胡 琨 (江西電視臺 江西南昌 330046)

論非線性編輯系統(tǒng)中的視音頻處理

胡 琨 (江西電視臺 江西南昌 330046)

非線性編輯系統(tǒng)是以計算機為操作平臺的電視節(jié)目后期編輯制作設備，隨著計算機技術的飛速發(fā)展，非線性編輯系統(tǒng)已廣泛應用于電視節(jié)目的制作。本文介紹了非線性編輯系統(tǒng)中的視音頻處理系統(tǒng)的組成及其工作原理。

非線性編輯；線性編輯；視頻卡；視頻壓縮；采樣頻率；壓縮比

一、非線性編輯的概要

20世紀末，科學技術和藝術的關系越來越密切，科學技術媒介被廣泛的引入藝術實踐領域，信息時代的數(shù)字技術作為一種媒介機制與藝術相結(jié)合，其中非線性編輯技術尤以其低成本、高效率、高質(zhì)量和效果變換無窮的優(yōu)點迅速進入了電影、電視、網(wǎng)絡等傳播領域。

非線性編輯是針對線性編輯而言的，在傳統(tǒng)的電視節(jié)目制作中，節(jié)目的制作和編輯是在編輯機上進行的。編輯機一般是由一臺放像機和一臺錄像機組成，編輯人員在放像機中選擇一段需要的素材，然后把這段素材錄制到錄像機中的磁帶上，然后再搜索下一個鏡頭，接著再進行記錄工作，之后重復以上的操作，直到把所有需要的素材按照節(jié)目要求全部順序記錄下來。[1]

用磁帶記錄畫面是順序的，所以無法在已有的畫面之間插入別的畫面，也無法刪除不需要的畫面，除非把這之后的畫面全部重新錄制一遍，插入所需的畫面，最后再把之前復制的畫面接上，這種編輯方式就叫做線性編輯，它給編輯人員帶來很多的限制，編輯效率非常的低下。

非線性編輯則是應用計算機圖像技術，在計算機中對各種原始素材進行各種編輯操作，并將最終結(jié)果輸出到計算機硬盤、磁帶、錄像帶等記錄介質(zhì)上這一系列完整的工作過程。所有的原始素材是被數(shù)字化后才存儲到計算機硬盤上的，信息存儲的位置都是并列平行的，所以與原始素材輸入到計算機時間的先后順序沒有關系。于是，我們就可以對存儲在硬盤上的數(shù)字化音視頻素材進行隨意的排列組合，并可進行各種修改。這樣，非線性編輯的優(yōu)勢就體現(xiàn)出來了，工作效率也提高了很多。編輯人員現(xiàn)在所要做的就是如何去創(chuàng)作他的作品，如何發(fā)揮他的想象力，再也不用受線性編輯的限制了。[2]

任何非線性編輯的工作流程，都可以簡單地看成輸入、編輯、輸出這樣三個步驟。當然由于不同軟件功能的差異，其使用流程還可以進一步細化。以大洋D3-Edit為例，其使用流程主要分成如下5個步驟。

(1)素材采集與導入：采集就是利用大洋D3-Edit，將模擬視頻、音頻信號轉(zhuǎn)換成數(shù)字信號存儲到計算機硬盤中，或者將外部的數(shù)字視頻存儲到計算機硬盤中，成為可以處理的素材。導入主要是把其他視頻、圖片、聲音等導入到大洋D3-Edit的素材庫中。

(2)素材剪輯：素材剪輯就是在原始素材中選取所需的各個小片段，然后按照時間順序組成不同新的素材的過程。

(3)特技處理：對于視頻素材，特技處理大概分為轉(zhuǎn)場、特效、合成疊加等。對于音頻素材，特技處理分為轉(zhuǎn)場、特效等。令人震撼的畫面效果，就是在這一過程中產(chǎn)生的。而非線性編輯軟件功能的強弱，往往也是體現(xiàn)在這方面。配合某些硬件，大洋D3-Edit還能夠?qū)崿F(xiàn)特技播放。

(4)字幕制作：字幕是節(jié)目中非常重要的部分，它包括文字和圖形兩個方面。大洋D3-Edit中制作字幕很方便，可以實現(xiàn)各種預期達到的效果，并且還有大量的模板可以選擇。

(5)輸出與生成：節(jié)目編輯完成后，就可以輸出回錄到錄像帶上；也可以生成視頻文件，保存到移動硬盤上、發(fā)布到網(wǎng)上、刻錄VCD和DVD等。

由此可見，音視頻素材的采集與輸入是整個非線性編輯流程的第一步，也是至關重要的第一步。沒有對素材優(yōu)良的采集編碼，就談不上好的非編系統(tǒng)，下面我們就來詳細深入地研究音視頻輸入系統(tǒng)。

二、非線性編輯系統(tǒng)中的視頻處理

首先，我們來說說人的視覺特性。人眼是依靠視網(wǎng)膜上光敏細胞一桿狀細胞和錐狀細胞獲得了彩色視覺，人眼僅對電磁波譜中的可見光區(qū)（波長從380nm到780nm）敏感，人眼對亮度的敏感程度比對顏色的敏感程度高。

了解了人的視覺特性后，我們再來研究視頻信號。一般評價和描述視頻信號的好壞，就會提到一些指標，如分辨率、幀速率和色彩數(shù)等參數(shù)。分辨率就是畫面的精密度，它反映了畫面的清晰度。分辨率為384×288的電視圖像與分辨率為384×576的電視圖像的畫面質(zhì)量有明顯的區(qū)別。電視節(jié)目后期制作中，要求圖像分辨率為720×576或768×576（PAL制）。幀速率是指每秒鐘刷新的畫面的幀數(shù)，也可以理解為畫面處理器每秒鐘能夠刷新幾次。PAL制電視節(jié)目的幀速率為25fps（幀每秒）；制作多媒體光盤出版物時一般選15fps的幀速率。電影和NTSC制式電視的幀速率分別為24fps和30/29.97fps。色彩數(shù)就是屏幕上最多顯示多少種顏色的總數(shù)。描述每一像素的字節(jié)數(shù)決定了最多可同屏顯示多少種顏色，一般為256色、65536色和16777216色（即真彩色）。色彩數(shù)越多，能表現(xiàn)的彩色層次越豐富。[3]

視音頻采集卡是非線性編輯系統(tǒng)的“引擎”，在非線性編輯系統(tǒng)中起著舉足輕重的作用，它直接決定著整個系統(tǒng)的性能。它主要有以下功能：完成視、音頻信號的A/D、D/A轉(zhuǎn)換，即進行視頻、音頻信號的采集、壓縮/解壓縮和最后的輸出等功能，也稱這類卡為視音頻處理卡。視音頻處理卡是模擬信號與數(shù)字信號的分水嶺，所有模擬視音頻信號在此經(jīng)過A/D變換后，每一段素材都成為了一個視頻文件存放在硬盤陣列中，供計算機進行數(shù)字域的處理。需要輸出的視音頻數(shù)碼流經(jīng)過D/A變換成為可供記錄或直播的視音頻信號。視音頻處理卡上包括模擬信號接口如復合、分量、S—VIDEO，已涵蓋現(xiàn)有模擬電視系統(tǒng)的所有接口形式，也包括像IEEE—1394和SDI這樣的數(shù)字接口。

視頻處理卡是非線性編輯系統(tǒng)產(chǎn)品的決定性部件。一套非線性編輯系統(tǒng)所能達到何種程度的視頻質(zhì)量，與視頻處理卡的性能密切相關。壓縮與解壓縮是視頻處理卡的核心內(nèi)容。在數(shù)字視頻信號不能被有效而高質(zhì)量地壓縮時，非線性編輯都是在昂貴的工作站上實現(xiàn)的。因為龐大的數(shù)字視頻數(shù)據(jù)量使蘋果機和普通PC機都不堪重負，不能正常處理數(shù)碼率高達216Mb／s的無壓縮數(shù)字分量視頻信號或者142Mb／s的無壓縮數(shù)字復合數(shù)字視頻信號，從而無法勝任無壓縮數(shù)字視頻信號的非線性編輯工作。然而，隨著數(shù)字圖像壓縮技術的發(fā)展，各種圖像壓縮算法日臻成熟，使得在蘋果機和PC機上進行視頻非線性編輯成為了現(xiàn)實，這些圖像壓縮算法是實現(xiàn)相對廉價的視頻非線性編輯的關鍵所在。而視頻處理卡正是采用這樣的壓縮算法。只不過它把壓縮程序集成在硬件中。目前，國內(nèi)外的非線性編輯系統(tǒng)，大都是采用Motion-JPEG算法。Motion-JPEG可以理解為活動圖像的JPEG壓縮，Motion-JPEG基于靜態(tài)圖像壓縮格式JPEG，對活動圖像進行實時的幀內(nèi)壓縮，幀內(nèi)壓縮有一個好處就是可以精確的定位每一幀圖像，這一點非常適合非線性編輯，在編輯過程中，可以隨機存取任意一幀圖像，對于幀編輯十分理想。Motion-JPEG采用DCT編碼技術。由于這種算法不太復雜，可以用很小的壓縮比(2：1)進行全幀采集，從而實現(xiàn)廣播級指標所要求的無損壓縮。若采用廣播級指標進行2∶1壓縮，經(jīng)過壓縮的數(shù)字視頻信號其數(shù)碼率仍有108Mb／s(分量視頻)或71Mb／s(復合視頻)。Motion-JPEG的壓縮和解壓縮是對稱的，可以由相同的硬件和軟件來實現(xiàn)，這對壓縮／解壓電路實現(xiàn)高度集成化有幫助。由于這種算法不太復雜，可以用很小的壓縮比(2：1)進行全幀采集，從而實現(xiàn)廣播級指標所要求的無損壓縮。

Motion-JPEG的壓縮過程（如圖1）大概由5個主要部分組成：

圖1 Motion-JPEG的壓縮過程

色抽樣：在視頻處理器中處理的是分量信號（YUV），因此輸入的信號不是分量信號，需要進行轉(zhuǎn)換，亮度信號（Y）、色度信號（UV）各用8比特表示，每個采樣共用24比特。信號轉(zhuǎn)換后，亮度信號直接進入DCT編碼器中，而色度信號需要進行再抽樣、同步，然后進入DCT編碼器，這個過程是個有損失的過程，有些信息丟失后無法還原。色度抽樣時，處理U分量的同時，丟失V分量；處理V分量時，丟失U分量，這樣減少了數(shù)據(jù)量，本來需要24比特來表示一個抽樣，現(xiàn)在只用16比特（8比特的亮度信號，8比特的色度信號），這就是常說的4：2：2（Y：U：V）。不同的廠家可能有不同的處理方法，有的會提高壓縮比，有的可能不做處理，而采用24比特的無損信號。色度抽樣完成后，色度信號與亮度信號輸入到DCT變換器中，DCT變換器的作用主要是用頻率變換來表示圖像。

DCT：分量信號的圖像進入DCT變換器中，每幀被分割成許多8*8（像素）的正方形，一幅圖像可以分割成幾千個這樣的正方形，DCT變換器對這些正方形進行分析，計算出其灰度變化，然后用頻率表示其灰度值，比如大塊圖形或輪廓變化不大的部分用低頻表示，對邊緣或細節(jié)這樣變化大的部分用高頻表示，DCT變換器對所有正方形分析完后，在對下一幅圖像進行分析。從DCT變換器輸出的亮色信號使用頻率來表示的，進入下一個過程-量化。

量化：量化過程決定了整個壓縮過程的壓縮程度，可以采用有損壓縮或無損壓縮，一旦進行有損壓縮，丟失的信息無法還原。Motion-JPEG一般采用2：1的壓縮比，在回放時，可以達到無壓縮時的視覺效果。根據(jù)對人類視覺系統(tǒng)的分析，人眼對亮度和色度的敏感程度不同，在辨別一幅圖形時，亮度信號對人眼的刺激更為重要，而色度信號在損失90%的情況下，人眼仍然可以分辨出圖形。數(shù)字視頻壓縮技術參考了人眼的這個特點，對色度信號進行壓縮，來得到較高的壓縮比。量化級數(shù)是量化的重要參數(shù)，其范圍從0到255，級數(shù)越大，圖像信息丟失越多，圖像質(zhì)量越差，可以得到較高的壓縮比。量化級數(shù)與每幀的數(shù)據(jù)量成反比，級數(shù)大，每幀圖像的數(shù)據(jù)量小，反之亦然。通過量化，把圖像的頻率數(shù)據(jù)根據(jù)量化轉(zhuǎn)換成一系列的數(shù)，記錄了圖像的信息。

零記數(shù)：量化過程產(chǎn)生一個數(shù)組，通過計算數(shù)組中的零的個數(shù)，來幫助在傳輸過程中判斷數(shù)組的尾端。這個過程多采用RLE（run-length encoding）算法。

霍夫曼編碼：霍夫曼編碼是DCT編碼的最后一步，對數(shù)據(jù)進行冗余計算，把多余的信息去掉，傳遞更少的數(shù)據(jù)?；舴蚵幋a得到的結(jié)果，就是存儲到計算機磁盤上的數(shù)據(jù)。如果要看視頻影象，將這些數(shù)據(jù)解碼，然后通過數(shù)字/模擬轉(zhuǎn)換，得到模擬的視頻信號，又可以在監(jiān)視器上瀏覽或記錄在錄像帶上了。[4]

從硬件構(gòu)成的角度看，視音頻采集卡可分為單通道和雙通道兩種。這里通道的意思是指在內(nèi)部視頻混合器之前的獨立的視頻回放通道。目前絕大多數(shù)的非線性編輯系統(tǒng)使用的都是M-JPEG算法，因此可分為只有一個M-JPEG Codec（編解碼器）的單通道系統(tǒng)和有兩個M-JPEG Codec的雙通道系統(tǒng)。單通道系統(tǒng)只能對一路視頻信號進行壓縮記錄和解壓回放，這就意味著系統(tǒng)肯定無法完成多層畫面的實時處理。雙通道系統(tǒng)由于可以完成兩路視頻信號的解壓回放，再與系統(tǒng)內(nèi)部其他處理單元相配合，就可以完成兩路活動畫面的實時混合處理。

三、非線性編輯系統(tǒng)中的音頻處理

自1895年法國盧米埃爾兄弟發(fā)明電影直到1927年影片《爵士歌王》出現(xiàn)以前，在30年里，電影一直是一個“偉大的啞巴”。在告別默片時代的今天，聲音已經(jīng)越來越成為現(xiàn)代電影和電視藝術表現(xiàn)手段的一個重要組成部分，它們與視覺畫面一起共同構(gòu)筑銀屏空間，推動敘事，完成藝術形象的塑造。因此，在非線性編輯過程中，如何處理好音頻也就顯得非常重要。

錄入非線性編輯系統(tǒng)中的聲音多數(shù)以不壓縮的采樣波形文件的形式保存。在音頻數(shù)字化時，模數(shù)轉(zhuǎn)換的采樣頻率和采樣深度影響系統(tǒng)中存儲的聲音信號的質(zhì)量和音頻素材所占用的磁盤空間。采樣頻率越高，采樣深度越大，錄制的聲音質(zhì)量就越好，相應占用的存儲空間也越大。目前多數(shù)電視臺播出時采用單聲道的電視伴音信號，一般采樣頻率22KHz以上，采樣深度16比特即可滿足要求。[5]隨著對伴音質(zhì)量要求的提高，部分電視臺已過渡到使用立體聲音頻信號進行部分節(jié)目的播出，相應地需要選擇CD質(zhì)量的聲音處理方式，即以44.1KHz的頻率采樣，記錄成16比特的立體聲信號。

和視頻處理卡一樣，音頻處理卡對音頻信號的處理也是一個編解碼的過程。音頻信號由模擬信號轉(zhuǎn)變?yōu)閿?shù)字信號，使用壓縮技術通過編碼量化，記錄在磁盤上。音頻壓縮系統(tǒng)是將音頻信號的表示從時域轉(zhuǎn)換到頻域，以實現(xiàn)基于心理聲學的音頻壓縮，所得的頻域系數(shù)即是接下來要編碼的內(nèi)容，頻域系數(shù)可數(shù)字量化，因為產(chǎn)生的量化噪聲將與音頻信號在同一頻率上，由于心理聲學掩蔽效應，對低的信噪比是可接受的，基于人類聽覺的心理聲學模型，對于每個單獨的頻率系數(shù)，比特分配操作決定了什么樣的SNR（信噪比）可以接受，最后，頻域系數(shù)數(shù)字量化到所需精度，并格式化音頻的基本碼流?；敬a流包括了使音頻解碼器實現(xiàn)相同（對編碼器）比特分配的必要信息，這樣，解碼器將基本碼流頻率系數(shù)進行分組拆裝和反量化，從而重建頻率系數(shù)。合成濾波器組是分組濾波器組的逆過程，它將重建的頻率系數(shù)還原為時域信號。

我們再來了解音頻卡中聲音信號的處理過程（如圖2）。輸入的模擬音頻信號經(jīng)過前置放大器放大后，由程序可控增益放大器進一步對輸入信號的幅度進行控制?？够鞛V波器根據(jù)采樣頻率濾除可能引起噪聲的頻率。經(jīng)過模數(shù)轉(zhuǎn)換（A/D）和采樣保持（S/H）電路，得到8位或16位數(shù)字化聲音數(shù)據(jù)。DSP芯片對聲音數(shù)據(jù)進行ADPCM壓縮，以DMA傳送方式，通過PC總線將數(shù)據(jù)存儲在硬盤上。聲音重放輸出的過程正好相反，從硬盤讀出的編碼聲音數(shù)據(jù)，被系統(tǒng)以DMA方式傳道到DSP處理器，經(jīng)DSP解碼和數(shù)模轉(zhuǎn)換（D/A），變成模擬信號，再由重建濾波器進行低通平滑（sinx/x）濾波。聲音信號的輸出電平在軟件的控制下，經(jīng)過功率放大器輸出。

圖2 音頻卡中聲音信號的處理過程

在質(zhì)量較好的非線性編輯系統(tǒng)中，音頻處理卡與視頻處理卡往往是集成在一塊卡上的，稱之為視音頻處理卡，完成視音頻處理工作，如采集、合成、輸出等。某些非線性編輯系統(tǒng)由于主處理卡沒有音頻處理功能，是通過外插音頻處理卡來解決音頻處理問題，如果使用普通的多媒體音頻卡，其音頻通道的頻響、信噪比、接口形式及是否平衡輸出都滿足不了廣播電視的要求，而且，這種低檔的音頻卡，處理速度緩慢，在采集和回放時，跟不上視頻卡處理的速度，出現(xiàn)視音頻信號不同步現(xiàn)象，為了保持視音頻同步，就會出現(xiàn)丟幀現(xiàn)象。雖然使用外插卡往往造成不同步現(xiàn)象，并不是說使用外插卡就一定不能滿足要求，有些高檔的專業(yè)音頻處理卡，性能優(yōu)越，可以保持視音頻信號的同步，提供專業(yè)音頻接口，只不過價格相當高昂。所以音視頻處理集成在一塊卡上是比較合理的設計，既能保證音視頻信號的同步，又降低了成本，在非線性編輯系統(tǒng)中普遍使用。[6]

四、結(jié)語

數(shù)字化電視系統(tǒng)發(fā)展的步伐日趨加快，計算機技術逐步滲透到廣播電視的各個領域。非線性編輯技術經(jīng)歷了多年的發(fā)展，其軟硬件技術日趨成熟。既能滿足高端的電影特技制作逼真炫目的需要，又能滿足低端的新聞剪輯制作。非線性編輯系統(tǒng)功能將更加完善，在廣播電視行業(yè)占據(jù)的地位也會越來越重要，作為一項朝陽技術，其應用一定會迎來一個輝煌時代。

[1]余勝泉.非線性編輯系統(tǒng)[M].中國傳媒大學出版社，2005

[2]張曉冬，李剛.國內(nèi)非線性編輯及網(wǎng)絡技術發(fā)展綜述[J].廣播與電視技術，2007（2）

[3]宣長林，魯巖.非線性編輯技術發(fā)展

[4]張洪甫.線性編輯和非線性編輯[J].中國有線電視，2007（03/04）

[5]楊繼榮.媒體數(shù)據(jù)傳輸及存儲管理平臺的發(fā)展思路[J].西部廣播電視，2004（10）

[6]張大衛(wèi).談非線性編輯系統(tǒng)[J].中國醫(yī)學教育技術，2001(02)

胡琨（1983年- ），男，江西南昌人，本科畢業(yè)于武漢理工大學，在讀中國傳媒大學工程碩士，現(xiàn)供職于江西電視臺新聞中心，助理工程師，從事后期制作和設備維護工作。