قبل از صحبت در مورد ویدیو، اجازه دهید ابتدا در مورد تصاویر صحبت کنیم. یک تصویر از بسیاری از نقاط رنگی تشکیل شده است. این نقطه پیکسل نامیده می شود که واحد اصلی نمایش تصویر است. معمولاً اندازه یک تصویر 1920 در 1080 است که طول آن 1920 پیکسل و عرض آن 1080 پیکسل است. محصول 2073600 است، یعنی این تصویر دو میلیون پیکسل است. 1920 x 1080 که به عنوان وضوح این تصویر نیز شناخته می شود.
بنابراین، چه چیزی معمولاً به عنوان PPI شناخته می شود؟ PPI تعداد پیکسل در هر اینچ است. یعنی در هر اینچ چند "پیکسل" می توان روی صفحه نمایش تلفن همراه (یا مانیتور) قرار داد. هر چه PPI بالاتر باشد، تصویر واضح تر و ظریف تر خواهد بود.
در سیستم های کامپیوتری، رنگ ها با استفاده از اعداد بیان می شوند. در رایانه ها، R، G، و B به عنوان "مولفه های رنگ اصلی" نیز شناخته می شوند. مقادیر آنها از 0 تا 255 با مجموع 256 سطح متغیر است (256 توان هشتم 2 است). بنابراین، هر رنگی را می توان با ترکیبی از R، G و B نشان داد.
از طریق این روش، در مجموع می توان 256 x 256 x 256=16777216 رنگ را بیان کرد که به نام 16 میلیون رنگ نیز شناخته می شود. سه رنگ RGB که هر کدام دارای 8 بیت هستند، رنگ ها را به این شکل بیان می کنند که به عنوان رنگ های 24 بیتی نیز شناخته می شود (24 بیت را اشغال می کند). این طیف رنگی از تمام رنگ های قابل مشاهده برای چشم انسان فراتر رفته است، بنابراین به آن رنگ واقعی نیز می گویند. هر چقدر هم که بالا باشد، برای چشم انسان بی معنی و کاملا غیرقابل تشخیص است.
پس از پایان صحبت در مورد تصاویر، اکنون اجازه دهید در مورد فیلم ها صحبت کنیم.
تعداد زیادی از تصاویر متصل به هم یک ویدیو را تشکیل می دهند. مهمترین عامل در اندازه گیری یک ویدیو، نرخ فریم آن است. در یک ویدیو، یک قاب به یک تصویر ثابت اشاره دارد. نرخ فریم به تعداد فریم های موجود در یک ویدیو در ثانیه اشاره دارد. هرچه نرخ فریم بالاتر باشد، ویدیو واقعی تر و روان تر می شود. پس از دریافت ویدیو، دو مشکل وجود دارد: ذخیره سازی و انتقال. کلید رمزگذاری ویدیو در این نهفته است: یک ویدیو، اگر کدگذاری نشده باشد، حجم بسیار زیادی دارد.
به عنوان مثال ویدیویی با وضوح 1920 در 1280 و نرخ فریم 30 را در نظر بگیرید. 1920 x 1280=2073600 پیکسل در هر پیکسل، که به معنای 2073600 x 24=49766400 بیت در هر تصویر است. 8 بیت{8}} بایت. بنابراین، 49766400 بیت{10}} بایت ≈ 6.22 مگابایت. این اندازه اصلی یک تصویر 1920 در 1280 است که در نرخ فریم 30 ضرب می شود، به این معنی که حجم ویدیو در ثانیه 186.6 مگابایت است که تقریباً 11 گیگابایت در دقیقه است. یک فیلم 90 دقیقه ای تقریباً 1000 گیگابایت است.
رمزگذاری چیست؟
رمزگذاری فرآیند تبدیل اطلاعات از یک فرم (فرمت) به فرمت دیگر با استفاده از یک روش مشخص است. رمزگذاری ویدئو فرآیند تبدیل یک فرمت ویدئویی به فرمت دیگر است. هدف نهایی کدنویسی فشرده سازی است. روش‌های مختلف رمزگذاری ویدیو برای کوچک‌تر کردن ویدیوها استفاده می‌شود که برای ذخیره‌سازی و انتقال مفید است. بیایید ابتدا به کل مراحل ضبط و پخش ویدیو نگاهی بیندازیم
در مرحله اول، ضبط ویدیو وجود دارد. معمولا از دوربین ها برای فیلم برداری استفاده می شود. پس از جمع آوری داده های ویدئویی، تبدیل آنالوگ به دیجیتال برای تبدیل سیگنال آنالوگ به سیگنال دیجیتال مورد نیاز است. در واقع، امروزه بسیاری از دوربین ها به طور مستقیم سیگنال های دیجیتال را ارسال می کنند. پس از خروجی سیگنال، پیش پردازش نیز برای تبدیل سیگنال RGB به سیگنال YUV مورد نیاز است.
قبلا سیگنال RGB معرفی شده بود، اما سیگنال YUV چیست؟
به زبان ساده، YUV یک نمایش دیجیتالی دیگر از رنگ ها است. دلیل اینکه سیستم‌های ارتباط تصویری از YUV به جای RGB استفاده می‌کنند، عمدتاً به این دلیل است که سیگنال‌های RGB برای فشرده‌سازی مساعد نیستند. در YUV مفهوم روشنایی اضافه شده است.
در دهه گذشته، مهندسان ویدئو دریافته‌اند که چشم‌ها به روشنایی و تاریکی بیشتر از رنگ حساس هستند، به این معنی که حساسیت چشم انسان به رنگ‌آمیزی کمتر از روشنایی است. بنابراین، مهندسان بر این باورند که در ذخیره سازی ویدئو، نیازی به ذخیره تمام سیگنال های رنگی نیست. ما می‌توانیم پهنای باند بیشتری را به سیگنال‌های سفید سیاه (که به آن «روشنایی» گفته می‌شود) و پهنای باند کمی کمتر به سیگنال‌های رنگی (که به «رنگی بودن» گفته می‌شود) اختصاص دهیم. بنابراین، YUV وجود داشت.
"Y" در YUV نشان دهنده روشنایی (Luma)، در حالی که "U" و "V" نشان دهنده رنگی بودن (Chroma) است.
Y'CbCr که گاهی اوقات دیده می شود، همچنین به عنوان YUV شناخته می شود، یک نسخه فشرده از YUV است. تفاوت در این واقعیت است که Y'CbCr در زمینه تصویر دیجیتال استفاده می شود، YUV در میدان سیگنال آنالوگ استفاده می شود، و YUV رایج در MPEG، DVD و دوربین ها در واقع Y'CbCr است.