNG нужен для сравнения размера и декодированных пикселей после оптимизации.
2. Сначала выполнить анализ. Команда с параметрами –in=hero.png и –info читает файл, выводит характеристики и завершается без генетического поиска. На этом этапе обнаруживается, например, неподдерживаемая чересстрочность или ошибка чтения.
3. Выбрать бюджет поиска. Для предсказуемого запуска можно ограничить общее время: –max-time=60. Это задаёт потолок в 60 секунд, а внутреннее условие остановки по отсутствию улучшений может завершить поиск раньше.
4. Обязательно задать выход. Рабочая команда включает –in=hero.png –out=hero.optimized.png. Без –out исходная справка не обещает сохранение итогового PNG.
5. Не включать –normalize-alpha без причины. Для обычной строго lossless-задачи этот параметр оставляют выключенным, потому что он меняет скрытые RGB-значения полностью прозрачных пикселей.
6. После выполнения сравнить результат. Проверяются размер исходного и выходного файлов, возможность декодирования в целевом ПО, геометрия и пиксельное содержимое. Обычный бинарный хэш файлов различаться будет и не служит доказательством ошибки.
7. Сохранить лог, если важна воспроизводимость. Подробный режим содержит сведения о размере IDAT, времени и числе оценок, поэтому по нему проще сравнивать настройки между файлами.

Пример команды для ограниченного запуска можно записать так: pngwolf –in=hero.png –out=hero.optimized.png –max-time=60 –verbose. Точные пути зависят от оболочки и расположения файлов. Смысл примера — показать обязательный выход, ограничение вычислительного бюджета и диагностический вывод, а не предложить единственную лучшую комбинацию настроек.

Как проверить, что оптимизация действительно полезна

Первый критерий — размер файла, но оценивать нужно не только IDAT, а итоговый PNG целиком. Второй — корректное декодирование в том ПО, где изображение будет использоваться. Третий — совпадение декодированных пикселей для режима без –normalize-alpha. Поскольку Pngwolf меняет фильтры и Deflate-представление, байтовое сравнение самих PNG бессмысленно: два разных файла могут декодироваться в совершенно одинаковое изображение.

Для веб-ресурса дополнительно имеет смысл проверить прозрачные границы и цветовой профиль в реальном браузерном окружении. Pngwolf не предназначен для изменения профиля или метаданных, поэтому их наличие надо контролировать отдельно. Если используется –normalize-alpha, строгая проверка всех RGBA-значений намеренно обнаружит различия в полностью прозрачных пикселях; в таком режиме требуется заранее определить, допустима ли именно эта потеря скрытых данных.

Настройки, которые действительно влияют на поведение

Параметры zlib

В исходной справке есть уровень zlib от 0 до 9, размер окна, memlevel и стратегия. Они относятся к быстрому компрессору, который оценивает геномы. Изменение этих параметров меняет не только скорость отдельной оценки, но потенциально и то, какие последовательности фильтров алгоритм считает перспективными. Поэтому настройка zlib в Pngwolf — часть поисковой модели, а не просто финальный уровень сжатия.

Параметры 7-Zip

Для финального Deflate доступны значения, связанные с числом проходов, количеством fast bytes и циклов поиска совпадений. Справка предупреждает, что увеличение некоторых значений связано с более медленной, но потенциально более плотной компрессией. Использовать максимальные параметры на каждой картинке без измерений нерационально: время может вырасти сильнее, чем выигрыш в байтах.

Размер популяции и исключение стартовых кандидатов

Размер генетической популяции можно менять, а отдельные группы стартовых вариантов — исключать. В обычном пользовательском сценарии эти параметры не нужны. Они интересны при исследовании эвристик: можно сравнить, насколько сильно результат зависит от фиксированных single-filter вариантов, исходной последовательности и экспериментальных эвристик.

Именно здесь Pngwolf отличается от однокнопочного оптимизатора. Большое число параметров не означает более удобную программу; оно отражает экспериментальную природу проекта. Для ежедневной подготовки сотен веб-изображений современная утилита с устойчивыми пресетами, многопоточностью и пакетной обработкой обычно проще в сопровождении.

Ограничения, которые нужно учитывать до выбора

• Нет официальных готовых релизов. Исходный GitHub-проект не публикует Releases; автор отдельно сообщал, что бинарники не предоставляет.
• Разработка исходной ветки давно остановилась. Последний commit датирован 7 января 2012 года, поэтому современная совместимость не поддерживается обновлениями проекта.
• Нет поддержки interlaced PNG. Чересстрочные изображения должны быть предварительно перекодированы другим инструментом.
• Оптимизация узкая. Программа не преобразует цветовое представление ради уменьшения файла и не очищает метаданные.
• Поиск может быть медленным. Каждый кандидат требует повторного Deflate для оценки, а финальная компрессия 7-Zip также ориентирована на размер, а не скорость.
• Нет встроенного batch-режима. Массовый запуск требует внешнего скрипта или системы автоматизации.
• Нет GUI и предпросмотра. Пользователь должен понимать командную строку, файловые пути и смысл параметров.
• Историческая инструкция по сборке зависит от старых компонентов. README ориентирован на GAlib, 7-Zip и zlib того периода и приводит Visual C++ 2010/Cygwin GCC 4.3.4 как проверенные автором среды.
• –normalize-alpha не является строго lossless. Он меняет цветовые компоненты полностью прозрачных пикселей и поэтому требует осознанного применения.

Плюсы и минусы

Кому подойдёт

• Исследователям PNG-компрессии. Логи, альтернативные эвристики и генетическая модель позволяют изучать влияние фильтров на Deflate.
• Разработчикам, поддерживающим исторический pipeline. Если Pngwolf уже зафиксирован в существующей системе и сборка воспроизводима, обзор исходников помогает понимать его роль и ограничения.
• Пользователям, которым важен эксперимент с последними байтами RGB/RGBA PNG. После других безопасных преобразований Pngwolf может использоваться как отдельный этап поиска фильтров, если дополнительное вычислительное время допустимо.
• Тем, кому нужен полностью локальный инструмент без аккаунта. При наличии собранного бинарника изображения не требуется отправлять в сеть.

Кому не подойдёт

• Новичкам, которым нужен готовый установщик. У оригинального проекта нет официальных Releases и GUI.
• Командам с требованием к актуальной поддержке. Репозиторий не обновляется с 2012 года и не предоставляет современную матрицу ОС.
• Проектам с большим потоком изображений. Отсутствие встроенного batch и затратный генетический поиск делают Pngwolf неудобным как основной массовый оптимизатор.
• Тем, кому нужно удалить метаданные. Pngwolf сохраняет не-IDAT chunks и не решает задачу санитарной очистки перед публикацией.
• Тем, кому нужна конвертация форматов. JPEG, WebP, AVIF, TIFF и другие форматы не входят в его рабочий процесс.
• Пользователям interlaced PNG. Такие файлы исходная программа не принимает для оптимизации.

Типичные проблемы и диагностика

Программа отработала, а выходного файла нет

Первое, что нужно проверить, — был ли задан –out. В справке исходной версии явно указано, что по умолчанию результат не сохраняется. Наличие –in недостаточно. Затем проверяют доступность каталога для записи и сообщения о write error.

На входе получена ошибка о чересстрочности

Interlaced PNG — неподдерживаемый случай. Параметром командной строки это не включается. Файл нужно сначала перекодировать в обычный non-interlaced PNG другим инструментом, после чего снова проверить через –info. Важно делать это lossless-способом, если цель всего pipeline — сохранить пиксели.

Pngwolf сообщает ошибку чтения

Нужно проверить сигнатуру PNG и целостность контейнера сторонним валидатором или актуальным оптимизатором с integrity check. Исходный Pngwolf выполняет собственный разбор chunks, но его код содержит незавершённые проверки некоторых комбинаций параметров PNG. Повреждённый или необычный файл разумнее сначала диагностировать современным декодером, а не пытаться обходить ошибку Pngwolf.

Оптимизация идёт слишком долго

Для начала задают конечный –max-time или уменьшают период –max-stagnate-time. Затем не используют максимальные параметры 7-Zip без измерения пользы. Pngwolf создан для дорогостоящего поиска, поэтому отсутствие мгновенного ответа не является признаком зависания само по себе. Подробный вывод помогает отличить работающий поиск с оценкой новых геномов от процесса, который действительно перестал продвигаться.

Размер почти не уменьшился

Это нормальный результат для файла, у которого фильтры и Deflate уже близки к удачному варианту либо основной лишний объём находится вне IDAT. Нужно сравнить общий размер PNG и размер IDAT из анализа. Если значительный объём занимают ancillary chunks или изображение можно без потерь представить более экономным цветовым типом, Pngwolf эти направления не оптимизирует.

Результат получился больше

В стандартном режиме исходная логика сравнивает финальный поток с исходным и не должна намеренно оставлять более крупный IDAT, если не использован –even-if-bigger. Если общий PNG всё же вызывает вопросы, проверяют, не была ли включена эта опция, какой размер IDAT указан в итоговой сводке и не изменился ли контейнерный overhead. Для пользовательского результата смысл имеет размер полного файла, а не только отдельной строки лога.

После –normalize-alpha строгий пиксельный тест показывает различия

Это ожидаемо: режим меняет RGB-компоненты пикселей с нулевым alpha на чёрные. Он специально не включён по умолчанию именно потому, что преобразование не строго lossless. Если последующий pipeline когда-либо раскрывает скрытые цвета изменением alpha или использует их вычислительно, исходник без нормализации следует сохранить.

Сборка не проходит на современном компиляторе

Официальный README не даёт современного рецепта. Он описывает GAlib, 7-Zip source, zlib, CMake, Visual C++ 2010 и Cygwin GCC 4.3.4, то есть инструменты эпохи разработки проекта. Ошибку в новой среде нельзя автоматически считать дефектом нынешней ОС: сначала сравнивают собственные версии зависимостей с теми, под которые написан исходник. Для нового production-проекта быстрее и безопаснее оценить активно сопровождаемый альтернативный оптимизатор.

Альтернативы Pngwolf

Oxipng

Oxipng — современный многопоточный lossless-оптимизатор PNG/APNG на Rust. Он доступен как CLI и библиотека, распространяется через релизы и пакетные менеджеры, поддерживает уровни оптимизации, удаление метаданных и дополнительную alpha-оптимизацию. В отличие от Pngwolf, он рассчитан на современный повседневный workflow и параллельную работу, а не на узкий генетический эксперимент. Для нового проекта это более практичная отправная точка; при этом alpha-оптимизация Oxipng, как и –normalize-alpha у Pngwolf, требует понимания того, что скрытые цветовые значения могут измениться.

OptiPNG

OptiPNG — lossless-оптимизатор с актуальной официальной страницей, исходниками и готовыми Windows-сборками. Он не ограничивается генетическим подбором фильтров: выполняет более комплексную оптимизацию PNG, умеет преобразовывать BMP, GIF, PNM и TIFF в оптимизированный PNG и проверять целостность входных PNG. Если нужен поддерживаемый классический CLI без самостоятельного восстановления старого toolchain, OptiPNG проще внедрить. Pngwolf интереснее там, где требуется именно исследовать выбор фильтров генетическим методом.

pngcrush

pngcrush — ещё один классический консольный оптимизатор, способный пробовать варианты фильтрации и zlib-параметров, а также управлять ancillary chunks. Его публичные файлы на SourceForge тоже относятся к зрелому, давно существующему инструменту, поэтому он не является примером нового интерфейса. Зато для задач, где нужно не только перепаковать IDAT, но и явно оставить или удалить определённые chunks, его модель ближе к комплексной обработке контейнера, чем Pngwolf.

Efficient Compression Tool

Efficient Compression Tool, или ECT, — C++-оптимизатор, который работает не только с PNG, но также с JPEG, GZIP и ZIP. Проект поддерживает сборку через CMake и многопоточность. Он лучше соответствует сценарию, где один консольный инструмент должен обслуживать несколько типов статических файлов. Pngwolf, напротив, ценен именно как узкий PNG-эксперимент и не пытается быть универсальным компрессором ресурсов.

Как выбирать между Pngwolf и альтернативами

Проверка результата: что считать успешной оптимизацией

Для Pngwolf недостаточно увидеть строку bytes smaller. Успешный результат должен пройти несколько независимых проверок. Во-первых, выходной PNG должен корректно декодироваться в целевом программном окружении. Во-вторых, без –normalize-alpha декодированные пиксели должны совпадать с исходником. В-третьих, итоговый размер файла действительно должен быть меньше либо, как минимум, не хуже настолько, чтобы оправдать дополнительный этап pipeline.

При прозрачности проверяют не только внешний вид на одном фоне. Ошибка в alpha или скрытых цветах может проявиться позже при композитинге. Если нормализация прозрачных пикселей выключена, строгая RGBA-проверка остаётся разумным критерием. Если она включена, различия в полностью прозрачных RGB должны быть заранее признаны допустимыми, а все видимые и полупрозрачные пиксели — остаться корректными.

Метаданные проверяются отдельно. Поскольку Pngwolf их не удаляет, уменьшенный размер нельзя интерпретировать как доказательство, что файл безопасен для публикации с точки зрения приватности. Если политика проекта требует удалять textual chunks, цветовые комментарии или прочие служебные данные, это должен делать другой этап с явно заданной политикой.

FAQ

Имеет ли смысл запускать Pngwolf после другого PNG-оптимизатора?

Да, если предыдущий этап решает задачи, которых нет у Pngwolf: например, выбирает более экономное цветовое представление или удаляет ненужные ancillary chunks. После этого Pngwolf может отдельно искать другую последовательность строковых фильтров. Такой подход соответствует узкой архитектуре программы: она не пытается заменить остальные классы lossless-преобразований.

Являются ли файлы из –original-idat-to и –best-idat-to готовыми картинками?

Нет. Эти параметры сохраняют данные IDAT в gzip-представлении для технического анализа. Полученный файл не является самостоятельным PNG: у него нет обычного набора PNG chunks, сигнатуры и IHDR. Для публикации используется путь, заданный через –out.

Чем –even-if-bigger отличается от –bigger-is-better?

Это разные исследовательские режимы. –even-if-bigger разрешает оставить результат, даже когда финальный сжатый поток оказался больше исходного. –bigger-is-better меняет направление эксперимента так, чтобы большие результаты считались предпочтительными. Для обычного уменьшения PNG обе опции не нужны.

Что произойдёт при прерывании длительного поиска?

Программа проектировалась так, чтобы обработанное ею прерывание поиска не уничтожало лучший найденный вариант: после остановки выполняется финальная рекомпрессия и сохранение при наличии –out. Это не относится к безусловному завершению процесса операционной системой или аварии питания — в таких ситуациях код не получает возможности штатно записать результат.

Гарантирует ли одинаковая команда байт-в-байт одинаковый результат?

Генетический поиск использует эволюцию стартовой популяции и не является простым детерминированным перебором всех комбинаций. Для исследовательской воспроизводимости важнее фиксировать исходный commit программы, зависимости, параметры и журнал запуска, а затем сравнивать получившийся размер и декодированное изображение.

Можно ли использовать Pngwolf как валидатор PNG?

Режим –info удобен для первичного анализа, однако исходный код Pngwolf не является современным эталонным валидатором формата: в нём остаются комментарии о неполной проверке некоторых сочетаний параметров. Для задачи, где критична формальная корректность входного файла, проверку следует отделять от оптимизации.

Почему у оригинального проекта нет нормального номера актуальной версии?

В репозитории нет опубликованных GitHub Releases и тегов, на которые можно было бы сослаться как на текущий выпуск. Для воспроизводимого использования исходной ветки точнее фиксировать конкретный Git commit. Последняя запись истории master — commit от 7 января 2012 года.

Можно ли оценить результат только по размеру IDAT из лога?

Нет. IDAT — главный объект работы Pngwolf, но пользователь хранит весь PNG-контейнер. Итоговое сравнение делают по размеру полного файла, а анализ IDAT используют, чтобы понять, откуда пришло изменение. Дополнительные chunks сохраняются и тоже занимают место.

Нужен ли –normalize-alpha для обычной lossless-оптимизации?

Нет. Нормализация прозрачности — отдельное изменение данных, а не обязательная часть алгоритма. Стандартный lossless-сценарий оставляет этот параметр выключенным; тогда скрытые RGB-значения полностью прозрачных пикселей не заменяются на чёрные этой функцией.

Итог по сценариям использования

В 2026 году Pngwolf имеет смысл выбирать не как универсальный способ сжать PNG, а как конкретный алгоритмический инструмент. Для исследования фильтров, воспроизведения старого pipeline или эксперимента с тем, насколько генетический поиск способен улучшить уже подготовленный RGB/RGBA PNG, проект остаётся содержательно интересным: исходный код открыт, механизм прозрачен, ограничения поиска настраиваются, а диагностический вывод показывает внутренние результаты.

Для новой регулярной обработки веб-графики приоритеты обычно другие: готовая сборка, активные обновления, многопоточность, пакетная работа, понятная политика метаданных и современная совместимость. По этим критериям исходный Pngwolf проигрывает актуальным инструментам. Его последний commit относится к 2012 году, официальных Releases нет, interlaced PNG не поддерживается, а сборка опирается на исторические инструкции и внешние исходники.

Если задача — уменьшить один уже оптимизированный non-interlaced RGB/RGBA PNG и время вычислений не критично, Pngwolf можно рассматривать как дополнительный экспериментальный этап после более комплексной оптимизации. Если задача — обслуживать тысячи файлов, очищать метаданные, конвертировать форматы или получать официально поддерживаемый бинарник, разумнее сразу использовать современную альтернативу. А –normalize-alpha следует отделять от обычного lossless-сценария: этот режим допустим только там, где скрытые цвета полностью прозрачных пикселей заведомо не несут нужной информации.