第6章轻松玩转多媒体.docx

1、第6章 轻松玩转多媒体第6章 轻松玩转多媒体本章学习目标：通过本章的学习，了解多媒体的基本概念以及常用媒体软件的各类与格式。然后学习如何对常用媒体文件进行简单操作及格式转换。本章要点： 多媒体基本概念 常用媒体软件及其格式 音、视频及图片文件的采集与编辑 常用音、视频文件格式的转换 OCR（文字识别软件）的使用6.1 简单介绍多媒体“多媒体”一词译自英文Multimedia，而该词又是由multiple和media复合而成的。媒体（medium）原有两重含义，一是指存储信息的实体，如磁盘、光盘、磁带、半导体存储器等，中文常译作媒质；二是指传递信息的载体，如数字、文字、声音、图形等，中文译作媒介

2、。所以与多媒体对应的一词是单媒体（Monomedia），从字面上看，多媒体就是由单媒体复合而成的。多媒体技术从不同的角度有着不同的定义。比如有人定义“多媒体计算机是一组硬件和软件设备；结合了各种视觉和听觉媒体，能够产生令人印象深刻的视听效果。在视觉媒体上，包括图形、动画、图像和文字等媒体，在听觉媒体上，则包括语言、立体声响和音乐等媒体。用户可以从多媒体计算机同时接触到各种各样的媒体来源”。还有人定义多媒体是“传统的计算媒体文字、图形、图像以及逻辑分析方法等与视频、音频以及为了知识创建和表达的交互式应用的结合体”。本章介绍使用计算机对经常用到的音频、图像及视频进行简单操作及应用。首先，我们先来认

3、识一下计算机中的音频、图像及视频。6.1.1 音频音频的数字化计算机中的音频文件就是通过音频采集器材，将大自然中我们所需的声音采集，并按一定的采样频率和采样精度进行数字化后得到的文件。什么是采样频率？因为WAV使用的是数码信号，它是用一堆数字来描述原来的模拟信号，所以它要对原来的模拟信号进行分析，我们知道所有的声音都有其波形，数码信号就是在原有的模拟信号波形上每隔一段时间进行一次“取点”，赋予每一个点以一个数值，这就是“采样”，然后把所有的“点”连起来就可以描述模拟信号了，很明显，在一定时间内取的点越多，描述出来的波形就越精确，这个尺度我们就称为“采样频率”。我们最常用的采样频率是44.1 k

4、Hz，它的意思是每秒取样441 00次。之所以使用这个数值是因为经过了反复实验，人们发现这个采样频率最合适，低于这个值就会有较明显的损失，而高于这个值人的耳朵已经很难分辨，而且增大了数字音频所占用的空间。一般为了达到“万分精确”，我们还会使用48 kHz甚至96 kHz的采样频率，实际上，96 kHz采样频率和44.1 kHz采样频率的区别绝对不会像44.1 kHz和22 kHz那样区别如此之大，我们所使用的CD的采样标准就是44.1 kHz，目前44.1kHz还是一个最通行的标准，有些人认为96 kHz将是未来录音界的趋势。采样频率提高应该是一件好事，但我们真的能听出96 kHz采样频率制作

5、的音乐与44.1 kHz采样频率制作的音乐的区别吗？不过随着高端音响设备的大众化，我们也许就会在party时听到更高质量的音乐了。采样精度也就是比特率，是大家常听说的一个名词，数码录音一般使用16比特、20比特或24比特制作音乐。什么是“比特”？我们知道声音有轻有响，影响声音响度的物理要素是振幅，作为数码录音，必须也要能精确表示乐曲的轻响，所以一定要对波形的振幅有一个精确的描述。“比特（bit）”就是这样一个单位，16比特就是指把波形的振幅划为216即65 536个等级，根据模拟信号的轻响把它划分到某个等级中去，就可以用数字来表示了。和采样频率一样，比特率越高，越能细致地反映乐曲的轻响变化。2

6、0比特就可以产生1 048 576个等级，表现交响乐这类动态十分大的音乐已经没有什么问题了。刚才提到了一个名词“动态”，它其实指的是一首乐曲最响和最轻的对比能达到多少，我们也常说“动态范围”，单位是dB，而动态范围和我们录音时采用的比特率是紧密结合在一起的，如果我们使用了一个很低的比特率，那么就只有很少的等级可以用来描述音响的强弱，当然就不能听到大幅度的强弱对比了。动态范围和比特率的关系是；比特率每增加1比特，动态范围就增加6 dB。所以假如我们使用1比特录音，那么我们的动态范围就只有6 dB，这样的音乐是不可能听的。16比特时，动态范围是96 dB。这可以满足一般的需求了。20比特时，动态范

7、围是120 dB，对比再强烈的交响乐都可以应付自如了，表现音乐的强弱是绰绰有余了。发烧级的录音师还使用24比特，但是和采样频率一样，它不会比20比特有很明显的变化，理论上24比特可以做到144 dB的动态范围，但实际上是很难达到的，因为任何设备都不可避免会产生噪音，至少在现阶段24比特很难达到其预期效果。1音频文件的格式以下是常见音频文件格式的特点。要在计算机内播放或是处理音频文件，也就是要对声音文件进行数、模转换，这个过程同样由采样和量化构成，人耳所能听到的声音，最低的频率是从20 Hz起一直到最高频率20 kHZ，20 kHz以上人耳是听不到的，因此音频的最大带宽是20 kHz，故而采样速

8、率需要介于4050 kHz，而且对每个样本需要更多的量化比特数。音频数字化的标准是每个样本16位（16 bit，即96 dB）的信噪比，采用线性脉冲编码调制PCM，每一量化步长都具有相等的长度。在音频文件的制作中，正是采用这一标准。2CD格式：天籁当今世界上音质最好的音频格式是什么？当然是CD了。因此要讲音频格式，CD自然是打头阵的先锋。在大多数播放软件的“打开文件类型”中，都可以看到*.cda格式，这就是CD音轨了。标准CD格式也就是44.1 k的采样频率，速率88 k/秒，16位量化位数，因为CD音轨可以说是近似无损的，因此它的声音基本上是忠于原声的，因此如果你如果是一个音响发烧友的话，C

9、D是你的首选。它会让你感受到天籁之音。CD光盘可以在CD唱机中播放，也能用电脑里的各种播放软件来重放。一个CD音频文件是一个*.cda文件，这只是一个索引信息，并不是真正的包含声音信息，所以不论CD音乐的长短，在电脑上看到的“*.cda文件”都是44字节长。注意：不能直接地复制CD格式的*.cda文件到硬盘上播放，需要使用像EAC这样的抓音轨软件把CD格式的文件转换成WAV，这个转换过程如果光盘驱动器质量过关而且EAC的参数设置得当的话，可以说是基本上无损抓音频。推荐大家使用这种方法。3WAV：无损WAV是微软公司开发的一种声音文件格式，它符合PIFFResource Interchange

10、File Format文件规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所支持。“WAV格式支持MSADPCM、CCITT A LAW等多种压缩算法，支持多种音频位数、采样频率和声道，标准格式的WAV文件和CD格式一样，也是44.1 k的采样频率，速率88 k/秒，16位量化位数，看到了吧，WAV格式的声音文件质量和CD相差无几，也是目前PC机上广为流行的声音文件格式，几乎所有的音频编辑软件都“认识”WAV格式。这里顺便提一下由苹果公司开发的AIFF（Audio Interchange File Format）格式和为Unix系统开发的AU格式，它们都和和WA

11、V非常相像，在大多数的音频编辑软件中也都支持它们这几种常见的音乐格式。4MP3：流行MP3格式诞生于八十年代的德国，所谓的MP3也就是指的是MPEG标准中的音频部分，也就是MPEG音频层。根据压缩质量和编码处理的不同分为3层，分别对应*.mp1、*.mp2、*.mp3这3种声音文件。需要提醒大家注意的地方是：MPEG音频文件的压缩是一种有损压缩，MPEG3音频编码具有101121的高压缩率，同时基本保持低音频部分不失真，但是牺牲了声音文件中12 kHz到16 kHz高音频这部分的质量来换取文件的尺寸，相同长度的音乐文件，用MP3格式来储存，一般只有WAV文件的1/10，而音质要次于CD格式或W

12、AV格式的声音文件。由于其文件尺寸小，音质好；所以在它问世之初还没有什么别的音频格式可以与之匹敌，因而为MP3格式的发展提供了良好的条件。直到现在，这种格式还是风靡一时，作为主流音频格式的地位难以被撼动。但是树大招风，MP3音乐的版权问题也一直是找不到办法解决，因为MP3没有版权保护技术，说白了也就是谁都可以用。MP3格式压缩音乐的采样频率有很多种，可以用64 Kbps或更低的采样频率节省空间，也可以用320 Kbps的标准达到极高的音质。我们用装有Fraunhofer IIS Mpeg Lyaer3的MP3编码器（现在效果最好的编码器）MusicMatch Jukebox 6.0在128 K

13、bps的频率下编码一首3分钟的歌曲，得到2.82 MB的MP3文件。采用缺省的CBR（固定采样频率）技术可以以固定的频率采样一首歌曲，而VBR（可变采样频率）则可以在音乐“忙”的时候加大采样的频率获取更高的音质，不过产生的MP3文件可能在某些播放器上无法播放。我们把VBR的级别设定成为与前面的CBR文件的音质基本一样，生成的VBR MP3文件为2.9 MB。5MIDI：作曲家最爱经常玩音乐的人应该常听到MIDI（Musical Instrument Digital Interface）这个词，MIDI允许数字合成器和其他设备交换数据。MID文件格式由MIDI继承而来。MID文件并不是一段录制好

14、的声音，而是记录声音的信息，然后在告诉声卡如何再现音乐的一组指令。这样一个MIDI文件每存1分钟的音乐只用大约510 KB。今天，MID文件主要用于原始乐器作品，流行歌曲的业余表演，游戏音轨以及电子贺卡等。MID文件重放的效果完全依赖声卡的档次。MID格式的最大用处是在电脑作曲领域。MID文件可以用作曲软件写出，也可以通过声卡的MIDI口把外接音序器演奏的乐曲输入电脑里，制成MID文件。6WMA：最具实力WMA（Windows Media Audio）格式是来自于微软的重量级选手，后台强硬，音质要强于MP3格式，更远胜于RA格式，它和日本YAMAHA公司开发的VQF格式一样，是以减少数据流量但

15、保持音质的方法来达到比MP3压缩率更高的目的，WMA的压缩率一般都可以达到118左右，WMA的另一个优点是内容提供商可以通过DRM（Digital Rights Management）方案如Windows Media Rights Manager 7加入防拷贝保护。这种内置了版权保护技术可以限制播放时间和播放次数甚至于播放的机器等，这对被盗版搅得焦头烂额的音乐公司来说可是一个福音，另外WMA还支持音频流（stream）技术，适合在网络上在线播放，作为微软抢占网络音乐的开路先锋可以说是技术领先、风头强劲，更方便的是不用像MP3那样需要安装额外的播放器，而Windows操作系统和Windows M

16、edia Player的无缝捆绑让你只要安装了Windows操作系统就可以直接播放WMA音乐，新版本的Windows Media Player 7.0更是增加了直接把CD光盘转换为WMA声音格式的功能，在新出品的操作系统Windows XP中，WMA是默认的编码格式，大家知道Netscape的遭遇，现在“狼”又来了。WMA这种格式在录制时可以对音质进行调节。同一格式，音质好的可与CD媲美，压缩率较高的可用于网络广播。虽然现在网络上还不是很流行，但是在微软的大规模推广下已经是得到了越来越多站点的承认和大力支持，在网络音乐领域中直逼MP3，在网络广播方面，也正在瓜分Real打下的天下。因此，几乎所

17、有的音频格式都感受到了WMA格式的压力。7RealAudio：流动旋律RealAudio主要适用于在网络上的在线音乐欣赏，属于典型的回放并非最好的音质。有的下载站点会提示你根据你的Modem速率选择最佳的Real文件。现在Real的文件格式主要有这么几种：有RA（RealAudio）、RM（RealMedia，RealAudio G2）、RMX（RealAudio Secured），还有更多。这些格式的特点是可以随网络带宽的不同而改变声音的质量，在保证大多数人听到流畅声音的前提下，令带宽较富裕的听众获得较好的音质。近来随着网络带宽的普遍改善，Real公司正推出用于网络广播的、达到CD音质的格式

18、。如果你的RealPlayer软件不能处理这种格式，它就会提醒你下载一个免费的升级包。许多音乐网站提供了歌曲的Real格式的试听版本。8FLAC：自由无损音频格式FLAC即是Free Lossless Audio Codec的缩写，中文可解为无损音频压缩编码。FLAC是一套著名的自由音频压缩编码，其特点是无损压缩。不同于其他有损压缩编码如MP3及AAC，它不会破坏任何原有的音频资讯，所以可以还原音乐光盘音质。现在它已被很多软件及硬件音频产品所支持。FLAC是免费的并且支持大多数的操作系统，包括Windows，基于Unix内核而开发的系统（Linux、*BSD、Solaris、OSX、IRIX）

19、，BeOS，OS/2，Amiga。并且，FLAC提供了在开发工具Autotools、MSVC、Watcom C、ProjectBuilder上的build系统。9APE：最有前途的网络无损格式APE是目前流行的数字音乐文件格式之一。与MP3这类有损压缩方式不同，APE是一种无损压缩音频技术，也就是说当你将从音频CD上读取的音频数据文件压缩成APE格式后，你还可以再将APE格式的文件还原，而还原后的音频文件与压缩前的一模一样，没有任何损失。APE的文件大小大概为CD的一半，但是随着宽带的普及，APE格式受到了许多音乐爱好者的喜爱，特别是对于希望通过网络传输音频CD的朋友来说，APE可以帮助他们节

20、约大量的资源。作为数字音乐文件格式的标准，WAV格式容量过大，因而使用起来很不方便。因此，一般情况下我们把它压缩为MP3或WMA格式。压缩方法有无损压缩，有损压缩，以及混成压缩。MPEG、JPEG就属于混成压缩，如果把压缩的数据还原回去，数据其实是不一样的。当然，人耳是无法分辨的。因此，如果把MP3格式从压缩的状态还原回去的话，就会产生损失。然而APE压缩格式即使还原，也能毫无损失地保留原有音质。所以，APE可以无损失高音质地压缩和还原。当然，目前只能把音乐CD中的曲目和未压缩的WAV文件转换成APE格式，MP3文件还无法转换为APE格式。事实上APE的压缩率并不高，虽然音质保持得很好，但是压

21、缩后的容量也没小多少。一个34 MB的WAV文件，压缩为APE格式后，仍有27 MB左右。对于一整张CD来说，压缩省下来的容量还是可观的。APE的本质，其实它是一种无损压缩音频格式。庞大的WAV音频文件可以通过Monkeys Audio这个软件压缩为APE。很多时候它被用做网络音频文件传输，因为被压缩后的APE文件容量要比WAV源文件小一点，可以节约传输所用的时间。更重要的是，通过Monkeys Audio解压缩还原以后得到的WAV文件可以做到与压缩前的源文件完全一致。所以APE被誉为“无损音频压缩格式”，Monkeys Audio被誉为“无损音频压缩软件”。与采用WinZip或者WinRAR

22、这类专业数据压缩软件来压缩音频文件不同，压缩之后的APE音频文件是可以直接被播放的。Foobar 2000，以及千千静听都能支持APE的播放。6.1.2 图像图像是由扫描仪、摄像机等输入设备捕捉实际的画面产生的数字图像。由像素点阵构成的位图。图像用数字任意描述像素点、强度和颜色。在显示方面它是将对象以一定的分辨率分辨以后将每个点的色彩信息以数字化方式呈现，可直接快速在屏幕上显示。分辨率和灰度是影响显示的主要参数。描述信息文件存储量较大，所描述对象在缩放过程中会损失细节或产生锯齿。计算机中的图像从处理方式上可以分为位图和矢量图。图像文件格式是记录和存储影像信息的格式。对数字图像进行存储、处理、传

23、播，必须采用一定的图像格式，也就是把图像的像素按照一定的方式进行组织和存储，把图像数据存储成文件就得到图像文件。图像文件格式决定了应该在文件中存放何种类型的信息，文件如何与各种应用软件兼容，文件如何与其他文件交换数据。图像文件的格式1BMP（Bitmap）格式BMP（位图格式）是DOS和Windows兼容计算机系统的标准Windows图像格式。BMP格式支持RGB、索引颜色、灰度和位图颜色模式，但不支持Alpha通道。BMP格式支持1、4、24、32位的RGB位图。2TIFF（TagImage File Format）格式TIFF（标记图像文件格式）用于在应用程序之间和计算机平台之间交换文件。

24、TIFF是一种灵活的图像格式，被所有绘画、图像编辑和页面排版应用程序支持。几乎所有的桌面扫描仪都可以生成TIFF图像。而且TIFF格式还可加入作者、版权、备注以及自定义信息，存放多幅图像。3GIF（Graphic Interehange Format）格式GIF（图像交换格式）是一种Lzw压缩格式，用来最小化文件大小和电子传递时间。在World Wide Web和其他网上服务的HTML（超文本标记语言）文档中，GIF文件格式普遍用于现实索引颜色和图像。GIF还支持灰度模式。4JPEG格式JPEG（Joint Photographic Experts Group，联合图片专家组）是目前所有格式中

25、压缩率最高的格式。目前大多数彩色和灰度图像都使用JPEG格式压缩图像，压缩比很大而且支持多种压缩级别的格式，当对图像的精度要求不高而存储空间又有限时，JPEG是一种理想的压缩方式。在World Wide Web和其他网上服务的HTML文档中，JPEG用于显示图片和其他连续色调的图像文档。JPEG支持CMYK、RGB和灰度颜色模式。JPEG格式保留RGB图像中的所有颜色信息，通过选择性地去掉数据来压缩文件。5PDF（Portable Document Format）格式PDF（可移植文档格式）用于AdobeAerobat。AdobeAerobat是Adobe公司用完Windows、Unix和DO

26、S系统的一种电子出版软件，目前十分流行。与Postseript页面一样，PDF可以包含矢量和位图图形，还可以包含电子文档查找和导航功能。应视具体情况来决定究竟采用哪种格式，一般来说，Windows下的位图文件BMP格式是目前使用的最广泛的文件格式之一。在应用程序设计中，应着重考虑图像的质量、图像的灵活性、图像的存储效率以及应用程序是否支持这种图像格式等几个方格式。6PNG格式PNG图片以任何颜色深度存储单个光栅图像。PNG是与平台无关的格式。优点：PNG支持高级别无损耗压缩。支持alpha通道透明度。PNG支持伽玛校正。PNG支持交错。PNG受最新的Web浏览器支持。缺点：较旧的浏览器和程序可

27、能不支持PNG文件。作为Internet文件格式，与JPEG的有损耗压缩相比，PNG提供的压缩量较少。作为Internet文件格式，PNG对多图像文件或动画文件不提供任何支持。6.1.3 视频视频其实就是将一张张同样尺寸大小图片按照一定的时间间隔连续不断的播放出来的。我们将这些连续的图片组合成一个文件，这个文件就是一个视频文件。视频文件的格式1AVIAVI比较早的AVI是Microsoft开发的。其含义是Audio Video Interactive，就是把视频和音频编码混合在一起储存。AVI也是最长寿的格式，已存在10余年了，虽然发布过改版（V2.0于1996年发布），但已显老态。AVI格式

28、上限制比较多，只能有一个视频轨道和一个音频轨道（现在有非标准插件可加入最多两个音频轨道），还可以有一些附加轨道，如文字等。AVI格式不提供任何控制功能。扩展名：avi2WMVWMV（Windows Media Video）是微软公司开发的一组数位视频编解码格式的通称，ASF（Advanced Systems Format）是其封装格式。ASF封装的WMV文档具有“数位版权保护”功能。扩展名：wmv/asf、wmvhd。3MPEGMPEG格式：MPEG（Moving Picture Experts Group），是一个国际标准组织（IS0）认可的媒体封装形式，受到大部分机器的支持。其储存方式多样

29、，可以适应不同的应用环境。MPEG4档的档容器格式在Layer1（mux）、14（mpg）、15（avc）等中规定。MPEG的控制功能丰富，可以有多个视频（角度）、音轨、字幕（位图字幕）等。MPEG的一个简化版本3GP还广泛的用于准3G手机上。扩展名：dat（用于DVD）、vob、mpg/mpeg、3gp/3g2（用于手机）等4MPEG1MPEG1：是一种MPEG（运动图像专家组）多媒体格式，用于压缩和储存音频和视频。用于计算机和游戏，MPEG1的分辨率为352240像素，帧速率为每秒25帧（PAL）。MPEG1可以提供和租赁录像带一样的视频质量。5MPEG2MPEG2：是一种MPEG（运动图

30、像专家组）多媒体格式，用于压缩和储存音频及视频。供广播质量的应用程序使用，MPEG2定义了支持添加封闭式字幕和各种语言通道功能的协议。6DivX/xvidDivX是一项由DivXNetworks公司发明的，类似于MP3的数字多媒体压缩技术。DivX基于MPEG4，可以把MPEG2格式的多媒体文件压缩至原来的10%，更可把VHS格式录像带格式的文件压至原来的1%。通过DSL或CableModen等宽带设备，它可以让你欣赏全屏的高质量数字电影。同时它还允许在其他设备（如数字电视、蓝光播放器、PocketPC、数码相框、手机）上观看对机器的要求不高，这种编码的视频CPU只要是300 MHz以上、64

31、 M内存和一个8 M显存的显卡就可以流畅地播放了。采用DivX的文件小，图像质量更好，一张CDROM可容纳120 min的质量接近DVD的电影。7DVDV：（数字视频）通常用于指用数字格式捕获和储存视频的设备（诸如便携式摄像机）。有DV类型I和DV类型II两种AVI文件DV类型I数字视频AVI文件包含原始的视频和音频信息。DV类型I文件通常小于DV类型II文件，并且与大多数A/V设备兼容，诸如DV便携式摄像机和录音机。DV类型II数字视频AVI文件包含原始的视频和音频信息，同时还包含作为DV音频副本的单独音轨。DV类型II比DV类型I兼容的软件更加广泛，因为大多数使用AVI文件的程序都希望使用

32、单独的音轨。8MKVMatroska是一种新的多媒体封装格式，这个封装格式可把多种不同编码的视频及16条或以上不同格式的音频和语言不同的字幕封装到一个Matroska Media档内。它也是其中一种一种开放源代码的多媒体封装格式。Matroska同时还可以提供非常好的交互功能，而且比MPEG的方便、强大。扩展名mkv。9RM/RMVBReal Video或者称Real Media（RM）档是由RealNetworks开发的一种档容器。它通常只能容纳Real Video和Real Audio编码的媒体。该档带有一定的交互功能，允许编写脚本以控制播放。RM，尤其是可变比特率的RMVB格式，体积很小，非常受到网络下载者的欢迎。扩展名rm/rmvb。10MOVQuickTime Movie是由苹果公司开发的容器，由于苹果电脑在专业图形领域的统治地位，QuickTime格式基本上成为电影制作行业的通用格式。1998年2月11日，国际标准组织（IS0）认可QuickTime档案格式作为MPEG4标准的基础。QT可储存的内容相当丰富，除了视频、音频以外还可支援图片、文字