js中的存储问题

js中的存储问题

2进制存储

    2进制
    早期为打点存储 打点为1 不打点为0 
    后来磁盘存储 正磁极为1 负磁极为0(由电报机转变而来) 
    早期磁盘存储为5英寸软盘512kb 后来为 3.5英寸软盘 1.4MB
    再后来是硬盘存储、光盘、高压缩光盘、高容量压缩级硬盘(磁存储)
    固态硬盘(存储芯片 用XPoint颗粒技术，用磁导性存储)

数字、字母、字符存储

ASCII码 数字字母字符保存为十进制数据，然后转换为二进制 存储到计算机中
中国创建的码表叫 GB-5 后来叫GB-2312 台湾叫BIG-5
联合国把各国的编码表合并起来 叫万国码，unicode编码，Unicode编码为十进制不利于二进制存储转换，运算速度慢，于是改编为八进制叫UTF-8 用八进制来写，更容易解析成二进制，后来UTF-8 变为UTF-16，因为兼容UTF-8兼容老浏览器，所以UTF-8常用

颜色存储

每个颜色为rgba() 四位组成
0xFF 00 00 00  红色
 R  G   B  A   由8位16进制组成
R颜色最大为255 G最大255 B最大255 A最大255
FF 00 00 红
00 FF 00 绿
00 00 FF 蓝
FF FF 00 黄
FF 00 FF 紫
00 FF FF 靛
FF AA 00 橙 (红色 和 绿色混色 绿色偏少，红色和绿色一样多为黄色，绿色向下降一些)
若变成亮橙色，所有颜色为FF是白色，00是黑色，所以将最后的值调高一些
FF AA 66  如果 最后两位 还要增大，那么中间两位颜色也要高一些 FF EE 88
如果是暗橙色 所有颜色向下降
如果是草绿色 最前两位颜色降低 中间最高 最后两位控制绿色亮度
AA FF 99
最后两位的十六进制的透明度控制 要用 0-1.0 的取值来乘255
如果完全显示出来
AA FF 99 FF 
十六进制是数值，可以转为二进制来运算，任何一个颜色存储，存储的是数字，存储的是二进制

图片存储

每个图片由像素点构成，每个像素点由一个颜色构成
每个颜色有个对应的值，每个值为十六进制的值
图片分为两种情况，一种是位图，一种是矢量图
位图：放大后，会看到很多小格，每个小格都是纯色，认为在一个图片中色彩点越多，图片越鲜艳，图片越清晰，色彩点越少，图片越模糊
实际上把图片放大的结果，说明图片到底有多少颗粒
图片的所有颜色存储在一个数组当中，每一个数组的数值存储一个颜色值，第0位，第一位，第二位，第三位，存储第一个像素颜色，第四位，第五位，第六位，第七位存储第二个像素颜色，以此类推，将图片整个存储到数组中
如果图片为10*10像素的图片，当鼠标点击到(4，3)像素时候(从零开始)，该像素颜色为(3*10*4+5*10*4)的位置的颜色，这种方法可以应用到取色板取色的时候，也可以应用到判断用户是否点击该图片，逻辑为判断用户点击该像素位置的周围像素，是否和原图片中该像素周围的像素相同

图片压缩

FF 00 00 00中 FF占一个字节，该颜色总共占4个字节，可以应用到计算图片大小的时候
如果计算一个180*180的图片大小，计算方法应该是 180*180*4 = 129500 大小为129K,但是图片实际大小为38.1K 也就是说图片被压缩，压缩方式为临近色彩被取消代替，这个色彩不给设了，会取上一个色彩值，做偏移完成色彩压缩，所以图片大小变小
如果不计算透明度的话，180*180*3=97200 97K 明显小很多，有透明通道和没透明通道要小很多

图片展开问题

因为图片设计制作的时候要考虑到以颜色存储数组，展开时候也一定以颜色方式展开数组，当展开数组时会有严重问题，要求以二进制方式展开，而二进制方式展开时，要求尺寸大小必须按照二进制模式，也就是二的N次幂方式展开，256，512，1024，如果图片设计为1024 * 513，虽然比1024* * 512多了1像素，但是实际上它以1024 * 1024展开，因为大了一位 在原有512无法展开，这时候会扩充2的N次幂，这时候就变成了1024 * 1024 ，此时 1024 * 1024 *4 图片展开大小会翻很大一倍，当然这并不是存储大小，而这是内存中的展开大小，图片虽然读取时候不大，但是进入内存后直接变成两兆，因为以2的N次幂展开 所以内存里会变很大
此时解决办法有两种，
	1. 想办法将1像素去除
	2. 在原有的基础上加入别的图片，这也就是精灵图的由来

声音存储

声音也可以存储，任何声音由波形图组成，波形就有上下的数字，所以波形可以转换为二进制，因为波形力度大，所以波形转换数字，由若干的波形组成，早期的波形只有四个，只有四个单一音阶组成，音量较小，因为当时电脑存储只能存储小数据，虽然由高解析，但是不能大量数据解析
后来声音的声律扩展，存储量变大，扩展开也变大，声音复杂度变高，出现高保真声音，各种音波组成的数据，合并一起形成的二进制数据流，这就是声音二进制数据流处理方式

视频存储

当把声音的二进制流和图片的二进制流合并起来就叫做视频流

视频是一秒钟有若干张图片，60FPS指的是60帧频，指的是1秒钟经过60张图片

视频播放的知识扩展

若思考一秒钟存储60张图片，然后再加上声音的数据，所形成的就叫做视频，所以原始视频展开量非常大，之前180*180的图片，原大小为129K，129K*60是一秒钟的大小，如果要播放一个半小时，需要 129 *60 * 90 为4G 这还没带声音 还是180*180的图片，可想而知 高保真 高清画面是非常大的数据，CPU无法运行很大的数据，这时候我们就介入了一个硬件 叫做显卡，显卡的显存可以解析很大的数据，显存和显卡的运行速度就尤其重要(GPU)，而控制GPU运算，如果好的显卡完成高保真、高清晰、无压缩的原版60帧频视频，显卡大概要造价20W左右
一般压缩后的电影都为23帧频、24帧频

声音识别、视频搜索

说话的声音转换为数字，搜索数字即可
视频搜索，看视频中的人在视频当中什么时候出现过，把人所在的区域的颜色提取出来，在每一张的图片中对帧寻找对应的颜色值，是不是在同等区域中类似存在，灰度算法当中运行找到数据，人就可以精确识别，可能会遇到两种情况，一种叫精确识别，一种叫模糊识别，模糊识别还要再进行分类