共计 1735 个字符，预计需要花费 5 分钟才能阅读完成。
声波三要素：频率、振幅和波形。频率代表音阶的高下，振幅代表响度，波形代表音色。
采样、量化和编码
奈奎斯特定理（采样定理）：按比声音最高频率高 2 倍以上的频率对声音进行采样（也称为 AD 转换）。人耳能听到的频率范畴是 20Hz~20kHz，所以采样频率个别为 44.1kHz（1 秒采样 44100 次）。
通常所说的音频的祼数据格式就是脉冲编码调制（Pulse Code Modulation, PCM）数据。形容 PCM 需用到的概念：量化格局（sampleFormat）、采样率（sampleRate）、声道数（channel）。
比特率（以 CD 音质为例，量化格局或称位深度为 16 比特、采样率为 44100，声道数为 2），CD 的数据比特率
44100 16 2 = 1378.125kbps
1 分钟内所占的存储空间：
1378.125 * 60 / 8 / 1024 = 10.09MB
分贝
N= 10 ＊ lg（A1 / A0）
其中 A0 是基准量（或参考量）, A1 是被量度量
压缩编码的根本指标之一就是压缩比，压缩算法包含有损压缩和无损压缩。压缩编码算法，如 PCM、WAV（多媒体开发的两头文件、保留音乐和音效素材）、AAC（128Kbit/ s 以下的音频编码，多用于视频中音频轨的编码）、MP3（高比特率下对兼容性有要求的音乐欣赏）、Ogg（比 MP3 更小的码率实现比 MP3 更好的音质，实用语音聊天的音频音讯场景）等。压缩编码的原理是压缩掉冗余信号（耳听觉范围之外的音频信号以及被掩蔽掉的音频信号等），掩蔽掉的音频信号则次要是因为人耳的掩蔽效应，次要体现为频域掩蔽效应与时域掩蔽效应。
三原色光：红光（R）、绿光（G）、蓝光（B）。子像素示意形式
- 浮点示意：取值范畴为 0.0～1.0，比方，在 OpenGL ES 中对每一个子像素点的示意应用的就是这种表达方式。
- 整数示意：取值范畴为 0～255 或者 00～FF,8 个比特示意一个子像素，32 个比特示意一个像素，这就是相似于某些平台上示意图像格式的 RGBA_8888 数据格式。比方，Android 平台上 RGB_565 的示意办法为 16 比特模式示意一个像素，R 用 5 个比特来示意，G 用 6 个比特来示意，B 用 5 个比特来示意。
1280×720 的 RGBA_8888 图像的大小：1280 ＊ 720 ＊ 4 / 1024 / 1024 = 3.516MB
YUV 数据格式，其中“Y”示意亮堂度（Luminance 或 Luma），也称灰阶值；而“U”和“V”示意的则是色度（Chrominance 或 Chroma）。Y 的取值范畴都是 16～235, UV 的取值范畴都是 16～240。YUV 最罕用的采样格局是 4:2:0，即如果某一行是 4:2:0（4Y-2U-0V），那么其下一行就是 4:0:2（4Y-0U-2V）… 对非压缩的 8 比特量化的视频来说，8×4 的一张图片须要占用 48 字节的内存:
1280×720 的视频帧，用 YUV420P 的格局来示意，数据量的大小：
(1280 ＊ 720 ＊ 1 + 1280 ＊ 720 ＊ 0.5) / 1024 / 1024 = 1.318MB
1.318MB ＊ 24fps ＊ 90min ＊ 60s = 166.8GB
YUV 转换到 RGB 的公式
视频压缩应用帧间编码技术能够去除工夫上的冗余信息
- 静止弥补
- 静止示意
- 静止预计
ISO 规范：Motion JPEG 即 MPEG，次要版本：Mpeg1（用于 VCD）、Mpeg2（用于 DVD）、Mpeg4 AVC（以后大多流媒体应用）。
ITU- T 规范：H.261、H.262、H.263、H.264
编码概念
IPB 帧
- I 帧：帧内编码帧（intra picture）
- P 帧：前向预测编码帧（predictive-frame）
- B 帧：双向预测内插编码帧（bi-directional interpolated prediction frame）
- H264 中有一个帧称为 IDR 帧，IDR 的英文全称 instantaneous decoding refresh picture
PTS 与 DTS
- DTS 次要用于视频的解码，英文全称是 Decoding Time Stamp
- PTS 次要用于在解码阶段进行视频的同步和输入，全称是 Presentation Time Stamp
- GOP（Group Of Picture）两个 I 帧之间造成的一组图片
通常 I 的压缩率是 7（与 JPG 差不多）, P 是 20, B 能够达到 50
