視頻經(jīng)過哪些步驟，存儲(chǔ)到計(jì)算機(jī)中？

說到視頻，大家自己腦子里基本都會(huì)想起電影、電視劇、在線視頻等等，也會(huì)想起一些視頻格式 AVI、MP4、RMVB、MKV等等。但是我們?nèi)绻J(rèn)真思考這些應(yīng)該就有很多疑問，比如以下問題：

mp4 和 mkv有什么區(qū)別 ？

視頻封裝格式 和 解碼格式 有什么區(qū)別？

什么是H.264 ？什么是 mpeg ？

等等很多疑問，我們不知道這些問題的答案是因?yàn)槲覀儧]有去了解他們背后的東西，下面我會(huì)給大家分享當(dāng)初我學(xué)習(xí)時(shí)候的整理的一些知識(shí)。

一、光與顏色

1，光和顏色?光是一種肉眼可以看見（接受）的電磁波（可見光譜）。在科學(xué)上的定義，光有時(shí)候是指所有的電磁波。光是由一種稱為光子的基本粒子組成。具有粒子性與波動(dòng)性，或稱為波粒二象性。人類肉眼所能看到的可見光只是整個(gè)電磁波譜的一部分。電磁波之可見光譜范圍大約為390～760nm（1nm=10-9m=0.000000001m）。

在這個(gè)世界如果沒有光，我們就無法生存。顏色是視覺系統(tǒng)對(duì)可見光的感知結(jié)果，研究表明人的視網(wǎng)膜有對(duì)紅、綠、藍(lán)顏色敏感程度不同的三種錐體細(xì)胞。紅、綠和藍(lán)三種錐體細(xì)胞對(duì)不同頻率的光的感知程度不同，對(duì)不同亮度的感知程度也不同。自然界中的任何一種顏色都可以由R，G，B 這 3 種顏色值之和來確定，以這三種顏色為基色構(gòu)成一個(gè)RGB 顏色空間。

顏色＝R(紅色的百分比)＋G(綠色的百分比)＋B(藍(lán)色的百分比)，只要其中一種不是由其它兩種顏色生成，可以選擇不同的三基色構(gòu)造不同的顏色空間。如圖所示，適當(dāng)?shù)募t光和綠光能合成黃光；適當(dāng)?shù)木G光和藍(lán)光能合成青光；適當(dāng)?shù)乃{(lán)光和紅光能合成品紅色的光；而適當(dāng)?shù)募t、綠、藍(lán)三色光能合成白光。因此紅、綠、藍(lán)三種色光被稱為色光的“三原色。”

2，顏色的度量?飽和度(saturation)

是相對(duì)于明度的一個(gè)區(qū)域的色彩，是指顏色的純潔性，它可用來區(qū)別顏色明暗的程度。完全飽和的顏色是指沒有滲入白光所呈現(xiàn)的顏色，例如僅由單一波長(zhǎng)組成的光譜色就是完全飽和的顏色。

明度(brightness)?是視覺系統(tǒng)對(duì)可見物體輻射或者發(fā)光多少的感知屬性。它和人的感知有關(guān)。由于明度很難度量，因此國際照明委員會(huì)定義了一個(gè)比較容易度量的物理量，稱為亮度(luminance) 來度量明度，亮度(luminance)即輻射的能量。明度的一個(gè)極端是黑色(沒有光)，另一個(gè)極端是白色，在這兩個(gè)極端之間是灰色。

光亮度(lightness)?是人的視覺系統(tǒng)對(duì)亮度(luminance)的感知響應(yīng)值，光亮度可用作顏色空間的一個(gè)維，而明度(brightness)則僅限用于發(fā)光體,該術(shù)語用來描述反射表面或者透射表面。

3，顏色空間

顏色空間是表示顏色的一種數(shù)學(xué)方法，人們用它來指定和產(chǎn)生顏色，使顏色形象化。顏色空間中的顏色通常使用代表三個(gè)參數(shù)的三維坐標(biāo)來指定，這些參數(shù)描述的是顏色在顏色空間中的位置，但并沒有告訴我們是什么顏色，其顏色要取決于我們使用的坐標(biāo)。

下面介紹幾種常見的顏色空間：

RGB: 用途：主要用來在LCD、CRT顯示器上用的。RGB色彩模式是工業(yè)界的一種顏色標(biāo)準(zhǔn)，是通過對(duì)紅(R)、綠(G)、藍(lán)(B)三個(gè)顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色的，RGB即是代表紅、綠、藍(lán)三個(gè)通道的顏色。目前的顯示器大都是采用了RGB顏色標(biāo)準(zhǔn)，在顯示器上，是通過電子槍打在屏幕的紅、綠、藍(lán)三色發(fā)光極上來產(chǎn)生色彩的。電腦屏幕上的所有顏色，都由這紅色綠色藍(lán)色三種色光按照不同的比例混合而成的。一組紅色，綠色，藍(lán)色就是一個(gè)最小的顯示單位。屏幕上的任何一個(gè)顏色都可以由一組RGB值來記錄和表達(dá)。顯像管內(nèi)電子槍射出的三個(gè)電子束，它們分別射到屏上顯示出紅、綠、藍(lán)色的熒光點(diǎn)上，通過分別控制三個(gè)電子束的強(qiáng)度，可以改變?nèi)珶晒恻c(diǎn)的亮度。由于這些色點(diǎn)很小又靠得很近，人眼無法分辨開來，看到的是三個(gè)色點(diǎn)的復(fù)合．即合成的顏色。

以RGB24為例，圖像像素?cái)?shù)據(jù)的存儲(chǔ)方式如下:

RGB的格式：

RGB16 RGB24 RGB32 等等這些到底格式有什么區(qū)別呢 ？

總的來說區(qū)別就是一個(gè)像素所使用的位數(shù)不同，顯示出來的色彩豐富度不同，位數(shù)越大，色彩越豐富。計(jì)算機(jī)使用的都是二進(jìn)制，因此所有的數(shù)量級(jí)都是建立在二進(jìn)制的基礎(chǔ)上的，無論是存儲(chǔ)空間，運(yùn)算速度，文件大小等等。

如果要表示顏色，每一個(gè)對(duì)應(yīng)的顏色都需要一個(gè)二進(jìn)制代碼來表示，?使用8位的二進(jìn)制， 可以表示 2^8 （2的8次方） ， 也就是256種色彩。?使用16位的二進(jìn)制，可以表示 2^16 （2 的16次方），也就是65536種色彩。?使用24位的二進(jìn)制，可以表示 2^24 （2的24次方） ，也就是16,777,216種色彩。一般稱24bit以上的色彩為真彩色，當(dāng)然還有采用30bit、36bit、42bit的。使用的色彩代碼越長(zhǎng)，同樣像素的文件的文件大小也就相應(yīng)的成冪次級(jí)增長(zhǎng)。使用超過16位以上的色彩文件在普通的顯示器，尤其是液晶顯示器上看不出任何區(qū)別，原因是液晶顯示器本身不能顯示出那么多的色彩。但是對(duì)于彩色印刷就非常有用，因?yàn)橛湍狞c(diǎn)非常的細(xì)，同時(shí)由于印刷尺幅的放大原因， 更大的文件可以在印刷的時(shí)候呈現(xiàn)出更細(xì)膩的層次和細(xì)節(jié)。

YUV：用途：主要用于視頻信號(hào)的壓縮、傳輸和存儲(chǔ)，和向后相容老式黑白電視。在生理學(xué)中，有一條規(guī)律，那就是人類視網(wǎng)膜上的視網(wǎng)膜桿細(xì)胞要多于視網(wǎng)膜錐細(xì)胞，說得通俗一些，視網(wǎng)膜桿細(xì)胞的作用就是識(shí)別亮度，而視網(wǎng)膜錐細(xì)胞的作用就是識(shí)別色度。所以，人眼對(duì)亮度分辨率的敏感度高于對(duì)色彩分辨率的敏感度

從上圖我們可以看出，我們更容易識(shí)別去除色彩的圖像，而對(duì)于單獨(dú)剝離出的只有色彩的圖像，不好識(shí)別。YUV色彩模型就是利用這個(gè)原理，把亮度與色度分離，根據(jù)人對(duì)亮度更敏感些，增加亮度的信號(hào)，減少顏色的信號(hào)，以這樣“欺騙”人的眼睛的手段來節(jié)省空間，從而適合于圖像處理領(lǐng)域。YUV三個(gè)字母中，其中"Y"表示明亮度（Lumina nce或Luma），也就是灰階值；而"U"和"V"表示的則是色度（Chrominance或Chroma），作用是描述影像色彩及飽和度，用于指定像素的顏色。?使用YUV的優(yōu)點(diǎn)有兩個(gè):?一、彩色YUV圖像轉(zhuǎn)黑白YUV圖像。如果只有Y信號(hào)分量而沒有U、V分量，那么這樣表示的圖像就是黑白灰度圖像。因此可兼容老式黑白電視。二、YUV是數(shù)據(jù)總尺寸小于RGB格式。因?yàn)閅UV，可以增加亮度的信號(hào)，減少顏色的信號(hào)，用于減少體積。

YCbCr ：在技術(shù)文檔里，YUV經(jīng)常有另外的名字, YCbCr ,其中Y與YUV 中的Y含義一致，Cb , Cr 同樣都指色彩，只是在表示方法上不同而已，Cb Cr 就是本來理論上的“分量/色差”的標(biāo)識(shí)。C代表分量(是component的縮寫)Cr、Cb分別對(duì)應(yīng)r(紅)、b(藍(lán))分量信號(hào)，Y除了g(綠)分量信號(hào)，還疊加了亮度信號(hào)。

YCbCr模型來源于YUV模型，算是YUV的壓縮版本，不同之處在于Y'CbCr用于數(shù)字圖像領(lǐng)域，YUV用于模擬信號(hào)領(lǐng)域，MPEG、DVD、攝像機(jī)中常說的YUV其實(shí)是Y'CbCr。

其中Y與YUV 中的Y含義一致，Cb , Cr 同樣都指色彩,，只是在表示方法上不同而已，Cb Cr 就是本來理論上的“分量/色差”的標(biāo)識(shí)。C代表分量(是component的縮寫)Cr、Cb分別對(duì)應(yīng)r(紅)、b(藍(lán))分量信號(hào)，Y除了g(綠)分量信號(hào)，還疊加了亮度信號(hào)。

再YUV 家族中, YCbCr 是在計(jì)算機(jī)系統(tǒng)中應(yīng)用最多的成員, 其應(yīng)用領(lǐng)域很廣泛,JPEG、MPEG均采用此格式。一般人們所講的YUV大多是指YCbCr。

YCbCr 有許多取樣格式, 如4∶4∶4 , 4∶2∶2 , 4∶1∶1 和4∶2∶0：

44

YUV三個(gè)信道的抽樣率相同，因此在生成的圖像里，每個(gè)象素的三個(gè)分量信息完整。

42

每個(gè)色差信道的抽樣率是亮度信道的一半，所以水平方向的色度抽樣率只是44的一半

41

41的色度抽樣，是在水平方向上對(duì)色度進(jìn)行4:1抽樣。對(duì)于低端用戶和消費(fèi)類產(chǎn)品這仍然是可以接受的。

40

40并不意味著只有Y，Cb而沒有Cr分量。它指得是對(duì)每行掃描線來說，只有一種色度分量以2:1的抽樣率存儲(chǔ)。相鄰的掃描行存儲(chǔ)不同的色度分量，也就是說，如果一行是40的話，下一行就是42，再下一行是40...以此類推。對(duì)每個(gè)色度分量來說，水平方向和豎直方向的抽樣率都是2:1，所以可以說色度的抽樣率是4:1。對(duì)非壓縮的8比特量化的視頻來說，每個(gè)由2x2個(gè)2行2列相鄰的像素組成的宏像素需要占用6字節(jié)內(nèi)存。

4，顏色空間的轉(zhuǎn)換：?不同顏色可以通過一定的數(shù)學(xué)關(guān)系相互轉(zhuǎn)換：

RGB轉(zhuǎn)YUV：?Y = (0.257 * R) + (0.504 * G) + (0.098 * B) + 16 Cr = V = (0.439 * R) - (0.368 * G) - (0.071 * B) + 128 Cb = U = -( 0.148 * R) - (0.291 * G) + (0.439 * B) + 128

YUV轉(zhuǎn)RGB：?B = 1.164(Y - 16) + 2.018(U - 128) G = 1.164(Y - 16) - 0.813(V - 128) - 0.391(U - 128) R = 1.164(Y - 16) + 1.596(V - 128)

二、電視制式

1，介紹 電視信號(hào)的標(biāo)準(zhǔn)簡(jiǎn)稱制式，可以簡(jiǎn)單地理解為用來實(shí)現(xiàn)電視圖像或聲音信號(hào)所采用的一種技術(shù)標(biāo)準(zhǔn)，就是用來實(shí)現(xiàn)電視圖像信號(hào)和伴音信號(hào)，或其它信號(hào)傳輸?shù)姆椒ǎ碗娨晥D像的顯示格式，以及這種方法和電視圖像顯示格式所采用的技術(shù)標(biāo)準(zhǔn)。只有遵循一樣的技術(shù)標(biāo)準(zhǔn)，才能夠?qū)崿F(xiàn)電視機(jī)正常接收電視信號(hào)、播放電視節(jié)目。就像電源插座和插頭，規(guī)格一樣才能插在一起，中國的插頭就不能插在英國規(guī)格的電源插座里，只有制式一樣，才能順利對(duì)接。嚴(yán)格來說，電視制式有很多種，對(duì)于模擬電視，有黑白電視制式，彩色電視制式，以及伴音制式等。目前世界上現(xiàn)行的彩色電視制式有三種：NTSC 制、PAL 制和SECAM 制。中國大部分地區(qū)使用PAL制式，日本、韓國及東南亞地區(qū)與美國等歐美國家使用NTSC制式，俄羅斯則使用SECAM制式。

2，制式說明

NTSC電視標(biāo)準(zhǔn)：?NTSC電視標(biāo)準(zhǔn)主要用于美、日等國家和地區(qū)。NTSC電視標(biāo)準(zhǔn)的特性：（1） 525 行/幀，每秒29.97幀（簡(jiǎn)化為30幀） （2）電視掃描線為525線。（3）隔行掃描，一幀分成2 場(chǎng)(field)，262.5 線/場(chǎng) （4）24比特的色彩位深。（5）高寬比：電視畫面的長(zhǎng)寬比(電視為4:3；電影為3:2；高清晰度電視為16:9) （6）場(chǎng)頻為每秒60場(chǎng)( 幀數(shù)30 * 2 = 60 ) 它是1952年由美國國家電視標(biāo)準(zhǔn)委員會(huì)指定的彩色電視廣播標(biāo)準(zhǔn)，它采用正交平衡調(diào)幅的技術(shù)方式，故也稱為正交平衡調(diào)幅制。優(yōu)點(diǎn)是電視接收機(jī)電路簡(jiǎn)單，缺點(diǎn)是容易產(chǎn)生偏色，因此NTSC制電視機(jī)都有一個(gè)色調(diào)手動(dòng)控制電路，供用戶選擇使用；

PAL電視標(biāo)準(zhǔn)：?PAL電視標(biāo)準(zhǔn)主要用于中國、歐洲等國家和地區(qū)。PAL電視標(biāo)準(zhǔn)的特性 （1）625 行(掃描線)/幀，每秒25幀. （2）電視掃描線為625線 （3）隔行掃描，2 場(chǎng)/幀，312.5 行/場(chǎng) （4）24比特的色彩位深 （5）畫面的寬高比為4：3。（6）場(chǎng)頻為每秒50場(chǎng)( 幀數(shù)25 * 2 = 50 ) 它是西德在1962年指定的彩色電視廣播標(biāo)準(zhǔn)，它采用逐行倒相正交平衡調(diào)幅的技術(shù)方法，克服了NTSC制相位敏感造成色彩失真的缺點(diǎn)。

SECAM電視標(biāo)準(zhǔn)：?SECAM是法文的縮寫，意為順序傳送彩色信號(hào)與存儲(chǔ)恢復(fù)彩色信號(hào)制，是由法國在1956年提出，1966年制定的一種新的彩色電視制式。它也克服了NTSC制式相位失真的缺點(diǎn)，但采用時(shí)間分隔法來傳送兩個(gè)色差信號(hào)。PAL制式和SECAM制式可以克服NTSC制容易偏色的缺點(diǎn)，但電視接收機(jī)電路復(fù)雜，要比NTSC制電視接收機(jī)多一個(gè)一行延時(shí)線電路，并且圖像容易產(chǎn)生彩色閃爍。因此三種彩色電視制式各有優(yōu)缺點(diǎn)，互相比較結(jié)果，誰也不能戰(zhàn)勝誰，所以，三種彩色電視制式互相共存已經(jīng)五十多年。

三、照相機(jī)與攝像機(jī)

視頻最早是由攝像機(jī)拍攝的制作而成的，攝像機(jī)的發(fā)明又是在照相機(jī)的基礎(chǔ)之上的，所以說在這里，就不得簡(jiǎn)單說明下照相機(jī)與攝像機(jī)。

1，照相機(jī)基本原理?現(xiàn)實(shí)中照相機(jī)和攝像機(jī)的成像原理都是基于小孔成像為基礎(chǔ)的。我們知道，光在同一均勻介質(zhì)中、不受引力作用干擾的情況下，沿直線傳播；因此它在遇到阻隔物上的孔洞時(shí)會(huì)穿過它，并能在孔后一定距離內(nèi)的對(duì)應(yīng)平面上投射出一個(gè)倒立的實(shí)影；只要投影面周圍的環(huán)境足夠暗，影像就能被人眼所觀看到。相信學(xué)生時(shí)代，大家都曾在自然常識(shí)課上做過“小孔成像”的試驗(yàn)，老師也肯定提到過這一原理與相機(jī)之間密不可分的關(guān)聯(lián)；

照相技術(shù)的發(fā)明者正是利用光的這一的特性與傳遞原理，以光子為載體，把某一瞬間被攝景物的光信息以能量方式通過設(shè)在相機(jī)上“孔洞”傳遞給后方的感光材料。

照相機(jī)的基本工作原理就是——將景物影像通過光線的各種傳播特性準(zhǔn)確地聚焦在具有感光能力的成像平面上，通過各種輔助手段控制光線的流量，從而獲得符合用戶要求的影像畫面，最后通過不同的手段保存下來。最早的照相機(jī)結(jié)構(gòu)十分簡(jiǎn)單，僅包括暗箱、鏡頭和感光材料。現(xiàn)代照相機(jī)比較復(fù)雜，具有鏡頭、光圈、快門、測(cè)距、取景、測(cè)光、輸片、計(jì)數(shù)、自拍等系統(tǒng)，是一種結(jié)合光學(xué)、精密機(jī)械、電子技術(shù)和化學(xué)等技術(shù)的復(fù)雜產(chǎn)品。

2，攝像機(jī)的發(fā)明過程?攝像機(jī)的發(fā)明，起源于一個(gè)有趣的故事。1872年的一天，在美國加利福尼亞州一個(gè)酒店里，斯坦福與科恩發(fā)生了激烈的爭(zhēng)執(zhí)：馬奔跑時(shí)蹄子是否都著地？斯坦福認(rèn)為奔跑的馬在躍起的瞬間四蹄是騰空的；科恩卻認(rèn)為，馬奔跑時(shí)始終有一蹄著地。爭(zhēng)執(zhí)的結(jié)果誰也說服不了誰，于是就采取了美國人慣用的方式打賭來解決。他們請(qǐng)來一位馴馬好手來做裁決，然而，這位裁判員也難以斷定誰是誰非。這很正常，因?yàn)閱螒{人的眼睛確實(shí)難以看清快速奔跑的馬蹄是如何運(yùn)動(dòng)的。于是富翁請(qǐng)來了英國攝影師愛德華.麥布里奇來作實(shí)驗(yàn)。

麥布里奇把24架照相機(jī)的快門連上24根線，在極短的時(shí)間里，使照相機(jī)依次拍下24張照片，再將這些照片一張一張地依次按次序看下去，以便觀察馬兒是怎么樣躍進(jìn)的，又是怎么樣著地的。為了這一實(shí)驗(yàn)，麥布里奇和助手們吃盡了苦頭，付出了大量的勞動(dòng)，歷時(shí)六年的工夫，終于拍出了一套寶貴的"馬跑小道"的珍貴資料，同時(shí)也證實(shí)了這個(gè)美國富翁的預(yù)言是正確的。然而，麥布里奇的成功又向人們提出了一個(gè)新的問題：如何解決連續(xù)攝影的問題，因?yàn)樗?4架照相機(jī)僅僅只能拍攝奔馬的一段動(dòng)作，如果奔馬跑一公里的長(zhǎng)距離，就得用成千上萬架照相機(jī)，膠卷的長(zhǎng)度將會(huì)繞地球一周了。所以，如何運(yùn)用一架單鏡頭的攝影機(jī)來代替多鏡頭的攝影機(jī)或者一組攝影機(jī)，就成了解決連續(xù)攝影的關(guān)鍵問題。

1874年，法國的朱爾·讓桑發(fā)明了一種攝影機(jī)。他將感光膠片卷繞在帶齒的供片盤上，在一個(gè)鐘擺機(jī)構(gòu)的控制下，供片盤在圓形供片盒內(nèi)做間歇供片運(yùn)動(dòng)，同時(shí)鐘擺機(jī)構(gòu)帶動(dòng)快門旋轉(zhuǎn)，每當(dāng)膠片停下時(shí)，快門開啟曝光。讓桑將這種相機(jī)與一架望遠(yuǎn)鏡相接，能以每秒一張的速度拍下行星運(yùn)動(dòng)的一組照片。讓桑將其命名為攝影槍， 這就是現(xiàn)代攝影機(jī)的始祖。

3，視頻經(jīng)過哪些步驟，存儲(chǔ)到計(jì)算機(jī)中？

（1）成像 主要靠鏡頭來完成，拍攝主體反射的光線通過鏡頭進(jìn)入相機(jī)后聚焦，形成清晰圖像。

（2）光電轉(zhuǎn)換 圖像落在CCD/CMOS光電器材上，通過光電轉(zhuǎn)換形成電信號(hào)。

（3）記錄

經(jīng)處理器加工，進(jìn)行編碼壓縮，然后把信號(hào)記錄在磁帶或存儲(chǔ)卡上。

四、聲音

1，聲音介紹

聲音：?聲音是一種物理現(xiàn)象。物體振動(dòng)時(shí)產(chǎn)生聲波通過空氣傳到人們的耳膜經(jīng)過大腦的反射被感知為聲音。聲音有頻率和振幅的特征，頻率對(duì)應(yīng)于時(shí)間軸線，振幅對(duì)應(yīng)于電平軸線。聲音以波的形式振動(dòng)（震動(dòng)）傳播，聲音作為一種波，頻率在20 Hz~20 kHz之間的聲音是可以被人耳識(shí)別的。

音的高低：是由于物體在一定時(shí)間內(nèi)的振動(dòng)次數(shù)頻率而決定的。振動(dòng)次數(shù)多音則高，振動(dòng)次數(shù)少音則低。

音的長(zhǎng)短：是由于音的延續(xù)時(shí)間的不同而決定的，音的延續(xù)時(shí)間長(zhǎng)音則長(zhǎng)，音的延續(xù)時(shí)間短音則短。

音的強(qiáng)弱：是由于振幅音的振動(dòng)的幅度的大小決定的。振幅大音則強(qiáng)振幅小音則弱。

音色：即聲音的特色是由發(fā)聲體的材料、結(jié)構(gòu)以及泛音的多少?zèng)Q定的。

種類：?按照頻率分類：頻率低于20Hz的聲波稱為次聲波；頻率在 20Hz~20kHz的聲波稱為可聞聲；頻率在 20kHz~1GHz的聲波稱為超聲波；頻率大于1GHz的聲波稱為特超聲或微波超聲。

2，聲音存儲(chǔ)的發(fā)展，從 “模擬錄音” 到 “數(shù)字錄音”

談到錄音，不得不談到愛迪生發(fā)明的現(xiàn)代錄音設(shè)備的鼻祖：留聲機(jī)。留音機(jī) 最初是1877年偉大的世界發(fā)明大王愛迪生發(fā)明的，在一次調(diào)試話筒時(shí)因?yàn)槁犃Σ缓茫瑦鄣仙靡桓榿頇z驗(yàn)傳話膜的震動(dòng)，不料針接觸到話膜后隨著聲音的強(qiáng)弱變化產(chǎn)生一種有規(guī)律的顫動(dòng)，而這一現(xiàn)象就成了他發(fā)明的靈感。

因?yàn)槲覀兌贾?，發(fā)送和接受是兩個(gè)相對(duì)應(yīng)的過程。說話的快慢高低能使短針發(fā)生相應(yīng)的不同顫動(dòng)，那么反過來，這種顫動(dòng)也能發(fā)出原來的說話聲音，可以將聲波變換成金屬針的震動(dòng)，然后將波形刻錄在圓筒形臘管的錫箔上。當(dāng)針再一次沿著刻錄的軌跡行進(jìn)時(shí)，便可以重新發(fā)出留下的聲音。于是他就用這一原理制作出了他的第一臺(tái)留音機(jī)。隨著歷史的發(fā)展慢慢經(jīng)過了 ：機(jī)械錄音（以留聲機(jī)、機(jī)械唱片為代表）----- 光學(xué)錄影（以電影膠片為代表）----- 磁性錄音（以磁帶錄音為代表）等模擬錄音方式，直到二十世紀(jì)七、八十年代逐漸開始進(jìn)入了數(shù)字錄音（數(shù)字音頻）的時(shí)代。

3，數(shù)字音頻?什么是音頻？?音頻（Audio）指人能聽到的聲音包括語音、音樂和其它聲音如環(huán)境聲、音效聲、自然聲等。

為什么要存在數(shù)字音頻 ？?由物理學(xué)可知，復(fù)雜的聲波由許許多多具有不同振幅和頻率的正弦波組成。代表聲音的模擬信息是個(gè)連續(xù)的量，不能由計(jì)算機(jī)直接處理，必須將其數(shù)字化。經(jīng)過數(shù)字化處理之后的數(shù)字聲音信息能夠像文字和圖形信息一樣進(jìn)行存儲(chǔ)、檢索、編輯和其它處理。

什么是數(shù)字音頻？?數(shù)字音頻是指使用數(shù)字編碼的方式也就是使用0和1來記錄音頻信息，它是相對(duì)于模擬音頻來說的。在CD光盤和計(jì)算機(jī)技術(shù)未出現(xiàn)之前都是模擬音頻（如錄音帶），其中數(shù)字/模擬轉(zhuǎn)換器簡(jiǎn)稱：DAC、模擬/數(shù)字轉(zhuǎn)換器簡(jiǎn)稱：ADC. 我們知道聲音可以表達(dá)成一種隨著時(shí)間的推移形成的一種波形：

但是如果想要直接描述這樣的一個(gè)曲線存儲(chǔ)到計(jì)算機(jī)中，是沒有辦法描述的。假如描述也只能是這樣表達(dá)：曲線下去了，上去了，又下去了，又上去了，顯然這樣是很不合理的。人們想到了一個(gè)辦法：

每隔一個(gè)小小的時(shí)間間隔，去用尺子量一下這個(gè)點(diǎn)的位置在哪里。那么只要這個(gè)間隔是一定的,我們就可以把這個(gè)曲線描述成：{9,11,12,13,14,14,15,15,15,14,14,13,12,10,9,7...} 這樣描述是不是比剛才的方法要精確多了？

如果我們把這個(gè)時(shí)間間隔取得更小，拿的尺子越精確，那么測(cè)量得到的，用來描述這個(gè)曲線的數(shù)字也可以做到更加地精確。然后我們可以把這些電平信號(hào)轉(zhuǎn)化成二進(jìn)制數(shù)據(jù)保存，播放的時(shí)候就把這些數(shù)據(jù)轉(zhuǎn)換為模擬的電平信號(hào)再送到喇叭播出，就可以了。用專業(yè)的術(shù)語來說，我們每?jī)纱螠y(cè)一下位置的時(shí)間間隔，就是所謂的采樣率。采樣率等于多少，就意味著我們每秒鐘進(jìn)行了多少次這樣的測(cè)量。所謂音質(zhì)，就是指最后我們描述這個(gè)曲線的數(shù)字，到底和真實(shí)的曲線誤差有多大。數(shù)字聲音和一般磁帶、廣播、電視中的聲音就存儲(chǔ)播放方式而言有著本質(zhì)區(qū)別。相比而言，它具有存儲(chǔ)方便、存儲(chǔ)成本低廉、存儲(chǔ)和傳輸?shù)倪^程中沒有聲音的失真、編輯和處理非常方便等特點(diǎn)。

4，從“模擬信號(hào)”到“數(shù)字化”的過程：模擬信號(hào)到數(shù)字化的過程需要三個(gè)步驟：

（1）采樣：?所謂采樣，即以適當(dāng)?shù)臅r(shí)間間隔觀測(cè)模擬信號(hào)波形不連續(xù)的樣本值替換原來的連續(xù)信號(hào)波形的操作，又稱為取樣。采樣的過程就是抽取某點(diǎn)的頻率值，很顯然，在一秒中內(nèi)抽取的點(diǎn)越多，獲取得頻率信息更豐富。采樣的基本定理：為了復(fù)原波形，一次振動(dòng)中，必須有2個(gè)點(diǎn)的采樣，人耳能夠感覺到的最高頻率為20kHz，因此要滿足人耳的聽覺要求，則需要至少每秒進(jìn)行40k次采樣。

（2）量化：?在數(shù)字音頻技術(shù)中，把表示聲音強(qiáng)弱的模擬電壓用數(shù)字表示，如0.5V電壓用數(shù)字20表示，2V電壓是80表示。模擬電壓的幅度，即使在某電平范圍內(nèi)，仍然可以有無窮多個(gè)，如1.2V,1.21V,1.215V…。而用數(shù)字來表示音頻幅度時(shí)，只能把無窮多個(gè)電壓幅度用有限個(gè)數(shù)字表示。即把某一幅度范圍內(nèi)的電壓用一個(gè)數(shù)字表示，這稱之為量化。

（3）編碼：

計(jì)算機(jī)內(nèi)的基本數(shù)制是二進(jìn)制，為此我們也要把聲音數(shù)據(jù)寫成計(jì)算機(jī)的數(shù)據(jù)格式，這稱之為編碼。

5，數(shù)字音頻的分類：?數(shù)字音頻主要包括兩類：波形音頻 和 MIDI音頻：?** 波形音頻：** 波形音頻文件是通過聲音錄入設(shè)備錄制的原始聲音，直接記錄了原始真實(shí)聲音信息的數(shù)據(jù)文件，通常文件較大。?MIDI音頻：?譯作樂器數(shù)字化接口，是為了把電子樂器與計(jì)算機(jī)相連而制定的一個(gè)規(guī)范，是數(shù)字音樂的國際標(biāo)準(zhǔn)。數(shù)字式電子樂器的出現(xiàn)，為計(jì)算機(jī)處理音樂創(chuàng)造了極為有利的條件。MIDI聲音與數(shù)字化波形聲音完全不同，它不是對(duì)聲波進(jìn)行采樣、量化和編碼，而是將電子樂器鍵盤的彈奏信息記錄下來，包括鍵名、力度、時(shí)值長(zhǎng)短等，這些信息稱之為MIDI消息，是樂譜的一種數(shù)字式描述。當(dāng)需要播放時(shí)，只需從相應(yīng)的MIDI文件中讀出MIDI消息，生成所需要的樂器聲音波形，經(jīng)放大后由揚(yáng)聲器輸出。

五、視頻相關(guān)專業(yè)術(shù)語

（1）視頻：連續(xù)的圖象變化每秒超過24幀（Frame）畫面以上時(shí)，根據(jù)視覺暫留原理，人眼無法辨別單幅的靜態(tài)畫面，看上去是平滑連續(xù)的視覺效果，這樣連續(xù)的畫面叫做視頻。r

（2）幀(Frame)：?是影像中常用的最小單位，相當(dāng)于電影中膠片的每一格鏡頭，一幀就是一副靜止的畫面，連續(xù)的幀就形成了視頻。

（3）幀速率（FPS）：?每秒鐘所傳輸圖片的個(gè)數(shù)，也可以理解為處理器每秒刷新的次數(shù)，通常用FPS標(biāo)識(shí)，當(dāng)然幀數(shù)越高，畫面也就越流暢。

（4）轉(zhuǎn)碼 ：?指將一段多媒體包括音頻、視頻或者其他的內(nèi)容從一種編碼格式轉(zhuǎn)換成為另外一種編碼格式。?（原視頻 -- 解碼 -- 像素?cái)?shù)據(jù) -- 編碼 -- 目標(biāo)視頻）?（原音頻 -- 解碼 -- 音頻數(shù)據(jù) -- 編碼 -- 目標(biāo)音頻）

（5）視頻編碼：講到視頻編碼，大家可能都會(huì)問為什么視頻要編碼？--- 要知道，采集的原始音視頻信號(hào)體積都非常大，里面有很多相同的、眼看不到的、耳聽不到的內(nèi)容，比如，如果視頻不經(jīng)過壓縮編碼的話，體積通常是非常大的，一部電影可能就要上百G的空間。--- 專業(yè)的來說，視頻編碼也就是文件當(dāng)中的視頻所采用的壓縮算法，視頻編碼的主要作用是將視頻像素?cái)?shù)據(jù)（RGB，YUV等）壓縮成為視頻碼流，從而降低視頻的數(shù)據(jù)量。

（6）視頻解碼：?有了編碼，當(dāng)然也需要有解碼。因?yàn)閴嚎s（編碼）過的內(nèi)容無法直接使用，使用（觀看）時(shí)必須解壓縮，還原為原始的信號(hào)（比如視頻中某個(gè)點(diǎn)的顏色等），這就是“解碼“或者”解壓縮“。

（7）采樣頻率：?指錄音設(shè)備在一秒鐘內(nèi)對(duì)聲音信號(hào)的采樣次數(shù)，它用赫茲（Hz）來表示，比如44.1KHz采樣率的聲音就是要花費(fèi)44000個(gè)數(shù)據(jù)點(diǎn)來描述1秒鐘的聲音波形。原則上采樣率越高，聲音質(zhì)量越好。

（8）采樣位數(shù):?表示了計(jì)算機(jī)度量聲音波形幅度（音量）的精度，就是通常所說的聲卡的位數(shù)。就像表示顏色的位數(shù)一樣（8位表示256種顏色，16位表示65536種顏色），有8位，16位，24位等。這個(gè)數(shù)值越大，解析度就越高，錄制和回放的聲音就越真實(shí)。每一個(gè)采樣點(diǎn)都需要用一個(gè)數(shù)值來表示大小，這個(gè)數(shù)值的數(shù)據(jù)類型大小可以是：8bit、16bit、32bit 等等，位數(shù)越多，表示得就越精細(xì)，聲音質(zhì)量自然就越好，而數(shù)據(jù)量也會(huì)成倍增大。我們?cè)谝纛l采樣過程中常用的位寬是 8bit 或者 16bit。

（9）比特率（碼率）：?表示單位時(shí)間（1秒）內(nèi)傳送的比特?cái)?shù)，一般我們用的單位是kbps，其英文是 Kilobits per second，意即“千位每秒”（根據(jù)發(fā)音亦譯作“千比特每秒”），意思是說每過一秒鐘，有多少千比特的數(shù)據(jù)流過，因此碼率也經(jīng)常被稱為“比特率”。---?音頻中?碼率：就是音頻文件或者音頻流中1秒中的數(shù)據(jù)量，如1.44Mbps，就是1秒鐘內(nèi)的數(shù)據(jù)量1.44Mbits 。

碼率越高，傳送的數(shù)據(jù)越大，音質(zhì)越好，?聲音比特率 = 采樣率（Hz） x 采樣位數(shù)（bit） x 聲道數(shù).?---?視頻中?碼率：原理與聲音中的相同，都是指由模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)后，單位時(shí)間內(nèi)的二進(jìn)制數(shù)據(jù)量，通俗來講就是把每秒顯示的圖片進(jìn)行壓縮后的數(shù)據(jù)量。?視頻比特率（位/秒）= (畫面尺寸彩色位數(shù)（bit）幀數(shù))** 假設(shè)有一張標(biāo)準(zhǔn)音樂CD光盤容量是746.93MB（注意大B是字節(jié)，小b是位。一字節(jié)（B）等于8位（b）。） CD音頻是以采樣率為44.1KHZ，采樣位數(shù)為16位，左右雙聲道（立體聲）進(jìn)行采樣的。而一張標(biāo)準(zhǔn)CD光盤的時(shí)長(zhǎng)是74分鐘。那么容量計(jì)算公式為：(44100 x 16 x 2)/8 x (74 x 60)=783216000字節(jié) 轉(zhuǎn)為MB為 783216000/1024/1024=746.93MB(兆字節(jié)) *

*（9）場(chǎng)頻：?場(chǎng)頻又稱為刷新頻率，即顯示器的垂直掃描頻率，指顯示器每秒所能顯示的圖象次數(shù)，單位為赫茲(Hz)。一般在60-100Hz左右 場(chǎng)頻也叫屏幕刷新頻率，指屏幕在每秒鐘內(nèi)更新的次數(shù)。人眼睛的視覺暫留約為每秒16-24次左右，因此只要以每秒30次或更短的時(shí)間間隔來更新屏幕畫面，就可以騙過人的眼睛，讓我們以為畫面沒有變過。實(shí)際上每秒30次的屏幕刷新率所產(chǎn)生的閃爍現(xiàn)象我們的眼睛仍然能夠察覺從而產(chǎn)生疲勞的感覺。所以屏幕的場(chǎng)頻越高，畫面越穩(wěn)定，使用者越感覺舒適。另外：熒光屏上涂的是中短余輝熒光材料，如果電子槍不進(jìn)行不斷的反復(fù)“點(diǎn)亮”、“熄滅”熒光點(diǎn) 的話，就會(huì)導(dǎo)致圖像變化時(shí)前面圖像的殘影滯留在屏幕上。

一般屏幕刷新率場(chǎng)頻在每秒75次以上人眼就完全覺察不到了，所以建議場(chǎng)頻設(shè)定在75Hz-85Hz之間，這足以滿足一般使用者的需求了。場(chǎng)頻越大，圖象刷新的次數(shù)越多，圖象顯示的閃爍就越小，畫面質(zhì)量越高。注意，這里的所謂“刷新次數(shù)”和我們通常在描述游戲速度時(shí)常說的“畫面幀數(shù)”是兩個(gè)截然不同的概念。后者指經(jīng)電腦處理的動(dòng)態(tài)圖像每秒鐘顯示顯像管電子槍的掃描頻率。場(chǎng)頻與圖像內(nèi)容的變化沒有任何關(guān)系，即便屏幕上顯示的是靜止圖像，電子槍也照常更新。掃描頻率過低會(huì)導(dǎo)致屏幕有明顯的閃爍感，即穩(wěn)定性差，容易造成眼睛疲勞。早期顯示器通常支持60Hz的掃描頻率，但是不久以后的調(diào)查表明，仍然有5%的人在這種模式下感到閃爍，因此VESA組織于1997年對(duì)其進(jìn)行修正，規(guī)定85Hz逐行掃描為無閃爍的標(biāo)準(zhǔn)場(chǎng)頻。

常見疑問：

（1）為什么視頻需要壓縮？?未經(jīng)壓縮的數(shù)字視頻的數(shù)據(jù)量巨大，存儲(chǔ)困難，一張DVD只能存儲(chǔ)幾秒鐘的未壓縮數(shù)字視頻。如果不進(jìn)行壓縮，1兆的帶寬傳輸一秒的數(shù)字電視視頻需要大約4分鐘。

（2）為什么常見的CD，都是為44.1kHz ？?人耳能夠感覺到的最高頻率為20kHz，因此要滿足人耳的聽覺要求，則需要至少每秒進(jìn)行40k次采樣，用40kHz表達(dá)，但是為什么大部分都是44.kHz 呢. 最開始，人們采用錄像帶當(dāng)做數(shù)碼設(shè)備當(dāng)時(shí)世界上錄像機(jī)主要有兩大制式：歐洲的PAL制式和美國日本的NTSC制式。適用于PAL制式錄像機(jī)的編碼器，其采樣頻率就是44.1kHz。適用于NTSC制式錄像機(jī)的編碼器，其采樣頻率就是44.056 ，后來統(tǒng)一到44.1kHz了。當(dāng)時(shí)PAL 制式的錄像機(jī) ：3個(gè)采樣點(diǎn) x 245條掃描線 x 60Hz場(chǎng)頻 （ 3 x 245 x 60 = 44100） ** --- 總的來說就是歷史原因 --- **

（2）奈魁斯特（NYQUIST）采樣定理是？用2倍于一個(gè)正弦波的頻率進(jìn)行采樣就能完全真實(shí)地還原該波形，因此一個(gè)數(shù)碼錄音波的采樣頻率的取值直接關(guān)系到它的最高還原頻率指標(biāo)。例如用44.1KHZ的采樣頻率進(jìn)行采樣，則可還原為最高22.05KHZ的頻率——這個(gè)數(shù)值略高于人耳的聽覺極限。

（3）無損壓縮和有損壓縮的區(qū)別是什么？

有損壓縮：相當(dāng)于一本書頁數(shù)特別多，文字特別多，加入我們把書中修飾詞去掉，啰嗦的情節(jié)去掉，雖然去掉這些，但是核心思想還沒變，這就是類似于有損壓縮。

無損壓縮：相當(dāng)于一本書特別長(zhǎng)，我們把里面重復(fù)出現(xiàn)的人名，地名，用符號(hào)代替，然后書中標(biāo)注上所有這些符號(hào)所代表的人名或地名，這樣就短了些，這種就類似于無損壓縮 。

六、視頻的構(gòu)成

一個(gè)完整的視頻文件是由音頻和視頻2部分組成的，而視音頻又是由封裝格式和編碼格式構(gòu)成，我們?cè)诒砻婵吹降娜鏏VI、RMVB、MKV、WMV、MP4、3GP、FLV等文件其實(shí)只能算是一種封裝標(biāo)準(zhǔn)，一個(gè)外殼。外殼里面核心還有一層是編碼文件，編碼文件經(jīng)過封裝后，才成為我們現(xiàn)在看到的.mp4 .avi等視頻。如H.264、mpeg-4等就是視頻編碼格式, MP3、AAC等就是音頻編碼格式。

例如：將一個(gè)H.264視頻編碼文件和一個(gè)MP3視頻編碼文件按AVI封裝標(biāo)準(zhǔn)封裝以后，就得到一個(gè)AVI后綴的視頻文件，這個(gè)就是我們常見的AVI視頻文件了。部分技術(shù)先進(jìn)的容器還可以同時(shí)封裝多個(gè)視頻、音頻編碼文件，甚至同時(shí)封裝進(jìn)字幕，如MKV封裝格式。MKV文件可以做到一個(gè)文件包括多語種發(fā)音、多語種字幕，適合不同人的需要。1，封裝格式

 （1）封裝格式（也叫容器）就是將已經(jīng)編碼壓縮好的視頻軌和音頻軌按照一定的格式放到一個(gè)文件中，也就是說僅僅是一個(gè)外殼，可以把它當(dāng)成一個(gè)放視頻軌和音頻軌的文件夾也可以。
 （2）通俗點(diǎn)說視頻軌相當(dāng)于飯，而音頻軌相當(dāng)于菜，封裝格式就是一個(gè)碗，或者一個(gè)鍋，用來盛放飯菜的容器。
 （3）封裝格式和專利是有關(guān)系的，關(guān)系到推出封裝格式的公司的盈利。
 （4）有了封裝格式，才能把字幕，配音，音頻和視頻組合起來。
 （5）常見的AVI、RMVB、MKV、ASF、WMV、MP4、3GP、FLV等文件都指的是一種封裝格式。
 舉例MKV格式的封裝：

2，編碼格式

編碼格式指的是對(duì)封裝格式中視頻流數(shù)據(jù)的壓縮編碼方式的一種描述。視頻不進(jìn)行壓縮的話，體積會(huì)非常大。

視頻壓縮，主要壓縮了哪些東西：?空間冗余：圖像相鄰像素之間有較強(qiáng)的相關(guān)性 時(shí)間冗余：視頻序列的相鄰圖像之間內(nèi)容相似 編碼冗余：不同像素值出現(xiàn)的概率不同 視覺冗余：人的視覺系統(tǒng)對(duì)某些細(xì)節(jié)不敏感 知識(shí)冗余：規(guī)律性的結(jié)構(gòu)可由先驗(yàn)知識(shí)和背景知識(shí)得到

常見的編碼格式有以下?視頻編碼格式：

音頻編碼格式：

國際上制定視頻編解碼技術(shù)的組織有兩個(gè)：?1，“國際標(biāo)準(zhǔn)化組織（ISO）” 它制定的標(biāo)準(zhǔn)有MPEG-1、MPEG-2、MPEG-4 等。視頻編碼：?（1）MPEG-1 :?制定于1993年，較早的視頻編碼，質(zhì)量比較差，它是為CD光盤介質(zhì)定制的視頻和音頻壓縮格式。主要用于 CD-ROM 存儲(chǔ)視頻，國內(nèi)最為大家熟悉的就是 VCD（Video CD），他的視頻編碼就是采用 MPEG-1。MPEG-1的壓縮算法可以把一部 120 分鐘長(zhǎng)的電影（原始視頻文件）壓縮到1.2 GB左右大小.（*.dat格式的文件） MPEG-1音頻分三層，就是MPEG-1 Layer I, II, III，其中第三層協(xié)議也就是MPEG- 1 Layer 3，簡(jiǎn)稱MP3。MP3目前已經(jīng)成為廣泛流傳的音頻壓縮技術(shù)。?缺點(diǎn)：

1個(gè)音頻壓縮系統(tǒng)限于兩個(gè)通道（立體聲）

沒有為隔行掃描視頻提供標(biāo)準(zhǔn)化支持，且壓縮率差

只有一個(gè)標(biāo)準(zhǔn)化的“profile” （約束參數(shù)比特流），不適應(yīng)更高分辨率的視頻。MPEG - 1可以支持4k的視頻，但難以提供更高分辨率的視頻編碼并且標(biāo)識(shí)硬件的支持能力。

支持只有一個(gè)顏色空間，40。

（2）MPEG-2 :?制定于1994年，通常用來為廣播信號(hào)提供視頻和音頻編碼， 包括衛(wèi)星電視、有線電視等。MPEG-2經(jīng)過少量修改后，也成為DVD產(chǎn)品的內(nèi)核技術(shù)。使用MPEG-2的壓縮算法制作一部 120 分鐘長(zhǎng)的電影（原始視頻文件）在4GB到8GB大小左右.（*.vob格式的文件） **

（3）MPEG-3 ：原本目標(biāo)是為高解析度電視（HDTV）設(shè)計(jì)，隨后發(fā)現(xiàn)MPEG-2已足夠HDTV應(yīng)用，故 MPEG-3的研發(fā)便中止。

（4）MPEG-4 :?公布于1998年，為了應(yīng)對(duì)網(wǎng)絡(luò)傳輸?shù)拳h(huán)境，傳統(tǒng)的 MPEG-1/2 已經(jīng)不能適應(yīng)，所以促使了 MPEG-4 的誕生， MPEG-4，主要用途在於網(wǎng)上流媒體、光碟、 語音傳送（視訊電話），以及電視廣播。MPEG-4 不僅是針對(duì)一定比特率下的視頻、音頻編碼，更加注重了多媒體系統(tǒng)的交互性和靈活性。利用很窄的帶寬，通過幀重建技術(shù)，壓縮和傳輸數(shù)據(jù)，以求以最少的數(shù)據(jù)獲得最佳的圖像質(zhì)量。MPEG-4代表了基于模型/對(duì)象的第二代壓縮編碼技術(shù)，它充分利用了人眼視覺特性，抓住了圖像信息傳輸?shù)谋举|(zhì)，從輪廓、紋理思路出發(fā)，支持基于視覺內(nèi)容的交互功能，這適應(yīng)了多媒體信息的應(yīng)用由播放型轉(zhuǎn)向基于內(nèi)容的訪問、檢索及操作的發(fā)展趨勢(shì)。

** 2，“國際電聯(lián)（ITU-T）” 它制定的標(biāo)準(zhǔn)有H.261、H.263、H.263+ 等。

視頻編碼：

** （1）H.261 : ** 約1990年制定，是最早的運(yùn)動(dòng)圖像壓縮標(biāo)準(zhǔn)，它詳細(xì)制定了視頻編碼的各個(gè)部分, 主要在老的視頻會(huì)議和視頻電話產(chǎn)品中使用，它是第一個(gè)實(shí)用的數(shù)字視頻編碼標(biāo)準(zhǔn)。H.261的設(shè)計(jì)相當(dāng)成功，之后的視頻編碼國際標(biāo)準(zhǔn)基本上都是基于 H.261相同的設(shè)計(jì)框架，包括 MPEG-1，MPEG-2／H.262，H.263，甚至 H.264 。

** （2）H.263 : ** 約1996年制定 H.263的編碼算法與H.261一樣，但做了一些改善和改變，以提高性能和糾錯(cuò)能力。

** （3）H.264:** H.264等同于MPEG-4的第10部. H.264/AVC是兩大組織集合H.263+和Mpeg4的優(yōu)點(diǎn)聯(lián)合推出的最新標(biāo)準(zhǔn)，更高的數(shù)據(jù)壓縮比。在同等的圖像質(zhì)量條件下，H.264的數(shù)據(jù)壓縮比能比H.263高2倍，比MPEG-4高1.5倍, 舉個(gè)例子，原始文件的大小如果為88GB，采用MPEG-2壓縮標(biāo)準(zhǔn)壓縮后變成3.5GB，壓縮比為25∶1，而采用H.264壓縮標(biāo)準(zhǔn)壓縮后變?yōu)?79MB，從88GB到879MB，H.264的壓縮比達(dá)到驚人的102∶1。（ITU-T給這個(gè)標(biāo)準(zhǔn)命名為H.264（以前叫做H.26L）, 而ISO/IEC稱它為MPEG-4 AVC 高級(jí)視頻編碼（Advanced Video Coding，AVC）,并且它將成為MPEG-4標(biāo)準(zhǔn)的第10部分） 從H.261視頻編碼建議，到H.262/3、MPEG-1/2/4等都有一個(gè)共同的不斷追求的目標(biāo)，即在盡可能低的碼率（或存儲(chǔ)容量）下獲得盡可能好的圖像質(zhì)量。

3，視頻編碼的發(fā)展歷史

4，常見視頻封裝格式介紹

** (1) AVI：** 即Audio Video Interleaved(音頻視頻交錯(cuò)格式)，由微軟在 1992年11月推出的一種多媒體文件格式，用于對(duì)抗蘋果Quicktime的技術(shù)?，F(xiàn)在所說的AVI多是指一種封裝格式。AVI格式上限制比較多，只能有一個(gè)視頻軌道和一個(gè)音頻軌道（現(xiàn)在有非標(biāo)準(zhǔn)插件可加入最多兩個(gè)音頻軌道），還可以有一些附加軌道，如文字等。AVI格式不提供任何控制功能。

特點(diǎn)：兼容性好、跨平臺(tái)支持、恒定幀率，體積大、容錯(cuò)性差，不是流媒體，已經(jīng)過時(shí)。

** (2) MKV：** 它是一種新的多媒體封裝格式，是一種萬能的封裝容器，這個(gè)封裝格式可把多種不同編碼的視頻及16條或以上不同格式的音頻和語言不同的字幕封裝到一個(gè)Matroska Media檔內(nèi)。

特點(diǎn)：支持多音軌、軟字幕、流式傳輸、強(qiáng)大的兼容性， 能夠在一個(gè)文件中容納無限數(shù)量的視頻、音頻、圖片或字幕軌道，任何視頻編碼文件都可以放入MKV 。

** (3) MP4：** MP4是比較新的封裝格式，但是相對(duì)于萬能的MKV，功能遜色一些，但是對(duì)于目前的非電腦平臺(tái)，可移植性較好。

特點(diǎn)：體積最小，清晰度高、流式傳輸、強(qiáng)大的兼容性，手機(jī)平板等眾多終端支持。

** (4) MOV：** MOV是Apple公司開發(fā)的QuickTime音頻、視頻文件封裝格式, 默認(rèn)的播放器是蘋果的QuickTime 。MOV具有較高的壓縮比率和較完美的視頻清晰度等特點(diǎn)，但是其最大的特點(diǎn)還是跨平臺(tái)性，即不僅能支持MacOS，同樣也能支持Windows系列。MOV采用了有損壓縮方式的MOV格式文件，畫面效果較AVI格式要稍微好一些。

特點(diǎn)：與AVI同期推出，比較老，不流行。

** (4) RM：** Real Networks公司所制定的音頻/視頻壓縮規(guī)范Real Media中的一種，Real Player能做的就是利用Internet資源對(duì)這些符合Real Media技術(shù)規(guī)范的音頻/視頻進(jìn)行實(shí)況轉(zhuǎn)播。在Real Media規(guī)范中主要包括三類文件：RealAudio、Real Video和Real Flash （Real Networks公司與Macromedia公司合作推出的新一代高壓縮比動(dòng)畫格式）。REAL VIDEO （RA、RAM）格式由一開始就是定位就是在視頻流應(yīng)用方面的，也可以說是視頻流技術(shù)的始創(chuàng)者。

(5) RMVB?RealMedia可變比特率（RMVB）是RealNetworks公司開發(fā)的RealMedia多媒體數(shù)字容器格式的可變比特率（VBR）擴(kuò)展版本，較上一代RM格式畫面要清晰很多，原因是降低了靜態(tài)畫面下的比特率。它的先進(jìn)之處在于RMVB視頻格式打破了原先RM格式那種平均壓縮采樣的方式，在保證平均壓縮比的 基礎(chǔ)上合理利用比特率資源，就是說靜止和動(dòng)作場(chǎng)面少的畫面場(chǎng)景采用較低的編碼速率，這樣可以留出更多的帶寬空間，而這些帶寬會(huì)在出現(xiàn)快速運(yùn)動(dòng)的畫面場(chǎng)景時(shí) 被利用。這樣在保證了靜止畫面質(zhì)量的前提下，大幅地提高了運(yùn)動(dòng)圖像的畫面質(zhì)量，從而圖像質(zhì)量和文件大小之間就達(dá)到了微妙的平衡。

(6) WMV?.WMV文件其實(shí)不是一個(gè)封裝格式。WMV（Windows Media Video）是微軟公司開發(fā)的一組數(shù)字視頻編解碼格式的通稱，它是Windows Media架構(gòu)下的一部分。具體的這些，大家可以私下去查詢下。

微軟也開發(fā)了一種稱之為ASF（Advanced Systems Format）的數(shù)字容器格式，用來保存WMV的視頻編碼。在同等視頻質(zhì)量下，WMV格式的文件可以邊下載邊播放，因此很適合在網(wǎng)上播放和傳輸。** (7) ASF：** 用于微軟WMA和WMV的標(biāo)準(zhǔn)容器。ASF (Advanced Streaming format高級(jí)流格式), ASF是MICROSOFT 為了和現(xiàn)在的 Real player 競(jìng)爭(zhēng)而發(fā)展出來的一種可以直接在網(wǎng)上觀看視頻節(jié)目的文件壓縮格式。ASF使用了MPEG4的壓縮算法，壓縮率和圖像的質(zhì)量都很不錯(cuò)。因?yàn)锳SF是以一個(gè)可以在網(wǎng)上即時(shí)觀賞的視頻“流”格式存在的，所以它的圖像質(zhì)量比VCD差一點(diǎn)點(diǎn)并不出奇，但比同是視頻“流”格式的RAM格式要好。

(8) FLV:?Flash Video（簡(jiǎn)稱FLV）是由Macromedia公司開發(fā)的屬于自己的流式視頻格式，F(xiàn)LV也就是隨著Flash MX的推出發(fā)展而來的視頻格式，是在sorenson公司的壓縮算法的基礎(chǔ)上開發(fā)出來的。FLV格式不僅可以輕松的導(dǎo)入Flash中，速度極快，并且能其到保護(hù)版權(quán)的作用，并且可以不通過本地的微軟或者REAL播放器播放視頻。Flash MX 2004對(duì)其提供了完美的支持，它的出現(xiàn)有效地解決了視頻文件導(dǎo)入Flash后，使導(dǎo)出的SWF文件體積龐大，不能在網(wǎng)絡(luò)上很好的使用等缺點(diǎn)。由于它形成的文件極小、加載速度極快，使得網(wǎng)絡(luò)觀看視頻文件成為可能，它的出現(xiàn)有效地解決了視頻文件導(dǎo)入Flash后，使導(dǎo)出的SWF文件體積龐大，不能在網(wǎng)絡(luò)上很好的使用等缺點(diǎn)。

** 特點(diǎn)：視頻質(zhì)量良好、體積小、在線播放、非常普及 。

**?(8) 藍(lán)光BD封裝:?大容量光碟格式，容量分為25G-100G，BD的主視頻文件為m2ts封裝格式，用Remux無損的提取BD文件為TS封裝格式可用PC播放。?特點(diǎn)：體積超大、超高清格式、聲道、字幕可選擇

5，音頻編碼與封裝格式介紹

PCM ：是一種的很基本的編碼方式，雖然簡(jiǎn)單，但是好用，它被稱為無損編碼，也就是模擬信號(hào)轉(zhuǎn)成數(shù)字信號(hào)不壓縮，只轉(zhuǎn)換，就是經(jīng)過話筒錄音后直接得到的未經(jīng)壓縮的數(shù)據(jù)流，對(duì)于音頻來說，CD就是采用PCM編碼。

有損壓縮格式：?**

MP3（MPEG Audio Layer3）：一個(gè)有損數(shù)據(jù)壓縮格式，它丟棄掉脈沖編碼調(diào)制（PCM）音頻數(shù)據(jù)中對(duì)人類聽覺不重要的數(shù)據(jù)，從而達(dá)到了小得多的文件大小。它是目前最為普及的音頻壓縮格式，常用于互聯(lián)網(wǎng)上的高質(zhì)量聲音的傳輸，MP3可以做到12:1的驚人壓縮比并保持基本可聽的音質(zhì)。

AAC (高級(jí)音頻編碼)：出現(xiàn)于1997年，是基于MPEG-2的音頻編碼技術(shù)，由Fraunhofer IIS、杜比、蘋果、AT&T、索尼等公司共同開發(fā)，是在MP3基礎(chǔ)上開發(fā)出來，，目的是取代MP3格式。2000年，MPEG-4標(biāo)準(zhǔn)出現(xiàn)后，AAC重新集成了其特性，加入了SBR技術(shù)和PS技術(shù)，為了區(qū)別于傳統(tǒng)的MPEG-2 AAC又稱為MPEG-4 AAC，AAC可以在對(duì)比MP3文件縮小30%的前題下提供更好的音質(zhì)。

WMA (Windows Media Audio)：是微軟開發(fā)的一種數(shù)字音頻壓縮格式,WMA格式是以減少數(shù)據(jù)流量但保持音質(zhì)的方法來達(dá)到更高的壓縮率目的,其壓縮率一般可以達(dá)到1:18,生成的文件大小只有相應(yīng)MP3文件的一半。

無損壓縮格式：

**?WAV ：?是微軟公司開發(fā)的一種聲音文件格式，是音樂由物理介質(zhì)（CD碟）轉(zhuǎn)換為數(shù)字形式所得到的聲音文件，是最早的數(shù)字音頻格式，被Windows平臺(tái)及其應(yīng)用程序廣泛支持, WAV是最接近無損的音樂格式，所以文件大小相對(duì)也比較大。（WAV格式對(duì)存儲(chǔ)空間需求太大不便于交流和傳播）

FLAC ：無損音頻壓縮編碼，它不會(huì)破壞任何原有的音頻信息，所以可以還原音樂光盤音質(zhì)，基本上能節(jié)省wav 40%的碼率，F(xiàn)LAC相對(duì)于同類如APE，在處理遇到爆音處時(shí)會(huì)靜音處理，并且相比APE的解碼復(fù)雜程度要較低（解碼運(yùn)算量小、只需要整數(shù)運(yùn)算），解碼速度奇快，容錯(cuò)高，不容易損壞。

APE ：APE這類無損壓縮格式，同樣不會(huì)破壞任何音頻信息, 相較同類文件格式FLAC，特色是壓縮率約為55%，比FLAC高，體積大概為原CD的一半，但是APE文件的容錯(cuò)性較差，只要在傳輸過程中出現(xiàn)一點(diǎn)差錯(cuò)，就會(huì)讓整首APE音樂作廢。

常見封裝格式與編碼格式的對(duì)應(yīng)

七、播放一個(gè)網(wǎng)絡(luò)上視頻需要的步驟

1，解協(xié)議：就是將流媒體協(xié)議的數(shù)據(jù)，解析為標(biāo)準(zhǔn)的相應(yīng)的封裝格式數(shù)據(jù)，這些協(xié)議在傳輸視音頻數(shù)據(jù)的同時(shí)，也會(huì)傳輸一些信令數(shù)據(jù)，解協(xié)議的過程中會(huì)去除掉信令數(shù)據(jù)而只保留視音頻數(shù)據(jù)。

2，解封裝：就是將輸入的封裝格式的數(shù)據(jù)，分離成為音頻流壓縮編碼數(shù)據(jù)和視頻流壓縮編碼數(shù)據(jù)。

3，解碼：就是將視頻/音頻壓縮編碼數(shù)據(jù)，解碼成為非壓縮的視頻/音頻原始數(shù)據(jù)。把壓縮編碼的視頻數(shù)據(jù)，輸出成為非壓縮的顏色數(shù)據(jù)，例如YUV420P，RGB等等；把壓縮編碼的音頻數(shù)據(jù)，輸出成為非壓縮的音頻抽樣數(shù)據(jù)，例如PCM數(shù)據(jù)。

4，視音頻同步：就是根據(jù)解封裝模塊處理過程中獲取到的參數(shù)信息，同步解碼出來的視頻和音頻數(shù)據(jù)，并將視頻音頻數(shù)據(jù)送至系統(tǒng)的顯卡和聲卡播放出來。

編輯：黃飛

?