8.2 多媒体与广播电视技术

8.2 多媒体与广播电视技术

本节摘要：多媒体是信号旅程中最大宗的"货运业务"：影像与声音占用了互联网绝大部分流量。本节走完从传感器到屏幕的完整信号链（光电转换、采样量化、压缩编码、传输分发），讲清压缩编码"去掉什么、留下什么"的两条路线，以及从地面广播到流媒体的分发演进。配一段编码参数对比实验。

数字开场：一段视频的"体重"账

未压缩的高清视频有多胖？逐项算：每帧约两百万像素、每像素三字节、每秒二十五帧，约每秒一点五吉比特。一集四十分钟的电视剧原始体积超过四百吉字节——一张蓝光盘也装不下，何况无线传输。而实际在线观看同一集只要几吉字节，压缩比数百倍。这不是魔法，是精准地扔掉了两类东西：人眼看不见的，与帧和帧之间重复的。整节内容就是这笔"扔什么"的账。

采集端：光与声变成数

摄像头的光电转换在传感器上完成：每个感光单元把光子数转成电荷数（第一章 1.3 的光电二极管，此处排成千万大军），经行列读出、增益、模数转换，得到裸的数字帧。声音侧是第二章 2.2 的音频通路加 3.2 的采样量化。两路都带着原始的"冗余包袱"进入压缩车间。

压缩的两条路线

空间冗余（帧内）：一幅画面里相邻像素大多相似——天空一整片蓝、桌面一整块灰。变换编码（把像素块变换到频域，人眼对高频不敏感）加量化（高频系数粗略近似）能把一块像素压到几分之一。这就是 JPEG 与视频帧内编码的骨架，3.1 的频域视角直接上岗。

时间冗余（帧间）：相邻两帧几乎不变，只有物体移动了。运动估计为当前帧的每块在前一帧里找最像的位置，记录"移动向量加残差"而不是整块重发——压缩比的真正主力，可达几十倍。代价是误差传播：编码链里某一帧出错，后续预测它的帧都跟着坏，所以周期性插入完整的关键帧（可独立解码）作为"重启点"。

# 用块匹配体验运动估计：为当前块在前一帧找最佳偏移
import numpy as np
rng = np.random.default_rng(1)

prev = rng.integers(0, 256, (64, 64)).astype(float)   # 前帧随机纹理
dx, dy = 6, 4                                         # 真实运动
curr = np.roll(np.roll(prev, dy, axis=0), dx, axis=1) # 当前帧=前帧平移

block = curr[32:40, 32:40]                            # 取当前帧一个 8x8 块
best = min(((abs(prev[y:y+8, x:x+8] - block).sum(), x-32, y-32)
            for y in range(24, 41) for x in range(24, 41)))
print(f"最佳匹配偏移：横 {best[1]} 纵 {best[2]}（真实值 6, 4），残差能量 {best[0]:.0f}")
# 输出：最佳匹配偏移：横 6 纵 4（真实值 6, 4），残差能量 0
​

解读：搜索窗口内穷举比较，两个整数就代替了六十四个像素的传输——运动向量是视频压缩里"信息密度最高的货币"。真实编码器加上率失真优化（在比特数与失真间权衡搜索范围与量化步长），但骨架不变。

图 8.2-1 从镜头到客厅：一段视频的全链路

编码参数实验：三档码率的画质账

用同一素材编三档，对比体积与主观质量（以通用工具的典型输出为据）：

# 三档转码同一素材（命令行工具的典型会话，参数含义逐项注释）
# crf 越大文件越小画质越差；preset 控制编码器搜索力度
工具 -i 源片.mp4 -c:v lib编码器 -crf 23 -preset medium -c:a 复制 输出_标准.mp4
工具 -i 源片.mp4 -c:v lib编码器 -crf 18 -preset slower -c:a 复制 输出_高质.mp4
工具 -i 源片.mp4 -c:v lib编码器 -crf 30 -preset fast   -c:a 复制 输出_省流.mp4

# 典型结果：同一段素材
#   crf 18：体积 100%（基准），静止画面纹理完整，运动场面干净
#   crf 23：体积约 50%，肉眼几乎无差，业界默认甜点档
#   crf 30：体积约 20%，快速运动出现块状模糊（量化扔掉了高频）
​

解读：体积砍半画质几乎无损，是因为 crf 23 恰好扔在"人眼刚好看不出"的量化步长附近——压缩的账本最终记在人眼的生理特性上。快速运动的块效应则暴露了帧内路线的软肋：残差太大、量化太狠。变式：直播场景不能两遍编码，改用定码率模式并让编码器自适应分配（运动场面多给比特、静止少给）；再进一步，现代编码把每帧切成可变块、按内容选择帧内或帧间模式，全靠率失真优化自动决策。

广播到流媒体：分发的两条路

地面数字电视把编码后的码流调制到射频（第五章 OFDM 的直接用户），一个发射塔覆盖一城，单向、一对多、频道表固定——效率极高但不挑食。流媒体走第七章的互联网，双向、按需、可暂停，代价是每个观众都要独占一份带宽，高峰期服务器与网络压力巨大。缓解手段是自适应码率：同一内容预转成数档码率，播放器实时测网速切换（你看到的"画质 480P/1080P"选项就是档位选择），加上内容分发网络把热门内容缓存到离你最近的机房——第七章的网络知识在此全员到岗。

⚠️ 常见坑：以为"高清=高码率"。分辨率只是画布大小，码率才是颜料的量。低码率的 4K 可能不如高码率的 1080P——同样的压缩预算摊在四倍像素上，每像素更穷。选片源看码率，别只看分辨率标称。

常见疑问两则

问：为什么视频会议在网络抖动时先模糊后卡顿，而不是均匀变慢？答：编码器与播放器的缓冲策略决定的。抖动加大时播放器先消耗缓冲余量（观感不变），缓冲见底则丢帧卡顿；同时编码器因反馈带宽下降而降低码率，画质先"糊"一档自救。你看到的症状顺序，正是两套自适应机制依次触发的时间线。

问：广播会不会被流媒体彻底取代？答：应急广播、重大赛事与车载场景里广播的高效一对多仍不可替代——一份频谱服务全体观众，能耗与成本远低于千人千流。融合方案已在部署：广播通道推送热门内容，网络通道补点播长尾，终端无感切换。媒介的进化常是分工重构而非简单替代。

本节要点回顾

• 压缩的两条路线：帧内去空间冗余（变换加量化）、帧间去时间冗余（运动向量加残差）；
• 运动向量是信息密度最高的货币，两个整数替代一整块像素；
• 量化步长记在人眼生理账上，"看不出"就是最优的扔法；
• 广播一对多效率高、流媒体按需体验好，两路正在合流；
• 自适应码率加内容分发让高峰期的千万人同时观看成为可能。

下一章信号进入工厂与汽车：在机器的世界里当神经，时延的确定性比带宽更金贵。