波仔
🎬 第二章 音视频入门
📄 一句话概括

视频就是连续播放的图片，原始尺寸大得吓人——一分钟 1080p 要 10.4 GB，这也是压缩为什么是必需而不是可选。

📝 本节和前面几节的关系

行业背景讲完了，从这一节起进入技术本体。先弄清【视频】这个最基础的概念。

一、视频的本质：一秒钟很多张图

视频不是什么新东西，它就是一串按时间排好序的图片，快速播出来让人眼产生连续感。 这个【连续感】有生理基础：人眼大约在每秒 16 帧以上就会把断续的画面看成动的。 所以视频的三个基本参数是：宽度、高度、帧率——合起来决定它每秒要处理多少像素。

二、帧率：够用就好

电影 24 fps、电视 25／30 fps、游戏 60 fps 以上——不是越高越好，是够用就好。 帧率翻倍，数据量就翻倍，而人眼能分辨的提升却很有限。 选帧率的原则：内容里【动得快不快】决定要不要高帧率，静物访谈 25 fps 完全够。

三、为什么原始视频那么大

算一笔账就明白了：1920 × 1080 个像素，每个像素存 RGB 三个通道各 1 字节。 一帧就是 6.2 MB；30 fps 一秒 186 MB；一分钟 10.4 GB。 一张 100 GB 的硬盘装不下 10 分钟的原始 1080p——这就是压缩存在的全部理由。

四、分辨率、帧率、码率的关系

三个词容易混，分清楚： 分辨率：一帧有多少像素（空间上的密度）。 帧率：一秒多少帧（时间上的密度）。 码率：一秒传多少比特（压缩之后的体积）。 前两个是内容属性，第三个是压缩结果——同样的分辨率和帧率，码率可以差很多。

五、动手 Demo：一分钟 1080p 原始视频有多大

视频在没压缩之前，就是一张张图。先算清它到底多占地方。

W, H, fps, sec = 1920, 1080, 30, 60
per_px = 3                        # RGB 三通道
per_frame = W * H * per_px
per_sec = per_frame * fps
per_min = per_sec * sec
print("单帧   = %s 字节" % format(per_frame, ","))
print("一秒   = %s 字节" % format(per_sec, ","))
print("一分钟 = %s 字节 = %.1f GB" % (format(per_min, ","), per_min / 1024.0 ** 3))

实跑输出：

--------------------------------------------------------------------
一分钟 1080p 原始视频有多大
--------------------------------------------------------------------

视频在没压缩之前，就是一张张图。先算清它到底多占地方。

  分辨率：1920 x 1080
  每像素：3 字节（RGB24）
  帧率  ：30 fps
  时长  ：60 秒

  单帧  = 1920 x 1080 x 3 = 6,220,800 字节
  一秒  = 单帧 x 30 = 186,624,000 字节
  一分钟 = 一秒 x 60 = 11,197,440,000 字节 = 10.4 GB

  一张 100 GB 的硬盘，只够放 **不到 10 分钟** 的原始 1080p。
  这就是为什么【压缩不是优化，是必需】——第 6 章会讲怎么把它压下去。

单帧 6.2 MB、一秒 186 MB、一分钟 10.4 GB。 一张 100 GB 的硬盘只够放不到 10 分钟的原始 1080p——压缩不是优化，是必需。

30 秒实验

  1. 用手机拍一段 10 秒视频，看文件多大；再跟 Demo 8 算出的理论值比一比。
  2. 差额就是编码替你省下的——感受一下这个倍数。

常见误区

  1. 以为视频是什么特殊的数据结构。它就是按顺序排的图片。
  2. 盲目追高帧率。帧率翻倍数据量就翻倍，人眼却未必分得出来。
  3. 把码率和分辨率混为一谈。分辨率是内容属性，码率是压缩结果。
自测三问（点开对答案） 1. 视频的本质是什么？ —— 按时间顺序排列的连续图片，快速播放产生连续感。 2. 视频的三个基本参数是什么？ —— 宽度、高度、帧率。 3. 为什么说压缩是必需的？ —— 原始 1080p 一分钟就有 10.4 GB，不压缩根本存不下也传不动。

相关笔记