ভিডিও নিয়ে কথা বলার আগে প্রথমে ছবিগুলোর কথা বলি। একটি ছবি অনেক রঙিন বিন্দু দিয়ে গঠিত। এই বিন্দুটিকে একটি পিক্সেল বলা হয়, যা চিত্র প্রদর্শনের মৌলিক একক। সাধারণত, একটি চিত্রের আকার 1920 x 1080, যার দৈর্ঘ্য 1920 পিক্সেল এবং প্রস্থ 1080 পিক্সেল। পণ্যটি 2073600, যার মানে এই ছবিটি দুই মিলিয়ন পিক্সেল। 1920 x 1080, এই ছবির রেজোলিউশন হিসাবেও পরিচিত।
সুতরাং, সাধারণত PPI হিসাবে উল্লেখ করা হয় কি? PPI হল প্রতি ইঞ্চিতে পিক্সেলের সংখ্যা। অর্থাৎ প্রতি ইঞ্চিতে একটি মোবাইল ফোনের (বা মনিটর) স্ক্রিনে কত "পিক্সেল" রাখা যায়। PPI যত বেশি হবে, ছবি তত বেশি পরিষ্কার এবং সূক্ষ্ম হবে।
কম্পিউটার সিস্টেমে, সংখ্যা ব্যবহার করে রং প্রকাশ করা হয়। কম্পিউটারে, R, G, এবং B-কে "প্রাথমিক রঙের উপাদান" হিসাবেও উল্লেখ করা হয়। তাদের মান 0 থেকে 255 পর্যন্ত, মোট 256টি স্তর (256 হল 2-এর 8ম ঘাত)। সুতরাং, R, G, এবং B এর সংমিশ্রণ দ্বারা যে কোনও রঙকে উপস্থাপন করা যেতে পারে।
এই পদ্ধতির মাধ্যমে, মোট 256 x 256 x 256=16777216 রঙ প্রকাশ করা যায়, যা 16 মিলিয়ন রঙ নামেও পরিচিত। আরজিবি তিনটি রঙ, প্রতিটি 8 বিট সহ, এইভাবে রঙগুলি প্রকাশ করে, যা 24 বিট রঙ হিসাবেও পরিচিত (24 বিট দখল করে)। এই রঙের পরিসর মানুষের চোখের সমস্ত দৃশ্যমান রঙকে ছাড়িয়ে গেছে, তাই একে সত্যিকারের রঙও বলা হয়। এটি যতই উঁচু হোক না কেন, এটি মানুষের চোখের জন্য অর্থহীন এবং সম্পূর্ণরূপে অচেনা।
ছবিগুলি সম্পর্কে কথা বলা শেষ করে, এখন ভিডিওগুলি সম্পর্কে কথা বলা শুরু করা যাক।
একত্রে সংযুক্ত অনেকগুলি ছবি একটি ভিডিও তৈরি করে। একটি ভিডিও পরিমাপের সবচেয়ে গুরুত্বপূর্ণ বিষয় হল এর ফ্রেম রেট। একটি ভিডিওতে, একটি ফ্রেম একটি স্থির চিত্রকে বোঝায়। ফ্রেম রেট প্রতি সেকেন্ডে একটি ভিডিওতে অন্তর্ভুক্ত ফ্রেমের সংখ্যা বোঝায়। ফ্রেম রেট যত বেশি হবে, ভিডিও তত বেশি বাস্তবসম্মত এবং মসৃণ হবে। ভিডিও করার পরে, দুটি সমস্যা জড়িত: স্টোরেজ এবং ট্রান্সমিশন। ভিডিও এনকোডিংয়ের চাবিকাঠি এটির মধ্যে রয়েছে: একটি ভিডিও, যদি এনকোড করা না হয়, তবে এর ভলিউম খুব বড়।
উদাহরণ হিসাবে 1920 x 1280 রেজোলিউশন এবং 30 এর ফ্রেম রেট সহ একটি ভিডিও নিন। 1920 x 1280=2073600 পিক্সেল প্রতি পিক্সেল, যার অর্থ প্রতি ছবি 2073600 x 24=49766400 বিট। 8 বিট=1 বাইট। অতএব, 49766400 বিট=6220800 বাইট ≈ 6.22MB। এটি একটি 1920 x 1280 চিত্রের আসল আকার, যা 30 এর একটি ফ্রেম রেট দ্বারা গুণিত হয়, যার অর্থ প্রতি সেকেন্ডে ভিডিওর আকার 186.6MB, যা প্রতি মিনিটে প্রায় 11GB। একটি 90 মিনিটের মুভি প্রায় 1000GB হয়।
এনকোডিং কি?
এনকোডিং হল একটি নির্দিষ্ট পদ্ধতি ব্যবহার করে তথ্যকে এক ফর্ম (ফরম্যাট) থেকে অন্য ফর্ম্যাটে রূপান্তর করার প্রক্রিয়া। ভিডিও এনকোডিং হল একটি ভিডিও ফরম্যাটকে অন্য ভিডিওতে রূপান্তর করার প্রক্রিয়া। কোডিং এর চূড়ান্ত লক্ষ্য হল কম্প্রেস করা। ভিডিওগুলিকে আকারে ছোট করার জন্য বিভিন্ন ভিডিও এনকোডিং পদ্ধতি ব্যবহার করা হয়, যা স্টোরেজ এবং ট্রান্সমিশনের জন্য উপকারী। প্রথমে ভিডিওটি রেকর্ডিং এবং প্লে করার পুরো প্রক্রিয়াটি একবার দেখে নেওয়া যাক
প্রথমত, ভিডিও ক্যাপচার আছে। সাধারণত, ভিডিও ক্যাপচারের জন্য ক্যামেরা ব্যবহার করা হয়। ভিডিও ডেটা সংগ্রহ করার পর, অ্যানালগ-টু-ডিজিটাল রূপান্তর প্রয়োজন হয় অ্যানালগ সংকেতকে ডিজিটাল সংকেতে রূপান্তর করতে। আসলে, আজকাল অনেক ক্যামেরা সরাসরি ডিজিটাল সিগন্যাল আউটপুট করে। সিগন্যাল আউটপুটের পরে, আরজিবি সিগন্যালকে একটি YUV সিগন্যালে রূপান্তর করার জন্যও প্রিপ্রসেসিং প্রয়োজন।
পূর্বে, RGB সংকেত চালু করা হয়েছিল, কিন্তু YUV সংকেত কি?
সহজ কথায়, YUV হল রঙের আরেকটি ডিজিটাল উপস্থাপনা। ভিডিও কমিউনিকেশন সিস্টেম কেন RGB-এর পরিবর্তে YUV ব্যবহার করে তার কারণ হল RGB সংকেত সংকোচনের জন্য উপযোগী নয়। YUV-তে, উজ্জ্বলতার ধারণা যোগ করা হয়েছে।
গত এক দশকে, ভিডিও ইঞ্জিনিয়াররা খুঁজে পেয়েছেন যে চোখ রঙের চেয়ে উজ্জ্বলতা এবং অন্ধকারের প্রতি বেশি সংবেদনশীল, যার অর্থ হল মানুষের চোখ উজ্জ্বলতার চেয়ে বর্ণের প্রতি কম সংবেদনশীল। সুতরাং, প্রকৌশলীরা বিশ্বাস করেন যে ভিডিও স্টোরেজে, সমস্ত রঙের সংকেত সংরক্ষণ করার প্রয়োজন নেই। আমরা কালো সাদা সিগন্যালগুলিতে ("উজ্জ্বলতা" হিসাবে উল্লেখ করা হয়) আরও ব্যান্ডউইথ বরাদ্দ করতে পারি এবং রঙের সংকেতগুলিতে কিছুটা কম ব্যান্ডউইথ (যাকে "ক্রোমাটিসিটি" হিসাবে উল্লেখ করা হয়)। সুতরাং, YUV ছিল।
YUV-তে "Y" উজ্জ্বলতা (লুমা) প্রতিনিধিত্ব করে, যখন "U" এবং "V" বর্ণময়তা (Chroma) প্রতিনিধিত্ব করে।
মাঝে মাঝে দেখা Y'CbCr, YUV নামেও পরিচিত, YUV-এর একটি সংকুচিত সংস্করণ। পার্থক্য এই যে ডিজিটাল ইমেজ ফিল্ডে Y'CbCr ব্যবহার করা হয়, YUV ব্যবহার করা হয় অ্যানালগ সিগন্যাল ফিল্ডে, এবং MPEG, DVD, এবং ক্যামেরাগুলিতে সাধারণত YUV ব্যবহৃত হয় Y'CbCr৷