【正文】 解過(guò)濾器（ Splitter Filter）和合并過(guò)濾器（ Mux Filter）來(lái)分解和合并數(shù)據(jù)流 [9]。基于微軟公司 Windows 構(gòu)成對(duì)象模型（ COM）框架，DirectShow 為大部份微軟公司程序設(shè)計(jì)語(yǔ)言提供了一個(gè)媒體的普 遍接口，而且是一個(gè)可擴(kuò)展的，能在用戶或開(kāi)發(fā)者的命令下播放或記錄媒體文件的，以 Filter 為基礎(chǔ)的框架。 解碼的一般過(guò)程要經(jīng)過(guò)同步、誤碼檢測(cè)、運(yùn)行比特流解包、指數(shù)解碼、比特分配、解耦合，反變換、輸出 PCM 碼流等步驟。 Ogg 的編碼中的比特率選項(xiàng)主要有 ABR、 VBR 和 Quality 三種， Ogg 的比特率是可變的， 推薦使用設(shè)置簡(jiǎn)單 Quality 模式，能滿足大多數(shù)人要求。正常的人耳只能聽(tīng)到頻率在 20 赫茲至 2 萬(wàn)赫茲的聲音，音頻文件中包含的一些聲音可能超出了人耳所能聽(tīng)到的范圍，另外還有一些細(xì)微的聲音可能被更大的聲音掩蓋，還有一些音樂(lè)中的聲音可能根本就是多余的。 （ 六 ）音頻編碼機(jī)制 根據(jù)采樣率和采樣大小可以得知，相對(duì)自然界的信號(hào)，音頻編碼最多只能做到無(wú)限接近，至少目前的技術(shù)只能 做到這樣 ，相對(duì)自然界的信號(hào)，任何數(shù)字音頻編碼方案都是有損的，因?yàn)闊o(wú)法完全還原。 音頻編碼有 QDesign Music Apple MPEG4 AAC 。 （三）主流視頻編碼框 架 目前視頻流傳輸中最為重要的編解碼標(biāo)準(zhǔn)有國(guó)際電聯(lián)的 、 ，國(guó)際標(biāo)準(zhǔn)化組織運(yùn)動(dòng)圖像專家組的 MPEG 系列標(biāo)準(zhǔn)，此外在互聯(lián)網(wǎng)上被廣泛應(yīng)用的還有RealNetworks 的 Real Video、微軟公司的 WMV 以及 Apple 公司的 QuickTime 等。一種 是在數(shù)據(jù)壓縮的過(guò)程中，尋找當(dāng)前等待進(jìn)行壓縮 處理的數(shù)據(jù)串中出現(xiàn)過(guò)， 如果 確實(shí)曾經(jīng)出現(xiàn)過(guò) ，則利用指向已經(jīng)進(jìn)行處理數(shù)據(jù)串中的指針代替當(dāng)前等待壓縮的數(shù)據(jù)串。 有損編碼的標(biāo)準(zhǔn)過(guò)程是變換編碼，即用上一個(gè)和原來(lái)不相同的數(shù)學(xué)基來(lái)表示數(shù)據(jù)，其數(shù)據(jù)的相關(guān)性能夠顯露出來(lái)或者被拆開(kāi)。舉例來(lái)說(shuō)，如果圖像與原始圖像在視覺(jué)上沒(méi)有區(qū)別，那么它就可以看做是原始圖像的近似圖像。 （ 3） 熵編碼 熵編碼是無(wú)損編碼。高質(zhì)量的運(yùn)動(dòng)估計(jì)算法是高效視頻編碼的前提和基礎(chǔ)。 運(yùn)動(dòng)補(bǔ)償是一種描述相鄰幀 (相鄰在這里表示在編碼關(guān)系上相鄰，在播放順序上兩幀未必相鄰 ) 差別的方法，具體來(lái) 說(shuō)是描述前面一幀 (相鄰在這里表示在編碼關(guān)系上的前面，在播放順序上未必在當(dāng)前幀前面 )的每個(gè)小塊怎樣移動(dòng)到當(dāng)前幀中的某個(gè)位置去。 由此可見(jiàn)，無(wú)論是從經(jīng)濟(jì)還是技術(shù)的角度，光靠硬件的支持并不能滿足人們的需要。但是 被普遍認(rèn)可的是由 ISO 組織頒布的 MPEG 技術(shù)以及由 ITUT 組織頒布的 技術(shù)。 Video。本文所研究的范圍是音頻、視頻的壓縮編碼和解壓縮解碼問(wèn)題。 無(wú)損壓縮 也能較好的對(duì)音頻和 圖像數(shù)據(jù) 進(jìn)行壓縮 。 由于音、視頻數(shù)據(jù)量非常大，若未經(jīng)過(guò)處理，其存放、網(wǎng)絡(luò)傳輸都存在很大問(wèn)題。但是從以下事實(shí)仍可以看出，編碼技術(shù)仍有一段路要走。其中冗余信息可分為 幀 域冗余信息和時(shí)域冗余信息。 運(yùn)動(dòng)估計(jì)的基本思想是將圖像序列的每一幀分成許多互不重疊的宏塊，并認(rèn)為宏塊內(nèi)所有象素的位移量都相同，然后對(duì)每個(gè)宏塊到參考幀某一給定特定搜索范圍內(nèi)根據(jù)一定的匹配 準(zhǔn)則找出與當(dāng)前塊最相似的塊，即匹配塊，匹配塊與當(dāng)前塊的相對(duì)位移即為運(yùn)動(dòng)矢量。目前常用的正交變換有：傅立葉 (Fouries)變換、沃爾什 (Walsh)變換、哈爾 (Haar)變換、斜 (Slant)變換、余弦變換、正弦變換、 KL(KarhunenLoeve)變換等。無(wú)損編碼通常用于文本文件的壓縮中，其中沒(méi)有信息損失的數(shù)據(jù)精確度重建是讓人們關(guān)心的問(wèn)題。 （ 1）空間 相關(guān)性：可以根據(jù)圖像中的某一點(diǎn)的像素值推斷出其相鄰點(diǎn)的像素值。 （ 2） Huffman 編碼壓縮 Huffman 編碼是一種長(zhǎng)度不均的、平均碼可以接近信息源 熵 值的一種編碼。 （ 2）變化編碼 圖像經(jīng)過(guò)正交變換后，能夠?qū)崿F(xiàn)圖像數(shù)據(jù)壓縮的物理本質(zhì)在于經(jīng)過(guò)多為坐標(biāo)系的適當(dāng)坐標(biāo)旋轉(zhuǎn)和變換，能夠把散布在各個(gè)坐標(biāo)軸上的原始圖像數(shù)據(jù)，在新的坐標(biāo)系中集中到少數(shù)坐標(biāo)軸上，因而有可能用較少的編碼比特?cái)?shù)來(lái)表示一副子圖像，實(shí)現(xiàn)圖像的壓縮編碼 。 3. 微軟 windows media 視頻編碼有 Mpeg4 v1/v2/v3（基于 MPEG4， DIVX3 的來(lái)源）、 Windows Media Video 7/8/9/10。 視頻解碼 地方法一般包括 熵解碼，反量化，反變換，插值，重建，濾波，參考幀插入等 。 （ 七 ）主流音頻編碼框架 1. WAVE WAV 文件格式是一種由微軟和 IBM 聯(lián)合開(kāi)發(fā) 的用于音頻數(shù)字存儲(chǔ)的標(biāo)準(zhǔn)，它采用RIFF 文件格式結(jié)構(gòu)，非常接近于 AIFF 和 IFF 格式。 3. OGG OggVorbis 的主要算法是利用 MDCT（修飾離散余弦變換 Modified Discrete Cosine Transform）而不是用現(xiàn)在比較時(shí)興的小波（ wavelet）技術(shù)。最大的閃爍點(diǎn)就是這種格式可以根據(jù)聽(tīng)眾的帶寬來(lái)控制自己的碼率，在保證流暢的前提下盡可能提高音質(zhì)。這個(gè)算法使用很少的系統(tǒng)資源，對(duì)各種數(shù)據(jù)提供很好的壓縮效果 [7]。 DirectShow 提供了很多標(biāo)準(zhǔn)過(guò)濾器，用戶可以直接使用。過(guò)濾器前后相連，連接點(diǎn)也是 COM 對(duì)象，被稱為針腳（ Pin）。 press 函數(shù)將 source 緩沖區(qū)中的內(nèi)容壓 縮到 dest 緩沖區(qū) 。 (3) uLong pressBound (uLong sourceLen)； 功能： 計(jì)算需要的緩沖區(qū)長(zhǎng)度。這就要求在進(jìn)行壓縮之前，保存原始數(shù)據(jù)的大小 (也就是解壓后的數(shù)據(jù)的大小 )。根據(jù)統(tǒng)計(jì)的結(jié)果生成兩棵 Huffman 樹(shù) (嚴(yán)格來(lái)說(shuō) ,這兩棵 樹(shù) 是 HuffmanShannonFano 樹(shù) ,簡(jiǎn)稱 HSF 樹(shù) ),我們分別稱之為字符樹(shù) (字符樹(shù)中包含字符碼與匹配長(zhǎng)度碼 )與距離樹(shù) (匹配距離碼 )。 （ 1）參數(shù)區(qū)結(jié)構(gòu) 在一個(gè) ZIP 壓縮文件。第一棵 HSF 碼樹(shù)由 CDATA 區(qū)構(gòu)造。根據(jù) CDATA 區(qū)所確立的碼字 。 （ 1）編碼器的 Filter 的注冊(cè) 將 VHScreenEncoder 注冊(cè)到 Video Compressor 下，需要在編碼器對(duì)應(yīng)的 cpp 文件中寫入的代碼如下： const AMOVIESETUP_FILTER sudVHScreenEncoder = { amp。sudVHScreenDecoder } }； 注冊(cè)成功后在 Filter Graph Manager 中顯示的結(jié)果如圖 所示。amp。mt)； }/判斷媒體數(shù)據(jù)流類型 if (pmt != NULL) DeleteMediaType(pmt)； pInSetMediaType(NULL)； }//輸入數(shù)據(jù)流 { AM_MEDIA_TYPE *pmt = NULL； hr = pOutGetMediaType(amp。 2．壓縮比 單獨(dú)使用 DirectShow Graph 不經(jīng)過(guò)任何編碼捕捉一幀 100 100 像素 視頻圖片， 圖像 大小為 ； 音視頻編碼解碼研究 –20– 使用 DirectShow Graph,添加 VHScreenEncoder Filter 將上一圖片編碼 ， 編碼后的文件類型為 vhv， 圖片大 小 。測(cè)試結(jié)果如圖 所示。 （ 3） 通過(guò)本次研究 證明了音視頻編碼解碼 可以 節(jié)省存儲(chǔ)空間、節(jié)省 編碼 時(shí)間 ，大多數(shù)編碼方法都會(huì)占用較多的 CPU 資源，但優(yōu)秀的編碼方式可以較一般的編碼方式節(jié)省 CPU 使用率。而在不久的將來(lái)，連閃存的容量都要以 GB來(lái)計(jì)算時(shí)，為了追求更高的音質(zhì) 和畫質(zhì) ， 應(yīng)用 無(wú)損壓縮的 編碼方式 會(huì)越來(lái)越被 人重視 。 最后對(duì)老師，家人和朋友再次致以我最衷心的感謝！ 在論文編寫過(guò)程中，雖然反復(fù)推敲核證，但因水平有限 ,不當(dāng)之處 ,在所難免 ,敬請(qǐng)老師、同學(xué)批評(píng)指正，以便修改完善。 “授人以魚，不如授之以漁”，張老師正是這樣以言傳身教來(lái)教導(dǎo)著我 。這一點(diǎn)比起有損格式 有很大的優(yōu)越性， 因?yàn)橛袚p壓縮格式的二次編碼（從一種有損格式轉(zhuǎn)換成另一種有損格式，或者格式不變而調(diào)整比特率）意味著丟失更多的信號(hào)，帶來(lái)更大的失真 。 音視頻編碼解碼研究 –22– 結(jié) 論 經(jīng)過(guò)本次對(duì)音 視頻編碼解碼研究，我得出以下結(jié)論： （ 1）音視頻的編碼解碼過(guò)程就是音視頻壓縮與解壓縮的過(guò)程。 圖 圖片 壓縮比 比較 由上圖可知本次圖片的壓縮 比 為 53%，占用存儲(chǔ)空間比為 1 比 2。amp。mt)； } if (pmt != NULL) DeleteMediaType(pmt)； pOutSetMediaType(NULL)； }//輸出數(shù)據(jù)流 hr = Copy(pIn, pOut)； if (FAILED(hr)) { return hr； } return Compress(pIn, pOut)； //調(diào)用 Zilb 中的 Compress 函數(shù)，將數(shù)據(jù)流壓縮。 HRESULT CVHScreenEncoder::Transform(IMediaSample *pIn, IMediaSample *pOut) { CheckPointer(pIn, E_POINTER)； CheckPointer(pOut, E_POINTER)； //檢查指針 HRESULT hr； { AM_MEDIA_TYPE *pmt = NULL； hr = pInGetMediaType(amp。CLSID_VHScreenEncoder , CVHScreenEncoder::CreateInstance , NULL , amp。 從子參數(shù)區(qū)得到碼長(zhǎng)后． 按照與碼長(zhǎng)編碼樹(shù)建立時(shí)同樣的規(guī)則 ，我們就可以得到了字符樹(shù)與距離樹(shù)，由字符樹(shù)可以得到字符碼與匹配長(zhǎng)度碼，由距離樹(shù)可以得到匹配距離碼 。參數(shù)區(qū)的結(jié)構(gòu)見(jiàn)圖 。由于壓縮算法是預(yù)統(tǒng)計(jì)Huffman 編碼的壓縮算法碼樹(shù)或碼表是動(dòng)態(tài)生成的，所以為了正確還原源文件，必須在壓縮文件中存儲(chǔ)壓縮時(shí)產(chǎn)生的碼樹(shù)或碼表等編碼信息，這些信息就是壓縮數(shù)據(jù)的參數(shù)區(qū)[11]。 Huffman 編碼器根據(jù)滑動(dòng)窗口壓縮器輸出的中間結(jié)果進(jìn)行統(tǒng)計(jì)形成兩棵 HSF樹(shù)． 其中單字符與匹配長(zhǎng)度在一棵 HSF 樹(shù)上稱為字符樹(shù)。當(dāng)函數(shù)退出后， destLen 是解壓出來(lái)的數(shù)據(jù)的實(shí)際大小。 (4) int unpress (Bytef *dest, uLongf *destLen,const Bytef *source, uLong sourceLen)； 功能：解壓縮。函數(shù)的第二個(gè)參數(shù) destLen 是傳址調(diào)用。 圖 DirectShow 工作原理圖 3．編碼器模型 由此可知音視頻編碼模塊工作原理：音視頻采集 卡作為 Source Filter,采用 Zlib 技術(shù)的編碼算法作為 Transform Filter，文件系統(tǒng)作為 Render Filter。 DirectShow 應(yīng)用程序中主要包含以下 5 種過(guò)濾器：源過(guò)濾器（ Source Filter）、轉(zhuǎn)換過(guò)濾器（ Transform Filter）、呈現(xiàn)過(guò)濾器（ Render Filter），分別負(fù)責(zé)獲取數(shù)據(jù)流、處理數(shù)據(jù)流和播放數(shù)據(jù)流。它是微軟公司對(duì)早先 Windows 視頻科技的一次更新 [9]。 （ 八 ）音頻解碼原理 音頻解碼一般是音頻編碼的逆過(guò)程，它將對(duì)應(yīng)編碼格式的數(shù)碼流解碼成 PCM 數(shù)碼流，數(shù)碼流傳送的是的是量化實(shí)際音頻信息而得到的頻率系數(shù)，數(shù)碼流的基本單位是同步幀 。與其他會(huì)造成立體空間感減弱的編碼模型相比，這兩種技術(shù)都可以在保持編碼器的靈活性的同時(shí)而不損害本來(lái)的立體聲空間 音 像，而且實(shí)現(xiàn)的復(fù)雜程度比聯(lián)合立體聲方式要低。 2. MP3 MP3 音樂(lè)的 編碼 原理說(shuō)得簡(jiǎn)單些， 就是將 音頻文件壓縮成 MP3 文件，其實(shí)就是找到并刪除音頻文件中人耳聽(tīng)不到的聲音。 PCM 通過(guò) 采樣 、量化、編碼三個(gè)步驟將連續(xù)變化的模擬信號(hào)轉(zhuǎn)換為數(shù)字編碼 [7]。 4. QuickTime 視頻編碼有 Sorenson Video Apple MPEG Apple 。 （ 4）子帶編碼 子帶編碼先將先將原圖用數(shù)字濾波器分解成不同頻率的成分的