6.1 MP3 與 JPEG：砍掉聽不見與看不見的部分#

1992 年，兩個改變世界的國際標準幾乎同時誕生：靜態影像壓縮標準 JPEG，以及後來席捲音樂產業的 MP3（MPEG-1 Audio Layer III，1993 年定稿）。兩者的數學心臟相同：把訊號轉到頻域，然後「量化」——用較粗糙的精度儲存人類感知不敏感的成分。這是傅立葉思想與資訊理論、神經科學、國際標準政治的一次完美合流。

JPEG：把照片切成 8×8 的小方塊#

JPEG 的編碼流程可以簡述如下：

色彩空間轉換：RGB 轉為亮度 Y 與色度 Cb/Cr（人眼對亮度敏感、對色度遲鈍，故色度可以降低解析度）。
分塊：影像切成 8×8 像素的小方塊。
離散餘弦轉換（DCT）：每塊做 II 型 DCT——它是傅立葉轉換的實數近親，把 64 個像素值變成 64 個空間頻率係數：左上角是低頻（大範圍的明暗變化），右下角是高頻（細碎紋理）。
量化：除以一張量化表並取整。人眼對高頻的分辨力低，故高頻係數量化得粗，許多直接變成 0。
熵編碼：用 Huffman 編碼（1952 年大衛·霍夫曼的博士論文成果）與行程編碼壓縮這些 mostly-zero 的係數。

DCT 為什麼勝過普通傅立葉轉換？因為影像的邊界效應：DCT 相當於把資料鏡像延拓後做傅立葉轉換，邊界連續、能量更集中，且不需虛數。Rao 與 Yip 的專書（1990）系統化了 DCT 理論，而 DCT 成為 JPEG、MPEG、H.26x 一切影像視訊標準的基石。

graph LR
    A[原始影像] --> B[色彩空間轉換與分塊]
    B --> C[8x8 DCT：空間→頻率]
    C --> D[量化：高頻粗略化]
    D --> E[霍夫曼編碼]
    E --> F[壓縮檔案]

MP3：心理聲學進入數學#

MP3 的故事多了一層神經科學。關鍵概念是遮蔽效應（masking）：一個響亮的純音會讓鄰近頻率的弱音聽不見——這是 19 世紀以來心理聲學累積的知識，1970 年代在德國由 Zwicker 等人定量模型化（臨界頻帶，Bark 尺度）。1979 年起，德國埃爾朗根–紐倫堡大學與 Fraunhofer 研究所的團隊（Karlheinz Brandenburg 等）開始研究基於此原理的音訊壓縮；1980 年代末與國際 MPEG 委員會的競賽匯流，1993 年 MP3 成為 MPEG-1 標準的一部分。

MP3 的做法：把音訊切成短幀，每幀經混合濾波器組（含改良型 DCT，MDCT）變換到頻域，同時用心理聲學模型判斷「此刻哪些頻率成分被遮蔽、聽不見」，只分配位元給聽得見的成分。理論上失真始終存在，但落在人耳的盲區。音質評測甚至催生了「blind test」（ABX 聽感測試）的方法論——感知科學成為編碼標準的一部分。

經濟與文化的地震#

壓縮率約 10:1 的 MP3，讓一首歌從 40 MB 縮到 4 MB。在 1990 年代末的撥接網路上，這是「可傳播」與「不可傳播」的分界線。1998 年 MP3 播放器上市、1999 年 Napster 上線、2001 年 iPod 問世——音樂產業的版權經濟被重寫：實體唱片銷售崩跌，數位銷售與串流崛起。一個 1970 年代的心理聲學模型、一個 1965 年的演算法、與 1948 年的資訊理論，共同促成了 2000 年代的產業革命。這是「數學的滯後效應」的最佳例證：從發現到引爆產業變革，常常隔了二三十年。

同樣的邏輯在影像上重演：數位相機取代底片、社群媒體以圖像為主食、手機的儲存與頻寬預算全部按「壓縮後的大小」規劃。視訊方面，從 MPEG-1（1993，VCD）、MPEG-2（1995，DVD 與數位電視）到 H.264/HEVC，每一代都用更精緻的變換（從固定 DCT 到可變尺寸變換）與更強的預測編碼，支撐了 YouTube 與串流時代。

制度的角色：委員會與標準#

值得一提的是，JPEG 與 MPEG 都不是單一發明，而是國際標準組織（ISO/IEC 與 ITU 的聯合工作組）裡數十家公司的工程師競爭與妥協的產物。標準的意義在於互通性：任何人寫的解碼器都能讀任何人的編碼器。這種「競爭性合作」的制度設計，是數位時代基礎建設的隱形骨架，也再次說明科技進展是技術、經濟與制度的共同作品。

傅立葉轉換的原始夢想是「不失真地表徵」；MP3 與 JPEG 的成就則是「聰明地失真」。知道哪些失真沒人察覺，是一種新的數學美德。

下節，我們進入傅立葉分析最震撼的應用場景：不用開刀，看見你的大腦——以及宇宙的邊緣。