音视频学习基础篇1-音视频基础概念

一、视频是什么？

动画书不知道大家小时候是否玩过一种动画小人书，连续翻动的时候，小人书的画面就会变成一个动画，类似现在的gif格式图片。本来是一本静态的小人书，通过翻动以后，就会变成一个有趣的小动画，如果画面够多，翻动速度够快的话，这其实就是一个小视频。而视频的原理正是如此，由于人类眼睛的特殊结构，画面快速切换时，画面会有残留，感觉起来就是连贯的动作。所以，视频就是由一系列图片构成的。

视频帧

帧，是视频的一个基本概念，表示一张画面，如上面的翻页动画书中的一页，就是一帧。一个视频就是由许许多多帧组成的。

码率

码率，即视频文件在单位时间内使用的数据流量，也叫做码流率，单位为 kb／s。码率越大说明单位时间内的取样率越大，数据精度就越高。比如说一帧原来需要10000位来代表，现在只需要用300，其实就是一个像素压缩技术把码率变小

帧率

帧率，即单位时间内帧的数量，单位为：帧/秒 或fps（frames per second）。如动画书中，一秒内包含多少张图片，图片越多，画面越顺滑，过渡越自然。帧率的一般以下几个典型值：24/25 fps：1秒 24/25 帧，一般的电影帧率。30/60 fps：1秒 30/60 帧，游戏的帧率，30帧可以接受，60帧会感觉更加流畅逼真。85 fps以上人眼基本无法察觉出来了，所以更高的帧率在视频里没有太大意义。

综上结论，可以理解为 码率代表清晰度，帧率代表流畅度

分辨率

分辨率可以理解为视频或者图片的大小

市面上常见的就是720p,1080p,2k,4k

720p指的是1280*720   横向1280个像素  和 竖向720个像素组成

1080p指的是1920*1080

2k通常指的是2560*1440

4k通常指的是4090*2440  但是有其他的分辨率标准

色彩空间这里我们只讲常用到的两种色彩空间。

RGB

RGB的颜色模式应该是我们最熟悉的一种，在现在的电子设备中应用广泛。通过R G B三种基础色，可以混合出所有的颜色 

YUV

这里着重讲一下YUV，这种色彩空间并不是我们熟悉的。这是一种亮度与色度分离的色彩格式。早期的电视都是黑白的，即只有亮度值，即Y。有了彩色电视以后，加入了UV两种色度，形成现在的YUV，也叫YCbCr。Y：亮度，就是灰度值。除了表示亮度信号外，还含有较多的绿色通道量。U：蓝色通道与亮度的差值。V：红色通道与亮度的差值。

采用YUV有什么优势呢？

人眼对亮度敏感，对色度不敏感，因此减少部分UV的数据量，人眼却无法感知出来，这样可以通过压缩UV的分辨率，在不影响观感的前提下，减小视频的体积。

RGB和YUV的换算

Y = 0.299R ＋ 0.587G ＋ 0.114B 

U = －0.147R － 0.289G ＋ 0.436B

V = 0.615R － 0.515G － 0.100B

R = Y ＋ 1.14V

G = Y － 0.39U － 0.58V

B = Y ＋ 2.03U 

二、音频是什么？

音频数据的承载方式最常用的是脉冲编码调制，即PCM。

在自然界中，声音是连续不断的，是一种模拟信号，那怎样才能把声音保存下来呢？那就是把声音数字化，即转换为数字信号。 

我们知道声音是一种波，有自己的振幅和频率，那么要保存声音，就要保存声音在各个时间点上的振幅。

采样的频率 

每秒钟采样点的个数，常用的采样频率:

22000 (22kHz)  无线广播

44100 (44kHz) CD音质

48000 (48kHz) 数字电视，DVD

96000 (96kHz) 蓝光，高清DVD

192000 (192kHz) 蓝光，高清DVD

采样精度(位深)

每个样本点的大小，常用的精度: 8bit,16bit,24bit

通道数

单声道，双声道，四声道，5.1声道

比特率 

比特率 = 采样频率 * 采样精度 * 通道数  单位:bps