图像压缩编码方法有很多种，而且很多方法还在不断的发展和完善中。从不同的角度出发有不同的分类方法。
图像编码、压缩可以根据解压重建后的图像和原始图像之间是否具有误差，而分为无失真编码和限失真编码两大类。前者用于要求重建后图像严格地和原始图像保持相同的场合，例如复制、保存十分珍贵的历史、文物图像等；后者则适用于大多数工程应用的情况。
图像编码也可以根据实施编码所在的数据域划分为空间域编码和变换域编码两大类。但是，近年来，随着科学技术突飞猛进的发展，许多新理论、新方法的不断涌现，特别是受通信、多媒体技术及其应用，信息高速公路建设需求的刺激，一大批新的图像压缩编码方法，其中有些是基于一些新的理论和变换，有些是两种或两种以上的方法的组合，有的既在空间域也要在变换域进行处理，所以在此统称为其他方法。图1给出了主要的图像压缩方法。
图1：图像压缩编码方法分类
有失真编码方法的还原图像较之原始图像存在一定的误差，但视觉效果一般是可以接受的。根据有失真编码的原理进行分类，可以有预测编码、变换编码、量化编码、信息熵编码、分频带编码、结构编码及基于知识的编码等。
1）预测编码是一种针对统计冗余进行压缩的方法。对于统计冗余来说，它反映图像内相邻两像素之间的相关性比较强，因而一个像素可以由与它相邻的并且已被编码的像素来进行预测估计，当然，预测是根据某一模型进行的。从理论上讲，只要模型选取得足够好，则只需存储或传输起始像素与模型参数就可以代替一幅图像。但是，在实际应用中，预测不会总是正确的与精确的，此时的做法是再将预测误差存储或传输。预测编码方法基本上是针对输入的数据是一个平稳过程（或称信号是稳定信号）而设计的。当输入的数据不是平稳过程时，可采用自适应预测编码。
2）变换编码也是一种针对统计冗余进行压缩的方法。所谓变换编码是将图像时域（空间）信号变换到系数空间（频域）上进行处理的方法。因为由时域映射到频域总是通过某种变换进行的，所以称为变换编码方法。在空间上具有强相关的信号，反映在频域上是在某些特定的区域中能量集中在一起，或者是系数矩阵的分布具有某种规律，这就可以利用这些规律分配频域上的量化比特数，从而达到压缩的目的。常用的变换有：KL变换；DCT，DST变换；DFT变换；Haar变换；Walsh-Hadamard变换；以及用途广泛的小波变换等。
变换编码有两个最明显的特点，一是可以得到高的压缩比，二是比预测等其它方法的计算复杂性高。在变换后，由于在频域上信息是按照频谱的能量与频率分布排列的，只要对频域平面量化器进行合理的（非均匀）比特分配，高能量区给高的比特数，低能量区给以低的比特数，就可以得到高的压缩能力。
3）量化与向量量化编码的本质也是对统计冗余进行压缩，不过从表现形式上看，好像是无关的。
4）信息熵编码是根据信息熵原理，让出现概率大的用短的码字表达，反之用长的码字表达，最常见的如Huffman编码、游程编码以及算术编码等。
5）分频带编码是将图像数据变换到频域后，按频率分频带，然后用不同的量化器进行量化，从而达到最优的组合。或者是分步渐进编码，开始对某一频带的信号进行解码，然后逐渐扩展到所有频带。随着解码数据的增加，解码图像也逐渐清晰起来。此方法对于远地图像模糊查询与检索的应用比较有效。
6）结构编码也称为第二代编码。编码时首先将图像中的边界、轮廓、纹理等结构特征求出来，然后保存这些参数信息。解码时，根据结构和参数信息进行合成，从而恢复出原图像。
7）基于知识的编码是对于人脸等可用规则描述的图像，利用人们对人脸等的知识形成一个规则库，据此将人脸的变化等用一些参数进行描述，从而用参数与模型就可以实现人脸的图像编码与解码。
就压缩的方法而言，现在还有分形图像压缩与神经网络图像压缩的研究。目前，分形压缩的理论是根据所谓“拼贴定理”，但在保持图像质量条件下，压缩比不高或编码时间过长。神经网络图像压缩也有类似情况。
