多媒体基础

news2024/11/19 17:32:11

第九章、多媒体基础

1、多媒体技术基本概念

1.1、音频相关概念

请添加图片描述
超声波的频率通常在20千赫兹以上,无法被人类的耳朵听到,常用于医疗诊断、非破坏性材料测试、清洗、测量等领域

次声波的频率通常在20赫兹以下,同样无法被人类的耳朵听到,常用于地震预警、海洋探测等领域
请添加图片描述
采样频率指的是在一秒钟内采集到的声音样本数。例如,44.1kHz的采样频率表示每秒钟会采集44100个声音样本

采样精度则是用来描述每个声音样本的精细程度,也称为比特深度。比特深度越高,表示每个样本能够记录的声音细节越多,例如16比特深度就可以记录从0到65535之间的声音细节

1.2、图像相关概念

亮度(Luminance):是指像素的亮度或明暗程度,是图像亮度的主要指标,一般表示为Y

色调(Hue):是指像素的颜色种类,即我们常说的颜色名称,如红色、绿色、蓝色等

饱和度(Saturation):是指像素颜色的纯度或浓淡程度,即颜色的鲜艳程度

在这里插入图片描述
彩色空间
RGB是指通过混合红、绿、蓝三种颜色来显示图像的方式,其颜色空间是三维立方体

YUV是指将RGB空间中的颜色分解成==亮度(Y)和色度(U、V)==两个分量,用于模拟彩色电视信号,同时也被用于视频压缩算法中

CMY是一种颜色模式,它是由颜色印刷工业所采用的模式之一,CMY表示的是青色(Cyan)、洋红(Magenta)和黄色(Yellow)

HSV是指色调、饱和度、明度,是用来描述人眼感知的颜色属性,将RGB色彩空间在三维空间中的点坐标变换为色调、饱和度、亮度三个参数

1.3、媒体的种类

感觉媒体:指人们接触信息的感觉形式。如:视觉、听觉、触觉、嗅觉和味觉等。
表示媒体:指信息的表示形式。如:文字、图形、图像、动画、音频和视频等。
显示媒体(表现媒体):表现和获取信息的物理设备。如:输入显示媒体键盘、鼠标和麦克风等;输出显示媒体显示器、打印机和音箱等。
存储媒体:存储数据的物理设备,如磁盘、光盘和内存等。
传输媒体:传输数据的物理载体,如电缆、光缆和交换设备等。

2、多媒体相关计算问题

  1. 图像容量计算
    在这里插入图片描述
    某数码相机内置128MB的存储空间,拍摄分辨率设定为1600×1200像素,颜色深度为24位,若不采用压缩存储技术,使用内部存储器最多可以存储(1)张照片。
    (1)A.12 B.22 C.13 D.23

    一张照片内存:1600120024/8=5760000kb
    5760000/1024/1024=5.493mb
    128/5.493=23.3

  2. 音频容量计算
    在这里插入图片描述
    CD上声音的采样频率为44.1kHz,样本精度为16bit,双声道立体声,那么其未经压缩的数据传输率为(2)。
    (2) A.88.2kb/s B.705.6kb/s C.1411.2kb/s D .1536.0kb/s

    44.1k * 16 * 2=1441.2kb

  3. 视频容量计算
    在这里插入图片描述
    若视频图像每帧的数据量为6.4MB,帧速率为30帧/秒,则显示10秒的视频信息,其原始数据量为(3)MB。
    (3) A.64 B.192 C.640 D.1920

    6.4 * 30 * 10=1920MB

3、常见多媒体标准

在这里插入图片描述

4、数据压缩技术

空间冗余(几何冗余)
时间冗余
视觉冗余
信息熵冗余
结构冗余
知识冗余

4.1、有损压缩无损压缩

一类是无损压缩编码法(Lossless compression coding),也称冗余压缩法或熵编码法;另一类是有损压缩编码法(Loss compression coding),也称为熵压缩法。
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/516870.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

失败 深度linux社区版 20.8 编译安装 nvidia-docker,启动Stable Deffision WebUI docker 容器

环境 说明: 深度apt 源中无法直接安装nvidia-docker 下载源码 github地址: GitHub - NVIDIA/nvidia-docker: Build and run Docker containers leveraging NVIDIA GPUs 下载最新release https://github.com/NVIDIA/nvidia-docker/archive/refs/tags/…

普通人如何抓住AI这个风口?

​ 要抓住AI这个风口,普通人可以从以下几个方面入手: 1. 学习AI相关知识:可以通过自学、参加培训班、参加线上课程等方式学习AI相关知识,掌握AI的基本原理和应用场景。 2. 参与AI开源社区:可以加入AI开源社区&#…

CVPR 2023 | 目标跟踪新框架:用自回归序列生成的方式训练模型读出目标

如果模型知道目标在哪,那么我们只需要教模型读出目标的位置,而不需要显式地进行分类、回归。对于这项工作,研究者们希望可以启发人们探索目标跟踪等视频任务的自回归式序列生成建模。 自回归式的序列生成模型在诸多自然语言处理任务中一直占…

【Midjourney】Midjourney 的 Prompt 指令类型 ( 画风指令 | 人物细节指令 | 灯光镜头指令 | 艺术家风格指令 )

文章目录 一、Midjourney 的 Prompt 详细指令规则二、Midjourney 的画风指令关键词1、超现实主义2、注重细节描写3、Artstation 画风4、数字绘画风格5、漫画风格6、线条艺术 三、Midjourney 的人物细节描写关键词1、面部特征描写2、身体描写3、生成示例 14、生成示例 2 四、Mid…

实在智能与浙江工商大学官宣战略合作,共建人工智能联合实验室和实习基地

5月10日,实在智能与浙江工商大学正式官宣战略合作,并进行“人工智能联合实验室” “大学生实习实践基地”揭牌仪式。躬身入局共筑人工智能人才生态,这是实在智能和浙江工商大学的共同愿景,也是校企双方深度产学研融合、加速科技型…

从10进制到1000进制:一场数字的盛宴

本篇博客会讲解力扣“1920. 基于排列构建数组”的解题思路,这是题目链接。 先来审下题: 以下是输出示例: 以下是提示: 相信读完题的你已经感到没啥意思了,感觉做这道题就是在浪费时间。但是还是建议你看下去&…

git保姆级教程(概述、理论、指令、创建及代码初始化完整步骤、分支与冲突、遇到的问题)

目录 版本控制安装配置理论部分项目创建及克隆创建全新仓库克隆远程仓库 文件操作理论实操 使用码云分支与冲突实操说明 遇到的问题vscode配置问题vscode克隆慢的问题 后记 版本控制 概述: 版本迭代,更新速度快,于是需要版本管理器。 作用&…

Python大厂经典面试题附答案,提前做好准备

对于大部分Python学习者来说,基础核心知识基本已经掌握了,但"纸上得来终觉浅,绝知此事要躬行",要想完全掌握Python,还得靠实践应用。 比如面试的时候,面试官会出其不意的问一些问题,今天给大家分…

浅谈月出月落和月相的计算方法以及替代工具 - 月出月落和月相 API

引言 如果你想知道精确的月出月落时间,又或者你想设计一个月出月落时间查询的应用,又或者你只是好奇点进来了,还是可以过来围观一下涨涨知识,今天想跟大家聊一聊的是月出月落的计算方法以及替代工具 - 月出月落和月相 API 。 月…

污水除磷主要方法,磷酸盐的深度去除,正磷、次磷、亚磷树脂吸附

化学沉淀法除磷工艺虽除磷效率相对较好,但消耗化学药剂并产生大量的化学污泥,处理成本相对昂贵;而传统的生物处理工艺操作简单,但磷去除效率较低,难以满足出水要求。 Tulsimer A-107 是一款专门开发的,基于…

win10中rclone挂载minio的多实例安装方式

1.下载rclone安装包&#xff0c;复制多个.exe并重命名 2.1添加rclone1server.xml <service><id>rclone1</id><name>rclone1</name><description>rclone1service</description><executable>rclone</executable><argum…

有没有中国版的chatGPT?

ChatGPT是一个基于人工智能的聊天机器人&#xff0c;它可以通过自然语言处理技术与用户进行交互和对话。ChatGPT的目的是为用户提供便捷的问答服务和娱乐&#xff0c;它可以回答各种问题&#xff0c;例如天气、新闻、历史、文化、科技、娱乐等等。ChatGPT的核心技术是基于GPT模…

AOP的工作流程和核心概念及代理对象

1. 工作流程及核心概念 Spring容器启动读取所有切面配置中的切入点&#xff0c;未配置的切入点不进行读取 初始化bean&#xff0c;判断bean对应的类中的方法是否匹配到任意切入点 匹配成功&#xff1a;在Spring框架中&#xff0c;Bean初始化时会通过扫描程序中的带有特定注解的…

【学习笔记】低速数字输入电路

1、方案设计&#xff1a;单通道、单向、反相器 该电路采用单通道&#xff0c;单向光耦&#xff0c;只支持漏型输入&#xff0c;电路的输入端压差满足24V DC10%(21.6V DC-26.4V DC)&#xff0c;输出端电压在0~3.3V范围摆动。 1.1关键技术规格 1.2具体原理图 1.3电路原理详解 …

直接使用ChatGPT的方法

ChatGPT是一个基于人工智能的聊天机器人&#xff0c;它可以与用户进行自然语言交互。ChatGPT使用了最新的自然语言处理技术&#xff0c;包括深度学习和神经网络&#xff0c;以便更好地理解用户的意图和回答用户的问题。 ChatGPT可以回答各种问题&#xff0c;包括但不限于常见问…

高效学习传感器|霍尔式传感器

01、霍尔式传感器的工作原理 1●霍尔效应 霍尔式传感器的物理基础是霍尔效应。如图1所示&#xff0c;在一块长度为l、宽度为b、厚度为d的长方体导电板上&#xff0c;左、右、前、后侧面都安装上电极。在长度方向上通入电流I&#xff0c;在厚度方向施加磁感应强度为B的磁场。 ■…

并发编程13:邮戳锁StampedLock

文章目录 13.1 关于锁的面试题13.2 简单聊聊ReentrantReadWriteLock13.2.1 是什么&#xff1f;13.2.2 特点 13.3 面试题&#xff1a;有没有比读写锁更快的锁&#xff1f;13.4 邮戳锁StampedLock13.4.1 是什么&#xff1f;13.4.2 它是由饥饿问题引出13.4.3 StampedLock的特点13.…

【Linux】IO多路转接-select

文章目录 多路转接IO模型I/O多路转接-selectselect初识select函数select的核心功能fd_set的执行流程select就绪条件基于select的服务器Sock.hppSelect_server.cpp存在的问题 select的优点select的缺点select的适用场景 多路转接IO模型 Linux下多路转接的方案常见的有三种&…

人群归因分数(Population Attributable Fraction, PAF):概念、简单计算案例

专注系列化、高质量的R语言教程 推文索引 | 联系小编 | 付费合集 本篇目录如下&#xff1a; 1 人群归因分数 1.1 相对风险度1.2 人群归因分数2 案例 2.1 示例数据2.2 计算案例12.3 计算案例22.4 计算案例33 总结 1 人群归因分数 人群归因分数&#xff08;Population Attributab…

100G CFP光模块类型应用场景详解

目前&#xff0c;全球电信行业平稳发展&#xff0c;宽带用户稳定增长&#xff0c;随着大数据市场的迅猛发展&#xff0c;骨干网、接入网和数据中心建设均需采购大量的光通信产品&#xff0c;从而给光模块行业带来了全新的市场机遇。如今&#xff0c;100G光模块已成为市场发展的…