0514媒体处理面试题

编程：将给定字符串中的数字逆序，比如 abc2319bcj453 逆序后为 abc3549bcj132

思路：

（1）双指针

  （2）栈

#include "stdio.h"
#include <iostream>
#include <string>
#include <stack>
#include <memory>
#include <map>
#include <unordered_set>
#include <unordered_map>

using namespace std;

static void reverseIntStr(string inputStr);
/*编程：将给定字符串中的数字逆序，比如 abc2319bcj453 逆序后为 abc3549bcj132*/
bool isDigit(char c) {
    return c>'0'&&c<'9';
}

void reverseIntStr(string inputStr){
    cout<<"input:"<<inputStr<<endl;
    int m = inputStr.size()-1;
    string rtnStr="";
    stack<char> intStack;

    //移除末尾空格
    while (inputStr[m]==' ')
    {
        m--;
    }
    for(auto c: inputStr ) {
        if( isDigit(c) ) {
            intStack.push(c);
        }
    }

    for(auto c: inputStr ) {
        char tmp=c;
        if( isDigit(c) && !intStack.empty() ) {
            tmp = intStack.top();
            intStack.pop();
            cout<<"push:"<<tmp<<endl;
        }

        rtnStr+=tmp;
    }

    cout<<"Result:"<<rtnStr;

}

int main(){
    printf("hello world!");
    reverseIntStr(string("abc2319bcj453"));
    return 0;
}

1.如何实现下采样？他们的区别是什么？

下采样（downscaling）或缩小图像尺寸是计算机视觉和图像处理中的常见任务，旨在减少图像的像素尺寸，同时尽量保持其视觉质量。以下是一些常见的下采样算法：

1. 最近邻采样 (Nearest Neighbor Interpolation): 这是最简单的下采样方法，通过直接复制最近的像素值到新位置来减少图像尺寸。这种方法速度快但可能会导致图像出现像素化和锯齿。

2. 双线性内插 (Bilinear Interpolation): 双线性内插在计算新像素值时考虑了周围四个像素的颜色值，并进行加权平均，从而提供更平滑的结果。对于小于50%的缩小比例，它能提供较好的质量，但对于大幅度的缩小，可能会导致模糊。

3. 双三次内插 (Bicubic Interpolation): 这是一种更高级的内插方法，它使用16个相邻像素的加权平均值来计算新像素颜色，可以产生更高质量的缩小图像，尤其是在大幅度缩小的情况下。Bicubic内插可以配置为更重视图像的锐度或平滑度。

4. ** Lanczos 重采样 (Lanczos Resampling)**: Lanczos是一种 sinc 函数的窗函数版本，适用于高质量的图像缩放。它可以在保持边缘细节的同时减少图像噪声，适合需要高保真度的下采样。

5. ** Mitchell-Netravali 内插 (Mitchell-Netravali Filter)**: 一种平衡了锐度和平滑度的内插算法，常用于视频处理和图形渲染中，以获得既清晰又自然的缩小效果。

6. 分块重缩放算法 (Block Resize Algorithms): 如分块平均或使用更复杂的算法在图像的不同区域应用不同的处理，以适应局部特征。

7. 小波变换 (Wavelet Transform): 利用小波分析对图像进行多尺度分解，然后根据需要丢弃高频信息进行下采样，这种方法在压缩和保留图像细节方面表现良好。

8. 内容感知缩放 (Content-Aware Scaling): 这种算法更加智能，它分析图像内容并尝试保留重要的视觉特征，如边缘和形状，同时去除或压缩不重要的区域。Adobe Photoshop中的“内容感知缩放”是一个典型例子。

选择哪种算法取决于具体的应用需求，比如是否优先考虑处理速度、图像保真度、计算资源限制等因素。

2. 如何实现端到端HDR?

实现端到端的HDR（高动态范围）播放涉及从内容创作、编码、传输到最终显示的整个链条。以下是实现这一过程的关键步骤和技术要素：

1. 内容创作与后期制作：

   • 使用HDR兼容的摄像机进行拍摄，确保捕捉更宽的亮度范围和更丰富的色彩信息。
   • 在后期制作中，使用专业的HDR调色工具（如Davinci Resolve、Adobe Premiere Pro等），对HDR内容进行色彩分级，创建HDR元数据，这包括亮度映射、色彩空间转换等，以确保内容在不同显示设备上都能正确呈现。

2. 编码与封装：

   • 采用HDR兼容的编码格式，如HEVC（H.265）、VP9或AV1，这些格式支持更高的压缩效率，有助于在保持画质的同时减小文件体积。
   • 封装时需确保容器格式（如MP4、MKV）支持包含HDR元数据，这通常通过HDR10、HDR10+、Dolby Vision、HDR Vivid等标准来实现。

3. 内容分发与传输：

   • 通过支持HDR的流媒体服务（如Netflix、爱奇艺等）进行内容分发，这些平台需确保服务器端能正确识别并传输HDR内容。
   • 确保网络带宽足够以传输高质量的HDR视频流，因为HDR内容往往具有更高的数据率。

4. 解码与显示：

   • 用户端设备（如智能电视、播放器、手机、电脑等）需具备HDR解码能力，能够解码HDR编码格式。
   • 显示设备（如HDR电视、HDR监视器）需支持HDR标准（如HDR10、Dolby Vision、HDR Vivid），拥有足够的亮度范围（至少1000尼特以上）、对比度和广色域显示能力。
   • 在操作系统或播放软件中，用户需开启HDR模式，确保系统正确识别并处理HDR信号。例如，在电脑上，用户可以通过系统设置或播放软件的选项中启用HDR播放功能。

5. 校准与优化：

   • 对显示设备进行校准，确保准确地再现HDR内容，这可能包括调整亮度、对比度、色彩饱和度等。
   • 根据显示环境的光线条件和个人偏好，调整HDR显示设置，以获得最佳观看体验。

综上所述，端到端HDR播放的实现是一个系统工程，需要内容创作者、技术提供商、流媒体服务平台以及最终用户的设备共同支持与协作。

HLG 与 PQ的区别与联系

HLG（Hybrid Log-Gamma）与PQ（Perceptual Quantizer）都是高动态范围（HDR）视频的两种不同的传输和显示方式，它们服务于相似的目的——提供更宽的亮度范围和更丰富色彩的影像，但采用了不同的技术路径和应用场景：

HLG（Hybrid Log-Gamma）

• 设计目的：HLG由英国BBC和日本NHK联合开发，特别为广播和实时内容设计，如电视直播。它的设计旨在简化HDR内容的传输，不需要额外的元数据或者复杂的元数据处理，从而使得广播系统更容易兼容HDR。
• 工作原理：HLG使用对数曲线来编码亮度信息，允许在传统的SDR（标准动态范围）和HDR显示设备上都能够播放内容，实现了较好的向后兼容性。这意味着无需专门的HDR解码过程，普通SDR电视也能显示出一定程度的HDR效果，尽管不是最佳状态。
• 适用场景：更适合电视广播和实时流媒体，因为它不需要接收端有特定的HDR解码能力，简化了直播和传统广播的工作流程。

PQ（Perceptual Quantizer）

• 设计目的：PQ最初由杜比实验室开发，后来成为HDR10标准的一部分，专为高精度的HDR内容设计，如电影和预录制的高质量视频内容。
• 工作原理：PQ使用非线性的电光转换函数，能够高效地编码从极暗到极亮的宽广亮度范围，需要使用元数据来描述内容的亮度级别，以便在显示设备上正确还原。这意味着它能够提供比HLG更为精确的HDR体验，但要求播放设备具备相应的解码和显示能力。
• 适用场景：更适合蓝光碟、流媒体服务（如Netflix的某些HDR内容）、电脑和移动设备上的点播内容，尤其是在那些能够完全利用其动态范围的高端显示设备上。

联系

• 共同目标：两者都旨在提高视频内容的动态范围和色彩深度，提升观看体验。
• HDR标准：都属于HDR标准的一部分，支持Rec.2020色彩空间，能够提供更广泛的色彩表现。
• 兼容性：虽然设计初衷和应用场景不同，现代的高端显示设备通常同时支持HLG和PQ，以适应不同来源的HDR内容。

总结

选择HLG还是PQ主要取决于内容的传播方式、目标观众的观看设备以及是否需要高度精确的动态范围控制。HLG更倾向于广播和兼容性，而PQ则更专注于提供最高质量的HDR体验，特别是在点播和预录制内容的场景中。

HLG（Hybrid Log-Gamma）本身作为一种高动态范围（HDR）的传输标准，并没有严格规定一个“最大支持的显示亮度”。相反，HLG设计的初衷是为了提供更好的亮度和色彩范围适应性，能够在不同亮度级别的显示设备上工作，从标准动态范围（SDR）到高动态范围（HDR）显示设备。

HLG编码能够适应从低亮度到高亮度的广泛显示能力，理论上，只要显示设备支持HDR并且能够输出相应的亮度，HLG内容就可以呈现出对应级别的亮度细节。实际上，高端HDR电视和投影仪能够达到1000尼特（nits）以上的峰值亮度，而一些顶级设备甚至可以达到2000尼特或更高。

因此，谈论HLG“最大支持的显示亮度”不如关注特定显示设备的HDR能力，即其峰值亮度和色彩表现力。HLG的目标是确保无论是在低亮度的SDR屏幕上还是高亮度的HDR屏幕上，内容都能有尽可能好的表现，而不是限定在一个具体的亮度上限。

HLG（Hybrid Log-Gamma）和HDR10+都是高动态范围（HDR）视频标准，但它们在设计目的、工作原理和应用场景上存在显著差异：

HLG（Hybrid Log-Gamma）

• 设计初衷：HLG主要针对广播电视行业设计，由BBC和NHK联合开发，目的是为了实现HDR内容的简单传输和广泛的兼容性，特别是要在不支持HDR的SDR设备上也能呈现出改进的图像质量。
• 工作原理：HLG使用对数伽马曲线对图像的亮度信息进行编码，这种编码方式不需要额外的元数据来描述亮度等级，因此简化了HDR内容的制作和传输过程。它能够自适应不同显示设备的亮度能力，实现较好的向后兼容。
• 兼容性：由于其自适应性，HLG内容可以在不支持HDR的SDR电视上播放，尽管HDR效果有限，但相比原始SDR内容有所改善。在HDR设备上，根据设备的实际亮度能力，HLG能够展现更丰富的亮度和色彩范围。

HDR10+

• 设计初衷：HDR10+是HDR10标准的进阶版，由三星、松下和二十世纪福克斯联合推出，旨在提供动态元数据支持，以实现更精细的场景到场景或帧到帧的亮度和色彩优化。
• 工作原理：与基础HDR10标准相比，HDR10+引入了动态元数据，这意味着视频的每个场景或帧都可以携带自己的元数据来指示如何最佳地显示该部分内容，包括亮度、对比度和色彩信息。这使得支持HDR10+的显示设备能够根据内容的具体需求动态调整显示设置，从而带来更准确和细致的HDR体验。
• 兼容性：HDR10+需要专门的解码和支持动态元数据的显示设备才能发挥其全部潜力。虽然基于HDR10标准，但不支持动态元数据的设备只能以HDR10的基本方式显示内容。

主要区别总结

• 动态元数据：HDR10+支持动态元数据，而HLG不使用动态元数据。
• 兼容性与自适应性：HLG强调广泛的兼容性和自适应不同显示能力，而HDR10+则依赖于更先进的显示技术和专门的支持来实现最佳效果。
• 应用场景：HLG更适合广播和广泛分发的内容，而HDR10+则更适用于追求极致画质体验的高端影视内容和设备。

HLG并不直接支持10000NIT。HLG（Hybrid Log-Gamma）是一种非线性的广电信号转换算法，它将图像的Gamma分为两部分，在SDR标准范围内采用常规的Gamma曲线，而在偏向高光的部分采用特殊的非线性Gamma曲线。HLG建议的峰值亮度为1000尼特，是SDR的10倍。然而，这并不能再现拍摄现场的绝对亮度，但呈现其相对亮度。

此外，HLG同样支持BT.2020级别的广色域和最高1000nits的记录以及2000nits的显示回放亮度，支持HEVC、VP9、H.264/MPEG-4 AVC等视频编码格式。

因此，对于需要达到10000NIT亮度的应用，可能需要寻找其他技术或解决方案。