《音视频开发技术：原理与实践》©

=[>> 关于作者© <<]=

=[>> 赞助本作© <<]=

=[>> 版权申明© <<]=

目标

对于音视频工程师/架构师来说，日常工作长中总会有大量的知识技术积累，亟待梳理以期望能够被快速检索查阅。但由于工程技术所处领域的复合特征，往往针对一个工程问题所需要的专业知识，不论深浅程度，都会横跨几门学科。而想要获取有效的处理问题所能使用的信息，都需要依次回顾、搜集和关联。这样必不可少会花费大量时间查阅各类大部头资料和文献。而这么做往往是因为，对于待解答问题非常重要的知识点，分布碎片化导致的。

音视频规格的跨度构成了本身技术的多个维度，使得我们并不能按照以往的工程思维，从单一角度来考虑涉及此类型的复合问题。

因此，本书的目的旨在以工程解决方案的实践思路过程，对相关联的各学科核心知识进行串联。以求用一套完整且关联的技术栈模板，来贯穿当下多媒体技术的所有核心技术模块。从而 为读者提供针对多媒体（音视频）分析/处理/整合/架构方面，有效技术指导与学习路线。

特色

本书结合作者工作实践，对架构师日常工作工程中涉及使用到的：数字信号处理、计算机图形学、色彩学、相关工程规格规范、驱动特征及软件框架设计等，领域的专业学科知识进行了梳理和提炼。从音视频工程师不同的技术阶段需要面临的问题为出发点，将

全书分为，音视频基础与音视分析、流媒体规格与简易编解码播放框架设计、通用统一化音视频编辑框架与渲染驱动设计，三大阶段。每一阶段，统一采用知识图谱串联工程规格与编码实践，全面讲解对应技术阶段下需要掌握的，多媒体（音视频）技术之简史、原理、算法、设计及相关推导、制定、架构与应用。

基于此，全书按照技术逐级递进的关系，构成了整体音视频从数据分析、编解码器开发、播放器开发到图形化与图像处理、特效与特效引擎的 完整技术栈。使得全书每个章节内部自成一体但确相互关联，从而便于做技术字典、工程手册和整体学习之用。

面向

书中原理与技术面向全平台，因此主要开发语言为 C/C++。部分平台化及数据分析场景，会一定程度的应用到 C#、Java、Python 等其他语言。本书适合：

• 初入音视频开发的新手： 本书为您提供了完整学习路径，对于打算初入本行业的开发者，本书能够帮您梳理完整的音视频开发技术路线。协助您成功入行。

• 有基础的音视频工程师： 本书为您提供了知识技术字典，对于日常开发工作中涉及到的相关问题分析，本书能够帮您快速定位到所需要的核心知识点，进而方便您进一步根据所给信息来做出判断，或根据提示方向来进行深度资料查阅。

• 多媒体编解开发者友好： 本书为您提供了ITU-T的编解码协议技术索引和讲解，您可以快速通过本书查阅常用 H.264、H.265、H.266 的关键资料和技术对比。

• 流媒体协议开发者友好： 本书为您提供了常用流协议的拆分解析，您可以快速通过本书查阅常用 RTP/RTCP、RTMP、HLS 的规格设定和消息类型。

• 学研成果转向生产部署： 本书为您提供了理论转实践的事例方案，对于将研究成果转换到实际工业生产活动的老师，本书能够为您介绍一些现已有成功实践的多媒体方面学转产探索。协助您梳理思路。

• 硬核的多媒体技术大咖： 若您是深耕此领域多年的老师，您不妨将本书当作一次有趣的思维之旅，从不同的视角感受音视频工程魅力，希望本书能为您提供一些帮助。当然，也更希望获得您的交流。

为方便您定位章节难度，此处提供 =[>> 难度向导 <<]= 建议。

受限于作者，本书难免存在一些不足，您可以 Book-issues 进行反馈，感谢您的帮助！

目录

音视频工程基础

• 一、音频的保存与还原
  • 1.1 音频基础
  • 1.2 声波三要素（Three Elements of Acoustics）
  • 1.3 声音三要素（Three Elements of Sounds）
    • 1.3.1 音高（Pitch）
    • 1.3.2 响度（Loudness）
    • 1.3.3 音色（Timbre）
  • 1.4 声音的解构
    • 1.4.1 乐理：音调（Notes） & 五度圈（Circle of Fifths）
    • 1.4.2 乐理：和声（Harmony） & 和弦（Chord）& 调性网络（Tonnetz）
    • 1.4.3 感观：等响曲线（ELLC [Equal Loudness-Level Contour]）
    • 1.4.4 感观：频响曲线（FRC [Frequency Response Contour]）
    • 1.4.5 工程：频谱图（Spectrum）
  • 1.5 声音数字化
    • 1.5.1 数字信号（Digital Signal）& 模拟信号（Analog Signal）& 真实波源（Original Source）
    • 1.5.2 模数转换（A/D [Analog-to-Digital]）
    • 1.5.3 数模转换（D/A [Digital-to-Analog]）
    • 1.5.4 脉冲编码调制（PCM）& 脉冲密度调制（PDM）
  • 1.6 音频的存储
    • 1.6.1 音频格式（Audio Format）
    • 1.6.2 无压缩编码格式（Uncompressed Encode）
    • 1.6.3 无损压缩编码格式（Lossless Encode）
    • 1.6.4 有损压缩编码格式（Uncompressed Encode）
  • 【参考文献】

• 二、色彩的运用与存储
  • 2.1 色彩基础
  • 2.2 颜色三要素（Three Elements of Color）
    • 2.2.1 色调（Hue）
    • 2.2.2 饱和度（Saturation）
    • 2.2.3 光亮度（Luminance）
  • 2.3 色彩的衡量
    • 2.3.1 辐射亮度（Radiance）& 色温（Color Temperature）& 颜色的量化
    • 2.3.2 配色函数（Color Matching Functions）& 色彩空间（Color Space）
    • 2.3.3 经典三原色函数（Trichromatic Primaries Functions）
    • 2.3.4 经典三刺激函数（Tristimulus Values Functions）
    • 2.3.5 现代色彩体系（Modern Color System）
  • 2.4 色彩的对比
    • 2.4.1 色域（Color Gamut ）
    • 2.4.2 色度（Chroma）& 色度平面（Chroma Plane）& 色度图（Chroma Diagram）
    • 2.4.3 色差（Chromatic Aberration）
    • 2.4.4 色温（Color Temperature）& 相关色温（Correlated Color Temperature）
    • 2.4.5 标准光源（Standard Illuminants）& 白点（White Point）
    • 2.4.6 显色指数（Color Rendering Index）
  • 2.5 经典色彩空间（Classical Color Space）
    • 2.5.1 光学三原色色彩空间（RGB）
    • 2.5.2 颜料三原色色彩空间（CMY / CMYK ）
    • 2.5.3 CIE RGB 色彩空间（CIE 1931 RGB Color Space）
    • 2.5.4 CIE XYZ 色彩空间（CIE 1931 XYZ Color Space）
    • 2.5.5 CIE LAB 色彩空间（CIE 1976 L*, a*, b* Color Space）
    • 2.5.6 CIE LUV 色彩空间（CIE 1976 L*, u*, v* Color Space）
    • 2.5.7 颜色三要素色彩空间（HSV / HSI / HSL）
  • 2.6 色彩的存储
    • 2.6.1 色彩格式（Color Format）与色彩存储
    • 2.6.2 RGB 体系色彩格式
    • 2.6.3 YUV 体系色彩格式
  • 【参考文献】

• 三、音视频常用基础算法
  • 3.1 信号分析的核心算法 - 傅立叶变换
    • 3.1.1 一维傅立叶（1D-FT）与一维离散傅立叶变换（1D-DFT）
    • 3.1.2 二维傅立叶（2D-FT）与二维离散傅立叶变换（2D-DFT）
    • 3.1.3 傅立叶变化的经典 - 快速傅立叶变换（FFT）
    • 3.1.4 傅里叶的硬件优化 - 多常数乘法矩阵逼近（Matrix-MCM Approach）
  • 3.2 频率信息提取 - 常用滤波算法
    • 3.2.1 高斯滤波（Gauss Filter）
    • 3.2.2 双边滤波（Bilateral Filter）
    • 3.2.3 拉普拉斯滤波（Laplacian Filter）
    • 3.2.4 马尔滤波（Marr Filter）
    • 3.2.5 索贝尔滤波（Sobel Filter）
    • 3.2.6 各向异性扩散（Anisotropic Diffusion）
  • 3.3 时间冗余控制 - 常用特征提取与朴素阈值处理
    • 3.3.1 方向梯度直方图（HOG [Histogram of Oriented Gradient]）
    • 3.3.2 朴素目标检测结果度量 - IoU & GIoU
    • 3.3.3 朴素目标检测物体锁定 - 分步滑动窗口（Simple Sliding Window）
  • 3.4 空域冗余控制 - 基础光流算法与色度压缩
    • 3.4.1 传统光流法（Classic Optical Flow Methods）
    • 3.4.2 双向光流预测（BDOF [Bi-Directional Optical Flow]）
    • 3.4.3 光流仿射修正（PROF [Affine Prediction Refinement With Optical Flow]）
    • 3.4.4 色度缩放亮度映射（LMCS [Luma Mapping with Chroma Scaling]）
  • 3.5 频域冗余控制 - 基础变换编码
    • 3.5.1 整数离散正余弦变换（DST/DCT）
    • 3.5.2 哈达玛变换（WHT [Walsh-Hadamard Transform]）
    • 3.5.3 低频不可分变换（LFNST [Low-Frequency Non-Separable Transform]）
  • 【参考文献】

• 四、音视频机器学习基础
  • 4.1 发展概览
  • 4.2 模型工程基础
    • 4.2.1 算子（Operator）& 层（Layer）
    • 4.2.2 神经元（Neuron）
    • 4.2.3 神经网络（NN [Neural Network]）
    • 4.2.4 特征选择（Feature Selection）
  • 4.3 经典激活函数（Classic Activation Function）
    • 4.3.1 Sigmoid
    • 4.3.2 Tanh
    • 4.3.3 Softplus
    • 4.3.4 ReLU 族
    • 4.3.5 ELU & SELU
    • 4.3.6 Mish
    • 4.3.7 Swish 族
  • 4.4 连接函数/衰减函数（Connection/Attenuation Function）
    • 4.4.1 Dropout
    • 4.4.2 Maxout
    • 4.4.3 SoftMax
  • 4.5 损失函数（Loss Function）
    • 4.5.1 回归项-平均绝对误差（MAE [Mean Absolute Error]）
    • 4.5.2 回归项-均方误差（MSE [Mean Squared Error]）
    • 4.5.3 回归项-休伯损失（Huber Loss）
    • 4.5.4 回归项-分位数损失（Quantile Loss）
    • 4.5.5 分类项-对数损失（Log Loss）
    • 4.5.6 分类项-交叉熵损失（Cross Entropy Loss）
    • 4.5.7 分类项-合页损失（Hinge Loss）
    • 4.5.8 分类项-对比损失（Contrastive Loss）
    • 4.5.9 分类项-三元损失（Triplet Loss）
    • 4.5.10 分类项-对组排异损失（N-Pair Loss）
    • 4.5.11 正则项-L1 惩罚
    • 4.5.12 正则项-L2 惩罚
  • 4.6 常用最优化算法（Optimizer Operator）
    • 4.6.1 基础优化算法
    • 4.6.2 优化算法的优化-应对震荡
    • 4.6.3 优化算法的优化-应对重点强（弱）化更新
    • 4.6.4 自适应实时评估算法（Adam [Adaptive Moment Estimation]）
    • 4.6.5 优化算法对比与使用建议
  • 4.7 模型结构速览
    • 4.7.1 卷积神经网络（CNN [Convolutional Neural Network]）
    • 4.7.2 循环神经网络（RNN [Recurrent Neural Network]）
    • 4.7.3 自注意力网络（Transformer）
  • 【参考文献】

• 五、音视频帧分析与数据处理
  • 5.1 音视频帧与环境准备
    • 5.1.1 常用数学库（Numpy、Pandas、Mateplotlib）
    • 5.1.2 音频分析库（SoundFile、PyAudio、Librosa、Aubio）
    • 5.1.3 视频分析库（PyOpenCV、Color-Science）
    • 5.1.4 其他分析软件
  • 【参考文献】

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.