即时通讯音视频开发(二):视频编解码之数字视频介绍

前言

即时通讯应用中的实时音视频技术,几乎是IM开发中的最后一道高墙。原因在于:实时音视频技术 = 音视频处理技术 + 网络传输技术 的横向技术应用集合体,而公共互联网不是为了实时通信设计的。有关实时音视频开发时的技术难题请参见《音视频云声网Agora:从demo到实用,中间还差1万个WebRTC》:http://www.52im.net/article-119-1.html

本文主要讲解实时音视频技术中视频技术的数字视频知识。

系列文章

本文是系列文章中的第11篇,本系列文章的大纲如下:

《即时通讯音视频开发(一):视频编解码之理论概述》

《即时通讯音视频开发(二):视频编解码之数字视频介绍》

《即时通讯音视频开发(三):视频编解码之编码基础》

《即时通讯音视频开发(四):视频编解码之预测技术介绍》

《即时通讯音视频开发(五):认识主流视频编码技术H.264》

《即时通讯音视频开发(六):如何开始音频编解码技术的学习》

《即时通讯音视频开发(七):音频基础及编码原理入门》

《即时通讯音视频开发(八):常见的实时语音通讯编码标准》

《即时通讯音视频开发(九):实时语音通讯的回音及回音消除概述》

《即时通讯音视频开发(十):实时语音通讯的回音消除技术详解》

《即时通讯音视频开发(十一):实时语音通讯丢包补偿技术详解》

《即时通讯音视频开发(十二):多人实时音视频聊天架构探讨》

《即时通讯音视频开发(十三):实时视频编码H.264的特点与优势》

《即时通讯音视频开发(十四):实时音视频数据传输协议介绍》

《即时通讯音视频开发(十五):聊聊P2P与实时音视频的应用情况》

《即时通讯音视频开发(十六):移动端实时音视频开发的几个建议》

《即时通讯音视频开发(十七):视频编码H.264、V8的前世今生》

《即时通讯音视频开发(十八):详解音频编解码的原理、演进和应用选型》

《即时通讯音视频开发(十九):零基础,史上最通俗视频编码技术入门》

1. 什么是图像?什么是视频?

图像:
是人对视觉感知的物质再现。三维自然场景的对象包括:深度,纹理和亮度信息。二维图像:纹理和亮度信息。

即时通讯音视频开发(二):视频编解码之数字视频介绍_1.png

视频:
连续的图像。视频由多幅图像构成,包含对象的运动信息,又称为运动图像。

即时通讯音视频开发(二):视频编解码之数字视频介绍_2.png

2. 何为数字视频?

数字视频可以理解为自然场景空间和时间的数字采样表示。

空间采样的主要技术指标为:解析度(Resolution)
即时通讯音视频开发(二):视频编解码之数字视频介绍_4.png

时间采样的主要技术指标为:帧率(帧/秒)
即时通讯音视频开发(二):视频编解码之数字视频介绍_3.png

3. 数字视频系统的构成和运行原理
采集:照相机,摄像机。
处理:编解码器,传输设备
显示:显示器。

即时通讯音视频开发(二):视频编解码之数字视频介绍_5.png

4. 人类视觉系统HVS

HVS的构成:

眼睛
神经
大脑

即时通讯音视频开发(二):视频编解码之数字视频介绍_6.png

HVS特点:

对高频信息不敏感
对高对比度更敏感
对亮度信息比色度信息更敏感
对运动的信息更敏感

即时通讯音视频开发(二):视频编解码之数字视频介绍_7.png

5. 针对HVS的特点,数字视频系统的设计应该考虑哪些因素?
丢弃高频信息,只编码低频信息
提高边缘信息的主观质量
降低色度的解析度
对感兴趣区域(Region of Interesting,ROI)进行特殊处理

即时通讯音视频开发(二):视频编解码之数字视频介绍_8.png

6. 什么是RGB色彩空间?

三原色分别是红(R),绿(G),蓝(B)。任何颜色都可以通过按一定比例混合三原色产生。

RGB色度空间:

由RGB三原色组成
广泛用于BMP,TIFF,PPM等
每个色度成分通常用8bit表示[0,255]

即时通讯音视频开发(二):视频编解码之数字视频介绍_9.png

7. 什么是YUV色彩空间?

YUV色彩空间是指,Y:亮度分量,UV:两个色度分量。YUV能更好的反映HVS特点。

8. RGB如何转化到YUV空间?

亮度分量Y与三原色有如下关系:
即时通讯音视频开发(二):视频编解码之数字视频介绍_x.png

经过大量实验后ITU-R给出了:
即时通讯音视频开发(二):视频编解码之数字视频介绍_x1.png

主流的编解码标准的压缩对象都是YUV图像。

9. 何为YUV图像分量采样?

YUV图像可以根据HVS的特点,对色度进行分量采样,可以降低视频数据量。

根据亮度和色度分量的采样比率,YUV图像通常有以下几种分量方式:

即时通讯音视频开发(二):视频编解码之数字视频介绍_y1.png

10. 通用的YUV图像格式有哪些?

根据YUV图像的亮度、分辨率定义了如下图像格式:

即时通讯音视频开发(二):视频编解码之数字视频介绍_y2.png

11. 如何理解帧和场图像?

一帧图像包括两场——顶场,底场:

在这里插入图片描述

12. 逐行与隔行图像

**逐行图像是指:**一帧图像的两场在同一时间得到,ttop=tbot。
**隔行图像是指:**一帧图像的两场在不同时间得到, ttop≠tbot。

即时通讯音视频开发(二):视频编解码之数字视频介绍_y5.png

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值