理解视频格式

ಯஊ၁ຫৃါ 作者： 邓 东 filmaker.cn 按：这是一篇关于数字视频格式的科普文章。旨在向玩 DV影像制作的朋友们，特 别是那些看技术文章有困难的朋友们介绍数字视频的核心内容。为便于理解，相当多技 术内容在文中会出现不严谨的表述。能力所限，错漏难免，欢迎批评，谢谢。 OĂᆐੜቖ ᆐၹቖ ቖဠඐ 开篇前先婆妈几句，权当前言。 我平时常会接触一些 DV爱好者和独立拍片的热血青年，他们志向高远激情澎湃， 对影像制作充满热情。他们有的是刚从学校毕业，有的是业余发烧，他们凑在一起很喜 欢讨论各种制作方面的话题。在和他们交流的过程中，我发现他们有一个共同的特点， 就是没有接受过系统的影视制作的教育。这并不是说，非得去上什么电影学校或传媒学 校才有资格拍东西，而是说，影视制作和其他行当一样，是一门学科，是需要通过学习 才能良好掌握的。 同时我又发现另外一个问题，他们中有相当一部分是二文青年（文学 文艺），有非 常好的天赋和创意，不缺乏拍好作品的潜质。可一旦他们想拿起摄像机去实现愿望时， 就傻眼了，需要了解的技术内容超多，光是想选个DV机就有什么MiniDV、DVCAM、 DVC、HDV、现在又出来一个AVCHD，还没下手，头先大了。狠狠心找几本影视基础 读物来啃吧，没翻几页发现跟读天书一样，于是好恨自己当初为什么没象表弟穷则那样 去读理工科。难道没学过理工科是二文兄的错吗？当然不是！ 我认为，如果一本所谓入门读物不能让一个接受过义务教育的普通公民读懂的话， 那这入门读物就是失败的。可惜我们有太多这样失败的入门读物，无形中把影视教育的 门槛提高了，让很多朋友误以为学影视制作跟学修电视机的难度差不多。而在美国，除 了影视教育系统很发达外，其各类影视 读物种类繁多，且大多简单易读，根本 不需要高深的理工科基础；入门读物则 更加科普，不但内容深入浅出，文字简 单平实，而且图片很多，甚至配以幽默 的卡通漫画。就连 ASC（美国电影摄 影师协会）的许多教程也都非常通俗易 懂，高中毕业就能通读（我想，国内应 该没有哪个影视机构比 ASC 更专业 吧）。 觉得录像店员昆汀·塔伦蒂诺如 何学的电影制作呢？不要告诉我他狂 你 理解视频格式 1 filmaker.cn 看了几年电影就学会拍片了，真这样的话，中国碟友里早涌现无数大导演了。 美国的电影学院习惯给新生灌输一种观念：电影学院不是教你如何创作电影，而是 开启 此，我就想试着写篇文章，看能不能帮二文兄入一入这个 DV制作的门。于是， 我就 同学就会问：你讲的我都同意，可我只是想拍出好的故事，好的画面，我学会使 用设 你创作的天赋，天赋是上帝赐予你的，而电影学院只是帮助你将它们开启出来。由 此可见，人人都具有创作电影的天赋，只是你开启了多少而已。而教育，就是开启天赋 的一个途径（另一个是实践），不论是进学校，磕教材，还是上论坛看帖，都是教育。 因 选了视频制作的核心－“视频格式”入手。在文章里，我将介绍数字视频的一些基础 理论，什么是视频格式，视频格式构成和种类，以及视频格式在视频制作各个环节中的 变化。你会发现，仿佛很复杂的视频制作理论，其实都是围绕“格式”这一核心建立起来 的。影像制作的发展方向必然是全面数字视频化，而视频制作的基础和核心就是格式， 对格式有一定了解，能让你对影像制作的所有环节有一个提纲挈领的认识。 有 备，能完成作品不就可以了，为什么要花力气去了解视频格式这种技术内容呢？我 的回答是：因为你没有选择！很多人认为，影视制作更重要的是艺术，不需要去关心这 些技术细节。但他们常常又很困惑：为什么我的素材色彩这么差？为什么我扣这个像老 扣不干净？HDV 和 HD 我应该选哪个？4:1:1 和 4:2:0 到底哪个好？听说出了个 XDCAM，我的 HDV是不是要被淘汰了？……他们会有这样那样层出不穷的问题，也常 被一些技术概念所困扰，甚至被小日本 JS 骗了还不知道。究其原因，是对视频制作的 基础知识不了解所导致。我接触过一些导演和制片人，他们真的不懂视频技术，为什么？ 因为他们根本不需要嘛！他们有专门人员负责技术，导演就负责把故事拍好，制片人就 负责到处找钱。你行吗？别忘了你脑门上写着“独立”二字，你不但要自己扛机器拍摄， 还要自己剪片，自己调色，自己刻碟，没准还得自己开车，自己买盒饭。所以，除了你 自己掌握技术，没有别的选择。有句话适合所有的行当：“你对过程的掌握越多，你能 把握的结果就越好”。举个不很恰当的例子，好莱坞电影很多都是棚拍的，电影里的很 多室外场景其实都是在大棚里搭出来的，楼房、街道、树林、甚至沙漠。为什么？难道 他们钱多喜欢臭显摆，不是，是因为他们控制不了时辰天象。也许实景成本会低，但控 制不了就有可能变成一个黑洞，生意人可不傻。所以，我主张独立拍片的朋友多研究技 术，你越了解它们越不容易被它们左右。当然了，如果有朝一日，二文能像他堂兄二马 哥那样当上大导，那研不研究技术也就无所谓了。 理解视频格式 2 filmaker.cn ጙĂ၁ຫ ① 视频是什么？ 大家一开口就是视频制作如何如何。究竟什么是视频？音频比较好理解，就是声音， 你录声音、做声音就是音频制作。那视频呢？你拍 DV叫视频，你做的电脑动画叫视频 吗？电脑里的图片叫视频吗？电影院里放的胶片叫视频吗？关于视频，教科书给的定义 会涉及很多技术术语。而我给的定义很简单：“视频就是电视机”。 怎么样，很简单吧。电视机谁都见过，可视频为什么就是电视机呢？不着急，听我 慢慢跟你解释。 解释电视机之前，我们先了解一下光的基本原理。我们都知道，白光的光谱中包含 着红橙黄绿青蓝紫等七多种光，这是牛顿老师发现的。后来，科学家又发现这七种光实 际就是三段光谱，分别是红光，蓝光， 绿光。这三种光进行混合就能混出白 光中的所有色光。这就是所谓的“色 光相加原理”。而红光，蓝光，绿光 就是所谓的“三原色光”。看右图，红 绿蓝之间进行混合，就能混合出黄品 青，而黄品青也是所谓的“三原色”， 但不是光的三原色，而是色彩的三原 色。好象有点绕哦。简单的说，光的 “色”就是用光源打出来的色，色彩的 “色”就是用颜料涂出来的色。以前小 学美术课上，大家学三原色是红黄 蓝，用这三种颜色可以调出其他颜 色，其实这是错误的讲法，颜料的三 原色不是红黄蓝，应该品黄青。我们 不用去管颜料的事，我们只管光的三 原色“红绿蓝”。 我们之所以要了解光的原理，是 因为我们看的影像其实看到的都是 光，电影画面是光，电视画面是光， 液晶显示器是光，投影仪也是光。一 开始就费这么多口水讲光的原理，就 是要强调，光是所有影像制作最根本 的基础。 我们已经知道光的三原色是红 绿蓝了，那就可以讲电视了。 理解视频格式 3 filmaker.cn 我们看到的影像最早不是电视，而是电视他爸－ 电影。右图是一截在电影院里放电影用的胶片，我们 能直接看见上面的影像。电影放映机就是一个很亮的 灯，把胶片上的画面投影到银幕上。电影的影像就是 胶片上的影像，如果没有电影胶片，我们看到的银幕 就是一片白色。 电影要到电影院才能看，而发明电视的初衷就是 要让人们在家里足不出户也能看到电影的画面，但你 总不能挨家挨户地给人发电影胶片吧，于是无线电广 播技术就被应用到电视中。 电视首先要实现“画面生成”，于是显像管就诞生 了，所谓显像管就是把无线电信号“投影”到电视屏幕上 的设备。但这个投影跟电影投影胶片不一样，它没有现成的画面可以投，而是把信号转 化成小小的光点，一个接一个光点地投射到屏幕上，然后这些小光点就组成了一个完整 的画面。就是说，电视画面是“拼凑”出来的。 我们来看看显像管的原理。看左图，这 就是一个显像管，它后面是一个叫电子枪 的东西，电子枪投射光点到前面的屏幕上； 数量众多的光点就组成了一个完整的电视 画面。这就是电视显像的原理。电子枪投 射光点的这个过程，叫做扫描；电子枪投 射完一副画面的光点，就完成了一次扫描。 呵，还挺复杂。那它为什么要用扫描这样 方式显示画面？不能打幻灯那样“啪”一下 就把画面显示出来？是啊，能“啪”一下显示 出来当然好了，只是现在还没有技术可以 做到这样。目前所有的电视显示方式都是扫描的，无论电视机、显示器、传统电视、平 板电视、投影机，都是扫描显示。那如果它们扫描得不够快的话，我们看到的不就是“未 完成”的画面？的确是这样，所以电视机必须扫得要快，否则就没法看了，这个我们后 面会细讲。 下面我来看看屏幕是如何 显示画面的。左图是三种屏幕 被放大的细节（CRT就是显像 管的意思），注意到没有，它们 都是由红绿蓝三种颜色合在一 起的小块组成的，只是这些小 块的形状有所不同，有的是方 形，有的是条形，有的是圆形。 理解视频格式 4 filmaker.cn 不信你可以拿个放大镜去看你家的电视机或者电脑屏幕。一个屏幕就是由数量庞大的这 些小块排列构成，这些小块就是我们一天到晚说的“像素”。 我们前面说过了三原色原理，红绿蓝可以混合出所有的颜色。可是，这些像素里红 绿蓝是并列在一起的，它们并没有混合，怎么就能弄出其他颜色呢？其实，它们之间的 确没有混合，只是我们跟屏幕相隔一段距离进行观看，这些排列的色彩就在我们的眼睛 里产生了“混合效应”。看右图，这是电 视机的一个画面，我们能看到白色、红 色和蓝色。如果把画面放大来开，在白 色部分的像素中，红绿蓝三种颜色亮度 相同，隔开一定距离，你看到的就是一 片白色；而红色部分的像素，红色比较 亮，蓝绿比较暗，隔远了看就变成了一 片红色；蓝色部分则是蓝色比较亮，红 绿较暗，隔远了看就变成了一片蓝色。 这就是细微的色彩排列在远距离观看下 发生的“色彩叠加效应”。 我们前面看到的显像管的图中，电子枪投射的红绿蓝三束光点，就分别代表着一个 像素中红绿蓝光的亮度分配，三束光亮度均等就是白色，亮度不等就是其他色，都不亮 就是黑色啰，这个好理解吧。电子枪通过扫描，把不同的红绿蓝亮度比例分配给屏幕上 的每个像素，这样，扫一轮下来，一副完整的电视画面就形成了。然后再接着扫下一个 画面，如此反复，电视屏幕的动态影像就形成了，这就是电视显示影像的方法。哇，这 样搞法，那电子枪这样不停地扫，岂不是忙？（这种问题都有）是啊，忙得够呛，所以 它寿命短嘛，如果电视机一天到晚都开着，三五年它就该收工了。 喔，原来这样，那黑白电视又是怎么回事？黑白电视，就是没有彩色的电视啰（听 起来很象废话耶）。黑白电视的显像原理和彩色电视也是一回事，只是它的电子枪不是 发三束光，而只是发一束光，屏幕上的像素也没有色彩；电子枪分配给每个像素的光， 只是这个像素的亮度，不同亮度的光点就组成了一个没有颜色的画面，这个比彩色电视 更好理解吧。因为它的亮点是白色，画面也就只有黑和白，就叫黑白电视了。还记得黑 客帝国里面的电脑屏幕吗，都是绿色画面，嘿嘿，那些就是黑绿电视啦。 知道了电视的显示原理，就等于拿到了进入视频世界的钥匙。拜托，不要那么哈利 波特好不好。我们要做的影像，都是要在电子显示设备上播放的，而所有显示设备都是 红绿蓝的显像原理，电视机、显示器、监视器、投影仪、手机屏幕、LCD、等离子、TFT、 DLP，你能想到的任何机器都是。既便你拍胶片，后期不也要转磁，导进电脑里剪辑吗。 所以，我们做所谓视频制作，都是在一个完全相同的显示原理基础上进行的，这个基础 就是电视机显像原理。现在，我们可以理直气壮地说：“视频就是电视机！” 慢着，这个红绿蓝的显像方式将来会有变化吗？比如，变成四个颜色，或者五个？ 不用担心这个问题，至少现在还没有新的色彩理论，而理论应用到实践需要很多的时间， 这个口号再喊十来年不会有什么问题。 理解视频格式 5 filmaker.cn ② 视频如何被显示出来？ 好了，有了钥匙，我们就可以进入视频领域看个究竟了。怎么样，这个门没那么难 进吧。 我们做视频制作的最终目的是把我们的作品播放出来，而且我们已经知道了，要播 放的设备都是和电视机一样的。那电视机是如何把我们的影像播放出来的呢？前面不是 说了吗，电子枪发射光点打到屏幕上，砰砰砰砰打上一轮就出一副图了。呵呵，的确是 这样，这就是所谓的扫描。扫描是电视显示的基础，也是了解视频的基础。单说扫描你 可能没有什么感觉，如果我说，扫描有两种，隔行扫描和逐行扫描，你有什么感觉？哦， 敢情满街飞的隔行逐行讲的是这个东西啊。 看图，这就是一个电视屏幕。由很 多个像素整齐地排列而成，我们把一排 像素叫做一“行”。电子枪扫描的时候， 就是以“行”为单位进行扫描。图上画的 从左到右的那些扫描线就是扫描的方 向。那为什么扫描不以列为单位，从上 往下一列一列地扫呢？这是当初电视 发明时作为确定下来的，为的是技术上的统一，就象汽车靠左开还是靠右开一样， 定下来了，后续技术就以这个为基础来发展。假如以后这种扫描方式不好用了，被其他 更先进的方法取代也是有可能的，但现在还是这样。 表述屏幕像素的方法是“宽 X高”，就是宽有多少像素，高有多少像素，如 720X576、 1024X768、1920X1080等等，这些叫法大家都十分熟悉了。 屏幕另一个很重要的指标是“宽高比”，就是宽度和高度的比例，如 4 : 3、16 : 9， 这也很好理解。但不知道大家注意过没有，你去商场里选购彩电的时候，比如 42 寸平 板电视，都号称是 16：9，可有的像素是 1366x768，有的却是 1024x768。算一下你会 发现，1366 : 768＝16 : 9，而 1024 : 768＜16 : 9，这是怎么回事？其实很简单，因为 不是所有屏幕的像素都是正方形的，那些不是正方像素的屏幕，像素比例和屏幕比例就 不一样了。那么像素比例不同的电视机，显示画面会不一样吗？这倒不会，屏幕比例才 是决定画面的关键，只有都是 16 : 9，出来的画面都是一样的。 屏幕我们了解了，现在来看一下满街飞的逐行和 隔行。所谓逐行隔行，是指扫描的方式。我们知道一 排像素就是一“行”，逐行扫描就是一行接着一行地往 下扫，直到扫完一副完整的画面。看图，这就是逐行。 很简单哈。 理解视频格式 6 filmaker.cn 再来看隔行。隔行相对来说有点复杂，隔行扫 描不是一行接一行地往下扫，而是一行隔着一行地 往下。第 1行扫完不扫第 2行，而去扫第 3行，第 3 行扫完去扫第 5 行，直到扫到底，有一半的行就 被扫到了，对吧。然后它再跳回到没有扫过的第 2 行，再隔着往下扫，一直扫到底。看图就比较清楚 了，红色是第一轮扫的，蓝色是第二轮扫的。两轮 扫下来，才把一个完整的画面扫完。哇塞，闲的，这不没事找事吗，一轮扫完不得了， 整那麻烦。先别急，我们过会再解释为什么这样整。 我们把扫描从屏幕上方扫到下方（扫一轮）所获得的画面叫一个“场”，比如逐行扫 一轮下来，得到的“场”就是完整的画面；而隔行扫扫一轮下来，得到的“场”只有一半的 画面，再扫一次又得另外一半的画面，用术语来讲，第一次扫的叫“奇数场”，第二次扫 的叫“偶数场”。看下面这个图，奇数场和偶数场相加才得到一个完成的画面，我们把这 完成的画面称作一“帧”画面。相应的，在逐行扫描里，一个场扫下来，就得到一帧画面 了，容易理解吧。 我国的电视播放制式是隔行扫描，每秒扫 50 场， 1秒钟就有 25 帧画面，对吧。 那如果用逐行扫描也扫 50个场，那岂不是就变成 1秒 50帧啦？对啊，逐行扫 50场， 就是 50帧。 在写法上，隔行用 i表示，逐行用 p表示，然后在前面加上每秒的场数，如隔行的 50i、60i，逐行的 50p、60p和。i就是 interlace的头字母，p是 progressive的头字母。 如果你觉得不好记，教你个绝招：p就是“批”，一批过，不分场，就是逐行；i有上下两 截，分两场，就是隔行，怎么样，绝招吧。 这个倒是好理解，可是这隔行好象很麻烦啊，一副画面非要拆成两个，这样对电视 画面会不会有影响呢？两个场合成一个完成画面的时间是 50分之 2秒，也就是 0.04秒， 这个时间是相当短的，而且人类的眼睛有“视觉暂留效应”，是分辨不出如此快的画面变 化的。就是说，无论用 50i隔行扫描还是 50p逐行扫描，如果播放相同内容的节目，只 理解视频格式 7 filmaker.cn 用眼睛去看，是分辨不出哪个是什么扫描方式的。如果谁说他能用眼睛分辨出隔行和逐 行，那他就不是人，而是超人。 ^_^ 至于为什么会有隔行这种复杂的扫描方式，是由技术原因造成的。电视机作为一种 接受无线电信号的设备，其画面内容是从电视台传来的。电视台发送画面到各家各户的 电视机上要通过无线电波或者电缆进行传输；这样，传输通道的容量（或者说带宽）就 决定了电视信号的尺寸大小。而无论是无线还是有线，传输通道的带宽是非常有限的； 因此，选择一种尺寸比较小，同时又能良好播放的电视信号就成为降低电视传输成本的 关键。而隔行扫描方式占用的带宽是逐行扫描的约 1/2，能有效地解决传输带宽的问题。 因此，从最早的无线电视网到现在的高清电视网，都一直以传输隔行电视信号为主。当 然，现在部分国家的高清网是传输逐行信号，这取决于电视台在成本和收益方面的权衡。 但在家里观看影碟就不存在电视传输的带宽问题，所以，今后的家庭影院必然是向全逐 行的方向发展。 现在，结合我们上面讲的像素和扫描，来看看不同的画面格式。画面格式的表示方 法是：纵坐标像素 + 扫描场数 + 扫描方式。比如，PAL 制的标清电视是 720X576， 扫描场 50，隔行扫描，写出来就是：576/50i。这里不写横坐标像素，是因为横坐标像 素与纵坐标是一一对应的，写一个就可以了。下表是常见几种常见的电视画面： 画面格式 扫描方式 画面像素 480i 隔行 720 X 480 576i 隔行 720 X 576 720p 逐行 1280 X 720 1080i 隔行 1440 X 1080 1080p 逐行 1920 X 1080 理解视频格式 8 filmaker.cn 我国标清电视网的传输格式是 576/50i，高清的传输格式是 1080/50i。 在国际上，大部分的国家都是使用 1080/50i 或 1080/60i 作为高清传输标 准，也有部分使用 720/50p或 720/60p。 右图是各种电视画面尺寸的对比。 我们可以看到，1080i的尺寸是 720p的 尺寸非常接近；而在清晰度（分辨率） 上，这两种格式也相差无几（这个我们 后面会讲到），因此，对于使用 720p的 电视网，从观看效果上讲，和 1080i 是 看不出什么差别的。 至于 50i还是 60i，只是每个国家电 视扫描频率不同而已，在本质上并没有 很大的差别。 那为什么电视网不使用 25p，这样 不是更能节约带宽吗？而且电影都是每秒 24 帧画面，看起来也很爽啊。的确，电影拍 摄是 24帧/秒，但电影放映不是。在电影院里，每幅电影画面被投影 2次，这样做是为 了有效降低画面闪烁，观看起来才能更流畅，因此，电影放映是 48帧/秒，相当于 48p。 如果让你看 24p的电影，顶不了十分钟你就该审美疲劳了，同样的，如果电视是 25p， 电视台就该关门了。所以，以后跟人侃山的时候，谁要是说电影以每秒 24 帧放映，你 就指着他鼻子说：“你错了！”，那样显得你多专业啊。 理解视频格式 9 filmaker.cn औĂ၁ຫࡼ૝ࡻ 我们已经知道视频如何播放，那么这些视频是如何获得的呢？电影成像靠镜头把画 面投影在胶片上而获得画面。视频画面的获得，和电影成像的方式相类似，只是画面投 影在成像感应器上，感应器再把影像转换成 画面信息。如图，就是摄像机摄取视频画面 的方式。摄像机内三个感应器分别拍摄红、 绿、蓝光的信息；如果是一个感应器的摄像 机，那三种光都在一个感应器上完成摄取。 感应器目前主要有 CCD 和 CMOS 两种，它 们原理不同，但干的事情都一样。 ① 摄像机 我们前面已经知道电视机显像的原理，再去了解视频成像就很简单了。如图，摄像 机把拍摄到的画面转换成红绿蓝信息，然后把红绿蓝信息传给电视机，电视机把它们投 影在屏幕上，视频系统的工作就完成了。哈哈，很简单吧。这就是视频系统最核心的原 理：把画面变成 RGB，然后再把 RGB还原成画面。视频系统的其他理论都是围绕着这 个核心展开的，抓着这个核心，就能轻而易举地理解其他看似很复杂的视频原理。 摄像机把拍摄的画面转换成 RGB，然后把 RGB 传给电视机，电视机直接把 RGB 投影在屏幕上。看下图，摄像机把生成的独立的 RGB 信号直接给了电视机，我们把这 3个独立的信号叫做分量(Component)。RGB信号就称作 RGB分量。其实分量概念没 什么高深的，就是独立信号的意思。 现在我们可以说，视频系统的核心，就是 完成 RGB分量的传送。RGB分量的传输需要 3条线，这种传输方式是最能真实还原画面（或 者说最 Hi-Fi）的方式。但 RGB 信号的传输需 要很大的带宽，由于我们前面提到的电视网传 理解视频格式 10 filmaker.cn 输带宽的问题，在技术上和成本上传输 RGB 信号有一定难度。于是就发展出另外一些 节约带宽的信号方式。 ② 信号 首先是所谓的“复合信号”(Composite)。就是把 RGB 三个分量给混起来，变成一个 分量，这样 1条线就搞定了。我们平时见得最多的就是这种信号接口，电视机的 AV输 入，DVD的 AV输出都是这 种信号。这种方式虽然简 单，但它的画面质量并不 高，家用是没有问题，但对 于广播级别的要求就差很 远了。因为它把 RBG 的信 息都混在了一起，当还原的 时候，清晰度和色彩都会发生很大的失真，所以，在要求比较高的视频制作中是不使用 复合信号的。 看来要降低画面信息的失真，必须使用多分量的传输方式才行。于是出现了“Y/C分 量系统”。Y 就是亮度分量(Luminance)，C 就是 色度分量(Color)。这种方式是将画面分解成亮度 和色度两个信号（就像上面那个图中的两个电视 屏幕那样）。亮度信号就是没有颜色的黑白画面， 色度信号就是色彩的信息（但并不是完整的彩色 画面），然后用 2条线分别传送。这样，独立的亮度信号就可 以降低画面图形的失真。我们常用的 S端子（S-Video）就是 Y/C分量系统。但是，Y/C方式依然把 RGB的信息进行了混 合，色彩方面肯定是要打折扣的。于是，又出现了另一种信 号系统：YUV。 如图，YUV有三个分量，Y分量，U分量和 V分量。Y是亮度分量；U和 V是两个代表颜色 的分量，它们分别代表红色减去亮度的差，和蓝 色减去亮度的差；Y分量跟 U和 V分量可以经过 “运算”转换还原出 RGB分量。哇塞，头好大。 如果我们用图像说明的话就是下图显示的那样， Y分量就是黑白图像，而 U和 V就是带有色彩信息的分量，RGB可以转换成 YUV，YUV 也可以转换成 RGB。 理解视频格式 11 filmaker.cn YUV有 2种标示方法：一种叫 Y Pb Pr，另一种叫 Y Cb Cr。Y Pb Pr是 YUV在模 拟系统的标示， Y Cb Cr是在数字系统的标示。虽然它们技术细节上有区别，但基本原 理是一样的。 YUV 分量也是 3 条线，并不比 RGB 分量少，为什么还多此一举搞什么运算转 换，直接用 RGB不就得了？对，如果直接 用 RGB当然比用 YUV要好，然而，RGB 所需的带宽空间比 YUV要大很多。同时， YUV因为有一个黑白画面的 Y分量，能很 容易地兼容黑白电视，因此在兼容性上比 RGB更好。于是，结合带宽上的优势，YUV 就被应用在视频系统中。除了一些少数极 其高端的影像制作会直接处理 RGB外，到 目前，YUV方式仍是广播电视系统最主要 的传输和处理方式。通常在广电业内，如果提到分量信号如何如何，一般指的都是 YUV 分量。 了解YUV分量是了解视频格式的基础，因为我们要处理的视频格式都是YUV信号， 而不是 RGB。 ③ 成像 前面我们讲到电视机有隔行和逐行的扫描方式，同样，在摄像机上也有这两种扫描 方式。想像一下，摄像机的 CCD 就对应这电视机的屏幕。CCD上 也是由像素组成，它经过扫描“记 录”下每个像素上的RGB的 例， 然后传给电视机，电视机把这些 比 理解视频格式 12 filmaker.cn 像素信息打在荧光屏上。 摄像机的 CCD 像素的表示方法和电 视机也是类似的，比如 1280X720， 960X540。画面经镜头投影在 CCD 的每 个像素上，CCD通过扫描获得画面，隔行 扫描就扫 2次得 1张，逐行就扫 1次得 1 张。 正因为隔行扫描的 CCD 是扫 2 次得 1 张图，导致它在拍摄运动画面时会出现 “毛刺现象”。就像右图中的这个画面，当 CCD扫完第 1场的时候，这位仁兄已经不在原来那个地方了，CCD扫的第 2场相当于 一个已经“移位的”画面，于是两个场合成一个画面，就只这个样子。这是隔行扫描 CCD 拍摄画面的硬伤，如果要拍摄高质量的运动画面，逐行 CCD才是不二选择。 CCD扫描线的扫描频率和密度并不一定是固定的，用术语说就是“采样率”(Sampling) 并一定固定。所谓采样率，可以理解成扫描线和扫描线上“拾取”的数据点。看图就好 说了，比如松下 HVX200，它的 CCD是 960X540，这是 CCD的物理像素，固定不变 的。当它拍摄 720P格式时，采样率是 960X720，意思就是，扫描线在 CCD上扫 720 条线，而在每条扫描线上“拾取”960 个数据点。于是我们看到，物理像素有 540排，而扫描线有 720根，扫描线就 比像素排列要密；而没条线上“拾取” 数据的点有 960个，和 CCD像素相同， 就像图上画的那样。 而当 HVX200 以 1080p 方式拍摄 时，采样率就变成 1280X1080，即扫描 线变得更密了，每条线上的采样点更多。 使用不同的采样率，能够获得不同的画面像素，而不同的画面像素就产生了不同的视频 格式。 由此我们知道，摄像机输出的视频格式的画面尺寸，是由 CCD 的物理像素和采样 率共同决定的。CCD 像素是一个物理指标，固定不变；而输出画面的像素则由不同的 格式而决定。 看得这里感觉如何？有点头大？别着急，慢慢往下看，看完后面的内容再回头去看 前面的也许就容易明白了。当然，也可以休息一下，到阳台去呼吸一下新鲜空气，或者 去洗把脸什么的。我们下面要有精彩内容了。 理解视频格式 13 filmaker.cn औĂ၁ຫৃါ 格式是什么？ 我们前面已经知道了什么是视频，以及视频是怎样产生，又是怎样被我们看到的。 那什么叫格式呢？其实格式也很简单，格式(Format)指就是视频的种类，不同的视频类 型就叫不同的视频格式。如果也要来个口号的话，就是“格式就是种类”。 我们前面知道 CCD 经过扫描，获得了视频画面，那所谓的“不同的视频类型”又是 怎么产生的呢？好，我们下面就来看看同样是 CCD产生的画面，怎么就变出“不同类型” 的。 ①摄像机的组成 右边是一台摄像机，我们按功能区域把它给拆开，得到四个部分：镜头、CCD、编 码、记录。镜头不用说了。CCD我们也说过了，它通过扫描获得画面。编码(Encoding)， 或者叫编码处理器，就是把画面变成 信号编码。记录，其实就是个录像机， 把画面编码写进磁带、硬盘或者存储 卡里。 怎么样，摄像机结构很简单吧。 你一定猜到了，导致产生不同视频类 型的部分就是编码部分。不同的编码 处理器，就产生不同的编码，而这些 不同编码，就是形成了不同的视频格 式。那可不可以这样说：如果换一个 编码处理器，那就能产生另一种视频 格式了？哈哈，还就是这样。你装一个 DV编码器，你的摄像机就是 DV机，你装一个 DVCAM编码器，你的机器就是 DVCAM。当然，小摄像机的编码部分是不可更换的， 在有的广播级摄像机上就可以，它们后面的编码记录部分是可更换的，装上 Beta 就是 Beta机，装上 DVCAM就是 DVCAM机。 理解视频格式 14 filmaker.cn ②采样 既然我们知道了，编码器是产生视频格式的关键，那我们就来看看视频格式到底是 怎么生产出来的。 看下图，这是摄像机各部分对应的视频图像的处理。我们看到镜头和 CCD 部 分把拍摄的画面变成了 RGB像素（我们用 4个像素来举例）。然后 CCD把生成的 RGB 像素发送给编码部分。 哇塞，编码部分果然有很多事情要做。首先，它把 RGB转换成 YUV，YUV我们前 面已经介绍过了，复习一下，Y 是亮度分量，U 和 V 是色度分量。然后编码器进行对 YUV进行采样，生成码流，然后进行压缩。最后送给记录部分，写进磁带里。 编码部分的工作实际上就是转换成 YUV、对 YUV进行采样、压缩，3个工作。 你一定会觉得奇怪，除了 RGB转换成 YUV，像素信息好像也没什么变化嘛，采样 也没有改什么，顶多压缩一下就写进磁带了。是啊，这张图似乎不太能说明什么问题， 我们看下页那张。 理解视频格式 15 filmaker.cn 看下图。注意编码处理的部分，转换 YUV和上面那张图一样，但采样部分就变了。 经过采样后，Y分量都还在，但几个 U分量和 V分量不见了，具体就是 U2、U4、V1、 V3不见了。去哪里了？很抱歉，扔掉了。什么！不要啦？是的，不要了。 为什么要把几个分量扔掉，难道不需要吗？其实不是不需要，只是我们的磁带装不 下那么多信息，于是就在采样的过程中，把一些色度信息剔除掉，从而把整体信息容量 减少，这样可使传输和处理都相对容易些。扔掉了色度信息，色彩不就失真了吗？是的， 失真是必然的，但如果能控制在可以接受且不易辨认的范围内就没有问题。可是为什么 不扔掉几个 Y 呢？因为 Y 作为亮度分量承载的是图像信息，简单地讲，它代表的是形 状，如果形状信息扔了，图像就会变形；而色彩信息则没那么严重，即便全扔了还能看 黑白电视，所以要牺牲只能牺牲色彩。可到时播放的时候，电视机仍然是需要 RGB 信 息啊，你把一部分色彩分量扔了，到时你拿什么转换回 RGB 给电视机？这个问题不着 急，现在我们才刚开始编码呢，到后面解码的时候自有办法。 仔细看一下采样后的 4个像素，Y都在有 4个，U剩 2个，V剩 2个。我们就把这 样的采样叫做 4:2:2 采样，意思就是“Y 比 U 比 V”的比例。你可以回头看前面那张图， 知道怎么叫了吧，对了，那就是传说中的 4:4:4采样。 4:4:4采样就是什么东西都没扔， 因此是最保真的，当然，需要的信息存储空间也是最大的。 理解视频格式 16 filmaker.cn 怎么样，这个所谓的采样很容易理解吧。因为采样扔的都是色度信息，所以也被称 作“色度采样”或“色彩采样”。色度采样是视频格式中的重要部分，在每个视频格式的参 数中必然有该格式所使用的采样，而且都是“Y：U：V”的写法。采样大都以 4个像素作 为一个采样单位，而且 Y都是不扔的，所以基本都是“4：X：X”这样的形式。 注意，这个“色度采样”和前面的“CCD 采样率”是不一样的。色度采样是对色 彩的处理，而 CCD采样率是“拾取”CCD上的图像信息。 好，我们来看 4:1:1采样。如图，经采样后，4个像素只剩下了 1个 U分量和 1个 V分量，因此就叫 4:1:1。呵，够狠的，色度信息一下被扔掉了 3/4。是啊，NTSC制式 的 DV就是这种采样。那我们 PAL制的 DV据说是 4:2:0采样，是不是比他们的 N制的 强呢？我们就接着看 4:2:0采样，一会儿就知道答案了。 理解视频格式 17 filmaker.cn 4:2:0采样比前面三种复杂点，但也不难理解。看图，4:2:0采样按 2排共 8个像素 作为 1个采样单位。我们知道采样的关键就是怎么扔色度信息。先看第 1排，U分量扔 掉 2个，V分量全扔；再看第 2排，U分量全扔，V分量扔掉 2个。扔完之后，我们单 看第 1排，可以叫它 4:2:0；单看第 2排，可以叫它 4:0:2；如果我们两排一起看，可以 叫它 8:2:2，对吧。为了和其他的采样形式在名称上统一，这种采样就用第 1排的 4:2:0 来代表了。因此，也容易造成误解，从字面看仿佛 V分量都扔光了。 这就是我们 PAL制 DV采用的色度采样，它和 4:1:1一样，都扔掉了 3/4的色度信 息，因此没有哪个更好，很遗憾，难兄难弟而已。从色度采样我就能知道，为什么我们 DV的色彩比不了电视台的大摄像机，色彩都采成这样了，能“出彩”吗。 理解视频格式 18 filmaker.cn 下表是一些常见的视频格式的采样情况： 视频格式 扫描方式 画面像素 色度采样 HDCAM SR (1080p) 逐行 1920x1080 4:4:4 DVCPRO HD (1080p) 逐行 1920x1080 4:2:2 XDCAM HD (1080p) 逐行 1920x1080 4:2:0 HDV (1080p) 逐行 1920X1080 4:2:0 HDV (1080i) 隔行 1440X1080 4:2:0 HDV (720p) 逐行 1280X720 4:2:0 AVCHD (1080i) 隔行 1440x1080 4:2:0 Digital Betacam 隔行 720x576 4:2:2 DVCPRO 50 隔行 720x576 4:2:2 DVCPRO 25 隔行 720x576 4:1:1 DV (PAL) 隔行 720x576 4:2:0 DVCAM (PAL) 隔行 720x576 4:2:0 DV (NTSC) 隔行 720X480 4:1:1 DVCAM (NTSC) 隔行 720X480 4:1:1 从表中可以看出，现在流行的 HDV采用的也是 4:2:0色度采样，和 DV是一样的。 也就是说，HDV 在色彩上的表现并不会比 DV 强太多。在一些测试中，DVCPRO HD 的色彩表现要明显好于 HDV，原因就是 DVCPRO HD是 4:2:2采样。注意，新上市的 XDCAM HD和 AVCHD也都是 4:2:0。 ③ 压缩 编码器完成色度采样之后，形成的编码对于磁带而言依然太大了。有没有搞错？都 采成这样了还大啊！没办法，视频就这样。采样完的 1帧 DV画面(720x576)有约 600KB 大小，1 秒 15MB，1 分钟将近 1GB（一张 DVD 容量 4.7GB）；而一盘 60 分钟的 DV 磁带容量才 13GB，不压缩往哪放啊。如图，采样后的视频码流被送进一个“榨汁机”里 理解视频格式 19 filmaker.cn 进行压缩，被榨成“脱水蔬菜”，这样就好装进“罐头”里了。 针对不同的“罐头”尺寸和“蔬菜”种类，“榨汁机”的种类和“压榨力度”也不一样。有 些罐头容量比较大，榨汁的力度就可以小点，榨出的蔬菜还带点水分；如果罐头比较小， 而蔬菜又比较多，那榨出来就是“菜干”了，就像方便面里那种。 ^_^ 所谓压缩，就是通过某种数据运算将画面中一些“冗余的”部分去除，在保证画面质 量的同时降低数据量。虽然理论上存在无损压缩，但无损压缩的数据量跟不压缩相差无 几。因此在实际应用中，我们使用的压缩都是有损压缩，意思就是，画面的质量是一定 会下降的，只是下降的幅度或多或少而已。 从“榨汁方法”来讲，视频压缩分两种：一种叫帧内压缩(Intraframe Compression)， 另一种叫帧间压缩(Interframe Compression)。帧内压缩就是每帧自己压自己的，跟前 面和后面的帧都没有关系。帧间压缩就是根据某一帧前面和后面的帧进行压缩，如下图 所示，如果在连续几帧中，不变化的画面部分将作为“没用的”部分被去掉，只留下那些“有 用的”部分。 压缩方式是视频格式中的第三个重要部分（前面两个是 CCD 扫描方式和色度采 样）。使用什么样的压缩方式，将直接影响视频格式的质量。在分析压缩前，我们先介 绍几个名词： I① 帧(Intra-frame)，读作“挨针”。这个词在关于视频压缩的文章中经常出现，显得 很深奥的样子，其实，所谓 I 帧就是“关键帧”，意思就是这帧很关键。为什么关键呢？ 因为这帧里包含了进行压缩所需要的全部信息。比如上面“帧间压缩”的第一个画面，就 是一个 I帧。 GOP(Group of Pictures)② ，有人翻译作“图片群”或“图片组”，我们直接读“居欧劈” 即可。GOP 指的就是一组连续的帧，比如 6 帧 GOP 就是连续 6 帧画面，15 帧 GOP 就是连续 15帧画面。很容易理解哈。 理解视频格式 20 filmaker.cn ③ 短 GOP(Short GOP)，指只有一帧的 GOP，而且这帧是 I帧（“挨针”）。比如上 面图中“帧内压缩”的每个画面都是一个短 GOP，即每帧都是 I帧。短 GOP的提法比较 少用，一般都是直接说 I帧。 ④ 长 GOP(Long GOP)，超过一帧的 GOP，比如 6帧 GOP，15帧 GOP。长 GOP 习惯写作 LGOP。通常来讲，如果提到 GOP指的都是 LGOP。 B⑤ 帧 (Bi-direction frame) 和 P帧 (Predicted frame)，B帧和 P帧都是没有完整 画面信息的帧，它们只在帧间压缩中才会存在。比如上面图中“帧间压缩”的第二个画面。 好了，现在可以开讲压缩了。首先是帧内压 缩。帧内压缩就是以帧为单位进行压缩，每一帧 都是独立作业，帧之间不互相影响，因此帧内压 缩在很大程度上就相当于图片压缩，每一帧就是 一张图片。比如最常见的压缩方式 M-JPEG，就 是 JPEG图片压缩方式在视频压缩上的应用。由 于每帧是独立压缩，且每帧都是 I 帧，因此帧内 压缩也被称为“I帧压缩”。DV格式使用的就是 I帧压缩。 相对于帧内压缩而言，帧间压缩就复杂一些。首先，帧间压缩不是以帧为单位，而 是以 LGOP为单位。意思就是说，帧间压缩不是一帧一帧地压，而是一组一组地压。如 图，这是一个典型的“15帧 LGOP帧间压缩”。15帧作为一个 LGOP，以一个 I帧领头， I 帧保留了后面 14 帧中的“没用 的”的信息；然后后面的 B 帧和 P 帧把“没用的”内容扔掉，只留 下“有用的”，于是 B帧和 P帧就 能变得很小；从而在压缩率上就 能够获得比帧内压缩更高的压 缩率。由于帧间压缩都是以 LGOP为单位进行压缩，因此又被称为“LGOP压缩”。HDV格式使用的“MPEG-2压缩” 就是一种 LGOP压缩，索尼 Z1使用的是“15帧 LGOP压缩”，JVC HD100使用的是“6 帧 LGOP压缩”。还有 AVCHD的“MPEG-4压缩”和现在流行的“H.264压缩”都是 LGOP 压缩。 I 帧压缩（帧内）和 LGOP 压缩（帧间）的出发点是不一样。I 帧压缩是根据每帧 的“画面内容”进行压缩，由于每帧独立，无论拍摄的是运动镜头还是固定镜头，对压缩 率并没有影响。LGOP 压缩是根据“帧与帧之间的关系”进行压缩，如果是静止画面，I 帧后面的那些 B帧和 P帧几乎什么信息都可以不留；如果是运动画面， B帧和 P帧只 需要保留那些变化的即可。如果用一句话来区分这两种压缩方式，可以说：“I帧压缩是 静态压缩，LGOP 压缩是动态压缩”。从算法理论上讲，这两种压缩方式并没有谁优谁 理解视频格式 21 filmaker.cn 劣，只是方式不用而已。但从压缩率上讲，LGOP压缩的压缩率就比 I帧压缩要高很多。 如图，I帧压缩后的 4帧画面的容量大约可以 装得下 LGOP压缩后的 15帧画面。这就是为什 么 HDV 画面可以装进 DV 磁带里的原因，压得 跟 DV一样小了，当然就可以装进去了。也正因 为这样，LGOP压缩在视频传输领域被广泛应用， 数字电视网信号、DVD、HD DVD、蓝光 DVD(Blue-ray disc)、以及常见的网络流媒体 （WMV、DivX、MP4……）都是使用 LGOP压缩。 但是，即使是同一种压缩方式里，也有不同的压缩率和压缩质量，比如同是 MPEG-2 压缩，DVD的压缩率就比 HDV要高很多，但质量就比不了 HDV；你可以理解成“榨汁 力度”不同，DVD是“浓缩型”，HDV是“原汁型”。 至于说装“菜干”的“罐头”是磁带、硬盘、光盘、还是存储卡，并不重要，这些都只 是存储介质而已，就像“罐头”是铁罐还是玻璃罐一样。重要的是我们前面讲的三样东西： 扫描方式、色度采样、压缩。这三样保证了，放进瓦罐还是玻璃罐都无所谓。 色度采样的比较我们前面讲了，4:2:2 保留的色彩信息比 4:2:0 要多，因此必然比 4:2:0 要好。但压缩怎么比呢，两种压缩方式使用的是不同的压缩原理。是的，在理论 上的确不好比，但我们可以从它们在实际应用的表现，也就是解码(Decoding)之后的画 面质量来对比，这就是后面的内容了。 下表是一些视频格式的关键指标： 视频格式 扫描 画面像素 采样 压缩 码流 储存方式 HDCAM SR (1080p) 逐行 1920x1080 4:4:4 I帧 880Mb/s 磁带 硬盘 DVCPRO HD (1080p) 逐行 1920x1080 4:2:2 I帧 100Mb/s 磁带 存储卡 XDCAM HD (1080p) 逐行 1920x1080 4:2:0 LGOP (MPEG-2) 35Mb/s 光盘 存储卡 HDV (1080p) 逐行 1920X1080 4:2:0 LGOP (MPEG-2) 25Mb/s 磁带 HDV (1080i) 隔行 1440X1080 4:2:0 LGOP (MPEG-2) 25Mb/s 磁带 硬盘 HDV (720p) 逐行 1280X720 4:2:0 LGOP (MPEG-2) 25Mb/s 磁带 AVCHD (1080i) 隔行 1440x1080 4:2:0 LGOP (MPEG-4) 640Kb/s 硬盘 光盘 Digital Betacam 隔行 720x576 4:2:2 I帧 50Mb/s 磁带 DVCPRO 50 隔行 720x576 4:2:2 I帧 50Mb/s 磁带 DVCPRO 25 隔行 720x576 4:1:1 I帧 25Mb/s 磁带 DV (PAL) 隔行 720x576 4:2:0 I帧 25Mb/s 磁带 DVCAM (PAL) 隔行 720x576 4:2:0 I帧 25Mb/s 磁带 DV (NTSC) 隔行 720X480 4:1:1 I帧 25Mb/s 磁带 DVCAM (NTSC) 隔行 720X480 4:1:1 I帧 25Mb/s 磁带 理解视频格式 22 filmaker.cn 表中”码流”指的是磁带上记录的数据流量，单位 Mb/s，就是兆比特每秒。这里注意 一下，b≠B，小 b 是比特，大 B 是字节， 8 比特=1 字节，即 8b=1B。数据传输一般 用比特（小 b）做单位，而电脑文件用字节（大 B）做单位，比如一张 CD有 700MB， 一张 DVD有 4.7GB。DV的码流 25Mb/s，大约是每秒 3.6MB。 从表中可以看出，即使相同的压缩方式，“压榨力度”不同，获得的数据量也是不 一样的。 讲到这里，视频格式在摄像机里面的事情就讲完了。怎么样，并不复杂吧。 厂家在介绍摄像机的时候，肯定会天花乱坠地砸下很多专业术语和新奇概念，目的 无非就是想显示他们的产品如何如何牛，顺便把消费者给砸晕菜，这样他们的产品就好 卖了。现在，你已经知道了摄像机干的不过就是那几样事情，抓住上面提到的几个关键 点，一台摄像机的定位你就知道了，任他们怎么吹，你都能看出是乌鸡还是凤凰。 理解视频格式 23 filmaker.cn ④播放 视频画面我们已经拍好，并记录进磁带。接下来我要 做的事情无非就两个，一个是用录像机把磁带上的内容放 出来；另一个就是把它们导进电脑里进行编辑。这两种方 式虽然都是内容的再现，但视频格式在这两个过程中的变 化是不同的。下面我们先来看“播放”，如右图，播放就是 用录像机（或者摄像机本身）把磁带上的内容传给电视机 放出来。 用录像机播放磁带，其实是一个和“摄像机编码”完全 相反的过程，称为“解码”(Decoding)。下图就是解码的过 程，首先把压缩在磁带上的帧信息解压成 YUV的帧画面，然后再把 YUV转换成 RGB， 显像管把 RGB信息投影在荧光屏上，画面就出来了。在相当程度上，和我们常用的 DVD 播放基本是一回事。 先来看解压。我们已经知道压缩有两种方式，对 应的，解压也有两种方式。I帧压缩的解压过程与其 压缩过程正好相反，如图，简单的理解就是把压小 的每帧放大成原来的尺寸，非常容易理解。 而 LGOP 的解压就相对复杂一些。因为 LGOP 是一组一组压缩的，因此解压的时候也是一组一组 地解。如图，这是“15帧 LGOP”的解压过程。首先， I帧把那些保留好的“没用的”信息传给 P帧，然后 P帧再把那些信息传给 B帧，这样大 家你给我一点，我给你一点，那些被扔掉的信息就又回到每个 B帧和 P帧里，15帧的 完整画面就出来了。 我们前面提到过，视频压缩都 是有损压缩。从这两幅图中我们就 可以看出来，那些在压缩过程中“扔 掉”的部分都是通过“找补”的方式回 来的。I帧压缩的解压，缺少的信息 理解视频格式 24 filmaker.cn 是从各自的帧里找补，自己补自己的。LGOP缺的信息是从旁边的帧里找补，相互帮忙 补。但那些找补回来的信息其实都不是压缩之前“原版的”信息，只是找一些类似的来顶 替而已。这时我们就会发现，这个“找补”的能力是解压质量的关键，补得好，“补出来的” 画面就和“原版的”就比较接近，如果补得不好，出来的画面就和“原版的”有差距。因此， 这个“解压”的好坏直接影响最终画面生成的质量。为什么玩 Hi-Fi的人都要单独买个解码 器，而不用 DVD 机自带的解码器就是这个道理。同时我们也就知道，如果对一个解压 后的画面再进行第二次压缩，那所获得的画面其质量必然是更加下降。 我们完成解压后，就得到了 YUV的采样画面。但我们还要将“采样 YUV”转换成“完 整 YUV”，再将 YUV转换 RGB，电视机才能将画面再现出来。 我们前面讲色度采样的时候已经知道，色度采样后的 YUV 就是色度分量不全的 YUV，色度不全的 YUV如何能转换成完整的 YUV