关于视频文件的基础概念入门介绍
1 前言
最近的工作要调研视频处理相关的问题，但被视频文件的格式、码率、分辨率、帧率、压缩比等等概念给弄的晕头转向，所以决定写下这个文章，记录一下自己的调查结果。为了让自己以后还能看明白，难免写的比较罗嗦。
对于阅读我文章的读者，我假设您有一些最基本的计算机知识，比如什么是Byte，颜色是如何在计算机中表示的等等。
另外需要说明的是，我们一般对视频的理解其实包含画面和声音两部分。本文我只研究了画面相关的一下内容，不涉及声音。
2 BMP图片是什么
在介绍视频之前，我们需要先了解一下图片。因为所谓的视频，其实就是在你的眼前，按照一定的时间间隔，连续展示一组图片的过程。只要时间间隔足够短，你就会觉得眼前是一段连续的运动的画面，这就是视频。
2.1 BMP图片的构成及像素的定义
BMP图片，又被称为位图，是由 像素（pixel） 组成的图片。先不管什么是像素，我们先看下图，直观感受一下。
这是失恋博物馆中的一个经典展品。远看这是一个美女的图片，走进了你会发现，组成这张美女图的是一张张小的照片。如果把这张美女图比作一个BMP图片的话，这一张张小照片就是像素。
所以什么是像素？抛开准确但复杂的理论定义，直观上来说像素就是一个带有颜色但非常小的圆点。
当我们把像素一行一行的排列起来，并且保证像素足够密集的时候，我们就得到了一张BMP图片。
2.2 BMP图片的尺寸、大小、及分辨率
BMP图片的尺寸指出了一张BMP图片包含了多少个像素点，一般以像素行列相乘的形式表达。比如，尺寸为10*20的BMP图片指的是每行10个像素点，共20行。（以上的解释其实仅仅是计算机编程领域的说法，在打印、photoshop等方面有不同的定义）
BMP图片的大小指出了保存一张BMP图片需要多少硬盘空间，单位是Byte（字节）。我们可以通过图片的尺寸得到像素点的数量，再乘以每个像素点所占的硬盘空间，就得到了BMP图片的大小。由于像素点仅包含颜色信息，所以像素的大小取决于颜色在计算机中的表示法（这个就不介绍了），有16位，24位，32位，64位，128位等。如果BMP图片中的像素采用32位表示法，则也称这是一张BMP32图片。其他依次类推，还有BMP16图片，BMP64图片等等。那么一张1280*720的BMP32图片的大小是多少呢？
1280 ∗ 720 ∗ 32 = 2949120 B y t e = 28.125 M B y t e 1280*720*32 = 2949120Byte = 28.125MByte 1280∗720∗32=2949120Byte=28.125MByte
也就是我们常说的28.125M。
BMP图片的分辨率指出了图片的细腻程度，单位是PPI，指的是每英寸长度上有多少个像素点，可细分为水平分辨率和垂直分辨率。经常使用Photoshop软件的专业人士对分辨率的概念应该很容易理解，但非专业人士往往将图片分辨率与图片的尺寸混淆，即认为1280720的BMP图片，分辨率也是1280720，甚至在一些文献里也有这样的混淆。但这种混淆不一定对分析问题产生大的影响，所以下文中我也就不反复强调了，图片的尺寸就是图片的分辨率。但我要强调的是，两者在根本的定义上还是不同的，如果涉及到打印机、photoshop图片处理等方面，还是要严格区分的。
3 视频的帧及帧率
上文提到，所谓的视频，其实就是在你的眼前，按照一定的时间间隔，连续展示一组图片的过程。
在视频领域，我们将这一组图片中的每一张，称为视频的一个帧。帧率就是“一定的时间间隔”的倒数，英文简称FPS。
例如，一秒钟展示20帧，我们就称这个视频的帧率（FPS)为20。
帧率越高，视频的连贯性就越好，反之，则表现为视频卡顿。这里强调一点，帧率不总是一个整数，有时会是小数。因为帧率是一个视频的统计结果，比如一个5s的视频包含112帧，这帧率是 112 / 5 = 22.4 112/5 = 22.4 112/5=22.4。
4 视频的分辨率
分辨率是用来表示画面细腻程度的指标，简单理解就是画面越清晰，分辨率就越高。
我们经常能在视频网站上看到这样的提醒:高清（1080P）、标清（720P），等等。在此引导下，人们就用1080P、720P这样的方式表示视频的清晰度，最后发展为视频分辨率是1080P的说法，甚至在一些文献中也是如此。其实这某种程度上是一种误会。
1080P、720P其实是显示器能力的指标。以1080P为例，1080P一般是1080P25的简称，1080P25的意思是显示器可以在逐行扫描的方式下（即P的含义），每秒显示25帧画面，每帧画面的尺寸为1920*1080。这其实是对硬件能力的表达。
那为什么会有“视频分辨率是1080P”的说法呢？因为用户想看到清晰的画面，仅仅显示器（硬件）能力够是不行的，视频文件（即视频源）的能力也要够。显示器1s可以显示25个1920 * 1080帧，视频文件就要每秒提供25个1920 * 1080帧。“视频分辨率是1080P”其实是想表达，这个视频文件可以支持1080P的显示器进行高清显示。
这种历史遗留的误会还有很多，仅就视频而论，我们听到”视频分辨率是1080P“这个说法，就应该明白视频中每一帧的尺寸是1920*1080的。
PS:以上说明其实还是不够精准的，例如对1080P显示器能力的解释并不完全准确。但我觉得足以抛砖引玉的让大家明白视频分辨率的含义。