安卓音视频整理

这是关于安卓音视频的一个系列文章，大家可以从这里随意跳跃：

0.安卓音视频整理

1.安卓音视频整理（一）—— 音频模块

2.安卓音视频整理（二）—— 音视频编解码

3.安卓音视频整理（三）—— 图像模块

4.安卓音视频整理（四）—— 音视频播放器

5.安卓音视频整理（五）—— MediaSDK的封装

摘要：今天开始，我将会整理一下我在音视频开发中的一些知识积累，主要会包括 基础概念、音频模块、图像模块、音视频编解码、音视频播放器、MediaSDK的封装 这些内容。

本系列文章将会重点围绕上图的内容来扩展，主要包括Android 音频录制、视频录制、音视频编解码，播放器设计等。此篇文章介绍一些有关音视频的基本概念。

1. 音频基础概念

① 音频量化过程

模拟信号 —> 采样 —> 量化 —> 编码 —> 数字信号

音频量化过程见下图：

② 音频量化基本参数

• 采样大小：一个采样用多少bit存放 。常见的有 8bit，16bit，24bit，32位。
• 采样率：采样的频率，速率。定义为每秒从连续信号中提取并组成离散信号的采样个数。常见的有 8kHz, 16kHz, 32kHz, 44.1kHz, 48kHz，96kHz 等。
• 声道数：单声道， 双声道， 多声道。

③ 人类对声音的感知

人类的听觉范围： 20Hz —— 20 kHz
人类的发声范围： 85Hz —— 1100 Hz

④ 音频码率计算

码率为数据传输时单位时间传送的数据位数。单位 bps 即：位每秒。几乎所有的编码格式重视的都是如何用最低的码率达到最少的失真。

码率  = 采样率 x 采样大小  x 声道数 （bps）

例如： 采样率为44.KHz, 采样大小为 16bit, 双声道的PCM 编码的 WAV 文件的码率是多少？

答：它的码率为 44.1K x 16 x 2 = 1411.2 kbps

⑤ 声音三要素

• 音调： 就是音频， 男生 < 女生 < 儿童
• 音量： 振动的幅度，振幅越大，音量越大
• 音色： 与材质有很大关系， 音色本质是谐波

2.音频编码

① 有损和无损

相对自然界的信号，音频编码最多只能做到无限接近，至少目前的技术只能这样了，相对自然界的信号，任何数字音频编码方案都是有损的，因为无法完全还原。

在计算机应用中，能够达到最高保真水平的就是脉冲代码调制编码，即PCM编码，因此，PCM被约定俗成为无损编码，被广泛用于素材保存及音乐制作中，但这并不意味着PCM就能够确保信号绝对的保真。

② 数据带宽

数据带宽，它和ADSL中的带宽是一个概念。将码率除以8,就可以得到这个WAV的数据带宽.
如：采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的音频信号:

• 码率为：44.1K x 16 x 2 = 1411.2 kbps
• 数据带宽为：1411.2/8 = 176.4Kb/s

这表示存储一秒钟采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的音频信号，需要176.4KB的空间，1分钟则约为10.34M。这太大了，大部分用户是不可接受的。要降低磁盘的占用，只有2种方法，降低采样指标或者编码压缩，然而，降低指标并不可取。主要还是对音频数据进行编码，以达到压缩数据量的目的。

③ 音频编码类型

根据编码方式的不同，音频编码技术分为三种：

• 波形编码：音质量高，但编码率也很高。典型的波形编码方法为PCM（Pulse Code Modulation，脉冲编码调制）被广泛运用与多媒体
• 参数编码：编码率很低，产生的合成语音的音质不高。典型的参数编码方法为LPC（Linear Predictive Coding，线性预测编码）主要运用于军事、移动通信
• 混合编码：使用参数编码技术和波形编码技术，编码率和音质介于两者之间

④ 编码格式

常见的编码格式：
PCM、WAV、MP3、OGG、AAC、M4A 等。

3.视频基本概念

① 分辨率

分辨率影响图像的大小，与图像大小成正比，分辨率越高，图像越大，分辨率越低，图像越小。常见的分辨率：

• 720p: 1280 x 720
• 1080p: 1920 x 1080
• 2K: 2560 x 1440
• 4K: 3048 x 2160

② 清晰度

• 在码率一定的情况下，分辨率与清晰度成反比关系：分辨率越高，图像越模糊，分辨率越低，图像越清晰。
• 在分辨率一定的情况下，码率与清晰度成正比关系：码率越高，图像越清晰，码率越低，图像越模糊。

③ 帧率

帧率是指每秒显示的图片数，或者指每秒能够更新图片的次数，又称FPS。

越高的帧速率可以得到更流畅逼真的画面、每秒帧数越多，所显示的动作就会越流畅。帧率也会影响体积，帧率越高，每秒显示的画面越多，体积就越大。

由于人类眼睛的特殊生理结构，如果画面帧率高于16，就会认为是连贯的，此现象称之为视觉暂留。

当帧数达到一定数值后，再增长的话，人眼能感知的流畅度的提升就比较有限了。一般来说30fps是可以接受的，将性能提升至60fps则可以明显提升交互感和逼真感，如果超过75fps一般就不容易察觉到有明显的流畅度提升了。如果帧率超过屏幕刷新率只会浪费图形处理能力，因为监视器不能以这么快的速度更新。

4.视频编码

①视频的格式

视频的格式包括两种：封装格式和编码格式

一张图片可以用很多种算法来显示在屏幕中，所以图片的编码方式就有了JPEG,BMP,PNG等。

视频是动态图像，用什么样的方式表达1s内的若干图片，这就是简单意义上的视频编码，继而就诞生了MPEG，H.264等多种编码格式。

后来有了音频，字幕，配音，就需要一个容器把他们全部放进去保存，所以就诞生了封装格式

② 封装格式

所谓封装格式，是按照一定的规则来将视频轨道、音频轨道、字幕、时间戳、编码方式等零散信息组装在一起，在播放视频文件的时候一起同步进行播放，并且提供了视频索引，可以让我们在播放视频拖动进度条时，播放器可以按照这些信息来匹配解码器，同步音视频。

视频文件的封装格式不影响视频的画质，影响视频画质的是视频的编码格式

典型的三种视频封装格式：ts，MP4和mkv

• ts适合网络流媒体播放，体积较大，一般用于电视直播或网络直播中。
• MP4一般只包括一条视频轨和一条音频轨，适合大多数设备，兼容性最好。
• mkv可以封装多个音频轨，字幕轨，合适网络传播分享。

③ 编码格式

编码格式就是指通过特定的压缩技术，将某个视频格式的文件转换成另一种视频格式文件存在的方法。

不同编码方法的区别主要是压缩算法的不同。视频编码的目的主要是压缩数据体积。

视频中常用的编码标准有H.26X系列，MPEG系列，移动端使用最多的是MP4视频文件，主要使用H.264 AVC编码格式。

④ H.264 AVC编码格式

• 低码率：和MPEG2，MPEG4等压缩技术相比，在同等图像质量下，采用H.264技术压缩后的数据量只有MPEG2的1/8，MPEG4的1/3。H.264的最大优势是具有很高的数据压缩率，可以有效减少用户带宽的占用。
• 高质量的图像：H。264能提供连续，流畅的高质量图像。
• 容错能力强：H.264提供了解决在不稳定网络环境下容易发生的丢包等错误的必要工具。
• 网络适应性强：H.264提供了网路抽象层，使得H.264的文件能容易地在不同网络上传输。

下一篇：1.安卓音视频整理（一）—— 音频模块