多媒體信息的編碼挑戰#

• 今天計算機很多時候被用於多媒體信息的壓縮、傳輸和處理，涉及對信息的編碼
• 其中的關鍵在於把握範圍和精度的平衡
• 通常可行的辦法是：
  • 採用非線性編碼來擴大範圍，完成粗調
  • 用增量編碼來縮短編碼長度，完成精調

線性編碼（PCM 編碼）#

• 對一段語音進行編碼，最簡單的方法是逐一採樣，然後將其變成 -32768 到 32767 的整數
• 這樣就可以用 16 位二進制數進行編碼
• 今天的長途電話採用的就是這種脈衝編碼調制（PCM）編碼

非線性編碼#

• 一個簡單的方法是對信號求對數，縮小信號的動態範圍
• 對數函數的特點：對較小的數字分辨率較高，對大的數字分辨率則比較低
• 這正好符合語音信息和圖像信息的特點——人耳和人眼對小信號更敏感

增量編碼（差分編碼）#

• 如果將一組數字一起觀察，就可以利用數據前後的相關性
• 只需要對前後數據的增量進行編碼，而非逐一對每個數據完整編碼
• 例如一組信號值 3210, 3208, 3206, 3211, 3220, 3212 可以變換為：
  • 3210, [-2], [-2], [5], [9], [-8], …
• 由於增量的動態變化範圍不大，無論採用線性還是非線性編碼，都不需要太長的編碼

實際應用：ADPCM#

• 今天 IP 電話（VoIP）中傳輸的語音數據，就是用非線性編碼和增量編碼相結合的方式壓縮的
• 這種方法稱為自適應差分 PCM（ADPCM），其中 A 代表 Adaptive（自適應），D 代表 Differential（差分）
• 通過對信息的非線性編碼以及利用前後的相關性進行增量編碼，編碼的長度縮短了 50%，而語音品質的差別幾乎聽不出來

視頻壓縮#

• 一般視頻每秒 30 幀，高清視頻每秒 60 幀，4K 視頻每秒 120 幀
• 每一幀視頻之間的差異其實極小
• 對第一幀（主幀）進行全畫面編碼，後面的每一幀只針對它和上一幀的差異進行編碼
• 這樣一段視頻的大小整體上可以壓縮成原本的千分之幾
• 為了防止累積誤差，每過若干幀就重新產生一個主幀

信息壓縮的極限#

• 信息壓縮總要有一個極限，分為兩種情況：
  • 無損壓縮：不允許任何的信息損失，壓縮後編碼的總長度不可能小於相應信息的信息熵
  • 有損壓縮：允許一定範圍內的信息損失
• 在計算機裡，能讓編碼長度接近於信息熵的常用無損壓縮算法就是哈夫曼編碼

保守主義的做事原則——保守主義不是不變，而是強調利用增量來改變世界，這樣代價最低。在計算機領域，競爭力就體現在用最低的代價做更多的事情。

要點#

• 由於前後信息的相關性，編碼時可以用較少的比特數表達同樣的信息