音视频编程基本概念梳理

本文概述了音视频编程的核心概念,包括音频的数字化过程(采样、量化、编码)、声学物理知识及人耳生物特性,以及视频的RGB和YUV表示方式。介绍了音频的MP3、AAC、Ogg格式和视频的I帧、P帧、B帧,以及编码压缩技术如运动补偿。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文梳理了音视频编程开发者需要了解的基本概念
访问我的博客了解更多

前言

本文梳理了音视频编程开发者需要了解的基本概念,当然,有的人一开始看着干巴巴的理论,感到困乏,却是一个喜欢动手实践的开发者,那么先实践 ffmpeg的C语言编程入门,然后再来看理论篇更好了。

音频的基本概念

音频技术是为了采样、存储、播放"声学现象"而存在的,详细一点,是模拟信号与数字信号转换;在人耳可听的时域与频域的范围内,进行压缩、转码,在数据大小与音质的取舍中存储音频文件;播放时解读文件的音频参数,进行转码。

声学的物理知识

声音是有物体振动而产生的,是一种压力波。

声音的振动会引起空气有节奏的振动,是周围的空气发生疏密变化,形成疏密相间的纵波

通过上一句话,容易理解声波三要素:

  • 频率,音阶的高低,频率越高,波长越短,而低频声音的波长较长,更容易绕过阻碍物。
  • 振幅,响度,使用分贝描述响度的大小,
  • 波形,音色
人耳的生物知识

回声的区分:两道声音传入人耳的时差小于 80 毫秒,人耳便无法区分这两道声音。

人耳可接收的频率范围:20Hz~20kHz

声音的数字化

数字音频的三个要素: 采样、量化、编码

  • 采样,在时间轴上对信号进行数字化,根据采样定理(奈奎斯特定理),按比声音最高频率高两倍以上的频率对声音进行采样(AD转换),根据人耳可听频率,高质量的采样频率为 44.1kHz,即一秒采样44100次
  • 量化,在幅度轴上对信号进行数字化,例如使用 short (16 bit) 存储空间表示一个声音采样,共有 2^16 个可能取值,于是模拟的音频信号在幅度上分为了 65536 层
  • 编码,按照一定的格式记录采样和量化后的数字数据,比如顺序存储,压缩存储等

音频文件的原始格式,PCM, WAV

PCM + WAV header (44 bit) = WAV

PCM 全称 Pul

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