§ 17. Кодирование звуковой и видеоинформации

Определения и обозначения

Звуковой сигнал — непрерывное изменение звуковой волны, которое перед оцифровкой представляют последовательностью числовых значений. В природе звук не состоит из отдельных точек, но компьютер хранит данные в цифровой форме. Поэтому сигнал сначала нужно измерить, а затем записать результат измерений числами.

Частота дискретизации — число отсчётов звукового сигнала за секунду. Она показывает, насколько часто фиксируют изменения сигнала: чем выше частота, тем больше измерений приходится на тот же промежуток времени. Это понятие нужно, чтобы описывать подробность измерения звука и оценивать объём записи.

Глубина кодирования звука — число бит, отведённых на кодирование одного отсчёта. Если бит больше, отсчёту можно сопоставить больше уровней громкости, а значит, точнее передать его значение. Глубина нужна для описания точности кодирования и расчёта количества данных.

Кадр — отдельное неподвижное изображение в видеоряде. При воспроизведении кадры быстро сменяют друг друга, и зритель воспринимает эту последовательность как движение. Понятие кадра позволяет отдельно рассматривать размеры и цвет каждого изображения, а затем учитывать их число в видеозаписи.

Как это устроено

Чтобы сохранить звук в цифровом виде, его измеряют через равные промежутки времени. Такой процесс называют дискретизацией: непрерывный сигнал заменяют последовательностью отсчётов. Равные интервалы нужны, чтобы значения можно было упорядоченно хранить и воспроизводить; число измерений за секунду задаёт частота дискретизации.

После измерения каждый отсчёт нужно представить двоичным кодом. Число возможных вариантов зависит от количества выделенных бит: при b битах их 2ᵇ. Например, 8 бит дают 256 уровней. Значение сигнала округляют до ближайшего доступного уровня, поэтому увеличение глубины кодирования уменьшает грубость такого округления, но требует больше места для каждого отсчёта.

Объём несжатого звука можно оценить, потому что за каждую секунду записывается известное число отсчётов, а на каждый отсчёт приходится заданное число бит. Если звук записан в нескольких каналах, данные сохраняются для каждого из них; если запись длиннее, отсчётов становится больше. Поэтому объём в битах равен произведению частоты дискретизации, глубины кодирования, числа каналов и длительности: V = f × b × c × t. Для перехода к байтам результат делят на 8.

Видео кодируют как последовательность кадров, потому что движущуюся сцену можно представить множеством неподвижных изображений. Размер каждого кадра задают разрешением — числом пикселей по ширине и высоте, а глубина цвета показывает, сколько бит отведено на цвет одного пикселя. Частота кадров говорит, сколько таких изображений показывают за секунду; при большей частоте смена может выглядеть плавнее, но кадров для хранения требуется больше.

Для несжатого видео сначала считают число пикселей в кадре, затем умножают его на число бит для каждого пикселя. После этого учитывают частоту кадров и длительность: именно столько кадров нужно сохранить. Значит, объём зависит от разрешения, глубины цвета, частоты кадров и времени записи. Сжатие уменьшает фактический размер, поскольку данные хранят иначе; итог нельзя получить только по параметрам несжатого потока.

Параметры цифрового звука и видео

Сравнивайте звук и видео по каждой строке: так видно, какие параметры выполняют похожие роли и какие величины нужно подставлять в расчёт. Для оценки несжатого объёма последовательно учитывайте данные одного отсчёта или кадра, их число за секунду и длительность. Таблица описывает именно основные параметры несжатой записи; сжатие может изменить итоговый размер.

Разбор задач

Монофоническая запись длительностью 10 с

Дано: частота дискретизации 8 кГц, глубина кодирования 8 бит, один канал, длительность 10 с. Требуется найти размер несжатой записи. Поскольку 1 кГц = 1000 Гц, частота равна 8000 отсчётов в секунду. В каждом канале на каждый отсчёт приходится 8 бит.

1. Находим число отсчётов за всю запись: 8000 × 10 = 80 000. Длительность уже выражена в секундах, поэтому дополнительное преобразование не нужно.
2. Учитываем глубину и число каналов: 80 000 × 8 × 1 = 640 000 бит. Один канал не увеличивает результат, но его всё равно указывают в формуле.
3. Переводим биты в байты: 640 000 ÷ 8 = 80 000 байт. Это оценка объёма без учёта служебных данных и сжатия.

Ответ: 640 000 бит, или 80 000 байт (80 десятичных кБ).

Стереозапись длительностью 3 мин

Дано: частота 44,1 кГц, глубина 16 бит, два канала, длительность 3 минуты. Сначала переводим величины в единицы, удобные для формулы: 44,1 кГц = 44 100 Гц, а 3 минуты = 180 секунд. Два канала важны, потому что отсчёты сохраняются отдельно для левого и правого звука.

1. Считаем данные за секунду для обоих каналов: 44 100 × 16 × 2 = 1 411 200 бит. Так получаем скорость несжатого потока в битах за секунду.
2. Умножаем на длительность: 1 411 200 × 180 = 254 016 000 бит. Теперь это объём всей трёхминутной записи.
3. Делим на 8: 254 016 000 ÷ 8 = 31 752 000 байт. При десятичном переводе это 31 752 кБ, а при двоичном — примерно 30 226 КиБ.

Ответ: 254 016 000 бит, или 31 752 000 байт (31 752 кБ либо примерно 30 226 КиБ). Разница между кБ и КиБ возникает из-за разных оснований перевода: 1000 и 1024 байта.

Несжатое видео длительностью 20 с

Дано: разрешение 640 × 480 пикселей, глубина цвета 24 бита, частота 25 кадров в секунду, длительность 20 секунд. Сначала определяем, сколько данных занимает один кадр, а затем учитываем все кадры записи. Предполагаем, что каждый пиксель хранится с глубиной 24 бита и сжатия нет.

1. Находим число пикселей в кадре: 640 × 480 = 307 200. Умножаем на глубину цвета: 307 200 × 24 = 7 372 800 бит на кадр.
2. Находим число кадров за 20 секунд: 25 × 20 = 500. Умножаем объём одного кадра на их количество: 7 372 800 × 500 = 3 686 400 000 бит.
3. Переводим в байты: 3 686 400 000 ÷ 8 = 460 800 000 байт. При десятичном переводе это 460 800 кБ, или 460,8 МБ.

Ответ: 3 686 400 000 бит, или 460 800 000 байт (460,8 десятичных МБ). Это расчёт несжатого видео: реальный сжатый файл может быть значительно меньше.

Типичные ошибки

Частоту дискретизации принимают за глубину кодирования или наоборот. Причина — обе величины связаны с точностью цифровой записи, но отвечают за разные вещи: первая считает измерения за секунду, вторая задаёт биты на одно измерение. Проверьте размерность: Гц — отсчёты в секунду, биты — на отсчёт.

В расчёте звукового файла забывают умножить на число каналов или длительность. Это происходит, когда считают только данные одного отсчёта или одной секунды и принимают их за весь файл. Проверьте формулу V = f × b × c × t: в ней должны присутствовать частота, глубина, каналы и секунды записи.

Частоту кадров путают с разрешением видео. Обе величины описывают изображение, но частота — это число кадров за секунду, а разрешение — размеры каждого кадра в пикселях. Самопроверка: частоту выражают в кадрах в секунду, разрешение записывают как ширину × высоту.

При оценке видео находят размер кадра, но забывают учесть все кадры или считают результат для сжатого файла. Так происходит, если остановиться на промежуточном вычислении либо не прочитать условие. Умножьте размер кадра на частоту и длительность, а в ответе уточните, что это оценка несжатых данных.

Связь с другими темами

Для расчётов нужны знания о двоичной системе счисления и переводе битов в байты: без них нельзя интерпретировать глубину кодирования и выразить размер файла в удобных единицах. Полезно также понимать различие аналогового и цифрового сигнала, а при изучении видео — принципы двоичного кодирования изображений. Эти представления помогают увидеть, как непрерывный звук и изображения превращаются в данные.

Тема пригодится при оценке объёма мультимедийных файлов и выборе параметров записи: более подробное представление обычно требует больше данных. Она также подготавливает к изучению сжатия, которое меняет способ хранения информации и уменьшает размер файла. Формулы несжатого потока дают базовую оценку, с которой можно сравнивать сжатую запись.

Что запомнить

• Оцифровка звука включает измерение сигнала через равные промежутки времени и кодирование полученных значений.
• Частота дискретизации измеряется в герцах и показывает число отсчётов за секунду.
• Глубина кодирования задаёт число бит на один звуковой отсчёт.
• Для несжатого звука учитывают частоту дискретизации, глубину кодирования, число каналов и длительность.
• Видео представляет собой последовательность кадров, сменяющихся с заданной частотой.
• Объём несжатого видео зависит от разрешения, глубины цвета, частоты кадров и длительности.
• Сжатие уменьшает объём файла, поэтому фактический размер может отличаться от оценки для несжатых данных.