第五章数字媒体及应用

5.1 字符与文本处理
由于计算机中所有信息均以二进制形式 传输、存储及处理。为此，需要按一定 的规则对数字、字符、汉字、声音、图 像等用二进制进行编码。
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
一些特殊符号组成。 • 字符的编码：字符集中每一个字符各有一个代
特性：呈现为一种线性结构，以行、字为单位，顺序写作与阅读是 最通用的文本文件格式，文件体积小，阅读不受限制，几乎所有的文字 处理软件都能识别和处理。不能插入图片、表格等，不能建立超链接。
2、格式文本
为了使文本能以整齐、醒目、美观、大方的形式展现给用户，人们 还需要对纯文本进行设定，确定文本所在页面的大小、文本在页面上的 位置及布局等，这个过程称为文本的格式化，也称为“排版”。排版后 的文本就增加了许多格式控制和结构信息，称为“丰富格式文本”。
1.区位码：是我国于1981年颁布的国家标准GB 2312 －80，即《中华人民共和国国家标准的汉字编码》， 用四位十进制数码表示对应的汉字，前两位表示区号， 后两位表示位号。用于表示汉字在字库中的位置，共 表示6763个简体汉字。称为基本字库集。
其中：一级汉字库有3755个，以汉语拼音为序排列；
二级汉字库有3008个，以偏旁部首为序排列；
文本的分类与表示
使用计算机制作的数字文本，根据用途分为：简单文本、丰 富格式文本和超文本三类。
1、简单文本(纯文本)
是由一连串的字符组成的，除了用于表达正文内容的字符(包括汉字) 及“回车”、“换行”、“制表”等有限的几个打印(显示)控制字符之外， 几乎不包含任何其他格式信息和结构信息。这种文本通常称为纯文本或 ASCII文本，在PC机中的文件后缀名是.txt。
5.2.1 图像的获取
1、图像的数字化
图像的获取（capturing）：从现实世界中获得数字图像的过程 实质上是模拟信号的数字化过程，步骤如下：
扫描：将画面划分为M(行) ╳ N(列)个网格，每个网格称为一个取样点。 一幅模拟图像就被转换为M╳N个取样点组成的一个阵列。
分色：将彩色图像取样点的颜色分解成三个基色(例如RGB三基色)，如果 不是彩色图像(即灰度或黑白图像)，则不必进行分色。
等4种，在同一种汉字编码字符集中，使用不同的编码方法向计算机输入 的同一个汉字，它们的内码不同。(X) (2019判) 【例】1KB的内存空间能存储512个汉字内码，约存_14__个24×24点阵汉 字的字型码。（2019填） 【例】在24×24点阵的汉字字库中，存储每个汉字字型码所需的字节是70B。 (X)（2019判断）
练习
• 1、文本编辑的目的是使文本正确、清晰、美观，下列 _BCD_____操作属于文本处理而不属于文本编辑功能。 (2019多选) A、添加页眉页脚 B、统计文本字数 C、文本压缩 D、识别并提取文本中的关键字
• 2、不同文本中处理软件使用的格式控制和结构说明信 息并不统一，不同的丰富格式文本互不兼容，因此一 些公司联合提出了一个中间格式，称为___D____格式。 (2019单选) A、DOC B、PDF C、HTML D、RTF
码，即字符的二进制表示，称为该字符的编码。
标准ASCII字符集
• 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）
• 基本的ASCII字符集可表示27=128个符号： 96个可打印字符（常用字母、数字、标 点符号等）和32个控制字符。
简化、重码减少。
缺点：不易掌握。
4、汉字的输出
• 区位码、国标码和机内码均不能表示汉字的字形。 为了显 示和打印，计算机内必须保存汉字的字 形。
• 计算机内一套汉字所有字符的形状描述信息的集 合叫“字库”
• 不同的字体对应不同的字库。 • 汉字字形有两种描述方法，点阵字形和轮廓字形。
• 点阵字形:
2D图像获取设备(如扫描仪、数码相机等)：只能对图片或景物 的2D投影进行数字化。
3D图像获取设备： 3D扫描仪能获取包括深度信息在内的3D 景物的数字化信息。
5.2.2 图像的表示与压缩编码 1、图像的表示方法与主要参数
从取样图像的获取过程可以知道，一幅取样图像由M ╳ N个取样点 组成，每个取样点是组成取样图像的基本单位，称为像素(picture element, 简写为pel)。彩色图像的像素是矢量，它由3个彩色分量组成，灰度或黑 白图像的像素只有1个亮度值。
3、超文本
传统的纸质文本其内容的组织是线性(顺序)的，因而读者总 是按顺序先读第1页，再读第2页、……，这就是“线性文本”。
超文本(hypertext)的概念是对传统文本的一个扩展。除了传统 阅读方式之外，它还可以通过链接、跳转、导航、回溯等操作， 实现对文本内容的跳跃式阅读和访问。
超文本的结构：
取样：测量每个取样点每个分量的亮度值。 量化：对取样点每个分量的亮度值进行A/D模数转换。
模
拟
图
扫描
像
分色
取样 取样 取样
量化
数
字
量化
图
量化
像
2、数字图像获取设备
图像获取的设备：从现实世界获得数字图像的设备，通称为 数字图像获取设备。
图像设备的功能：将现实的景物输入到计算机内，并以取样 图像的形式存放在计算机中。
还有682个常用的非汉字字符(图形、符号)。
位号：
1 2 3 ……………… 94
区1 号9 ： 16
字母、数字和各种符号 一级汉字
（3755个）
…… ……
55
二级汉字
56
（3008个）
87
94
（扩充使用）
GB2312-80字符集(94行☓ 94列)
2.国标码：在信息通信中，汉字的区位码与通信使 用的控制码（00H～1FH）发生冲突。由于传输的需要， 需将区位码的区码和位码各加上(00100000)2，即 32， 便成了国标码。作为汉字信息交换使用。
3.机内码：是指在计算机中用二进制表示的汉字编 码。是计算机系统内部用于对汉字进行存储、处理、传 输的代码。由于汉字数量多，1个汉字需要占2个字节来 存放汉字的内码。
在计算机中汉字字符必须与英文字符ASCII编码区 别开来，以免造成混乱。汉字机内码中两个字节的最高 位均置为“1”。
重点知识点：
GB2312-80汉字编码标准：
中，含有的汉字和西文字符的个数分别是_3个2个__。（2019填空）
GBK国标汉字内码扩展集：
我国目前汉字总数大约有6万字左右，但GB2312-80只有6763个简 体汉字，在Windows中不够用。因此，我国在2019年发布GBK-95，全 称为《汉字内码扩展规范》， GBK-95国标汉字内码扩展集中一共有 21003个简繁体汉字和883个图形符号，共收入21886个汉字和图形符 号，它与GB2312国标汉字字符集及其内码保持兼容。
5.2 图像与图形
计算机中的数字图像按其生成方法可以分为两大类： 1、取样图像(sampled image)：从现实世界中通过数字化设备 获取的图像。也称为：点阵图像(dot matrix image)、位图图像 (bitmap image)。简称图像(image)。 2、矢量图形(vector graphics)：计算机合成的图像(synthetic image)。 简称图形(graphics)。
– 用一组排成方阵（16×16、24×24、32×32 ……）的 比特来表示一个汉字，1表示是 点，0表示空白。
– 字模码:用点阵表示的汉字字形代码，它是汉字的输 出形式。
• 练习：使用16×16点阵描述10个汉字，需要多少 个字节？（16×16÷8×10）
字符的点阵描述
重点知识点：
汉字的输入和输出： 【例】汉字输入的编码方法有数字编码、字音编码、字形编码和形音编码
标准ASCII码在计算机中实际用了8位二进制表示一个字符，最高 位设为“0” ，在数据传输时可用作奇偶校验位。
扩充ASCII字符集
• 标准ASCII码是七位的编码，但字节是计算机中最基本的处理单位， 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”。
• 扩充ASCII字符集：标准ASCII字符集只有128个不同的字符，在很多 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字符集分别可以扩充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。
A
B
a1 b1
a3 a2
b2
C
D
c1 d1
c2
E
F
G
H
e1
f1
g1
h1
超文本的应用： Windows等一些软件中的“帮助”文件； 使用浏览器从Web服务器上下载的网页(html或htm 文件)。
超媒体（Hypermedia）：超文本中的节点不单是文本 节点，还包含图形、图像、声音或动画节点，这种基 于多媒体信息结点的超文本，有时也称为“超媒体” 。
• 用键盘输入汉字，不可能一键一字，必须用几个 字符代表 一个汉字，这几个字符叫做汉字的 “输入编码” 。
• 汉字的输入编码与汉字的内码是不同范畴的概念。 使用不同的输入编码方法向计算机输入的同一个 汉字，它们的内码是相同的
汉字输入编码方法的分类：
数字编码：使用一串数字来表示汉字的编码方法，例如电报码、 区位码等。缺点： 难以记忆，不易推广。
例如：計算機係等繁体汉字和冃冄円冇鎔等生僻的汉字。
重点知识点：
常用汉字编码标准：