背景

作为一个视频模块相关的QA，为了更好地保障视频搭配，编辑（包括特效，元素等），保存，这样一个流程的上线质量，必然要对视频相关的基础知识有一定程度的了解，比如视频导入需要准备什么测试数据，这里面就有很多知识点需要学习，那么我们接下去讲讲QA需要了解的部分视频基础知识吧

视频是什么

通俗地讲，视频是有一张张图片按照先后顺序组成的，在一段时间内连续播放（这里如果是有声的视频，也会有音频）
专业的讲，参考：https://baike.baidu.com/item/%E8%A7%86%E9%A2%91/321962?fr=aladdin

视频的基础属性

因为视频是由图片组成的，所以这里就会涉及到图片的一些相关知识，比如：像素，分辨率，颜色模式，颜色深度，图片格式等等，详见：https://www.jianshu.com/p/498dc14cd96f
本文主要介绍视频相关的一些信息

帧，帧数，帧率

帧：上面说到视频是由一张张图片组合成的，而帧就是指每一个画面，我们平时所看到的图片是RGB格式，视频的帧是YUV格式
帧数：就是帧的总数量，就是有多少帧
帧率：每秒传输的帧数，帧数/时间，单位为帧/每秒
备注：
帧率越大，即每秒传输的帧数越多，视频越流畅，视频的大小也会越大；当视频帧率不低于24fps时，人眼才会觉得视频时连贯的，称为“视觉暂留”现象。

视频格式

常见的视频格式有：MP4、MKV、AVI等

视频压缩

原理
消除冗余
流程

编解码器

视频编码器

从三个方面进行编码：时域模型，空域模型（时空），熵编码器
时域模型
作用：消除连续帧之间的时域冗余
一般情况下相邻两帧之间具有比较大的相似性，时域模型通过预测帧来点击时域冗余；预测器通过当前帧之前或之后的一帧或者多帧图像作为参考，通过运动补偿算法等技术降低预测帧与当前帧的差别
输入：未压缩的原始视频流
输出：当前帧与预测帧详见的结果（残差图像）和各个模型参数
补充：
运动补偿算法：是预测图像编码的一种
编码器根据过去或者将来的图像帧产生当前帧区域的预测，用当前图像减去预测图像得到相应的残差图像的编码方法

空域模型
利用相邻像素点的相似行，消除残差图像的空间冗余，编码器对残差图像进行频域变换，再量化，得到相应的残差系数
输入：残差图像
输出：残差系数
熵编码器
对时域参数和变换系数进行压缩消除存在的统计冗余。并输出压缩后的比特流等属于用于视频传输和存储

视频码率

视频编码引出的I帧，P帧，B帧是什么？

在H.264压缩标准中，I帧、P帧、B帧用于表示传输的视频画面。
I帧：英文全称：intra-coded-picture，帧内编码图像帧，俗称关键帧，这一帧画面完整地保留，不需要依赖上下帧可以独立进行解码

色彩空间

视频质量评估

主观感受

但是观察者的感受会被其他东西影响，比如环境，立场，场景，注意程度，最近效应等等

客观评价

1、峰值降噪比（PSNR）：

全称Peak signal-to-noise ratio，原图像与处理图像之间均方差相对于(2^n-1)2的对数值，其中n是每个采样值的比特数
一般取值范围：20-40；值越大，视频质量越好。
缺点：不太能很好地反映人的主观感受，且需要原图进行比对

2、结构相似性SSIM（结构相似性）：

全称：Structural SIMilarity，基于样本x和y的三个比较衡量：亮度 (luminance)、对比度 (contrast) 和结构 (structure)。一般取值范围：0-1，值越大，视频质量越好。
缺点：计算稍复杂，
优点：其值可以较好地反映人眼主观感受。
计算参考：https://zhuanlan.zhihu.com/p/50757421