语音、图像和视频数据的格式



今天，计算机多媒体技术的应用越来越广泛。多媒体技术的核心就是使用计算机综合处理声、文、图、像等多媒体信息。数据压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，或按照一定的算法对数据进行重新组织，减少数据的冗余和存储的空间的一种技术方法。那么如何对数据进行压缩呢？首先得知道数据的格式，根据不同数据的存储格式使用不同的压缩算法对数据进行压缩。本文主要分析语音、图像和视频数据的存储格式。

一 音频数据

目前，语音文件格式有.WAV格式、.VOC格式和.AU格式。下面将对三种格式的语音文件进行详细的分析。

    1.VOC语音文件分析 

VOC文件由文件首部和数据块两大部分组成。文件首部包括标识符、版本号和一个指向数据块开始的指针。如表1所示。

数据块包括语音数据、静态标记、ASCII字符、重复、重复结束、终止以及新加入的扩展块等。其中扩展块用于立体声或高速语音数据。数据块被分为9个类型的数据子块，每个子块的第一个字节称为块类型（BLKTYPE），指出本子块所办含的数据类型，取值为00~08，接着三个字节为块长度（BLKLEN），为本子块中除了BLKTYPE与BLKLEN域以外的字节数（只有类型0数据没有BLILEN）。根据BLKTYPE，块中后面的数据可以是语音特征值（如采样率、压缩方式）、语音数据或其他一些信息数据子块。程序开发中，应用程序不必翻译所有的BLKTYPE，当遇到不认识的BLKTYPE时，不难根据BLKLEN跳到下一数据子块。下面给出9种数据类型的数据子块内容分析。

（1）类型0：终止整个数据块，表示其后再无其它数据块。

    

（2）类型1：语音数据

其中：TC域是时间常量（TimeConstant），TC=256-1000000/采样率；PACK域表示本块数据的压缩方式：0:8位源码      1：压缩到4位     2：压缩到2—6位        3：压缩到2位。不难看出本数据块的实际长度=BLKLEN-2.

（3）类型2：该子块是上一个语音数据块的继续，长度为BLKLEN字节。

（4）类型3：该子块定义了语音数据中的一段静音，静音长度以采样周期为单位，其值比静止时间少1，BLKLEN一般为3.

（5）类型4：该特殊子块在语音数据中定义了一个标志，该标志可用声霸卡的应用程序VOICE EDITOR插入到语音数据中。

（6）类型5：ASCII字符

该子块确定一个以null结束的ASCII字符串，该块仅在需要有关语音的信息（如名字、类型等）时被定义，一般可忽略。

（7）类型6：重复循环

该子块确定重复循环的开始，循环次数为COUNT，其中COUNT范围为1~0FFFE，当其值为FFFE时，将无限循环，BLKLEN一般置为2.

（8）类型7：结束重复循环块，确定重复循环的结束。

其中，BLKLEN一般置为0.

（9）类型8：扩展块

该扩展块仅用于立体声或高速语音数据的描述，必须位于数据类型1 块之前。它确定了后面的立体声或高速语音数据的属性特征，位于立体声或高速语音数据之前。

其中：BLKLEN一般置为4；MODE确定单声道或立体声方式。单声道MODE=0.立体声MODE=1

单声道：TC=65532-256000000/采样率

立体声：TC=65532-256000000/2*采样率；

PACK一般置为0.

该块之后的数据类型1块所确定的语音属性特征将被忽略。

    2 wave语音文件格式分析

wave文件也是由文件首部及波形音频数据块组成。

文件首部包括标识符。语音特征值，声道特征以及脉冲编码调制格式类型标志等。如表2所示。

wave文件数据块包含以脉冲编码调制格式表示的样本。wave文件是由样本组织而成的。在单声道wave文件中，声道0代表左声道，声道1代表右声道。在多声道wave文件中，样本室交替出现的。

    3 AU语音文件格式分析

AU语音文件是UNIX系统的工作站上的语音存储格式。其格式较WAVE、VOC文件简单。其结果如表3所示。

二 视频存储格式

视频数据，图像数据在存储中的存储格式主要有RGB和YUV。RGB是多媒体数据进行数据存储采用的主流格式；YUV格式所需存储空间一般是RGB格式存储空间的一半，所以TUV格式主要用于多媒体数据传输中。

    1 RGB视频存储格式

1.1 RGB概述

计算机彩色显示器显示彩色的原理与彩色电视机一样，都是采用R（red）、G（green）和B（blue）相加混色的原理；通过发射出三种不同强度的电子束，使屏幕内侧覆盖的红、绿、蓝磷光材料发光而产生色彩。这种色彩的表示方法称为RGB色彩空间表示。

根据三基色原理，任意一种色光F都可以由不同分量的R、G、B三色相加混合而成。F=r[R]+g[G]+b[B]。其中，r、g、b分别为三基色参与混合的系数。当三基色分量都为0时混合为黑色光；而当三基色分量都为k（最强）时混合为白色光。调整r、g、b三个系数的值，可以混合出介于黑色光和白色光之间的各种各样的色光。

1.2 常见的RGB格式

RGB的GUID（globally unique identifier全球唯一标识符）格式描述如下表所示：

    2 YUV视频存储格式

2.1 YUV概述

在现代彩色电视系统中，通常采用三管彩色摄像机或彩色CCD摄像机进行摄像，然后把摄得的彩色图像信号经分色、分别放大校正后得到RGB，再经过矩阵变换电路得到亮度信号Y和两个色差信号R--Y（即U）、B——Y（即V），最后发送端将亮度和色差三个信号分别进行编码，用同一信道发送出去。这种色彩的表示方法就是所谓的YUV色彩空间表示。

采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。如果只有Y信号分量而没有U、V分量，那么这样表示的图像就是黑白灰度图像。彩色电视采用YUV空间正是为了用亮度信号Y解决彩色电视机与黑白电视机的兼容问题，使黑白电视机也能接收彩色电视信号。

2.2 常见YUV的格式

在DirectShow中，常见的YUV格式有YUV2、YUYV、YVYU、UYVY、AYUV、Y41P等。。

2.3 YUV主要采样格式

主要的采样格式有YCbCr 4:2:0、YCbCr 4:2:2、YCbCr 4:1:1和 YCbCr 4:4:4。其中YCbCr 4:1:1 比较常用，其含义为：每个点保存一个 8bit 的亮度值(也就是Y值)，每 2x2 个点保存一个 Cr 和Cb 值, 图像在肉眼中的感觉不会起太大的变化。所以，原来用 RGB(R，G，B 都是 8bit unsigned) 模型， 1个点需要 8x3=24 bits，若4:4:4按采样后，YUV仍各占8bit。按4:1:1采样后，而现在一个点平均仅需要 8+(8/4)+(8/4)=12bits。这样就把图像的数据压缩了一半。 

 YUV 的优点之一是，色度频道的采样率可比 Y 频道低，同时不会明显降低视觉质量。有一种表示法可用来描述 U 和 V 与 Y 的采样频率比例，这个表示法称为 A:B:C 表示法：

 4:4:4：表示色度频道没有下采样。 

 4:2:2：表示
2:1 的水平下采样，没有垂直下采样，对于每两个 U 样例或 V 样例，每个扫描行都包含四个 Y 样例。 

 4:2:0：表示 2:1 的水平下采样，2:1 的垂直下采样。 

4:1:1：表示 4:1 的水平下采样，没有垂直下采样，对于每个 U 样例或 V 样例，每个扫描行都包含四个 Y 样例。

    3 YCbCr视频存储格式

YCbCr其中Y是指亮度分量，Cb指蓝色色度分量，而Cr指红色色度分量。人的肉眼对视频的Y分量更敏感，因此在通过对色度分量进行子采样来减少色度分量后，肉眼将察觉不到的图像质量的变化。主要的子采样格式有 YCbCr 4:2:0、YCbCr 4:2:2 和 YCbCr 4:4:4。   
4:2:0表示每4个像素有4个亮度分量，2个色度分量 (YYYYCbCr)，仅采样奇数扫描线，是便携式视频设备(MPEG-4)以及电视会议(H.263)最常用格式。 
4：2：2表示每4个像素有4个亮度分量，4个色度分量(YYYYCbCrCbCr)，是DVD、数字电视、HDTV 以及其它消费类视频设备的最常用格式。 
4：4：4表示全像素点阵(YYYYCbCrCbCrCbCrCbCr)，用于高质量视频应用、演播室以及专业视频产品。

    4  YUV与YCbCr的对比

4.1 两者与rgb之间换算公式的差异

yuv<-->rgb 
Y'= 0.299*R' + 0.587*G' + 0.114*B' 
U'= -0.147*R' - 0.289*G' + 0.436*B' = 0.492*(B'- Y')

 
V'= 0.615*R' - 0.515*G' - 0.100*B' = 0.877*(R'- Y') 

R' = Y' + 1.140*V' 
G' = Y' - 0.394*U' - 0.581*V' 

B' = Y' + 2.032*U'

 
yCbCr<-->rgb 
Y’ = 0.257*R' + 0.504*G' + 0.098*B' + 16 

Cb' = -0.148*R' - 0.291*G' + 0.439*B' + 128 

Cr' = 0.439*R' - 0.368*G' - 0.071*B' + 128

 R' = 1.164*(Y’-16) + 1.596*(Cr'-128)

4.2 两者来源上的差异

YUV色彩模型来源于RGB模型。  该模型的特点是将亮度和色度分离开，从而适合于图像处理领域。颜色模型用于模拟彩色电视广播。  

YCbCr模型来源于YUV模型。 

 YCbCr是一个的YUV色彩空间缩放和偏移的版本应用：数字视频，ITU-R BT.601T推荐标准。