|
大家好，我是小枣君。
作为一名屌丝创业者，前几天我追了一部美剧。剧名大家可能都听过，就是「硅谷」。
剧里主要讲述的，是一群美国硅谷年轻人的创业故事。我觉得挺好看的，一口气追完了（貌似后面还会更新）。同为创业者，对里面的剧情非常有感触。
今天这篇文章，并不是打算写剧评，而是和剧中男猪脚的创业项目有密切的关系。
男猪脚理查德是一个技术宅，他发明了一个很强的算法，可以将视频文件的体积压缩，并且并不损失视频质量。这个算法受到了所有投资人的关注和追捧，大家都争相给他投资。
中间的狗血故事略过不表，到这部剧的后期，理查德的压缩算法，甚至延伸到“分布式计算”领域，要构建一个“New Internet”。
更甚至，他们还利用自己的压缩算法，搞起了区块链，发行了自己的虚拟货币（魔笛手币）。
为什么一个压缩编码算法，能有这么强大的能量？为什么视频压缩技术这么受追捧？图像视频压缩到底是什么工作原理？
这，就是我们今天要讨论的话题。
如今我们所处的时代，是移动互联网时代，也可以说是视频（多媒体）的时代。
从快播到抖音，从“三生三世”到“延禧攻略”，再从微信视频通话，到支付宝人脸识别，我们的生活，被越来越多的视频元素所影响。
而这一切，离不开视频拍摄和制作技术的日益强大，更离不开通信技术的飞速进步。
试想一下，如果还是当年的56K Modem拨号，或者是2G手机，你还能享受到现在动辄1080P甚至4K的视频体验吗？显然是不可能的嘛。
除了视频拍摄技术和网络通信技术之外，我们能享受到视频带来的便利和乐趣，还有一个重要因素，就是视频编码技术的突飞猛进。
说视频之前，先要说说图像。
图像，大家都知道，是由很多“带有颜色的点”组成的。这个点，就是“像素点”。
像素点的英文叫Pixel（缩写为PX）。这个单词是由 Picture(图像) 和 Element（元素）这两个单词的字母所组成的。
电影《像素大战（Pixels）》，2015年
像素是图像显示的基本单位。我们通常说一幅图片的大小，例如是1920×1080，就是长度为1920个像素点，宽度为1080个像素点。乘积是2,073,600，也就是说，这个图片是两百万像素的。
1920×1080，这个也被称为这幅图片的分辨率。
分辨率也是显示器的重要指标
那么，我们经常所说的PPI又是什么东西呢？
PPI，就是“Pixels Per Inch”，每英寸像素数。也就是，手机（或显示器）屏幕上每英寸面积，到底能放下多少个“像素点”。
这个值当然是越高越好啦！PPI越高，图像就越清晰细腻。
以前的功能机，例如诺基亚，屏幕PPI都很低，有很强烈的颗粒感。
后来，苹果开创了史无前例的“视网膜”（Retina）屏幕，PPI值高达326（每英寸屏幕有326像素），画质清晰，再也没有了颗粒感。
像素点必须要有颜色，才能组成缤纷绚丽的图片。那么，这个颜色，又该如何表示呢？
妹纸们都知道，颜色拥有无数种类，光是你们的口红色号，就足以让我们这些屌丝瞠目结舌。。。
在计算机系统里，我们不可能用文字来表述颜色。不然就算我们不疯，计算机也会疯掉的。在数字时代，当然是用数字来表述颜色。
这就牵出了“彩色分量数字化”的概念。
懂绘画的童鞋一定知道，任何颜色，都可以通过红色（Red）、绿色（Green）、蓝色（Blue）按照一定比例调制出来。这三种颜色，被称为“三原色”。
在计算机里，R、G、B也被称为“基色分量”。它们的取值，分别从0到255，一共256个等级（256是2的8次方）。
所以，任何颜色，都可以用R、G、B三个值的组合表示。
RGB=[183,67,21]
通过这种方式，一定能表达多少种颜色呢？256×256×256=16,777,216种，因此也简称为1600万色。而3个8次方，等于24，因为，这种方式表达出来的颜色，也被称为24位色。
这个颜色范围已经超过了人眼可见的全部色彩，所以又叫真彩色。再高的话，对于我们人眼来说，已经没有意义了，完全识别不出来。
那么，如果是RGB方式，一个像素点需要占用多少bit？3个2的8次方，一共是24bit。请记住哈，下面会用到。
好了，刚才说了图像，现在，我们开始说视频。
所谓视频，大家从小就看动画，都知道视频是怎么来的吧？没错，大量的图片连续起来，就是视频。
衡量视频，又是用的什么指标参数呢？
最主要的一个，就是帧率（Frame Rate）。
在视频中，一个帧（Frame）就是指一幅静止的画面。帧率，就是指视频每秒钟包括的画面数量（FPS，Frame per second）。
帧率越高，视频就越逼真、越流畅。
有了视频之后，就涉及到两个问题，一个是存储，二个是传输。
而之所以会有视频编码，关键就在于此：一个视频，如果未经编码，它的体积是非常庞大的。
以一个分辨率1920×1280，帧率30的视频为例。
1920×1280=2,073,600（Pixels 像素） 每个像素点是24bit（前面算过的哦） 也就是每幅图片2073600×24=49766400bit
8 bit（位）=1 byte（字节），所以，49766400bit=6220800byte≈6.22MB。
这是一幅1920×1280图片的原始大小，再乘以帧率30，也就是说，每秒视频的大小是186.6MB，每分钟大约是11GB，一部90分钟的电影，约是1000GB。。。
吓尿了吧？就算你现在电脑硬盘是4TB的（实际也就3600GB），也放不下几部大姐姐啊！
不仅要存储，还要传输，不然视频从哪来呢？
如果按照100M的网速（12.5MB/s），下刚才那部电影，需要22个小时。。。再次崩溃。。。
正因为如此，屌丝工程师们就提出了，必须对视频进行编码。
什么是编码？
编码，就是按指定的方法，将信息从一种形式（格式），转换成另一种形式（格式）。
视频编码，就是将一种视频格式，转换成另一种视频格式。
编码的终极目的，说白了，就是为了压缩。
各种五花八门的视频编码方式，都是为了让视频变得体积更小，有利于存储和传输。
我们先来看看，视频从录制到播放的整个过程，如下：
首先是视频采集。通常我们会使用摄像机、摄像头进行视频采集。限于篇幅，我就不打算和大家解释CCD成像原理了。
采集了视频数据之后，就要进行模数转换，将模拟信号变成数字信号。其实现在很多都是摄像机（摄像头）直接输出数字信号。
信号输出之后，还要进行预处理，将RGB信号变成YUV信号。
前面我们介绍了RGB信号，那什么是YUV信号呢？
简单来说，YUV就是另外一种颜色数字化表示方式。
视频通信系统之所以要采用YUV，而不是RGB，主要是因为RGB信号不利于压缩。
在YUV这种方式里面，加入了亮度这一概念。
在最近十年中，视频工程师发现，眼睛对于亮和暗的分辨要比对颜色的分辨更精细一些，也就是说，人眼对色度的敏感程度要低于对亮度的敏感程度。
所以，工程师认为，在我们的视频存储中，没有必要存储全部颜色信号。我们可以把更多带宽留给黑—白信号（被称作“亮度”），将稍少的带宽留给彩色信号（被称作“色度”）。于是，就有了YUV。
YUV里面的“Y”，就是亮度（Luma），“U”和“V”则是色度（Chroma）。
大家偶尔会见到的Y'CbCr，也称为YUV，是YUV的压缩版本，不同之处在于Y'CbCr用于数字图像领域，YUV用于模拟信号领域，MPEG、DVD、摄像机中常说的YUV其实就是Y'CbCr。
YUV（Y'CbCr）是如何形成图像的
YUV码流的存储格式其实与其采样的方式密切相关。（采样，就是捕捉数据。）
主流的采样方式有三种，YUV4:4:4，YUV4:2:2，YUV4:2:0。
具体解释起来有点繁琐，大家只需记住，通常用的是YUV4:2:0的采样方式，能获得1/2的压缩率。
这些预处理做完之后，就是正式的编码了。
前面我们说了，编码就是为了压缩。要实现压缩，就要设计各种算法，将视频数据中的冗余信息去除。
当你面对一张图片，或者一段视频的时候，你想一想，如果是你，你会如何进行压缩呢？
对于新垣女神，我一bit也不舍得压缩…
我觉得，首先你想到的，应该是找规律。
是的，寻找像素之间的相关性，还有不同时间的图像帧之间，它们的相关性。
举个例子，如果一幅图（1920×1080分辨率），全是红色的，我有没有必要说2073600次[255,0,0]？我只要说一次[255,0,0]，然后再说2073599次“同上”。
如果一段1分钟的视频，有十几秒画面是不动的，或者，有80%的图像面积，整个过程都是不变（不动）的。那么，是不是这块存储开销，就可以节约掉了？
以我们的签名图为例，只有部分元素在动，大部分是不动的
是的，所谓编码算法，就是寻找规律，构建模型。谁能找到更精准的规律，建立更高效的模型，谁就是厉害的算法。
通常来说，视频里面的冗余信息包括：
视频编码技术优先消除目标，就是空间冗余和时间冗余。
| 
49
发表于 2018-9-19 11:05:39
