数字媒体及其应用

第三章数字媒体及应用

学习目的：理解GB2312，GBK和GB18030三种汉字编码标准的内容、关系与应用，熟悉中文文本预备的方法；熟悉图像在计算机中的表示；掌握声音猎取的方法与设备；熟悉视频压缩编码的几种标准及其应用。

学习重点：中西文编码、图像、声音在计算机中的表示。

学习难点：中西文编码、视频压缩编码标准。

5．1文本与文本处理

文字：一种书面语言，由一系列称为“字符”（character）的书写符号构成。

文本（text）：文字信息在计算机中的表示形式，是基于特定字符集的、具有上下文相关性的一个（二进制编码）字符流，是计算机中最常用的一种数字媒体。组成文本的差不多元素是字符，字符在

计算机中采纳二进制编码表示。

文本在计算机中的处理过程：文本的预备（例如汉字的输入），文本编辑，文本处理，文本存储与传输、文本展现等，依照顾用的不同，各个处理环节的内容和要求可能有专门大的差不。

一、字符的编码

1．西文字符的编码

字符集：常用字符的集合。

西文字符集：由拉丁字母、数字、标点符号及一些专门符号组成。字符的编码：字符集中每一个字符各有一个代码，即字符的二进制表示，称为该字符的编码。字符代码表：字符集中不同字符的编码互相区不，构成该字符集的代码表。 ASCII字符集和ASCII 码

美国标准信息交换码(American Standard Code for Information Interchange)：使用7个二进位对字符进行编码（叫

做标准ASCII码），称为ISO-646标准。

差不多的ASCII字符集共有128个字符。96个可打印字符（常用字母、数字、标点符号等）和32个操纵字符。专门字符的ASCII 码有空格（32）、A（65）、a（97）、0（48）。

标准ASCII码是七位的编码，但字节是计算机中最差不多的处理单位，故以一个字节来存放一个ASCII字符。每个字节中多出来的一位一般保持为“0”，在数据传输时可用作奇偶校验位。扩充ASCII字符集：标准ASCII字符集只有128个不同的字符，在专门多应用中无法满足要求。按照ISO2022标准（《七位字符集的代码扩充技术》）的规定，ISO陆续制定了一批适用于不同地区的扩充ASCII字符集，每个扩充ASCII字符集分不能够扩充128个字符，这些扩充字符的编码均是高位为1的8位代码（十进制数128～255），称为扩展ASCII码。

2．汉字的编码

（1）GB2312-80汉字编码

《信息交换用汉字编码字符集·差不多集》(GB2312-80) 组成：第一部分：字母、数字和各种符号，包括拉丁字母、俄文、日文平假名与片假名、希腊字母、汉语拼音等共682个（统称为GB2312图形符号）。第二部分：一级常用汉字，共3755个，按汉语拼音排列。第三部分：二级常用字，共3008个，按偏旁部首排列。

区位码：GB2312国标字符集构成一个二维平面，它分成94行、94列，行号称为区号，列号称为位号。每一个汉字或符号在码表中都有各自的位置，字符的位置用它所在的区号(行号)及位号(列号)来表示。每个汉字的区号和位号分不用1个字节来表示，如：“大”字的区号20，位号83，区位码是20 83

用2个字节表示为：00010100 01010011。

国标交换码：为了幸免汉字区位码与通信操纵码的冲突，ISO2022规定，每个汉字的区号和位号必须分不加上32（即二进制0010 0000）。

通过如此处理得到的代码称为汉字的“国标交换码”（简称交换码）。因此，“大”字的交换码是：00110100 01110011。

机内码：把一个汉字看作两个扩展ASCII码，使表示GB2312汉字的两个字节的最高位(b7)都等于“1”。这种高位为l的双字节(16位)汉字编码就称为GB2312汉字的“机内码”，又称内码。如：“大”字的内码是：10110100 11110011（B4F3）

高位字节(7位)：qqq qqqq => 0qqq qqqq(区号)

低位字节(7位)：www wwww => 0www wwww(位号)

例如：“啊”

区位码： 16 01 => 10 01H 0001 0000 0000 0001

国标码： 30 21H <= 10 01H

＋20 20H 0011 0000 0010 0001

机内码： B0 A1H <= 30 21H

＋80 80H 1011 0000 1010 0001

（2）GBK汉字内码扩充规范

问题：GB2312-80只有6763个汉字，使用时功能不够。

解决方法：1995年公布GBK，全称为《汉字内码扩展规范》GBK 字符集中一共有21003个汉字和883个图形符号，它与GB2312国标汉字字符集及其内码保持兼容。

组成：21003个汉字，883个图形符号。

应用：

操作系统——Windows 95以上简体中文版，采纳GBK代码，并提供了多种输入法和字体

应用软件——Office 95以上简体中文版本提供GBK码的检索和排序

互联网应用——许多网站的网页使用GBK代码，但目前还不是所有搜索引擎都支持 GBK 汉字文本的搜索

（3）UCS/Unicode与GB18030汉字编码标准

优点：编码空间极大，能容纳足够多的各种字符集（13亿字符）。

缺点：4字节的字符编码使存储空间白费严峻。

克服：在UCS/Unicode编码空间中，把第1和第2字节均为“0”的一个子空间（称为差不多多文种平面BMP），作为UCS/Unicode 的子集来使用，记作UCS-2。UCS-2是双字节编码，共有字符49194个，其中包括：欧洲及中东地区使用的拉丁字母、音节文字；各种标点符号、数学符号、技术符号、几何形状、箭头及其他符号；中、日、韩（CJK）统一编码的汉字。

二、文本的预备

文本信息的输入方法：