ykun089的博客

OpenMaxis anAPIspecification DirectShowis an API specification and an implementation of that API FFmpegprovides libraries, and libraries are implementations of API specifications参考：I'd like to know the relations among openmax, directshow and ffmpeg...

参考：Recommended 8-Bit YUV Formats for Video Rendering - Win32 apps | Microsoft Docs刻意练习FFmpeg系列：颜色和像素 - 知乎分类：YUV 分为 ：YUV444 , YUV422 和 YUV420三种YUVabc 是什么意思：YUV 是模拟数据称呼，对应的数字数据应该是 YCrCb，他们都表示同一个东西，后面的数字abc 表示 “在一个 2*2 的矩阵中有a个Y，b个U，c个V ” 。注意：.

参考：https://blog.youkuaiyun.com/leixiaohua1020/article/details/50534150前言：图像都以像素为单位，但是不同数据格式图像(不是指图像文件格式)在存储数据(字节)时数据结构是不一样的。RGB：内存模型(1)：数据是连续存储的，每个像素都由3个字节组成，因此对于 w*h 像素的 rgb 图像，则需要 3*w*h 个字节来表示内存模型(2)：注：模型1和模型2都能表示图像，模型2更贴近图像的表示方式，模..

为什么要编码？图像数据的原始数据量很大，因此在传输和存储之前需要进行压缩，否则占用的带宽开销和存储开销将是巨大的。因此需要对图像数据进行压缩，而压缩的一种手段就是对原数据进行编码。编码的一个重要目的是压缩，当然还有其他目的，比如加密。什么是信息熵？数据压缩会导致数据失真，或者说信息量丢失，这是显而易见的，但是同时也会带来数据量的缩减，那么如何衡量一个算法是否优秀呢？我们可以以 “损失的信息量与带来的数据压缩量的比率” 来表示一种信息量对数据量的比率关系。而用来表示信息量.

DTS 和 PTSDTS : decode timestamp 解码时间戳PTS ：present timestamp 展示时间戳如果 H264 数据流中没有 B 帧，那么每一真的 DTS 和 PTS 都应该是一样的，如果有B帧，那么PTS是具体画面的时间戳，标注了每一帧画面的实际展示时的时间点，因此PTS的值是递增的，而DTS则不再递增。例如：正常画面帧顺序为 ： I1 B1 B2 P1 I2 B3 B4 B5 P2一般H264在流式传输的时候都是按照上面...

Window和Window之间，没有alpha blend作用，只有次序关系(ZOrder)。Surface和Surface之间，有alpha blend作用。Layer 和Layer之间，有alpha blend作用。

DCT 变换与量化表_maryhaocoolcool的博客-优快云博客_量化表背景知识：低频分量（低频信号）代表着图像中亮度或者灰度值变化缓慢的区域，也就是图像中大片平坦的区域，描述了图像的主要部分。主要对整幅图像强度的综合度量。高频分量（高频信号）对应着图像变化剧烈的部分，也就是图像的边缘（轮廓）或者噪声以及细节部分，主要是对图像边缘和轮廓的度量。DCT变换对图像进行压缩的原理是减少图像中的高频分量，高频主要是对应图像中的细节信息，而我们人眼对细节信息并不是...https://blog.csdn.ne

音视频学习从零到整--H264编码原理 - 简书

MKV ：完全免费MP4 ：有专利保护。

H.264 将构成一帧图像所有NALU(network abstract layer unit)的集合称为一个AU(access unit) ，一个NALU 是一个最小网络传输单元，一个AU是一帧数据I think Technically speaking the only way to detect when a frame ends is to see where the next one begins. That means, you should search for the next...

会涉及到对画面质量和某些参数的一些规格划分。这样才有助于多系统协同合作。

左右声道的来源：我们知道，人耳之所以能准确辨别发音点的方位，是因为声源与双耳之间存在着角度差。这个角度差使声源传到左右耳的时候产生微小的时间差，而人耳对这微小的时间差非常敏感，从而使人能够产生准确的方向感。同时，这个角度差又使声源到达左右耳的距离产生微小的距离差，造成两只人耳在接收同一声音信号时的声音强度差，而人耳可以通过声音强弱的微小差异来判断声源离自己的距离。有了准确的方向和距离感，声像就可以得到准确的定位，这种原理被称为哈斯效应。正是通过对这种声像定位原理的逆向运用，人们发明了最早的也是最简单

转：PGM格式图像详解_xiaoxin_ling的专栏-优快云博客NET framework框架类库中的Image类和Bitmap类提供了常用图像格式的解析读取和存储,这些常用格式包括BMP,JEPG,GIF,PNG,EXIF,TIFF.但是可惜的是不支持PGM格式,但是只要知道了PGM格式的文件的组织结构，相信要解析他也不是难事了.1.PGM图像详解PGM 是便携式灰度图像格式(portable graymap file format),在黑白超声图像https://blog.youkuaiyun.com/xi

霍夫曼编码（Huffman Coding）_summer-优快云博客_霍夫曼编码霍夫曼编码(Huffman Coding)是一种编码方法，霍夫曼编码是可变字长编码(VLC)的一种。霍夫曼编码使用变长编码表对源符号（如文件中的一个字母）进行编码，其中变长编码表是通过一种评估来源符号出现机率的方法得到的，出现机率高的字母使用较短的编码，反之出现机率低的则使用较长的编码，这便使编码之后的字符串的平均长度、期望值降低，从而达到无损压缩数据的目的。霍夫曼编码的具体步骤如下：https://blog.youkuaiyun.com

PCM是对音频模拟信号等间隔取样后编码所得，较为能够还原原始模拟信号，可以认为是 无损音频格式，即没有压缩的，所以数据量较大。PCM 内部可以编制 最多10个 channel 音频，PCM也正是通过这种方式来实现立体声效果的。