数字多媒体相关概念

背景

软考要考。

图像的本质是二维数组

音频的本质是一维数组

说实话不仅仅只是软考要考，个人认为每一个熟练使用图片处理软件、音频、编曲软件的人来说这些东西都应该知道。

图像可以分为矢量图，svg类型的，和位图png、jpg类型的。这里只讨论位图。

图像的本质就是像素矩阵。可以看成二维数组

分辨率 m x n 就是二维数组的宽度和高度

颜色深度：24位，表示二维数组里的每个元素所占用的空间都是24个比特位。

真实世界的音频可以看成一个波函数，有响度、频率的概念。

但是一旦被数字化记录下来，就离散化了。

就相当于把一个函数用一维数组表示了。所以就要采样，就像在函数中，x每隔0.1，打一个点，记录一下y值，追加到数组中。

这里就出现了 采样率 和位深度 的概念

采样率：决定了在函数上打点的密集程度，越密集肯定越逼真。它实际上表示一秒钟内打了多少个点，通常来说是非常多的，可能有44.1 k 这么多。所以这个时候，采样率=44.1 kHz

位深度（样本精度、量化位数）：决定了一位数组中每个元素的类型，比如是double类型还是float类型。这只是举个例子，实际上它决定的是数组中每个元素占用多少比特，每个元素有可能占用16个比特。

它决定了音频的动态范围，也就是最大音量和最小音量之间的差异。（对比函数图像就知道肯定是和响度有关）

一般是16或者24位。

如果在16位深度的情况下，把响度拉满，最终的音量响度大概能达到多大？

对于位深度为16位的音频，每个采样点可以表示的值的范围是从-32768到32767（包含两端的值）。位深度越高，可以表示的音量级别（即动态范围）也就越宽广。

16位音频的动态范围是96dB（每位约对应6dB）

在实际应用中，数字音频的"响度"不只是靠采样值的大小来决定，还受到编码、解码、播放设备等多个环节的影响。例如，高保真音响在播放相同的数字音频文件时，可能比小型便携音箱提供更大的音量和更丰富的动态范围体验。

wav是不压缩的格式，它太大了，一个三分钟的音乐都有50MB~80MB。

扒谱通常可以使用到傅里叶变幻算法。