第1章多媒體基礎(chǔ)1.1多媒體的基本概念1.2多媒體數(shù)據(jù)壓縮技術(shù)上一頁第一頁，共四十九頁。1.1多媒體的基本概念1.1.1多媒體的定義“多媒體”一詞譯自英文“Multimedia”即“Multiple”和”Media”的合成其核心詞是媒體何謂多媒體呢？第二頁，共四十九頁。媒質(zhì)：存儲(chǔ)信息的實(shí)體，如磁盤、光盤、磁帶、半導(dǎo)體存儲(chǔ)器等。媒體（medium）在計(jì)算機(jī)領(lǐng)域有兩種含義：即媒質(zhì)和媒介。媒介：傳遞信息的載體，如數(shù)字、文字、聲音、圖形和圖像等。第三頁，共四十九頁。 通常概念的“媒體”，可分為以下五種類型：感覺媒體表示媒體顯示媒體存儲(chǔ)媒體傳輸媒體第四頁，共四十九頁。

感覺媒體：能直接作用于人們的感覺器官，從而能使人產(chǎn)生直接感覺的媒體。如語音、音樂、各種圖像、動(dòng)畫、文本等。

表示媒體：為了傳送感覺媒體而人為研究出來的媒體。借助于此種媒體，便能更有效的存儲(chǔ)或傳送感覺媒體。如語言編碼、電報(bào)碼等。第五頁，共四十九頁。

顯示媒體：用于通信中使電信號(hào)和感覺媒體之間產(chǎn)生轉(zhuǎn)換用的媒體。如輸入、輸出設(shè)施，鍵盤、鼠標(biāo)器、顯示器、打印機(jī)等。

存儲(chǔ)媒體：用于存放某種媒體的媒體如紙張、磁帶、磁盤、光盤等。

傳輸媒體：用于傳輸某些媒體的媒體，如電話線、電纜光纖等。第六頁，共四十九頁。 多媒體計(jì)算機(jī)技術(shù)的定義： 計(jì)算機(jī)綜合處理多種媒體信息，文本圖形、圖像、音頻和視頻，使多種信息建立邏輯連接，集成為一個(gè)系統(tǒng)并具有交互性。1.1.2計(jì)算機(jī)技術(shù)及其特性多媒體計(jì)算機(jī)技術(shù)的三個(gè)主要特性信息載體的多樣性交互性集成性第七頁，共四十九頁。

信息載體的多樣性是相對(duì)于計(jì)算機(jī)而言的，即指信息媒體的多樣性。 信息載體的多樣性多媒體就是要把計(jì)算機(jī)處理的信息多樣化或多維化，從而改變計(jì)算機(jī)信息處理的單一模式，使人們能交互的處理多種信息。第八頁，共四十九頁。交互性 多媒體的交互性是指用戶可以與計(jì)算機(jī)的多種信息媒體進(jìn)行交互操作從而為用戶提供了更加有效地控制和使用信息的手段。第九頁，共四十九頁。集成性

集成性是指以計(jì)算機(jī)為中心綜合處理多種信息媒體，它包括信息媒體的集成和處理這些媒體的設(shè)備的集成。 多媒體設(shè)備的集成包括硬件和軟件兩個(gè)方面。信息媒體的集成包括信息的多通道統(tǒng)一獲取、多媒體信息的統(tǒng)一組織和存儲(chǔ)、多媒體信息表現(xiàn)合成等方面。第十頁，共四十九頁。 多媒體媒體元素是指多媒體應(yīng)用中可顯示給用戶的媒體組成。1.1.3多媒體中的媒體元素及特征音頻動(dòng)畫視頻文本圖形圖像第十一頁，共四十九頁。文本 文本分為非格式化文本文件和格式化文本文件。 格式化文本文件：帶有各種文本排版信息等格式信息的文本文件。如“.DOC”文件。非格式化文本文件：只有文本信息沒有其他任何有關(guān)格式信息的文件，又稱為純文本文件。如“.TXT”文件。 第十二頁，共四十九頁。圖形 圖形（Graphic）一般指用計(jì)算機(jī)繪制的畫面，如直線、圓、圓弧、矩形、任意曲線和圖表等。 在圖形文件中只記錄生成圖的算法和圖上的某些特征點(diǎn)，因此也稱矢量。圖形的格式是一組描述點(diǎn)、線、面等幾何圖形的大小、形狀及其位置、維數(shù)的指令集合。第十三頁，共四十九頁。 用于產(chǎn)生和編輯矢量圖形的程序通常稱為“draw”程序。 由于圖形只保存算法和特征點(diǎn)，因此占用的存儲(chǔ)空間很小。但顯示時(shí)需經(jīng)過重新計(jì)算，因而顯示速度相對(duì)慢些。微機(jī)上常用的矢量圖形文件有：“.3DS”（用于3D造型）、“.DXF”（用于CAD）、“.WMF”（用于桌面出版）等等。第十四頁，共四十九頁。圖像圖像（Image）是指由輸入設(shè)備捕捉的實(shí)際場景畫面，或以數(shù)字化形式存儲(chǔ)的任意畫面。 靜止的圖像是一個(gè)矩陣，陣列中的各項(xiàng)數(shù)字用來描述構(gòu)成圖像的各個(gè)點(diǎn)（稱為像素點(diǎn)pixel）的強(qiáng)度與顏色等信息。這種圖像也稱為位圖。第十五頁，共四十九頁。 用于生成和編輯位圖圖像的軟件通常稱為“paint”程序。 圖像處理時(shí)要考慮三個(gè)因素：分辨率圖像深度與顯示深度圖像文件大小圖像文件在計(jì)算機(jī)中的存儲(chǔ)格式有多種，如BMP、PCX、TIF、TGA、GIF、JPG等，一般數(shù)據(jù)量都較大。第十六頁，共四十九頁。分辨率屏幕分辨率：顯示器屏幕上的最大顯示 區(qū)域，即水平與垂直方向 的像素個(gè)數(shù)。圖像分辨率：數(shù)字化圖像的大小，即該 圖像的水平與垂直方向的 像素個(gè)數(shù)。像素分辨率：像素的寬和高之比一般為 1:1。第十七頁，共四十九頁。圖像深度和顯示深度

圖像深度（也稱圖像灰度、顏色深度）表示數(shù)字位圖圖像中每個(gè)像素上用于表示顏色的二進(jìn)制數(shù)字位數(shù)。 顯示深度：表示顯示器上每個(gè)點(diǎn)用于顯示顏色的2進(jìn)制數(shù)字位數(shù)。 若顯示器的顯示深度小于數(shù)字圖像的深度，就會(huì)使數(shù)字圖像顏色的顯示失真。第十八頁，共四十九頁。顏色深度顏色總數(shù)圖像名稱12單色圖像416索引16色圖像8256索引256色圖像1665536HI—Color圖像2416672216TrueColor圖像顏色深度與顯示的顏色數(shù)目第十九頁，共四十九頁。圖像文件大小 用字節(jié)表示圖像文件大小時(shí)，一幅未經(jīng)壓縮的數(shù)字圖像的數(shù)據(jù)量大小計(jì)算如下：圖像數(shù)據(jù)量大小=像素總數(shù)×圖像深度÷8例如：一幅800×600的256色圖像為 800×600×8／8=480000字節(jié)第二十頁，共四十九頁。 波形聲音實(shí)際上已經(jīng)包含了所有的聲音形式，它可以將任何聲音都進(jìn)行采樣量化，相應(yīng)的文件格式是WAV文件或VOC文件。 數(shù)字音頻（Audio）可分為波形聲音、語音和音樂。音頻語音也是一種波形，所以和波形聲音的文件格式相同。音樂是符號(hào)化了的聲音，樂譜可轉(zhuǎn)變?yōu)榉?hào)媒體形式。對(duì)應(yīng)的文件格式是MID或CMF文件。第二十一頁，共四十九頁。 計(jì)算機(jī)音頻技術(shù)主要包括聲音的采集、數(shù)字化、壓縮/解壓縮以及聲音的播放。 采樣頻率是將模擬聲音波形轉(zhuǎn)換為數(shù)字時(shí)，每秒鐘所抽取聲波幅度樣本的次數(shù)，單位是Hz（赫茲）。數(shù)字化主要包括采樣和量化這兩個(gè)方面。第二十二頁，共四十九頁。

量化數(shù)據(jù)位數(shù)（也稱量化級(jí)）是每個(gè)采樣點(diǎn)能夠表示的數(shù)據(jù)范圍，經(jīng)常采用的有8位、12位和16位。

例如，8位量化級(jí)表示每個(gè)采樣點(diǎn)可以表示256個(gè)不同量化值，而16位量化級(jí)則可以表示65536個(gè)不同的量化值 記錄聲音時(shí)，如果每次生成一個(gè)聲道數(shù)據(jù)，稱為單聲道；每次生成兩個(gè)聲波數(shù)據(jù)，稱為立體聲（雙聲道）。第二十三頁，共四十九頁。

數(shù)字音頻的存儲(chǔ)量： 可用以下公式估算聲音數(shù)字化后每秒所需的存儲(chǔ)量（未經(jīng)壓縮的）存儲(chǔ)量=采樣頻率×量化位數(shù)÷8

例如，數(shù)字激光唱盤（CD-DA）的標(biāo)準(zhǔn)采樣頻率為44.1kHz，量化位數(shù)為16位，立體聲。一分鐘CD-DA音樂所需的存儲(chǔ)量為44.1K×16×2×60÷8=10584KB若使用雙聲道，存儲(chǔ)量再增加一倍第二十四頁，共四十九頁。 動(dòng)畫是活動(dòng)的畫面，實(shí)質(zhì)是一幅幅靜態(tài)圖像的連續(xù)播放。動(dòng)畫的連續(xù)播放既指時(shí)間上的連續(xù)，也指圖像內(nèi)容上的連續(xù)。 動(dòng)畫計(jì)算機(jī)設(shè)計(jì)動(dòng)畫有兩種：一種是幀動(dòng)畫，一種是造型動(dòng)畫。第二十五頁，共四十九頁。

幀動(dòng)畫是由一幅幅位圖組成的連續(xù)的畫面，就如電影膠片或視頻畫面一樣要分別設(shè)計(jì)每屏幕顯示的畫面。 造型動(dòng)畫是對(duì)每一個(gè)運(yùn)動(dòng)的物體分別進(jìn)行設(shè)計(jì)，賦予每個(gè)動(dòng)元一些特征，然后用這些動(dòng)元構(gòu)成完整的幀畫面。動(dòng)元的表演和行為是由制作表組成的腳本來控制。 存儲(chǔ)動(dòng)畫的文件格式有FLC、MMM等第二十六頁，共四十九頁。視頻 視頻是由一幅幅單獨(dú)的畫面序列（幀frame）組成，這些畫面以一定的速率（fps）連續(xù)地投射在屏幕上，使觀察者具有圖像連續(xù)運(yùn)動(dòng)的感覺。 視頻文件的存儲(chǔ)格式有AVI、MPG、MOV等。第二十七頁，共四十九頁。 視頻標(biāo)準(zhǔn)主要有NTSC制和PAL制兩種。 視頻的技術(shù)參數(shù)有： 幀速 數(shù)據(jù)量 圖像質(zhì)量NTSC標(biāo)準(zhǔn)為30fps，每幀525行。 PAL標(biāo)準(zhǔn)為25fps，每幀625行。第二十八頁，共四十九頁。1.2.1多媒體數(shù)據(jù)的冗余類型 圖像數(shù)據(jù)表示中存在著大量的冗余，圖像數(shù)據(jù)壓縮技術(shù)就是利用圖像數(shù)據(jù)的冗余性來減少圖像數(shù)據(jù)量的方法。常見圖像數(shù)據(jù)冗余類型如下：1.空間冗余2.時(shí)間冗余3.視覺冗余1.2多媒體數(shù)據(jù)壓縮技術(shù)第二十九頁，共四十九頁?？臻g冗余 一幅圖像表面上各采樣點(diǎn)的顏色之間往往存在著空間連貫性，基于離散像素采樣來表示物體表面顏色的像素存儲(chǔ)方式可利用空間連貫性，達(dá)到減少數(shù)據(jù)量的目的。 例如，在靜態(tài)圖像中有一塊表面顏色均勻的區(qū)域，在此區(qū)域中所有點(diǎn)的光強(qiáng)和色彩以及飽和度都是相同的，因此數(shù)據(jù)有很大的空間冗余。第三十頁，共四十九頁。時(shí)間冗余 運(yùn)動(dòng)圖像一般為位于一時(shí)間軸區(qū)間的一組連續(xù)畫面，其中的相鄰幀往往包含相同的背景和移動(dòng)物體，只不過移動(dòng)物體所在的空間位置略有不同，所以后一幀的數(shù)據(jù)與前一幀的數(shù)據(jù)有許多共同的地方，這種共同性是由于相鄰幀記錄了相鄰時(shí)刻的同一場景畫面，所以稱為時(shí)間冗余。 同理，語音數(shù)據(jù)中也存在著時(shí)間冗余。第三十一頁，共四十九頁。視覺冗余 人類的視覺系統(tǒng)對(duì)圖像場的敏感度是非均勻的。但是，在記錄原始的圖像數(shù)據(jù)時(shí)，通常假定視覺系統(tǒng)近似線性的和均勻的，對(duì)視覺敏感和不敏感的部分同等對(duì)待，從而產(chǎn)生比理想編碼（即把視覺敏感和不敏感的部分區(qū)分開來的編碼）更多的數(shù)據(jù)，這就是視覺冗余。第三十二頁，共四十九頁。1.2.2數(shù)據(jù)壓縮方法 壓縮處理一般是由兩個(gè)過程組成：一是編碼過程，即將原始數(shù)據(jù)經(jīng)過編碼進(jìn)行壓縮，以便存儲(chǔ)與傳輸；二是解碼過程，此過程對(duì)編碼數(shù)據(jù)進(jìn)行解碼，還原為可以使用的數(shù)據(jù)。 數(shù)據(jù)壓縮可分為兩種類型：一種叫做無損壓縮，另一種叫做有損壓縮。無損壓縮混合壓縮有損壓縮第三十三頁，共四十九頁。無損壓縮 無損壓縮常用在原始數(shù)據(jù)的存檔，如文本數(shù)據(jù)、程序以及珍貴的圖片和圖像等。 其原理是統(tǒng)計(jì)壓縮數(shù)據(jù)中的冗余(重復(fù)的數(shù)據(jù))部分。常用的有：RLE(runlengthencoding)行程編碼Huffman編碼算術(shù)編碼LZW(lempel-ziv-welch)編碼第三十四頁，共四十九頁。(1)行程編碼（RLE） RLE編碼是將數(shù)據(jù)流中連續(xù)出現(xiàn)的字符用單一記號(hào)表示。 例如,字符串AAABCDDDDDDDDBBBBB可以壓縮為3ABC8D5B。 RLE編碼簡單直觀，編碼/解碼速度快，因此許多圖形和視頻文件，如.BMP.TIFF及AVI等格式文件的壓縮均采用此方法.第三十五頁，共四十九頁。(2)Huffman編碼 它是一種對(duì)統(tǒng)計(jì)獨(dú)立信源能達(dá)到最小平均碼長的編碼方法。 其原理是，先統(tǒng)計(jì)數(shù)據(jù)中各字符出現(xiàn)的概率后，再按字符出現(xiàn)頻率高低的順序分別賦以由短到長的代碼，從而保證了文件的整體的大部分字符是由較短的編碼構(gòu)成的。第三十六頁，共四十九頁。(3)算術(shù)編碼 其方法是將被編碼的信源消息表示成實(shí)數(shù)軸0-1之間的一個(gè)間隔，消息越長，編碼表示它的間隔就越小，表示這一間隔所需的二進(jìn)制位數(shù)就越多。 該方法實(shí)現(xiàn)較為復(fù)雜，常與其它有損壓縮結(jié)合使用，并在圖像數(shù)據(jù)壓縮標(biāo)準(zhǔn)(如JPEG)中扮演重要角色。第三十七頁，共四十九頁。(4)LZW編碼 LZW(Lempel-Ziv-Welch)壓縮使用字典庫查找方案。它讀入待壓縮的數(shù)據(jù)并與一個(gè)字典庫(庫開始是空的)中的字符串對(duì)比，如有匹配的字符串，則輸出該字符串?dāng)?shù)據(jù)在字典庫中的位置索引，否則將該字符串插入字典中。 許多商品壓縮軟件如ARJ、PKZIR、ZOO、LHA等都采用了設(shè)方法。 另外，.GIF和.TIF格式的圖形文件也是按這一文件存儲(chǔ)的。第三十八頁，共四十九頁。有損壓縮 圖像或聲音的頻帶寬、信息豐富，人類視覺和聽覺器官對(duì)頻帶中某些頻率成分不大敏感，有損壓縮以犧牲這部分信息為代價(jià)，換取了較高的壓縮比。 常用的有損壓縮方法有：PCM(脈沖編碼調(diào)制)、預(yù)測編碼、變換編碼、插值與外推等。 新一代的數(shù)據(jù)壓縮方法有：矢量量化和子帶編碼、基于模型的壓縮、分形壓縮及小波變換等。第三十九頁，共四十九頁?；旌蠅嚎s 混合壓縮是利用了各種單一壓縮的長處，以求在壓縮比、壓縮效率及保真度之間取得最佳折衷。 該方法在許多情況下被應(yīng)用，如JPEG和MPEG標(biāo)準(zhǔn)就采用了混合編碼的壓縮方法。第四十頁，共四十九頁。1.2.3編碼的國際標(biāo)準(zhǔn)1、音頻編碼2、靜止圖像壓縮標(biāo)準(zhǔn)3．運(yùn)動(dòng)圖像壓縮標(biāo)準(zhǔn)第四十一頁，共四十九頁。1．音頻編碼音頻的編碼方式可分為波形編碼、參數(shù)編碼和混合編碼三種。（l）波形編碼對(duì)于音頻信號(hào)，通常采用波形編碼方法。波形編碼的算法簡單，易于實(shí)現(xiàn)，可獲得高質(zhì)量的語音。常見的三種波形編碼方法為：第四十二頁，共四十九頁。脈沖編碼調(diào)制（PCM)，實(shí)際為直接對(duì)聲音信號(hào)作A/D轉(zhuǎn)換。只要采樣頻率足夠高，量化位數(shù)足夠多，就能使解碼后恢復(fù)的聲音信號(hào)有很高的質(zhì)量。差分脈沖編碼調(diào)制（DPCM)，即只傳輸聲音預(yù)測值和樣本值的差值以此降低音頻數(shù)據(jù)的編碼率。自適應(yīng)差分編碼調(diào)制（ADPCM)，是DPCM方法的進(jìn)一步改進(jìn)，通過調(diào)整量化步長，對(duì)不同頻段設(shè)置不同的量化字長，使數(shù)據(jù)得到進(jìn)一步的壓縮。第四十三頁，共四十九頁。（2）參數(shù)編碼

參數(shù)編碼方法通過建立起聲音信號(hào)的產(chǎn)生模型，將聲音信號(hào)用模型參數(shù)來表示，再對(duì)參數(shù)進(jìn)行編碼，在聲音播放時(shí)根據(jù)參數(shù)重建聲音信號(hào)。參數(shù)編碼法算法復(fù)雜，計(jì)算量大，壓縮率高，但還原聲音的質(zhì)量不高。（3）混合編碼

混合編碼是把波形編碼的高質(zhì)量和參數(shù)編碼的低數(shù)據(jù)率結(jié)合在一起，取得了較好效果。第四十四頁，共四十九頁。2.靜止圖像壓縮標(biāo)準(zhǔn) 國際標(biāo)準(zhǔn)化組織(ISO)和國際電報(bào)電話咨詢委員會(huì)(CCITT)聯(lián)合成立的“聯(lián)合照片專家組“JPEG

(jointphotographicexpertsgroup)于1991年提出的“多灰度靜止圖像的數(shù)字壓縮編碼”(簡稱JPEG標(biāo)準(zhǔn))。 這是一個(gè)適應(yīng)于彩色和單色多灰度或連續(xù)色調(diào)靜止數(shù)字圖像的壓縮標(biāo)準(zhǔn)。第四十五頁，共四十九頁。

JPEG標(biāo)準(zhǔn)支持很高的圖像分辨率和量化精度。它包含兩部分： 第二部分是有損壓縮，基于離散余弦變換(DCT)和Huffman編碼,通常壓縮20-40倍。第一部分是無損壓縮，基于差分脈沖編碼調(diào)制(DPCM)的預(yù)測編碼。第四十六頁，共四十九頁。3.運(yùn)動(dòng)圖像壓縮標(biāo)準(zhǔn) 視頻圖像壓縮的一個(gè)重要標(biāo)準(zhǔn)是MPEG(MovingPictureExpertsGroup)于1990年形成的一個(gè)標(biāo)準(zhǔn)草案(簡稱MPEG標(biāo)準(zhǔn))。 它兼顧了JPEG標(biāo)準(zhǔn)和CCITT專家組的H.261標(biāo)準(zhǔn)。第四十七頁，共四十九頁。