Wprowadzenie do cyfrowej obróbki dźwiękuWprowadzenie do cyfrowej obróbki dźwięku

Na czym polega kompresja plików audio? Na czym polega kompresja plików audio?

Zapis dźwięku w formacie cyfrowym polega na zapisaniu kształtu sygnału w postaci ciągu liczb. Procedura powyższa nazywana jest próbkowaniemKolejne naniesienia tych liczb na wykres pozwalają na graficzne przestawienie przebiegu sygnału.

Wartość sygnału jest zapisywana z pewną częstotliwością zwaną "częstotliwością próbkowania".

W przypadku płyty CD częstotliwość ta wynosi 44,1 kHz, co oznacza, że w ciągu sekundy zapisywane jest 44 100 wartości sygnału audio. Mnożąc 16 bitów przez 44100 otrzymujemy konieczność zapisania nieco ponad 700 000 bitów na sekundę, czyli 88 200 bajtów na sekundę (1 bajt = 8 bitów). Ponieważ zazwyczaj zapis odbywa się dwukanałowo (stereo), to powyższą liczbę należy pomnożyć jeszcze przez 2, co da ostatecznie ok. 1 400 000 bitów na sekundę i 176 400 bajtów na sekundę - w przybliżeniu ok. 170 kB/s.

Częstotliwość próbkowania Częstotliwość próbkowania

Drugim kluczowym czynnikiem wpływającym na jakość dźwięku jest rozdzielczość bitowa.

Rozdzielczość bitowa określa liczbę bitów opisujących każdą próbkę dźwięku (czyli każdą liczbę reprezentującą chwilową wartość sygnału). Rozdzielczość bitowa rośnie wykładniczo, czyli 8-bitowy dźwięk może zawierać 28, czyli 256 różnych poziomów wartości, zaś dźwięk 16-bitowy może ich zawierać już 216, czyli 65 536. Z tego względu cyfrowy dźwięk 16-bitowy zawiera znacznie więcej informacji o pierwotnym sygnale niż dźwięk 8-bitowy o tej samej długości. W rezultacie, dzięki dodatkowej informacji zawartej w dźwięku 16-bitowym jest zredukowany szum występujący w tle, zaś sam dźwięk jest bogatszy i czystszy. Ten sam dźwięk nagrany z rozdzielczością 8-bitową jest zaszumiony i "płytki".

Rozdzielczość bitowa Rozdzielczość bitowa

Wzór, na podstawie którego możesz obliczyć rozmiar pliku dźwiękowego w bajtach przedstawia się następująco:

czas trwania dźwięku w sekundach × częstotliwość próbkowania w Hz × liczba kanałów × (rozdzielczość bitowa / 8) = rozmiar pliku

rozdzielczość bitową dzielimy przez 8, ponieważ w jednym bajcie mieści się 8 bitów.

Zgodnie z tym wzorem, 20-sekundowy stereofoniczny klip dźwiękowy o rozdzielczości 8-bitowej i częstotliwości próbkowania 11 kHz zmieści się w pliku o wielkości:

20 s ×11 025 Hz ×2 kanały × (8 bitów/8) = 441 000 Bajtów = 430 kB

Rozmiar plikuRozmiar pliku

Próbkowanie Próbkowanie

Cyfrowy zapis dźwięku opiera się na procedurze zwanej próbkowaniem. Próbkowanie, to nic innego, tylko odczytywanie poziomu sygnału akustycznego w danej chwili i zapisywanie jako liczby.Oczywiście, prawie zawsze liczba ta jest zapisywana w formacie dwójkowym.

Im większa częstotliwość próbkowania tym sygnał cyfrowy jest dokładniejszy

Dlatego zasadą jest, że im gęściej zapisywany jest sygnał (czyli im większa jest częstotliwość próbkowania), tym dokładniej opisze on brzmienie muzyki. W teorii przyjmuje się, że najwyższa zapisywana częstotliwość jest równa połowie częstotliwości próbkowania (tzw. kryterium Nyquist-a).

Można to prześledzić na przykładzie sygnału o kształcie sinusa - widać, że można to w miarę dobrze zrobić zrobić zapisując jego skrajne wychylenia. Otrzymamy kanciasty (piłokształtny) sygnał, który z grubsza przypomina zapisywanego sinusa.

W przeciwnym wypadku otrzymamy sygnał mocno zniekształcony

Ostatecznie, mamy taką sytuację, że tylko z racji zapisywania dźwięku przy odtwarzaniu powstaje wiele nieprzyjemnych zniekształceń:

• pojawiają się tony, których w sygnale źródłowym w ogóle nie było (zjawisko aliassingu)

• znikają tony, które były

• powstają tzw. szumy próbkowania.

Część z tych efektów da się co prawda złagodzić - np. poprzez ograniczenie zapisywanego pasma częstotliwości, czy wyrafinowane metody antyaliassingowe stosowane podczas zapisu. Poza tym układy scalone stosowane w odtwarzaczach CD wyraźnie poprawiają efekt końcowy eliminując niektóre powstające szumy i typowe zniekształcenia. Jednak oczywiście nie wszystkie, zaś wprowadzane techniki mają negatywne skutki uboczne, co objawia się zubażaniem odtwarzanej muzyki.

Kompresja - "pakowanie" danych dźwiękowych. Kompresja - "pakowanie" danych dźwiękowych.

Są  dwa rodzaje kompresji: • kompresja bezstratna • kompresja stratna

Kompresja bezstratna zachowuje pełną informację o przebiegu sygnału dźwiękowego. Polega ona na sprytnej zmianie sposobu zapisu danych, dzięki czemu zapis jest oszczędniejszy. Możliwość stosowania tego rodzaju kompresji wynika z faktu, że standardowe sposoby zapisu dźwięku (np. pliki wav) są dość "rozrzutne" pod względem wykorzystania pamięci. Np. bez względu na to, czy w danym momencie dźwięk ma dużą amplitudę i skomplikowany przebieg, czy panuje absolutna cisza, dane w formacie stereo zajmują około 170 kB na każdą sekundę. Dlatego zmieniając sposób zapisu da się sporo danych "upakować".Dlatego kompresja bezstratna pozwala przeciętnie w np. w jednym bajcie danych skompresowanych zapisać więcej niż 1 bajt danych wyjściowych.

Kompresja bezstratna Kompresja bezstratna

Możliwe do zastosowanie metody:

- można np. oznaczać obszary ciszy i zapisywać je oszczędniej niż w 16 bitach na kanał i na jedną próbkę sygnału (w końcu większość rozpiętości przedziału od 0 do 32 768 dla cichych dźwięków się "marnuje")

- dla muzyki w której różnice między kanałami stereo są nieznaczne można zapisywać dokładnie zsumowany sygnał (mono), a różnice (które będą niewielkie) kodować oszczędniejszym sposobem.

- i inne, jakie tylko wymyślą mądrzy naukowcy...

Niestety, kompresja bezstratna zazwyczaj nie daje dużych możliwości zmniejszenia rozmiaru plików - zysk na pojemności pamięci oscyluje w okolicy 2  razy (w najlepszych warunkach 3-4).

Formaty kompresji bezstratnej są różne. Przykładem może być tu np.:

   

monkey's audio

    LPAC     RKAU     FLAC     WavPack     jeden z podformatów quicktime'a

Kompresja stratna Kompresja stratna

Kompresja stratna wykorzystuje kilka uzupełniających się efektów i technik:

   

po pierwsze - ten typ kompresji może wykorzystać prawie wszystkie metody kompresji bezstratnej

   

po drugie - ponieważ ludzki narząd słuchu nie jest stuprocentowo dokładny, to wiele dźwięków jest przezeń "gubionych" i można ich po prostu nie zapisywać, oszczędzając przy tym pasmo pamięci.

Ta druga metoda - wykorzystanie niedokładności słuchu jest właśnie kluczem do wydajności kompresji stratnej. W jej ramach sygnał dźwiękowy jest analizowany pod kątem owych niedostrzeganych słuchem elementów - np. maskowanie dźwięków cichych przez głośne, lub maskowanie gorzej słyszalnych dźwięków.

Dzięki kompresji stratnej daje się (bez wyraźnego pogorszenia jakości dźwięku) upakować dane audio 10-cio, a nawet 20-to krotnie. W rezultacie typowe nagranie zajmuje nie kilkadziesiąt, a kilka megabajtów pamięci.

Formaty kompresji stratnej są różne. Przykładem może być tu np.:

    mp3 (także mp3 pro - twórca Instytut

Fraunhoffera)     wma, asf  (MICROSOFT)     mpeg     ogg (Vorbis - projekt open source)     atrac (SONY)     aac (APPLE)      vqf (YAMAHA)     i inne 

Koniec Koniec