PART II 信息层 Chapter 3 数据表示法

Chapter 3 数据表示法

3.1 数据和计算机

数据(data)       :    基本值或事实
信息(information):    用有效的方式组织或处理过的数据

计算机可以存储、表示和帮助我们修改各种类型的数据，包括
    文本、音频、图像和图形、视频
这些数据最终都被存储为二进制数字

多媒体(multimedia):    几种不同的媒体类型
数据压缩(data compression):     减少存储一段数据所需的空间
带宽(bandwidth):  在固定时间内从一个地点传输到另一个地点的最大位数或字节数

压缩率(compression radio): 原始数据的大小除压缩后的数据大小
无损压缩(lossless compression): 不会丢失信息的数据压缩技术
有损压缩(lossy compression): 会丢失信息的数据压缩技术

A.  模拟数据和数字数据

    模拟数据(analog data) :  用连续形式表示信息
    数字数据(digital data):  用离散形式表示信息

    数字化(digitize):  把信息分割成离散的片段
    脉冲编码调制(PCM pulse-code modulation):  电信号在两个极端之间跳跃的变化
    重新计时(reclock):  在信号降级太多之前将它重置为原始状态的行为

    在信号沿线下降时，因为所有的电信号(模拟或数字信号)都会降级;
    但是模拟信号降级丢失信息，数字信号因为通过阈值来判断高低电压，所以数字信号会
    被周期性的重新计时，在信号降级太多前重新计时，就不会丢失信息。

B.  二进制表示法

    n位2进制数字能表示2^n种状态
    计算机体系结构一次能够寻址和移动的位数有一个最小值，通常是2的幂
    分配给任何类型的数据的最小存储量通常是2的幂的倍数

3.2 数字数据的表示法

A.  负数表示法

    1.  符号数值表示法(signed-magnitude representation)
        符号表示数的所属分类，值表示数的量值的数字表示法
        在计算机中会出现+0、-0问题

    2.  定长量数

        指允许用定量的数值，那么可以用一半表示正数，一般表示负数，符号由
        数的量值决定
        A-B = A+(-B) : 从一个数中减去另一个数，等于加上该数的负数

        十进制补码 (ten's complement)
            对于正整数I，它的负数补码  Negative(I) = 10^k - I ,k是数字个数

    3.  二进制补码

        在二进制补码中，负数的最左边一位总是1，所以可以立刻判断数字的正负

    4.  数字溢出

        溢出(overflow):   给结果预留的位数存不下计算出的值的状况
        是把无限的世界映射到有限的机器上会发生的典型问题

B.  实数表示法

    在计算机中，我们把实数存储为一个整数加指示小数点位置的信息
    定义二进制浮点值

                    符号*尾数*2^exp

    小数点(radix point):   在记数系统中，把一个实数分割成整数部分和小数部分的点
    浮点表示法(floating point):  标明了符号、尾数和指数的实数表示法

    把十进制数字的小数部分转化成其他进制:
        用新的数乘这个小数部分，乘法的进位将成为答案左边的下一位数字，
        乘法结果中的小数部分将成为新的被乘数，整个过程直到乘法结果中的小数部分为0截止

    科学计数法(scientific notation): 另一种浮点表示法
        其中，小数点总是出现在最左边的数字右侧，即整数部分只有一位
        因为早期的机器不能输出指数，所以用E代替，例如 12001.32708 将被写为 1.200132708E+4

3.3 文本表示法

字符集(character set): 字符和表示它们的代码的清单

A.  ASCII字符集

    ASCII(American Standard Code for Information Interchange)   美国信息互换标准代码
    最初，ASCII字符集用7位表示每个字符，可表示128个，每个字节的第8位被用作校验位，协助数据传输正确
    后来，用8位表示每个字符，为 Latin-1 扩展ASCII字符集，可表示256个字符

    前32个ASCII字符没有简单的字符表示法，不能输出到屏幕上，它们是为特殊用途保留的，如回车
    和制表符，处理数据的程序会用特定的方式解释他们

B.  Unicode字符集

    因为ASCII不能满足国际需要，所以导致Unicode字符集的出现，它的创建目标是表示世界上所使用的
    所有语言中的所有字符。此外，它还表示许多补充的专用符号，如科学符号。
    它使用16位来表示每个字符。
    为保持一致，Unicode字符集被设计为ASCII超集，前256个是与ASCII字符一致。

C.  文本压缩

    1.  关键字编码
        (keyword encoding): 用单个字符代替常用的单词
        例如:
            as ^ , must & , the ~ , well % , and + , these # , that $
        存在局限性:
            a.  用来对关键字编码的字符不能出现在原始文本中
            b.  不能够代替不同的大小写 比如 The 不能用 ~ 代替
            c.  代替的单词越长，压缩率就越高，但是这些单词不一定出现频率高

    2.  行程长度编码(迭代编码)
        (run-length encoding):  把一系列重复字符替换为它们重复出现的次数
        在某些情况下（例如DNA），一个字符可能在一个长序列中反复出现
        在行程长度编码中，重复字符的序列将被替换为标志字符
        如果用*表示标志字符
            则 AAAAAAAA 可以编码为 *A8

    3.  赫夫曼编码
        (Huffman encoding): 用变长的二进制串表示字符，使常用字符具有较短的编码
        赫夫曼编码的一个重要特征是，用于表示一个字符的位串不会是表示另一个字符
        的位串的前缀。因此，在从左到右扫描一个位串时，每当发现一个位串对应于一
        个字符，那么这个位串一定表示这个字符。

3.4 音频表示法

在计算机上表示音频信息，必须数字化声波，把它分割成离散的、便于管理的片段。
方法之一是真正数字化声音的模拟表示法。也就是说，采集表示声波的电信号，用一系列
离散的数值表示它。

模拟信号是随电压连续变化的。要数字化这种信号，需要周期性的测量信号的电压，记录
合适的数值，这一个过程称为采样，最后得到的不是连续的信号，而是表示不同电压电平
的一系列数字

一般来讲，采样率在每秒40000次左右能够创建合理的声音复制品。低于该值，人耳所听失真。

A.  音频格式

    WAV,AU,AIFF,VQF,MP3等。尽管所有格式都是基于模拟信号采样得到的电压值的，但是
    它们格式化信息细节的方式不同，采用的压缩方式也不同。

B.  MP3音频格式

    MP3是MPEG-2 audio layer 3 的缩写
    MPEG :Moving Picture Experts Group  运动图像专家组
            (为数字音频和视频开发压缩标准的国际委员会)

    MP3格式使用有损压缩和无损压缩两种方法。首先，它将分析频率展开，与人类心理声学
    的数学模型进行比较，然后舍弃那些人类听不到的信息，在用赫夫曼编码进一步压缩得到的位流

3.5 图像和图形的表示法

A.  颜色表示法

    在计算机中，颜色常用RGB(red-green-blue)值表示，是三个数字，0~255，表示每个原色参与分值
    RGB值的概念导致了三维的"色空间"。
    用于表示颜色的数据量称为色深度。通常用颜色的位数来表示色深度。
    增强色彩表示色深度为16位的颜色，RGB的值每个数字由5位来表示，剩下的一位有时用于表示透明度
    真色彩指深度为24位的颜色，RGB值每个数字由8位来表示

B.  数字化图像和图形

    照片是图像的模拟表示，它的表面是连续的，一种颜色的色度与另一种颜色的混合在一起。
    数字化一幅图像是把它表示为一套独立的点，这些点称为像素，代表图像的元素。
    每个像素由一种颜色构成。表示一幅图像使用的像素个数称为分辨率

    像素(pixels): 用于表示图像的独立点，代表图像的元素
    分辨率(resolution):    用于表示图像的像素个数
    逐个像素存储图像信息的方法称为 光栅图形格式，流行格式有位图(BMP)、GIF和JPEG
    光栅图形格式(raster-graphics format): 逐个像素存储图像信息的格式

C.  图形的矢量表示法

    矢量图形是另一种表示图像的方法，矢量图形格式不像光栅图形那样把颜色赋予像素，而是用
    线段或几何形状来描述图像，所以矢量图形是一系列描述线段的方向、线宽和颜色的命令
    矢量图形可以通过数学计算调整大小，这些改变可以根据需要动态地计算。
    矢量图形(vector graphics):  用线段或几何形表示图像的方法
    流行的矢量格式 ：Flash、SVG

3.6 视频表示法

视频编译码器
    编译码器(codec)表示压缩器/解压缩器(Compressor/DECompressor)
    视频便译码器(video codec) 指用于缩减电影大小的方法，使得它能够在计算机或网络上播放。

    大部分编译码器都是面向块的，即，视频的每一帧将被分成一组矩形块。各个编译码器的不同
    之处在于如何对这些块编码。有些视频编译码器完全有软件实现的，而有些需要专用的硬件。

    视频压缩的两种方式
        时间压缩(temproal compression): 根据连续帧之间的差别压缩电影的技术
        空间压缩(spatial  compression): 基于静态图像压缩方法的电影压缩技术