求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。

編碼方式檢視原始碼討論檢視歷史

事實揭露 揭密真相
前往: 導覽搜尋
編碼方式

編碼方式,就是指通過特定的壓縮技術,將某個視頻格式的文件轉換成另一種視頻格式文件的方式。目前視頻流傳輸中最為重要的編解碼標準有國際電聯的H.261、H.263,運動靜止圖像專家組的M-JPEG和國際標準化組織運動圖像專家組的MPEG系列標準,此外在互聯網上被廣泛應用的還有Real-Networks的RealVideo、微軟公司的WMT以及Apple公司的QuickTime等。[1]

編碼概述

音頻數字化主要有壓縮與非壓縮兩種方式。較早出現的數字音頻播放機,如CD唱機和DAT錄音機,均採用線性PCM編碼來存儲音樂信號,為非壓縮方式。在高質量要求的音頻工作站和數字錄像機(如DVCPRO)上,現在也採用非壓縮的格式。?

我們目前常見的MPEG、Dolby Digital、DTS等則為壓縮方式。壓縮分為有損壓縮和無損壓縮。有損壓縮的目的是提高壓縮率,降低占用系統資源。可以根據實際需要選用不同的採樣速率、樣本分辨力(精度)和數據率。?[2] 世廣數字衛星廣播系統的信源編碼技術採用MPEG-2.5第三層聲音編碼算法。第三層編碼算法最複雜、延時最大、效率最高。因此對一定的數據速率,第三層協議得到的音質最好。當然,用戶可根據需要選擇8—128Kbps範圍的不同速率。聲音質量可達到CD音質。 非壓縮編碼(PCM)

聲音之所以能夠數字化,是因為人耳所能聽到的聲音頻率不是無限寬的,主要在20kHz以上。按照抽樣定理,只有抽樣頻率大於40kHz,才能無失真地重建原始聲音。如CD採用44.1kHz的抽樣頻率,其他則主要採用48kHz或96kHz。

PCM(脈衝編碼調製)是一種將模擬語音信號變換為數字信號的編碼方式。主要經過3個過程:抽樣、量化和編碼。抽樣過程將連續時間模擬信號變為離散時間、連續幅度的抽樣信號,量化過程將抽樣信號變為離散時間、離散幅度的數字信號,編碼過程將量化後的信號編碼成為一個二進制碼組輸出。 壓縮編碼

PCM雖然為無損壓縮,但由典型的音頻信號表示的信號特性沒有達到最佳,也沒有很好的適應人耳聽覺系統的特定要求。PCM的數據量過高,從而造成存儲和傳輸方面的障礙,因此必須使用相應的技術降低數字信號源的數據率,又儘可能不對節目造成損傷,這就是壓縮技術。

​編碼方式

搞清常用編碼特性是解決字符集編碼問題的基礎。字符集編碼的識別與轉換、分析各種亂碼產生的原因、編程操作各種編碼字符串(例如字符數計算、截斷處理)等都需要弄清楚編碼的特性。

了解一種字符集編碼主要是要了解該編碼的編碼範圍,編碼對應的字符集(都包含哪些字符),和其他字符集編碼之間的關係等。

ASCII

ASCII碼是7位編碼,編碼範圍是0x00-0x7F。ASCII字符集包括英文字母、阿拉伯數字和標點符號等字符。其中0x00-0x20和0x7F共33個控制字符。

只支持ASCII碼的系統會忽略每個字節的最高位,只認為低7位是有效位。HZ字符編碼就是早期為了在只支持7位ASCII系統中傳輸中文而設計的編碼。早期很多郵件系統也只支持ASCII編碼,為了傳輸中文郵件必須使用BASE64或者其他編碼方式。

GB2312

GB2312是基於區位碼設計的,區位碼把編碼表分為94個區,每個區對應94個位,每個字符的區號和位號組合起來就是該漢字的區位碼。區位碼一般 用10進制數來表示,如1601就表示16區1位,對應的字符是「啊」。在區位碼的區號和位號上分別加上0xA0就得到了GB2312編碼。

區位碼中01-09區是符號、數字區,16-87區是漢字區,10-15和88-94是未定義的空白區。它將收錄的漢字分成兩級:第一級是常用漢字 計3755個,置於16-55區,按漢語拼音字母/筆形順序排列;第二級漢字是次常用漢字計3008個,置於56-87區,按部首/筆畫順序排列。一級漢 字是按照拼音排序的,這個就可以得到某個拼音在一級漢字區位中的範圍,很多根據漢字可以得到拼音的程序就是根據這個原理編寫的。

GB2312字符集中除常用簡體漢字字符外還包括希臘字母、日文平假名及片假名字母、俄語西里爾字母等字符,未收錄繁體中文漢字和一些生僻字。可以用繁體漢字測試某些系統是不是只支持GB2312編碼。

GB2312的編碼範圍是0xA1A1-0xFEFE,去掉未定義的區域之後可以理解為實際編碼範圍是0xA1A1-0xF7FE。

EUC-CN可以理解為GB2312的別名,和GB2312完全相同。

區位碼更應該認為是字符集的定義,定義了所收錄的字符和字符位置,而GB2312及EUC-CN是實際計算機環境中支持這 種字符集的編碼。HZ和ISO-2022-CN是對應區位碼字符集的另外兩種編碼,都是用7位編碼空間來支持漢字。區位碼和GB2312編碼的關係有點像 Unicode和UTF-8。

GBK

GBK編碼是GB2312編碼的超集,向下完全兼容GB2312,同時GBK收錄了Unicode基本多文種平面中的所有CJK漢字。同 GB2312一樣,GBK也支持希臘字母、日文假名字母、俄語字母等字符,但不支持韓語中的表音字符(非漢字字符)。GBK還收錄了GB2312不包含的 漢字部首符號、豎排標點符號等字符。

GBK的整體編碼範圍是為0x8140-0xFEFE,不包括低字節是0×7F的組合。高字節範圍是0×81-0xFE,低字節範圍是0x40-7E和0x80-0xFE。

低字節是0x40-0x7E的GBK字符有一定特殊性,因為這些字符占用了ASCII碼的位置,這樣會給一些系統帶來麻煩。

有些系統中用0x40-0x7E中的字符(如「|」)做特殊符號,在定位這些符號時又沒有判斷這些符號是不是屬於某個 GBK字符的低字節,這樣就會造成錯誤判斷。在支持GB2312的環境下就不存在這個問題。需要注意的是支持GBK的環境中小於0x80的某個字節未必就 是ASCII符號;另外就是最好選用小於0×40的ASCII符號做一些特殊符號,這樣就可以快速定位,且不用擔心是某個漢字的另一半。Big5編碼中也存在相應問題。

CP936和GBK的有些許差別,絕大多數情況下可以把CP936當作GBK的別名。

GB18030

GB18030編碼向下兼容GBK和GB2312,兼容的含義是不僅字符兼容,而且相同字符的編碼也相同。GB18030收錄了所有Unicode3.1中的字符,包括中國少數民族字符,GBK不支持的韓文字符等等,也可以說是世界大多民族的文字符號都被收錄在內。

GBK和GB2312都是雙字節等寬編碼,如果算上和ASCII兼容所支持的單字節,也可以理解為是單字節和雙字節混合的變長編碼。GB18030編碼是變長編碼,有單字節、雙字節和四字節三種方式。

GB18030的單字節編碼範圍是0x00-0x7F,完全等同與ASCII;雙字節編碼的範圍和GBK相同,高字節是0x81-0xFE,低字節 的編碼範圍是0x40-0x7E和0x80-FE;四字節編碼中第一、三字節的編碼範圍是0x81-0xFE,二、四字節是0x30-0x39。

Windows中CP936代碼頁使用0x80來表示歐元符號,而在GB18030編碼中沒有使用0x80編碼位,用其他位置來表示歐元符號。這可以理解為是GB18030向下兼容性上的一點小問題;也可以理解為0x80是CP936對GBK的擴展,而GB18030隻是和GBK兼容良好。

BIG5

Big5是雙字節編碼,高字節編碼範圍是0x81-0xFE,低字節編碼範圍是0x40-0x7E和0xA1-0xFE。和GBK相比,少了低字節是0x80-0xA0的組合。0x8140-0xA0FE是保留區域,用於用戶造字區。

Big5收錄的漢字只包括繁體漢字,不包括簡體漢字,一些生僻的漢字也沒有收錄。GBK收錄的日文假名字符、俄文字符Big5也沒有收錄。因為Big5當中收錄的字符有限,因此有很多在Big5基礎上擴展的編碼,如倚天中文系統。Windows系統上使用的代碼頁CP950也可以理解為是對Big5的擴展,在Big5的基礎上增加了7個漢字和一些符號。Big5編碼對應的字符集是GBK字符集的子集,也就是說Big5收錄的字符是GBK收錄字符的一部分,但相同字符的編碼不同。

因為Big5也占用了ASCII的編碼空間(低字節所使用的0x40-0x7E),所以Big5編碼在一些環境下存在和GBK編碼相同的問題,即低字節範圍為0x40-0x7E的字符有可能會被誤處理,尤其是低字節是0x5C("/")和0x7C("|")的字符。可以參考GBK一節相應說明。

參考來源