Jest to ten sam algorytm, co przy kompresji map bitowych, film przecież jest sekwencją ujęć, a każde ujęcie to po prostu pojedynczy obraz, zazwyczaj fotografia cyfrowa. Każdy z tych obrazów może zostać z powodzeniem skompresowany za pomocą zwykłego algorytmu JPEG. Korzystanie z algorytmu JPEG, jako systemu kodowania obrazu wideo, ma dwie poważne wady: nie jest przeprowadzane porównywanie ujęć (frame differencing), a dekompresja obrazu przy wyświetlaniu jest powolna. Ponieważ algorytm JPEG zaprojektowano dla pojedynczych obrazów, kompresja poszczególnych ujęć filmu przebiega, tak jakby to były oddzielne mapy bitowe.

JPEG dzieli obraz na określone strefy barw i tak też odtwarza je po skompresowaniu. Oddziela on informację o jaskrawości i odcieniach kolorów. Wykorzystano tu właściwość ludzkiego oka, dzięki której można "zacierać" pewne subtelne różnice występujące przy "przechodzeniu" kolorów. Charakterystyczne "dzielenie
obszarowe" objawia się głównie charakterystyczną "otoczką" pewnych elementów obrazka, zwłaszcza tych gdzie cieniowanie (w obrębie danego koloru) jest najbardziej szczegółowe i intensywne. Kompresja JPEG ma charakter nieodwracalny (informacje o pewnych elementach pliku graficznego są tracone bezpowrotnie).

W formacie tym zastosowany został algorytm kompresji deflate/inflate, który także stosuje się w programach takich jak PkZip, GZip. Jego idea polega na stosowaniu  metody słownikowej, a następnie statycznego lub adaptacyjnego kodowania Huffmana.
Tablice kodu Huffmana przypisują krótsze słowa kodowe dla mniejszych wartości próbek (występują one częściej). Jeśli liczba bitów użytych w procesie kodowania przekracza dozwoloną dla danego bloku danych wartość, algorytm koryguje to poprzez dobranie odpowiednio dużego współczynnika skali. Prowadzi to do większych wartości kroku kwantyzacji co pozwala osiągnąć mniejsze wartości skwantowane. Operacja ta powtarzana jest do momentu osiągnięcia wymaganej liczby bitów.

Dane obrazowe w tym formacie zapisywane są na wiele sposobów. Jednym z nich jest kompresja LZW. W odróżnieniu od metod stosowanych w JPEG jej działanie nie polega na usuwaniu fragmentów informacji obrazu kosztem jakości, lecz na skupianiu grup pikseli o tym samym kolorze. Plik nie składa się zatem z zestawienia kolorów pojedynczych, następujących po sobie pikseli, lecz z krótkich opisów jednolitych powierzchni. Daje to stosunkowo wysoką kompresję co do jakości obrazu (od 1:5 do 1:3 w przypadku fotografii).

Dane obrazowe kompresowane są liniami począwszy od punktu 0,0 (lewy, górny róg obrazu). Jeżeli obraz ma kilka płatów to są one kompresowane po kolei (najpierw płat 0, potem 1, itd...). Standard nie mówi nic o tym, czy kolejne płaty mają być kompresowane oddzielnie jak linie, czy też traktowane jako ciąg bajtów. W trybach 24 bitowych najpierw kompresowane są składowe koloru R, następnie G, a na końcu B. Sama idea kompresji jest prosta. Jeżeli w jednej linii kolejne punkty mają taki sam kolor to zapisywana jest tylko liczba ich wystąpień oraz kolor. No dobrze, ale jak rozróżnić w pliku liczbę powtórzeń od koloru. Rozwiązanie jest prostsze niż się wydaje. W PCX liczba powtórzeń jest większa od liczby C0h (192), jeśli więc należy zapisać kolor o wartości większej niż ta liczba to zapisuje się C0+liczba powtórzeń, kolor.