芯耀
338
前陣子寫了很多筆記，由于忙于研究生課程學(xué)習(xí)，故很少有時間整理筆記分享到公眾號上，今天整理的筆記是我之前學(xué)習(xí)音視頻技術(shù)相關(guān)的筆記整理。
1、視頻
1.1、視頻幀
幀，是視頻的一個基本概念，表示一張畫面，一個視頻就是由許許多多的幀組成的。
1.2、幀率
即單位內(nèi)幀的數(shù)量，單位為：幀/秒 或 fps(frames per second)，一秒內(nèi)包含多少張圖片，圖片越多，畫面越順滑，過渡越自然。
常見的幀率典型值：
(1)24/25 fps：1秒24/25幀，一般的電影頻率。
(2)30/60 fps：1秒30/60幀，游戲的頻率，30幀可以接受，60幀會感覺更加流暢逼真
(3)85fps：這個幀率及以上人眼基本無法察覺出來，更高的幀率在視頻里沒有太大意義。
2、色彩空間
2.1、RGB
通過R、G、B三種基礎(chǔ)色，可以混合出所有的顏色
2.2、YUV
也叫，YCbCr，是一種亮度與色度分離的色彩格式
(1)Y：亮度，就是灰度值，出了表示亮度信號外，還含有較多的綠色通道量
(2)U：藍(lán)色通道與亮度的差值
(3)V：紅色通道與亮度的差值
優(yōu)勢：
人眼對亮度敏感，對色度不敏感，因此減少部分UV的數(shù)據(jù)量，人眼卻無法感知出來，這樣可以通過壓縮UV分辨率，在不影響感觀的前提下，減少視頻的體積。
2.3、RGB與YUV的換算
(1)RGB轉(zhuǎn)YUV算法
Y = 0.299R + 0.587G + 0.114B
U = -0.147R - 0.289G + 0.436B
V = 0.635R - 0.515G - 0.100B
(2)YUV轉(zhuǎn)RGB算法
R = Y + 1.14V
G = Y - 0.39U - 0.58V
B = Y + 2.03U
3、音頻
3.1、基本知識
人類能夠聽到的所有聲音都稱之為音頻，在計算機中，音頻只是存儲在計算機里的聲音。
PCM：音頻數(shù)據(jù)的承載方式最常用的是脈沖編碼調(diào)制。
在自然界中，聲音是連續(xù)不斷的，是一種模擬信號，那怎樣才能把聲音保存下來呢？就是將這些模擬信號數(shù)字化，即模數(shù)轉(zhuǎn)換，將模擬信號轉(zhuǎn)換為數(shù)字信號。
聲音是一種波，由自己的振幅和頻率，那么要保存聲音，就要保存聲音在各個時間點上的振幅。而數(shù)字信號并不能連續(xù)保存所有時間點的振幅。
奈奎斯特采樣定理：為了不失真地恢復(fù)模擬信號，采樣頻率應(yīng)該不小于模擬信號頻率中最高頻率的2倍。
3.2、采樣率和采樣位數(shù)
(1)采樣率
根據(jù)奈奎斯特采樣定理，人耳能聽到的最高頻率為20KHz，所以為了滿足人耳的聽覺要求，采樣率至少為40KHz，通常為44.1KHz，更高的通常為48KHz。
注意：人耳聽覺頻率范圍[20Hz，20KHz]。
(2)采樣位數(shù)
波形振幅在模擬信號上也是連續(xù)的樣本值，而在數(shù)字信號中，信號一般是不連續(xù)的，所以模擬信號量化后，只能取一個近似的整數(shù)值，為了記錄這些振幅值，采樣器會采用一個固定的位數(shù)來記錄這些振幅值，通常有8位、16位、32位。
注意：位數(shù)越多，記錄的值越準(zhǔn)確，還原度越高，但是占用的硬盤空間越大。
| 位數(shù) | 最小值 | 最大值 |
|---|---|---|
| 8 | 0 | 255 |
| 16 | -32768 | 32767 |
| 32 | -2147483648 | 2147483647 |
3.3、音頻編碼
由于數(shù)字信號是由0、1組成的，因此，需要將幅度值轉(zhuǎn)化為一系列0和1進(jìn)行存儲，也就是編碼。
3.4、PCM的采集步驟
模擬信號->采樣(奈奎斯特采樣定理)->量化->編碼->數(shù)字信號
3.5、聲道數(shù)
聲道數(shù)是指支持能不同發(fā)聲(注意是不同聲音)的音響的個數(shù)。
- 單聲道：1個聲道雙聲道：2個聲道立體聲道：默認(rèn)為2個聲道立體聲道(4聲道)：4個聲道
3.6、碼率
碼率是指一個數(shù)據(jù)量中每秒鐘能通過的信息量，單位bps(bit per second)
碼率 = 采樣率 * 采樣位數(shù) * 聲道數(shù)
3.7、常見的音頻格式
CD格式、WAVE(*.WAV)、AIFF、MP3、MIDI、AAC、WMA、OggVorbis
4、FFmpeg
4.1、FFmpeg是什么？
是一套可以用來記錄、轉(zhuǎn)化數(shù)字音頻、視頻、并能將其轉(zhuǎn)化為流的開源計算機程序。它有著非常強大的功能，主要包括：視頻采集功能、視頻格式轉(zhuǎn)換、視頻抓圖、給視頻加水印等。
4.2、FFmpeg的組成
FFmpeg由三個部分組成：
(1)工具
分別是ffmpeg、ffplay、ffserver和ffprobe。
ffmpeg：音視頻轉(zhuǎn)碼、轉(zhuǎn)換器
ffplay：簡單的音視頻播放器
ffprobe：簡單的多媒體碼流分析器
(2)SDK
提供開發(fā)者使用的SDK，我們可以根據(jù)自己的需求使用這些庫開發(fā)自己的應(yīng)用程序，這些庫主要有：
libavutil：包含多媒體應(yīng)用常用的簡化編程的工具，如隨機數(shù)生成器、數(shù)據(jù)結(jié)構(gòu)、數(shù)學(xué)函數(shù)等功能
libavformat：包含多種多媒體容器格式的封裝、解封裝工具
libavfilter：包含多媒體處理常用的濾鏡功能
libavdevice：用于音視頻數(shù)據(jù)采集和渲染等功能的設(shè)備相關(guān)
libswscale：用于圖像縮放和色彩空間和像素格式轉(zhuǎn)換功能
libswresample：用于音頻量采樣和格式轉(zhuǎn)換等功能
libpostproc：用于后期處理，當(dāng)我們使用filter的時候，需要打開這個模塊，filter會用到這個模塊里的一些基礎(chǔ)函數(shù)
(3)源代碼
整個工程的源代碼，無論是編譯出來的可執(zhí)行程序還是SDK。
它的源代碼由C語言實現(xiàn)，主要在Linux平臺上進(jìn)行開發(fā)。
