數(shù)字視頻基本知識探討

數(shù)字視頻基本知識探討

由于工作的需要，我在數(shù)字視頻處理方面做了幾年的開發(fā)，我所說的開發(fā)是指應(yīng)用層的開發(fā)，而不是底層的研究。先后開發(fā)出了幾個產(chǎn)品，比如數(shù)字接口攝像機、嵌入式視頻捕捉卡、Video-VGA視頻轉(zhuǎn)換卡、造紙行業(yè)用的在線斑點檢測儀、數(shù)字偽彩色處理儀等，在開發(fā)中也了解了一些關(guān)于CMOS面陣傳感器、CCD面陣傳感器、CCD線陣傳感器、高速攝像、高分辨率攝像、視頻編解碼、圖像壓縮等方面的知識，目前我還在繼續(xù)做類似的開發(fā)。前面說的產(chǎn)品都有一定的銷量，所以經(jīng)常會收到用戶打來的電話，大多數(shù)是咨詢一些很基本的數(shù)字視頻知識。數(shù)字視頻無疑是復(fù)雜的，牽扯到很多方面，所以我有了寫這篇文章的想法，我希望用盡量通俗的方式來說明一些基本的問題，以期能對讀者的開發(fā)工作有一些幫助（說明一下：為了盡量地把問題說得簡單一點，敘述中我作了一些簡化，比如把U和Cb都說成U、V和Cr都說成V等。另外還需要說明的是，下面我所說的模擬視頻的各個參數(shù)都是針對我國的電視標準——PAL制式而言的，而其它的電視制式則略有差別。讀者在做進一步研究時請注意）。因為我的水平十分有限，錯漏難以避免，有興趣的讀者可以寫信和我一起來探討。
視頻簡單地說就是活動圖像。電影也是活動圖像，電影把大量靜止圖像記錄在膠片上，一張一張地連續(xù)顯示出來，就成了我們看到的電影。對于電視視頻，每秒鐘包含幾十幀靜止圖像，每一幀靜止圖像由幾百個行組成，每一行又由幾百個像素點組成。1秒鐘包含的圖像幀數(shù)為幀頻，1秒鐘包含的總行數(shù)為行頻，1秒鐘包含的總像素數(shù)實際上就是相當(dāng)于視頻帶寬。
首先來說說模擬視頻。
遙想起來，在當(dāng)年有限的條件下，用電子管做出電視機的前輩們實在是令人佩服的，但是，用現(xiàn)在的眼光來看，當(dāng)年的電視技術(shù)又實在是很簡陋的。我國的黑白視頻信號幀頻為25 Hz，就是說每秒顯示25幅圖像，之所以規(guī)定為25 Hz，而不是其它的某個值，主要是因為兩個原因。一個與人的視覺生理特點有關(guān)，當(dāng)圖像的刷新速度達到5幀/秒的時候，人開始感覺圖像是活動的，而達到24幀/秒的時候，人感覺圖像是完全連續(xù)和流暢的（電影所使用的幀頻就是24 Hz），所以視頻信號幀頻應(yīng)大于等于24 Hz。理論上來說幀頻越高越好，但是幀頻越高，對電路的要求也越高，技術(shù)越復(fù)雜，成本也越高（現(xiàn)在有的電腦彩顯幀頻已達到200Hz），在當(dāng)時的條件下，只能選擇一個大于24的盡量小的值。另一個原因是因為我國的電網(wǎng)頻率是50Hz，當(dāng)采用25 Hz幀頻時，隔行掃描時的場頻為50 Hz，正好與電網(wǎng)同頻，這樣，電源對圖像的干擾是固定的，人眼不容易感覺出來，或者換個角度說：電源就可以不必做得那么精密（那個時候開關(guān)電源還很少使用，整流電源缺乏穩(wěn)壓措施，紋波很大）。所以選擇了25 Hz幀頻。說到這里，又要說說“場頻”。電視在顯示圖像的時候，把一幀分成了兩場來顯示，一個場由幀中的奇數(shù)行組成，叫做奇場，另一個場由幀中的偶數(shù)行組成，叫做偶場。之所以要這樣做，主要是因為在CRT顯象管上一秒鐘顯示25幀圖像時，人眼感覺到連續(xù)性還是不太好，而且還有明顯的閃爍，一幀分成兩場后，場頻為50 Hz，圖像更加連續(xù)一些。當(dāng)然還有一些別的原因，與電路設(shè)計方面有關(guān)。
我國的黑白視頻信號規(guī)定每幀圖像共625行，每場為312.5行，行頻15625 Hz，視頻帶寬6MHz。在每場的312.5行中，有一些行要用作場消隱，是不包含視頻信號的，按照CCIR656標準規(guī)定的行編號方法，奇場的行號為第1至312.5行，偶場的行號為第312.5至625行，其中，奇場的第23.5至310行包含有效的視頻信號，共287.5行，偶場的第336至622.5行包含有效的視頻信號，共287.5行。所以一幀中有效的總行數(shù)為576行，由最上面的半行加上中間的574行加上最下面的半行組成。（說到這里又要順便說個問題，有經(jīng)驗的讀者在PC機上用視頻捕捉卡捕捉圖像的時候，如果分辨率設(shè)定為720點*576行，會發(fā)現(xiàn)最上面的行左邊半邊是黑色的，或者最下面的行右邊半邊是黑色的，就是因為一場中包含有半行的無效行的原因。）
上面說的是黑白視頻信號，那么彩色視頻信號又是怎么回事呢？當(dāng)科學(xué)家們開始研究彩色電視的時候，黑白電視已經(jīng)大量使用了，所以

最好彩色電視信號能夠與黑白電視信號保持兼容，以便彩色電視信號在黑白電視機上能播放出黑白的圖像。這個問題是很困難的，因為色度信號也要占用較大的帶寬，而在電視射頻頻帶上，一個頻道挨著一個頻道，亮度信號（實際上還有調(diào)頻的伴音信號）已經(jīng)把頻帶給塞滿了，幸運的是，后來終于運用壓縮亮度信號帶寬、大面積著色等技術(shù)解決了這個問題。從頻域的角度來看，色度信號（UV色差信號）是插在亮度信號的頻譜的間隙之中的，具體的位置是插在4.43MHz的地方，帶寬1.3MHz。在接收機中，簡單地說，把收到的信號中的4.43MHz處的帶寬1.3MHz的信號取出來就成了色度信號，而把收到的信號中的4.43MHz處的這個信號濾掉剩下的就是亮度信號。很多硬件工程師可能不容易理解這是什么意思，不過沒關(guān)系。下面我們從時域的角度來看看它們的一行的波形，如圖所示，黑白視頻的亮度信號采用了調(diào)幅制，一行的周期是64μs，其中顯示在屏幕上的信號占52μs，其余部分為行消隱、行同步頭。對于彩色信號，還在行同步頭上疊加了一小段4.43MHz的副載波信號，用作接收機中的4.43MHz信號的頻率和相位基準。
上面說的是彩色視頻信號怎么加到原來的黑白視頻信號中。那么彩色圖像是怎么還原和顯示出來的呢？我們知道，黑白圖像的像素只能用亮度（灰度）來描述。而彩色圖像的像素的描述要復(fù)雜一些，有很多不同的方法，比如在印刷行業(yè)中用的是CMYK（青、品紅、黃、黑）四色合成的方法，而在計算機或電視機的CRT顯象管中都是用的RGB（紅、綠、藍）三基色合成的方法，我也不明白為什么要選這三種顏色，而沒選別的顏色，我猜想可能是因為人眼包含RGB三種色感細胞，所以用這三種基色能合成比較多的人眼能識別的彩色出來，或者因為這三種基色的熒光粉比較容易制造。通過RGB三基色來合成某種彩色，或者某種彩色怎樣分解為三基色，這個是大家都熟悉的。用RGB三基色來表示彩色的確很直觀，但是如果把這種方法用作圖像傳輸則絕不是一個好的方法。第一個缺點是與黑白圖像不兼容，把RGB三基色轉(zhuǎn)換為灰度的方法是：灰度=R*0.3+G*0.59+B*0.11,這個轉(zhuǎn)換過程顯然是比較復(fù)雜的。對于電視機而言，就意味著必須解碼出RGB信號才有可能得到黑白圖像，而黑白電視機沒有解碼功能，所以不能實現(xiàn)兼容。第二個缺點是占用太多帶寬，用RGB三基色表示圖像，每個分量的帶寬是均等的，都約等于亮度信號的帶寬，所以對于每個分量，都要用較大的帶寬來描述。第三個缺點是抗干擾能力差。由于G分量占有亮度值的59%，所以當(dāng)G受到干擾的時候，像素的亮度值會受到很大的影響，而人眼對亮度值的變化是十分敏感的，所以圖像主觀質(zhì)量會明顯下降?；谶@些原因，在視頻信號傳輸中采用的是YUV合成的方法。Y代表亮度信息，U代表藍色色差（就是藍色信號與亮度信號之間的差值），V代表紅色色差。我們來看看使用這種表示方法的優(yōu)點。第一個優(yōu)點是與黑白圖像兼容。假定一個像素是用YUV表示的，我們只要忽略UV分量，取出Y分量，就可以得到像素的