前言

國(guó)內(nèi)ACG圈子里的日本動(dòng)畫觀眾，或多或少都可能在ACG論壇等地方，接觸到討論音視頻資源的網(wǎng)友，念叨著一些影音領(lǐng)域?qū)I(yè)詞匯。根據(jù)筆者個(gè)人經(jīng)驗(yàn)，其中較難理解的最常見的兩個(gè)詞匯是「編碼」與「碼率」。

本文將用淺顯易懂的圖示與比喻來講解這兩個(gè)概念，面向剛?cè)肟拥呐笥炎鲆粋€(gè)通俗的科普。由于本文是通俗科普，較不嚴(yán)謹(jǐn)，若想準(zhǔn)確地、深入地理解這些概念，還請(qǐng)參考維基百科、百度百科等。真正的「編碼」是一門復(fù)雜學(xué)問，涉及很多高等數(shù)學(xué)知識(shí)?。〞?/p>

本文講解時(shí)會(huì)涉及到一些影音領(lǐng)域的基礎(chǔ)概念，包括「像素」「分辨率」「幀率」等。若讀者尚未熟知這些概念，可先參考維基百科、百度百科，或筆者的另一篇文章：字幕組動(dòng)畫資源慣用文件名含義科普

引入：什么是位圖

視頻本質(zhì)上就是連續(xù)播放的一大堆圖片，每一幀就是一張圖片。因此我們先從圖片說起。

圖片分為兩種：位圖與矢量圖。位圖（bitmap）是由一個(gè)個(gè)細(xì)小的像素組成的圖像。當(dāng)像素的數(shù)量足夠多，即分辨率足夠高時(shí)，人眼就看不出像素（顆粒感消失），就會(huì)感覺圖片很清晰了。

低分辨率位圖模擬效果：

原圖，1920x1080 分辨率（高清），即大約兩百萬(wàn)像素：

位圖的優(yōu)點(diǎn)是技術(shù)成熟，編碼、解碼與傳播相對(duì)容易，而缺點(diǎn)顯而易見：經(jīng)不起放大。不妨點(diǎn)開上面的原圖，然后使勁放大（500%以上），即可隱隱約約地看到一個(gè)個(gè)像素點(diǎn)。用 Windows「畫圖」軟件放大位圖，可以更明顯地看到像素點(diǎn)。位圖幾乎無處不在，常見文件格式有 JPG/JPEG、PNG、WebP、BMP 等。

矢量圖（vector graphics）是由一條條數(shù)學(xué)函數(shù)繪制的線條組成的圖像。其優(yōu)點(diǎn)是再怎么放大都不會(huì)模糊，缺點(diǎn)是不適合應(yīng)用于形狀與顏色復(fù)雜的圖片，以及變化多端的視頻，因此不作進(jìn)一步討論。矢量圖的常見應(yīng)用有公司商標(biāo)、App 圖標(biāo)、CAD 藍(lán)圖、TrueType 字體等，常見文件格式有 SVG 等。

下圖是傳統(tǒng)像素字體與 TrueType 字體的對(duì)比：

• 上：像素字體，亦稱點(diǎn)陣字體，基于位圖的原理。常見于低分辨率屏幕，例如街頭LED滾動(dòng)字幕、以前的電腦與手機(jī)屏幕（夢(mèng)回 Windows 95），還有像素風(fēng)格的游戲（Minecraft 等）。

• 下：TrueType 字體，基于矢量圖的原理。常見于現(xiàn)在高分辨率的電腦與手機(jī)屏幕。

位圖的編碼

這是一張 10x5 分辨率，即含有50個(gè)像素的位圖：

如何用計(jì)算機(jī)數(shù)據(jù)表示并存儲(chǔ)這個(gè)位圖，就是位圖的編碼要解決的問題。

我們首先想到的是最簡(jiǎn)單的方法，按順序記錄每一個(gè)像素：

事實(shí)上這就是 BMP 格式位圖文件（bitmap file）的編碼方法。其優(yōu)點(diǎn)是圖像信息最原始、最準(zhǔn)確，缺點(diǎn)是數(shù)據(jù)量巨大。為了減小數(shù)據(jù)量，我們繼續(xù)探索效率更優(yōu)的編碼方法：

另一種思路：

顯然，這些編碼在保證圖像信息準(zhǔn)確無誤的情況下，減小了數(shù)據(jù)量，降低了文件體積，節(jié)省了存儲(chǔ)空間與網(wǎng)絡(luò)帶寬。這也就是所謂「無損壓縮」，最流行的無損壓縮位圖編碼及其文件格式是 PNG（Portable Network Graphics）。然而在實(shí)際應(yīng)用中，無損壓縮的編碼仍無法滿足很多用戶節(jié)省存儲(chǔ)空間與網(wǎng)絡(luò)帶寬的需求，尤其是二十多年前的撥號(hào)上網(wǎng)時(shí)代，載入一張圖片要花十幾秒鐘……

因此，既然有「無損壓縮」，自然就有與之對(duì)應(yīng)的「有損壓縮」，最流行的有損壓縮位圖編碼是 JPEG（Joint Photographic Experts Group），這種編碼應(yīng)用于家喻戶曉的 JPG/JPEG 格式位圖文件。

JPEG 編碼具有非常復(fù)雜的算法，利用了人眼對(duì)部分圖像細(xì)節(jié)的不敏感，將位圖中人眼不易察覺的細(xì)節(jié)內(nèi)容刻意去除。雖然造成了一定的內(nèi)容損失，但大幅降低了圖片文件體積，尤其適合網(wǎng)絡(luò)傳輸，例如表情包斗圖，而不適合對(duì)圖像質(zhì)量要求較高的場(chǎng)合，例如電腦壁紙。

下面的這張圖片，若使用 BMP 編碼存儲(chǔ)，體積高達(dá) 10.5MB：

現(xiàn)在分別改用 PNG 與 JPEG 編碼：

文件體積對(duì)比：

視頻的編碼

前面提到，視頻本質(zhì)上就是連續(xù)播放的一大堆圖片。因此，可以猜想視頻的編碼就是位圖編碼的堆砌。然而實(shí)際情況要比這句描述復(fù)雜得多。我們不妨做一個(gè)簡(jiǎn)單的計(jì)算：

上文的 1080P 分辨率「東寶株式會(huì)社」示例圖片另存為高度壓縮的 JPG 格式文件之后，體積縮小至約 300KB。假設(shè)有一部分辨率 1080P、幀率 24fps（即每秒24張圖片）、長(zhǎng)度1小時(shí)45分鐘的電影，那么它總共的幀數(shù)（圖片張數(shù)）為

24幀×60秒×105分鐘 ＝ 151,200幀

那么這部電影理論上的文件體積應(yīng)為

300KB×151,200幀 ＝ 45,360,000KB ≈ 43GB

這個(gè)計(jì)算結(jié)果大得嚇人，不符合我們影音愛好者的常識(shí)：一部高清電影的文件體積約為 3~5GB。實(shí)際上，這部電影只有 3.45GB，還包括音頻！

視頻編碼是如何做到如此節(jié)省數(shù)據(jù)量的？關(guān)鍵在于利用了前一幀已有的畫面內(nèi)容。請(qǐng)讀者想象下面的圖片是一段 10x5 分辨率（究極AV畫質(zhì)）的視頻：

這里我們使用一種「坐標(biāo)系」編碼，記錄第1幀的內(nèi)容：

接下來播放下一幀：

原本我們理應(yīng)這樣編碼：

但實(shí)際上可以這樣，僅記錄變成了綠色的左上角那個(gè)像素：

同理，現(xiàn)在從第2幀播放至第3幀：

從第50幀至第51幀：

顯然，利用這種「基于前一幀」的視頻編碼思想，可以大幅減小數(shù)據(jù)量。但若遇到后一幀與前一幀差別巨大，類似切換鏡頭的情況時(shí)，仍需要老老實(shí)實(shí)地記錄所有變更的像素：

目前最流行的視頻編碼是 H264，亦稱 AVC，Advanced Video Coding。還有一種逐漸進(jìn)入大眾視野的新一代視頻編碼：H265，亦稱 HEVC，High Efficiency Video Coding，便是 H264 的繼承者。H265 采用了更先進(jìn)、更復(fù)雜的壓縮算法，進(jìn)一步減少數(shù)據(jù)量，節(jié)省文件體積。

視頻的碼率

碼率（亦稱比特率，bitrate）指的是視頻或音頻在單位時(shí)間內(nèi)的數(shù)據(jù)量，常見單位為 kbps（thousand Bits Per Second），即每秒使用了幾千比特的數(shù)據(jù)。

碼率的處理主要有兩種模式：可變碼率（variable bitrate）與固定碼率（constant bitrate）。視頻編碼通常采用前者，在畫面變化較小時(shí)盡量降低碼率，在切換鏡頭時(shí)提供高碼率。結(jié)合上文的「10x5 分辨率視頻演示」與下面的示例視頻，相信讀者能夠很快理解可變碼率。

示例視頻：新海誠(chéng)動(dòng)畫電影《你的名字?！?/p>

第64426幀左右，整個(gè)畫面在動(dòng)的地方只有左側(cè)的人與下方的電風(fēng)扇，碼率 396.2kbps：

第65255幀左右，鏡頭的切換使碼率飆升至 10007kbps：

第63294幀左右，持續(xù)數(shù)秒的黑屏，碼率低至 45.7kbps：

在其他條件不變的情況下，碼率越高，即壓縮率（有損壓縮）越低，視頻記錄的畫面細(xì)節(jié)越清楚。因此視頻高碼率的優(yōu)點(diǎn)是畫面質(zhì)量高，而缺點(diǎn)在于數(shù)據(jù)量大，對(duì)存儲(chǔ)空間（本地視頻）、網(wǎng)絡(luò)帶寬（在線視頻），以及播放設(shè)備解碼性能的要求較高。反之，低碼率利于存儲(chǔ)與傳輸，對(duì)解碼性能要求較低，但犧牲了畫面質(zhì)量。

國(guó)內(nèi)幾大在線視頻平臺(tái)經(jīng)常因其正版視頻畫質(zhì)太低被吐槽，這其中的關(guān)鍵就在于碼率。在線視頻平臺(tái)為了壓縮服務(wù)器運(yùn)行成本，或是為了進(jìn)一步限制非會(huì)員用戶的體驗(yàn)，而故意限制碼率。但沒想到限制過頭了，導(dǎo)致一些視頻尤其在切換鏡頭時(shí)，無法在一瞬間刷新畫面內(nèi)容，出現(xiàn)了色塊、錯(cuò)位等現(xiàn)象，對(duì)要求較高的觀眾造成了災(zāi)難性的體驗(yàn)。

視頻的解碼

從它的名字大致可以猜出，解碼就是編碼的逆向過程。前面提到，編碼就是用計(jì)算機(jī)數(shù)據(jù)表示并存儲(chǔ)媒體內(nèi)容（音頻、圖片、視頻等）。因此，解碼就是將存儲(chǔ)著媒體內(nèi)容的計(jì)算機(jī)數(shù)據(jù)解讀出來，還原成可以觀看、可以收聽的媒體（媒介）。

視頻的渲染

簡(jiǎn)言之，視頻的渲染就是將解碼產(chǎn)生的畫面正確地輸出到屏幕（顯示器/監(jiān)視器）上。

不同視頻渲染器的功能、性能、質(zhì)量、兼容性不同，但通常情況下，渲染器的選擇對(duì)最終的視頻播放效果影響甚微，因此無需在意。不過若讀者想要追求極致的畫質(zhì)，則不妨嘗試入門 madVR 渲染器，但這個(gè)東西非常復(fù)雜且能耗很高（看視頻變成打游戲），筆者曾經(jīng)使用過一段時(shí)間，后來還是卸載掉，換回默認(rèn)的渲染器了。

音頻的編碼

這里先補(bǔ)充一個(gè)概念：「采樣率」（sample rate）。簡(jiǎn)單理解，音頻的采樣率就類似于視頻的幀率。視頻幀率的單位是 fps（Frames Per Second），即每秒播放的圖片張數(shù)；音頻采樣率的單位是 Hz（赫茲），即每秒播放的音頻樣本（sample）數(shù)量。常見的音頻采樣率有 44100Hz、48000Hz、96000Hz 等。

音頻編碼的概念與視頻編碼類似。這里介紹幾種常見的音頻編碼：

1. WAV：波形（waveform）音頻，忠實(shí)地記錄自然聲波，基本沒有數(shù)據(jù)壓縮。優(yōu)點(diǎn)是音頻質(zhì)量高，解碼難度低，播放容易，因此被應(yīng)用于CD唱片，以及 Windows 系統(tǒng)提示音等。缺點(diǎn)是數(shù)據(jù)量巨大。類比位圖中的 BMP 編碼。通常為 1411kbps 或 1536kbps 固定碼率。

2. FLAC：Free Lossless Audio Codec，最流行的一種無損壓縮音頻編碼。在保證不損失音頻質(zhì)量的情況下，去除音頻數(shù)據(jù)中的冗余內(nèi)容，減少數(shù)據(jù)量，節(jié)省文件體積。類比位圖中的 PNG 編碼。QQ音樂的所謂「SQ無損品質(zhì)」通常為 1000kbps 左右的固定碼率的 FLAC 音頻，而更「奢侈」的 Hi-Res 標(biāo)準(zhǔn)的 FLAC 音頻，碼率可達(dá)兩三千 kbps 甚至更高。

3. MP3 / MPEG Audio Layer 3：Moving Picture Experts Group Audio Layer 3，最流行的一種有損壓縮音頻編碼。利用了人耳對(duì)部分音頻細(xì)節(jié)的不敏感，將音頻中人耳不易察覺的細(xì)節(jié)內(nèi)容刻意去除。雖然造成了一定的內(nèi)容損失，但大幅降低了音頻文件體積。類比位圖中的 JPEG 編碼。通常為介于 128kbps（標(biāo)準(zhǔn)品質(zhì)）與 320kbps（HQ高品質(zhì)）之間的固定碼率。注意 MP3 并不是 MPEG-3，而是 MPEG-1 音頻技術(shù)的第三代。

文件體積對(duì)比：

進(jìn)階閱讀：WAV 音頻的 1411kbps 是怎么來的？
這種應(yīng)用于CD唱片的、最典型的音頻格式，采用16位音頻比特深度，加上 44100Hz 采樣率，以及 2.0ch 雙聲道（立體聲/Stereo）。因此做個(gè)簡(jiǎn)單的乘法：
16×44,100×2 ＝ 1,411,200
同理，將采樣率更換為 48000Hz，即可得到 1536kbps 的碼率。

現(xiàn)在，假設(shè)我們需要編碼一段持續(xù)2秒鐘、聲波頻率為 1000Hz（這不是采樣率！）、聲壓（聲音大?。?40dB 的蜂鳴聲，且采用 48000Hz 的采樣率。若我們使用 WAV 的編碼思路，即可得到：

這個(gè)「1000Hz-40dB」需要重復(fù)96000次，十分冗余。接下來我們使用 FLAC 的編碼思路：

這便大幅減少了數(shù)據(jù)量。類比前面提到的位圖無損壓縮，可謂異曲同工。

音頻的碼率

同樣地，音頻碼率的概念與視頻碼率類似。前面提到，沒有壓縮與無損壓縮的音頻碼率通常是上千 kbps，有損壓縮的音頻碼率通常是 320kbps 或更低。

實(shí)際上，對(duì)于大多數(shù)人，以及大多數(shù)耳機(jī)與揚(yáng)聲器而言，320kbps 足以記錄高品質(zhì)的音樂，從 320kbps 提升至成百上千 kbps 僅僅是更還原音頻中的小細(xì)節(jié)，不投入身心仔細(xì)聆聽，幾乎聽不出區(qū)別。（以上描述對(duì)音頻發(fā)燒友不適用）

但反過來的情況就不太一樣了。從 320kbps 降低至 192kbps 甚至 128kbps 的碼率，就很有可能感受得出音質(zhì)明顯變差。音頻碼率降低至這個(gè)水平，會(huì)導(dǎo)致人耳相對(duì)不敏感的高頻部分出現(xiàn)明顯損失。例如純音樂 Bandari《Moonglow》中，背景的風(fēng)鈴聲不再清澈、明晰；若過度降低碼率，甚至?xí)癸L(fēng)鈴聲幾乎完全消失。

結(jié)語(yǔ)

本文涉及影音領(lǐng)域的多項(xiàng)專業(yè)知識(shí)，如有錯(cuò)誤，歡迎指正。