PART II 信息层 Chapter 3 数据表示法

Chapter 3 数据表示法

3.1 数据和计算机

数据(data)       :    基本值或事实信息(information):    用有效的方式组织或处理过的数据计算机可以存储、表示和帮助我们修改各种类型的数据，包括    文本、音频、图像和图形、视频这些数据最终都被存储为二进制数字多媒体(multimedia):    几种不同的媒体类型数据压缩(data compression):     减少存储一段数据所需的空间带宽(bandwidth):  在固定时间内从一个地点传输到另一个地点的最大位数或字节数压缩率(compression radio): 原始数据的大小除压缩后的数据大小无损压缩(lossless compression): 不会丢失信息的数据压缩技术有损压缩(lossy compression): 会丢失信息的数据压缩技术A.  模拟数据和数字数据    模拟数据(analog data) :  用连续形式表示信息    数字数据(digital data):  用离散形式表示信息    数字化(digitize):  把信息分割成离散的片段    脉冲编码调制(PCM pulse-code modulation):  电信号在两个极端之间跳跃的变化    重新计时(reclock):  在信号降级太多之前将它重置为原始状态的行为    在信号沿线下降时，因为所有的电信号(模拟或数字信号)都会降级;    但是模拟信号降级丢失信息，数字信号因为通过阈值来判断高低电压，所以数字信号会    被周期性的重新计时，在信号降级太多前重新计时，就不会丢失信息。B.  二进制表示法    n位2进制数字能表示2^n种状态    计算机体系结构一次能够寻址和移动的位数有一个最小值，通常是2的幂    分配给任何类型的数据的最小存储量通常是2的幂的倍数

3.2 数字数据的表示法

A.  负数表示法    1.  符号数值表示法(signed-magnitude representation)        符号表示数的所属分类，值表示数的量值的数字表示法        在计算机中会出现+0、-0问题    2.  定长量数        指允许用定量的数值，那么可以用一半表示正数，一般表示负数，符号由        数的量值决定        A-B = A+(-B) : 从一个数中减去另一个数，等于加上该数的负数        十进制补码 (ten's complement)            对于正整数I，它的负数补码  Negative(I) = 10^k - I ,k是数字个数    3.  二进制补码        在二进制补码中，负数的最左边一位总是1，所以可以立刻判断数字的正负    4.  数字溢出        溢出(overflow):   给结果预留的位数存不下计算出的值的状况        是把无限的世界映射到有限的机器上会发生的典型问题B.  实数表示法    在计算机中，我们把实数存储为一个整数加指示小数点位置的信息    定义二进制浮点值                    符号*尾数*2^exp    小数点(radix point):   在记数系统中，把一个实数分割成整数部分和小数部分的点    浮点表示法(floating point):  标明了符号、尾数和指数的实数表示法    把十进制数字的小数部分转化成其他进制:        用新的数乘这个小数部分，乘法的进位将成为答案左边的下一位数字，        乘法结果中的小数部分将成为新的被乘数，整个过程直到乘法结果中的小数部分为0截止    科学计数法(scientific notation): 另一种浮点表示法        其中，小数点总是出现在最左边的数字右侧，即整数部分只有一位        因为早期的机器不能输出指数，所以用E代替，例如 12001.32708 将被写为 1.200132708E+4

3.3 文本表示法

字符集(character set): 字符和表示它们的代码的清单A.  ASCII字符集    ASCII(American Standard Code for Information Interchange)   美国信息互换标准代码    最初，ASCII字符集用7位表示每个字符，可表示128个，每个字节的第8位被用作校验位，协助数据传输正确    后来，用8位表示每个字符，为 Latin-1 扩展ASCII字符集，可表示256个字符    前32个ASCII字符没有简单的字符表示法，不能输出到屏幕上，它们是为特殊用途保留的，如回车    和制表符，处理数据的程序会用特定的方式解释他们B.  Unicode字符集    因为ASCII不能满足国际需要，所以导致Unicode字符集的出现，它的创建目标是表示世界上所使用的    所有语言中的所有字符。此外，它还表示许多补充的专用符号，如科学符号。    它使用16位来表示每个字符。    为保持一致，Unicode字符集被设计为ASCII超集，前256个是与ASCII字符一致。C.  文本压缩    1.  关键字编码        (keyword encoding): 用单个字符代替常用的单词        例如:            as ^ , must & , the ~ , well % , and + , these # , that $        存在局限性:            a.  用来对关键字编码的字符不能出现在原始文本中            b.  不能够代替不同的大小写 比如 The 不能用 ~ 代替            c.  代替的单词越长，压缩率就越高，但是这些单词不一定出现频率高    2.  行程长度编码(迭代编码)        (run-length encoding):  把一系列重复字符替换为它们重复出现的次数        在某些情况下（例如DNA），一个字符可能在一个长序列中反复出现        在行程长度编码中，重复字符的序列将被替换为标志字符        如果用*表示标志字符            则 AAAAAAAA 可以编码为 *A8    3.  赫夫曼编码        (Huffman encoding): 用变长的二进制串表示字符，使常用字符具有较短的编码        赫夫曼编码的一个重要特征是，用于表示一个字符的位串不会是表示另一个字符        的位串的前缀。因此，在从左到右扫描一个位串时，每当发现一个位串对应于一        个字符，那么这个位串一定表示这个字符。

3.4 音频表示法

在计算机上表示音频信息，必须数字化声波，把它分割成离散的、便于管理的片段。方法之一是真正数字化声音的模拟表示法。也就是说，采集表示声波的电信号，用一系列离散的数值表示它。模拟信号是随电压连续变化的。要数字化这种信号，需要周期性的测量信号的电压，记录合适的数值，这一个过程称为采样，最后得到的不是连续的信号，而是表示不同电压电平的一系列数字一般来讲，采样率在每秒40000次左右能够创建合理的声音复制品。低于该值，人耳所听失真。A.  音频格式    WAV,AU,AIFF,VQF,MP3等。尽管所有格式都是基于模拟信号采样得到的电压值的，但是    它们格式化信息细节的方式不同，采用的压缩方式也不同。B.  MP3音频格式    MP3是MPEG-2 audio layer 3 的缩写    MPEG :Moving Picture Experts Group  运动图像专家组            (为数字音频和视频开发压缩标准的国际委员会)    MP3格式使用有损压缩和无损压缩两种方法。首先，它将分析频率展开，与人类心理声学    的数学模型进行比较，然后舍弃那些人类听不到的信息，在用赫夫曼编码进一步压缩得到的位流

3.5 图像和图形的表示法

A.  颜色表示法    在计算机中，颜色常用RGB(red-green-blue)值表示，是三个数字，0~255，表示每个原色参与分值    RGB值的概念导致了三维的"色空间"。    用于表示颜色的数据量称为色深度。通常用颜色的位数来表示色深度。    增强色彩表示色深度为16位的颜色，RGB的值每个数字由5位来表示，剩下的一位有时用于表示透明度    真色彩指深度为24位的颜色，RGB值每个数字由8位来表示B.  数字化图像和图形    照片是图像的模拟表示，它的表面是连续的，一种颜色的色度与另一种颜色的混合在一起。    数字化一幅图像是把它表示为一套独立的点，这些点称为像素，代表图像的元素。    每个像素由一种颜色构成。表示一幅图像使用的像素个数称为分辨率    像素(pixels): 用于表示图像的独立点，代表图像的元素    分辨率(resolution):    用于表示图像的像素个数    逐个像素存储图像信息的方法称为 光栅图形格式，流行格式有位图(BMP)、GIF和JPEG    光栅图形格式(raster-graphics format): 逐个像素存储图像信息的格式C.  图形的矢量表示法    矢量图形是另一种表示图像的方法，矢量图形格式不像光栅图形那样把颜色赋予像素，而是用    线段或几何形状来描述图像，所以矢量图形是一系列描述线段的方向、线宽和颜色的命令    矢量图形可以通过数学计算调整大小，这些改变可以根据需要动态地计算。    矢量图形(vector graphics):  用线段或几何形表示图像的方法    流行的矢量格式 ：Flash、SVG

3.6 视频表示法

视频编译码器    编译码器(codec)表示压缩器/解压缩器(Compressor/DECompressor)    视频便译码器(video codec) 指用于缩减电影大小的方法，使得它能够在计算机或网络上播放。    大部分编译码器都是面向块的，即，视频的每一帧将被分成一组矩形块。各个编译码器的不同    之处在于如何对这些块编码。有些视频编译码器完全有软件实现的，而有些需要专用的硬件。    视频压缩的两种方式        时间压缩(temproal compression): 根据连续帧之间的差别压缩电影的技术        空间压缩(spatial  compression): 基于静态图像压缩方法的电影压缩技术