這本來是群內寫給隊友做入門知識學習的,然後覺得挺適合改改貼出來向大家科普,所以就有了這篇教程。之前的兩篇播放器教程可以算 1 和 2 吧。

本教程意在講述一些視頻音頻製作的基礎知識和術語,適合不了解壓片原理的收片黨們自學。它可以比較詳細地回答以下常見的問題:

. MP4/MKV 這些格式有什麼區別?哪個畫質好?

. 視頻的碼率是怎麼算的?為什麼同樣是 1080p 的視頻,有些體積大有些體積小?

. 視頻儲存的圖像信息是什麼格式的?跟顯示器一樣的紅綠藍么?

. 8-bit/10-bit 到底指的什麼?為什麼說 8-bit 顯示器還有必要看 10-bit 視頻?

. YUV420/444 這些標示到底什麼意思?哪個好?

. 線條,平面,紋理這些到底是什麼意思?視頻為啥還有高頻低頻?

. 碼率越高的視頻畫質越好么?

本教程將分以下模塊詳細敘述:

1. 封裝格式(MP4/MKV…)vs 媒體格式(H.264/FLAC/AAC…)

2. 視頻的基礎參數:分辨率、幀率和碼率

3. 圖像的表示方法:RGB 模型 vs YUV 模型

4. 色深

5. 色度半採樣

6. 空間上的低頻與高頻:平面、紋理和線條

7. 時間上的低頻與高頻:動態

8. 清晰度與畫質簡述

1、封裝格式(MP4/MKV…)  vs 媒體格式(H.264/FLAC/AAC…)

MP4+MKV是你下載的視頻文件最常見的種類。這些文件其實類似一個包裹,它的後綴則是包裹的包裝方式。這些包裹裏面,包含了視頻(只有圖像),音頻(只有聲音),字幕等。當播放器在播放的時候,首先對這個包裹進行拆包(專業術語叫做分離/splitting),把其中的視頻、音頻等拿出來,再進行播放。

 

既然它們只是一個包裹,就意味着這個後綴不能保證裏面的東西是啥,也不能保證到底有多少東西。包裹裏面的每一件物品,我們稱之為軌道(track),一般有這麼些:

 

視頻(Video): 一般來說肯定都有,但是也有例外,比如mka格式的外掛音軌,其實就是沒視頻的mkv。注意我們說到視頻的時候,是不包括聲音的。

音頻(Audio):一般來說也肯定有,但是有些情況是靜音的,就沒必要帶了。

章節(Chapter): 藍光原盤中自帶的分段信息。如果文件帶上了,那麼你可以在播放器中看到帶章節的效果:

.potplayer右鍵畫面,選項-播放-在進度條上顯示書籤/章節標記

.mpc-hc 右鍵畫面,選項-調節-在進度條顯示章節標記

字幕(Subtitles):有些時候文件自帶字幕,並且字幕並非是直接整合於視頻的硬字幕,那麼就是一起被打包在封裝容器中。

其他可能還有附件等,不一一列舉。每個類型也不一定只有一條軌道,比如經常見到帶多音軌的MKV。

 

每個軌道,都有自己的格式。比如大家常說的,視頻是H.264,音頻是AAC,這些就是每個軌道的格式。

視頻的格式,常見的有H.264(可以細分為8bit/10bit),H.265(當前也有8bit/10bit之分),RealVideo(常見於早期rm/rmvb),VC-1(微軟主導的,常見於wmv)。基本上,H.264=AVC=AVC1, H.265=HEVC。

音頻的格式,常見的有 FLAC/ALAC/TrueHD/DTS-HD MA這四種無損,和AAC/MP3/AC3/DTS(Core)這四種有損。

 

MKV vs MP4,主要的區別在於:

  1. MKV支持封裝FLAC作為音頻,MP4則不支持。但是MP4也可以封裝無損音軌(比如說ALAC,雖然普遍認為ALAC的效率不如FLAC優秀)
  2. MKV支持封裝ASS/SSA格式的字幕,MP4則不支持。一般字幕組製作的字幕是ASS格式,所以內封字幕多見於MKV格式
  3. MP4作為工業標準,在視頻編輯軟件和播放設備上的兼容性一般好於MKV。這也是vcb-s那些為移動設備優化的視頻基本上選擇MP4封裝的原因。

除此之外,這兩個格式很大程度上可以互相代替。比如它們都支持封裝AVC和HEVC,包括8bit/10bit的精度。所以MP4畫質不如MKV好,這種論斷是非常無知的——它們完全可以封裝一樣的視頻。

為什麼會有這樣的分歧,就是歷史原因了。MKV是民間研發,為了代替古老的AVI,從而更好地支持H264,它開發和修改的靈活度使得它可以兼容flac/ass這類非工業標準的格式;而MP4則是出生豪門,作為工業標準,替代更古老的MPG,作為新一代視頻/音頻封裝服務的。

2、視頻的基礎參數:分辨率,幀率和碼率。

視頻是由連續的圖像構成的。每一張圖像,我們稱為一幀(frame)。圖像則是由像素(pixel)構成的。一張圖像有多少像素,稱為這個圖像的分辨率。比如說1920×1080的圖像,說明它是由橫縱1920×1080個像素點構成。視頻的分辨率就是每一幀圖像的分辨率。

 

一個視頻,每一秒由多少圖像構成,稱為這個視頻的幀率(frame-rate)。常見的幀率有24000/1001=23.976, 30000/1001=29.970, 60000/1001=59.940, 25.000, 50.000等等。這個數字是一秒鐘內閃過的圖像的數量。比如23.976,就是1001秒內,有24000張圖像。視頻的幀率是可以是恆定的(cfr, Const Frame-Rate),也可以是變化的(vfr, Variable Frame-Rate)

 

碼率的定義是視頻文件體積除以時間。單位一般是Kbps(Kbit/s)或者Mbps(Mbit/s)。注意1B(Byte)=8b(bit)。所以一個24分鐘,900MB的視頻:

體積:900MB = 900MByte = 7200Mbit

時間:24min = 1440s

碼率:7200/1440  = 5000 Kbps = 5Mbps

 

當視頻文件的時間基本相同的時候(比如現在一集番大概是24分鐘),碼率和體積基本上是等價的,都是用來描述視頻大小的參數。長度分辨率都相同的文件,體積不同,實際上就是碼率不同。

碼率也可以解讀為單位時間內,用來記錄視頻的數據總量。碼率越高的視頻,意味着用來記錄視頻的數據量越多,潛在的解讀就是視頻可以擁有更好的質量。(注意,僅僅是潛在,後文我們會分析為什麼高碼率不一定等於高畫質)

3、圖像的表示方法:RGB模型 vs YUV模型

光的三原色是紅(Red)、綠(Green)、藍(Blue)。現代的顯示器技術就是通過組合不同強度的三原色,來達成幾乎任何一種可見光的顏色。圖像儲存中,通過記錄每個像素紅綠藍強度,來記錄圖像的方法,稱為RGB模型 (RGB Model)

常見的圖片格式中,PNG和BMP這兩種就是基於RGB模型的。

 

比如說原圖:

111

分別只顯示R G B通道的強度,效果如下:

111

111

111

三個通道下,信息量和細節程度不一定是均勻分佈的。比如說可以注意南小鳥臉上的紅暈,在3個平面上的區分程度就不同——紅色平面下幾乎無從區分,造成區別的主要是綠色和藍色的平面。外圍白色的臉頰,三色都近乎飽和;但是紅暈部分,只有紅色飽和,綠色和藍色不飽和。這是造成紅色凸顯的原因。

 

除了RGB模型,還有一種廣泛採用的模型,稱為YUV模型,又被稱為亮度-色度模型(Luma-Chroma)。它是通過數學轉換,將RGB三個通道,轉換為一個代表亮度的通道(Y,又稱為Luma),和兩個代表色度的通道(UV,並成為Chroma)。

 

舉個形象點的例子:一家養殖場飼養豬和牛,一種記數方式是:(豬的數量,牛的數量)

但是也可以這麼記錄:(總數量=豬的數量+牛的數量,相差=豬的數量-牛的數量)。兩種方法之間有數學公式可以互轉。

 

YUV模型乾的是類似的事兒。通過對RGB數據的合理轉換,得到另一種表示方式。YUV模型下,還有不同的實現方式。舉個用的比較多的YCbCr模型:它把RGB轉換成一個亮度(Y),和 藍色色度(Cb) 以及 紅色色度(Cr)。轉換背後複雜的公式大家不需要了解,只需要看看效果:

只有亮度通道:

111

只有藍色色度:

111

只有紅色色度:

111

在圖像視頻的加工與儲存中,YUV格式一般更受歡迎,理由如下:

 

1、人眼對亮度的敏感度遠高於色度,因此人眼看到的有效信息主要來自於亮度。YUV模型可以將絕大多數的有效信息分配到Y通道。UV通道相對記錄的信息少的多。相對於RGB模型較為平均的分配,YUV模型將多數有效信息集中在Y通道,不但減少了冗餘信息量,還為壓縮提供了便利

2、保持了對黑白顯示設備的向下兼容

3、圖像編輯中,調節亮度和顏色飽和度,在YUV模型下更方便。

幾乎所有的視頻格式,以及廣泛使用的JPEG圖像格式,都是基於YCbCr模型的。播放的時候,播放器需要將YCbCr的信息,通過計算,轉換為RGB。這個步驟稱為渲染(Rendering)

每個通道的記錄,通常是用整數來表示。比如RGB24,就是RGB各8個bit,用0~255 (8bit的二進制數範圍)來表示某個顏色的強弱。YUV模型也不例外,也是用整數來表示每個通道的高低。

 

4、色深

 

色深(bit-depth),就是我們通常說的8bit和10bit,是指每個通道的精度。8bit就是每個通道用一個8bit整數(0~255)代表,10bit就是用10bit整數(0~1023)來顯示。16bit則是0~65535

(注意,上文的表述是不嚴謹的,視頻在編碼的時候,並非一定能用到0~255的所有範圍,而是可能有所保留,只用到一部分,比如16~235。這我們就不詳細展開了)

 

你的顯示器是8bit的,代表它能顯示RGB每個通道0~255所有強度。但是視頻的色深是YUV的色深,播放的時候,YUV需要通過計算轉換到RGB。因此,10bit的高精度是間接的,它使得運算過程中精度增加,以讓最後的顏色更細膩。

 

如何理解8bit顯示器,播放10bit是有必要的呢:

一個圓的半徑是12.33m, 求它的面積,保留兩位小數。

半徑的精度給定兩位小數,結果也要求兩位小數,那麼圓周率精度需要給多高呢?也只要兩位小數么?
取pi=3.14, 面積算出來是477.37平方米
取pi=3.1416,面積算出來是477.61平方米
取pi精度足夠高,面積算出來是477.61平方米。所以取pi=3.1416是足夠的,但是3.14就不夠了。

 

換言之,即便最終輸出的精度要求較低,也不意味着參與運算的數字,以及運算過程,可以保持較低的精度。在最終輸出是8bit RGB的前提下,10bit YUV比起8bit YUV依舊具有精度優勢的原因就在這裡。事實上,8bit YUV轉換後,覆蓋的精度大概相當於8bit RGB的26%,而10bit轉換後的精度大約可以覆蓋97%——你想讓你家8bit顯示器發揮97%的細膩度么?看10bit吧。

 

8bit精度不足,主要表現在亮度較低的區域,容易形成色帶:

logo

 

注意這圖右邊那一圈圈跟波浪一樣的效果。這就是顏色精度不足的表現。

10bit的優勢不只在於顯示精度的提高,在提高視頻壓縮率,減少失真方面,相對8bit也有優勢。這方面就不展開了。

 

5、色度半採樣

 

在YUV模型的應用中,Y和UV的重要性是不等同的。圖像視頻的實際儲存和傳輸中,通常將Y以全分辨率記錄,UV以減半甚至1/4的分辨率記錄。這個手段被稱為色度半採樣(Chroma Sub-Sampling)。色度半採樣可以有效減少傳輸帶寬,和加大UV平面的壓縮率,但是不可避免的會損失UV平面的有效信息。

 

我們平常的視頻,最常見的是420採樣。配合YUV格式,常常被寫作yuv420。這種採樣是Y保留全部,UV只以(1/2) x (1/2)的分辨率記錄。比如說1920×1080的視頻,其實只有亮度平面是1920×1080。兩個色度平面都只有960×540的分辨率。

當然了,你也可以選擇不做縮減。這種稱為444採樣,或者yuv444。YUV三個平面全是滿分辨率。

 

在做YUV->RGB的時候,首先需要將縮水的UV分辨率拉升到Y的分辨率(madVR中允許自定義算法,在Chroma Upscaling當中),然後再轉換到RGB。做RGB->YUV的轉換,也是先轉換到444(YUV的分辨率相同),再將UV分辨率降低。

 

一般能拿到的片源,包括所有藍光原盤,都是420採樣的。所以成品一般也保留420採樣。所以yuv420就表示這個視頻是420採樣的yuv格式。

將420做成444格式,需要自己手動將UV分辨率拉升2×2倍。在今天madVR等渲染器可以很好地拉升UV平面的情況下,這種做法無異於毫無必要的拉升DVD做成偽高清。

當然了,有時候也需要在444/RGB平面下做處理和修復,常見的比如視頻本身RGB平面不重疊(比如摩卡少女櫻),這種修復過程首先要將UV分辨率拉升,然後轉RGB,做完修復再轉回YUV。修復後的結果相當於全新構圖,這種情況下保留444格式就是有理由,有必要的。

 

H264格式編碼444格式,需要High 4:4:4 Predictive Profile(簡稱Hi444pp)。所以看到Hi444pp/yuv444 之類的標示,你就需要去找壓制者的陳述,為什麼他要做這麼個拉升。如果找不到有效的理由,你應該默認作者是在瞎做。

 

6、空間上的低頻與高頻:平面,紋理和線條

在視頻處理中,空間(spatial)的概念指的是一幀圖片以內(你可以認為就是一張圖所呈現的二維空間/平面)。跟時間(temporal)相對;時間的概念就強調幀與幀之間的變換。

 

於是我們重新來看這張亮度的圖:

111

亮度變化較快,變動幅度大的區域,我們稱之為高頻區域。否則,亮度變化緩慢且不明顯的區域,我們稱為低頻區域。

 

圖中的藍圈就是一塊典型的低頻區域,或者就叫做平面(平坦的部分)。亮度幾乎沒有變化

綠圈中,亮度呈現跳躍式的突變,這種高頻區域我們稱之為線條。

紅圈中,亮度頻繁變化,幅度有高有低,這種高頻區域我們稱為紋理。

 

有時候,線條和紋理(高頻區域)統稱為線條,平面(低頻區域)又叫做非線條。

 

這是亮度平面。色度平面,高頻低頻,線條等概念也同樣適用,就是描述色度變化的快慢輕重。一般我們所謂的「細節」,就是指圖像中的高頻信息。

一般來說,一張圖的高頻信息越多,意味着這張圖信息量越大,所需要記錄的數據量就越多,編碼所需要的運算量也越大。如果一個視頻包含的空間性高頻信息很多(通俗點說就是每一幀內細節很多),意味着這個視頻的空間複雜度很高。

記錄一張圖片,編碼器需要決定給怎樣的部分多少碼率。碼率在一張圖內不同部分的分配,叫做碼率的空間分配。分配較好的時候,往往整幅圖目視觀感比較統一;分配不好常見的後果,就是線條紋理尚可,背景平面區域出現大量色帶色塊(碼率被過分的分配給線條);或者背景顏色過渡自然,紋理模糊,線條爛掉(碼率被過分的分配給非線條)。

 

7、時間上的低頻與高頻:動態

在視頻處理中,時間(temporal)的概念強調幀與幀之間的變換。跟空間(spatial)相對。

動態的概念無需多解釋;就是幀與幀之間圖像變化的強弱,變化頻率的高低。一段視頻如果動態很高,變化劇烈,我們稱為時間複雜度較高,時域上的高頻信息多。否則如果視頻本身舒緩多靜態,我們稱為時間複雜度低,時域上的低頻信息多。

 

一般來說,一段視頻的時域高頻信息多,動態的信息量就大,所需要記錄的數據量就越多,編碼所需要的運算量也越大。但是另一方面,人眼對高速變化的場景,敏感度不如靜態的圖片來的高(你沒有時間去仔細觀察細節),所以動態場景的優先度可以低於靜態場景。如何權衡以上兩點去分配碼率,被稱為碼率的時間分配。分配較好的時候,看視頻無論動態還是靜態效果都較好;分配不好的時候往往是靜態部分看着還行,動態部分糊爛掉;或者動態部分效果過分的好,浪費了大量碼率,造成靜態部分欠碼,瑕疵明顯。

 

很多人喜歡看靜止的截圖對比,來判斷視頻的畫質。從觀看的角度,這種做法其實並不完全科學——如果你覺得比較爛的一幀其實是取自高動態場景,那麼這一幀稍微爛點無可厚非,反正觀看的時候你注意不到,將碼率省下來給靜態部分會更好。

 

8、清晰度與畫質簡述

 

我們經常討論,一個視頻清晰度如何,畫質好不好。但是如何給這兩個術語做定義呢?

 

經常看到的說法:「這個視頻清晰度是1080p的」。其實看過上文你就應該知道,1080p只是視頻的分辨率,它不能直接代表清晰度——比如說,我可以把一個480p的dvd視頻拉升到1080p,那又怎樣呢?它的清晰度難道就提高了么?

 

一個比較接近清晰度的概念,是上文所講述的,空間高頻信息量,就是一幀內的細節。一張圖,一個視頻的細節多,它的清晰度就高。分辨率決定了高頻信息量的上限;就是它最清晰能到什麼地步。1080p之所以比480p好,是因為它可以允許圖像記錄的高頻信息多。這個說法看樣子很靠譜,但是,有反例:

oversharped

右圖的高頻信息遠比左圖多——它的線條很銳利,有大量緻密的噪點(注意噪點完全符合高頻信息的定義;它使得圖像變化的非常快)
但是你真的覺得右圖清晰度高么?
事實上,右圖完全是通過左圖加工而來。通過過度銳化+強噪點,人為的增加無效的高頻信息。

 

所以清晰度的定義我更傾向於這樣一個說法:圖像或視頻中,原生、有效的高頻信息。
原生,強調這種清晰度是非人工添加的;有效;強調細節本身有意義,而不是毫無意義的噪點特效。

 

值得一提的是,人為增加的高頻信息不見得完全沒有幫助。有的時候適度銳化的確能夠起到不錯的目視效果:

finesharped

這是一幅適度銳化後的效果。如果有人覺得右圖更好,至少某些部分更好,相信我,你不是一個人。所以適度銳化依舊是視頻和圖像處理中,可以接受的一種主觀調整的手段,一定的場合下,它確實有助於提高目視效果。

 

以上是清晰度的概述。注意,清晰度只是空間方面(就是一幀以內)。如果再考慮到動態效果的優秀與否(視頻是不是那種一動起來就糊成一團的,或者動起來感覺卡頓明顯的,常見於早起RMVB),空間和時間上優秀的觀看效果共同定義了畫質。所以我們說madVR/svp那些倍幀效果有助於提高畫質,實際上它們增強了時間上的觀看效果。

 

好的畫質,是製作者和觀眾共同追求的。怎麼樣的視頻會有好的畫質呢?是不是碼率越高的視頻畫質越好呢?真不見得。視頻的畫質,是由以下幾點共同決定的:

 

1、源的畫質。
俗話說的好,上樑不正下樑歪。如果源的畫質本身很差,那麼再如何折騰都別指望畫質好到哪去。所以壓制者往往會選擇更好的源進行壓制——舉個栗子,BDRip一般都比TVRip來的好,哪怕是720p。藍光也分銷售地區,一般日本銷售的日版,畫質上比美版、台版、港版啥的都來得好,所以同樣是BDRip,選取更好的源,就能做到畫質上優先一步。

 

2、播放條件。
觀眾是否用了足矣支持高畫質播放的硬件和軟件。這就是為啥我們在發佈Rip的同時大力普及好的播放器;有時候一個好的播放器勝過多少在製作方面的精力投入。

 

3、碼率投入vs編碼複雜度。
視頻的時間和空間複雜度,並稱為編碼複雜度。編碼複雜度高的視頻,往往細節多,動態高(比如《魔法少女小圓劇場版 叛逆的物語》),這樣的視頻天生需要較高的碼率去維持一個優秀的觀看效果。
相反,有些視頻編碼複雜度低(比如《請問今天要來點兔子么》,動態少,線條細節柔和),這種視頻就是比較節省碼率的。

 

4、碼率分配的效率和合理度。
同樣多的碼率,能起到怎樣好的效果,被稱為效率。比如H264就比之前的RealVideo效率高;10bit比8bit效率高;編碼器先進,參數設置的比較合理,編碼器各種高端參數全開(通常以編碼時間作為代價),碼率效率就高。
合理度就是碼率在時空分配方面合理與否,合理的分配,給觀眾的觀看效果就比較統一協調。 碼率分配的效率和合理度,是對製作者的要求,要求製作者對片源分析,參數設置有比較到位的理解。

碼率分配和合理度做的好,就常常能做出低碼率高畫質的良心作品。

 

這裡再多提一句,至少在這個時間點,也就是此文發佈的2014年年底,HEVC相對於AVC可以提高50%的效率,依舊是一個紙面上的理論值。實際操作中,因為HEVC編碼器的成熟度遠不及經過了十幾年發展的AVC編碼器,導致現在HEVC的潛力遠沒有能發揮出來,特別是高畫質下甚至不如。
對於目前主流的,定位收藏畫質的BDRip,同樣碼率下x265的畫質相對於x264沒有優勢;所以在近期,大家不用優先的去下載HEVC版作為收藏目的,更不必迷信什麼「碼率降低一半」。再強調一次,這個時間點;如果一年後以上陳述被不斷進步的HEVC編碼器推翻,我毫不驚訝。

 

 

5、編碼前的預處理。預處理分三種:

①,客觀修復。強調修復片源固有的瑕疵,比如鋸齒,色帶,暈輪等等。
②,主觀調整,強調將片源調整的更適合人眼觀看,比如適度的銳化,調色(有時候你是可以通過科學方法判定片源的顏色有問題,然後針對的做修復的)。
③,移除無效高頻信息,比如降噪,避免碼率浪費在無效的噪點上

預處理做的好,往往能達到畫質上超越片源,或是在幾乎不犧牲清晰度的前提下,節省碼率開銷。

但是預處理是一把雙刃劍,優化的同時,可能引入副效果。降噪、抗鋸齒、去暈輪等操作會不可避免的損失一些有效細節(或多或少,取決於製作者水準);主觀調整很可能會引入副效果(比如過度銳化會導致鋸齒和暈輪),或是變成了作者的自我滿足,形成對觀眾的欺騙。

 

綜上,一個優秀的畫質,是由片源、製作者、觀看者共同決定的;碼率高低也只是部分因素,並非決定性的效果。

於是這篇教程就寫到這裡吧。它最初的目的是給學習視頻製作入門的人而寫,也不知道對於一般的觀眾,能讓大家理解多少。有啥需要交流討論提問的就在下文回復吧。如果反響較好,以後我們還會發佈更多這樣科普教學類的文章。

在 Windows 系統中啟用長路徑功能

從本月起我們的成品可能不再遵從較為嚴格的路徑長度限制。這篇文章將簡單介紹如何在 Windows 系統中啟用長路徑功能。 Windows 系統中較為保守的最大路徑...

阅读全文

VCB-Studio 視頻播放器推薦及教程索引

(Image Credit: しおん@pixiv) 目前我們推薦的播放器可以分成兩大陣營:mpv 和 MPC。前者跨平台,後者僅限 Windows。 mpv mpv 可以在 Windows、macOS 和桌面...

阅读全文

基於 MPC-HC 和 madVR 的播放器配置入門

之前的 MPC 系教程和 madVR 教程都有些過時了。老教程直接通過註冊表來設置雖然簡單直接,但不利於維護,索性重新寫一篇。 和 mpv 的教程 類似,本教程只提及...

阅读全文

226 条评论

  1. lp 我最近可能會搞到學校服務器使用權 雙路e5 2640v2的聯想服務器(不過可能用不了太長時間···) 可以貢獻算力嗎?

      1. 從數學上說,RGB3個變量,變換之後也是可以用3個參數(YCbCr來)代替(就像養殖場例子裏面,我完全可以這麼記錄:總數量,豬的數量。通過增加一個總數量,我就不用記錄牛的數量)

    1. 估計你的舍友沒救了~ 你給他看了這篇科普文,只會讓他覺得更玄而已,什麼95%畫質,99%畫質…普通人真的能看得出來麽,直接上BDMV不就行了,那是100%

  2. 每次卡影的漲姿勢文我基本都是全看的 這次也很贊感覺平面紋理線條動態確實是漲了姿勢不過對於實際效果還是需要直接觀察來分辨QwQ但是我狗眼總是被騙

  3. 請問AVC格式,1080i幀幀交錯的BD片源,在avs中應該用什麼源濾鏡加載?是DGAVCIndex還是LWLibavVideoSource?另外就是用QTGMC處理後想要還原幀數的話,應該用selecteven()還是fpsdivisor=2?它們之間的區別是什麼?

  4. 深♂入♂淺♂出啊,很多不理解的點現在都明白了,感謝菊苣科普。就想問下像文中所述《魔卡少女櫻》那種「RGB平面不重疊」,是怎麼產生的,具體表現是怎樣的。沒見過《魔卡少女櫻》的原盤,求詳述= =

    1. 這張圖是將原圖的紅色平面向左上移動2個像素,藍色平面向右下移動2個像素造成的。RGB平面不重疊,就是表現為三個平面錯位了。產生的原因很多;掃描儀器不好,或者數字圖像處理中有bug,都可能造成這樣的效果。

欢迎留言

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据