西文字符的编码.docx

西文字符的编码.docx

《西文字符的编码.docx》由会员分享，可在线阅读，更多相关《西文字符的编码.docx（14页珍藏版）》请在冰点文库上搜索。

西文字符的编码

一、西文字符的编码

1.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。

2.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。

3.字符代码表:

字符集中不同字符的编码互相区别，构成该字符集的代码表。

4.ASCII字符集和ASCII码

1）美国标准信息交换码（AmericanStandardCodeforInformationInterchange）：

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。

2）基本的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）32个控制字符，特殊字符的ASCII码空格（32）、A（65）、a（97）、0（48）

●数字，字母的ASCII码是连续的，对应大小写字母ASCII码相差32。

●不同类型的ASCII码的十进制数值由小到大：

数字、大写字母、小写字母

3）汉字的编码

（一）

●GB2312-80汉字编码

A.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）

B.第二部分：

一级常用汉字，共3755个，按汉语拼音排列

C.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别用1个字节来表示｛如：

“大”字的区号20，位号83，区位码是2083

用2个字节表示为：

0001010001010011｝

4）国标交换码:

●问题：

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。

解决方案：

为了避免汉字区位码与通信控制码的冲突，ISO2022规定，每个汉字的区号和位号必须分别加上32（20H）得到国标交换码。

5）机内码：

●问题：

文本中的汉字与西文字符经常是混合在一起使用的，汉字信息如不予以特别的标识，它与单字节的标准ASCII码就会混淆不清。

解决方法：

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：

1011010011110011（B4F3））

●汉字编码例

●国标码=区位码+2020H

●机内码=国标码+8080H

●机内码=区位码+A0A0H

例如：

“啊”

区位码：

1601=>1001H0001000000000001

国标码：

3021H<=1001H

＋2020H0011000000100001

机内码：

B0A1H<=3021H

＋8080H1011000010100001

6）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年发布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

●GBK字符集中的每个字符都采用双字节表示，总的编码范围为8140-FEFE，首字节在81-FE之间，尾字节在40-FE之间（剔除xx7F一条线不安排字符），总计23940个码位，共收入21886个汉字和图形符号，未使用的区域作为用户自定义区。

●应用：

操作系统——Windows95以上简体中文版，采用GBK代码，并提供了多种输入法和字体

应用软件——Office95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

7）UCS/Unicode与GB18030汉字编码标准

●通用编码字符集UCS/Unicode

约有6800种语言和文字在使用，需要建立一个多文种（Multilingual）处理环境

在ISO2022基础上，使用代码页号切换不同字符集的方法过于繁琐，且与其他系统不兼容

目标与途径：

实现所有字符在同一字符集中统一编码

●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浪费严重

5.文字与文本

1）文本（text）：

文字信息在计算机中的表示形式，组成文本的基本元素是字符，字符在计算机中采用二进制编码表示。

2）文本处理过程

●文本在计算机中的处理过程：

文本的准备（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，根据应用的不同，各个处理环节的内容和要求可能有很大的差别。

●文本信息的输入方法

A.人工输入：

通过键盘、手写笔或语音输入方式输入字符

特点：

速度慢、成本高，不适合需处理大批量文字的应用

B.自动输入：

将纸介质上的文本通过识别技术自动转换为文字的编码

特点：

速度快，效率高

C.文字的自动识别分为：

印刷体识别和手写体识别

●文本信息的输入方法

由于汉字字数很多，无法使每个汉字与西文键盘上的键一一对应，因此必须使用一个或几个键来表示汉字，这就称为汉字的“键盘输入编码”。

好的汉字键盘输入编码方案的特点：

易学习、易记忆、效率高（平均击键次数较少）、重码少、容量大（可输入的汉字字数多）等

✓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

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

字音编码：

一种基于汉语拼音的编码方法，简单易学，适合于非专业人员。

缺点：

同音字引起的重码多，需增加选择操作

字形编码：

将汉字的字形分解归类而给出的编码方法，重码少、输入速度较快，如五笔字形法和表形码。

缺点：

编码规则不易掌握

形音编码：

吸取了字音编码和字形编码的优点，使编码规则适当简化、重码减少。

缺点：

不易掌握

联机手写汉字识别（笔输入）

使用语音输入文本的系统也叫做“听写机”或“语音打字机”

印刷体汉字识别（汉字OCR）。

印刷体汉字识别：

将传统纸介质上的文字信息自动输入计算机并转换为数字文本形式的一种技术，也叫做汉字OCR（OpticalCharacterRecognition）。

●脱机手写汉字识别：

手写汉字识别。

联机与脱机（手写汉字识别）的比较容易。

3）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。

●简单文本（plaintext）：

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

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

●丰富格式文本

丰富格式文本（richtext、fancytext、formattedtext），RTF格式，中间格式。

●超文本

A.超文本（hypertext）的阅读方式：

传统的顺序式阅读，通过链接、跳转、导航、回溯等操作实现跳跃式阅读

B.超文本的结构

节点（node）

节点包含的内容

超链（hyperlink）

链源

链宿

●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”

●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），文本编辑与文本处理

●“所见即所得”（WhatYouSeeIsWhatYouGet,简称WYSIWYG）：

一方面所有的编辑操作效果立即可以在屏幕上看到，另一方面在屏幕上看到的效果与打印机的输出结果相同。

二、图像与图形

1.图像按生成方法分类

1）从现实世界中通过数字化设备获取的图像，称为：

取样图像（sampledimage）、点阵图像（dotmatriximage）、位图图像（bitmapimage）——简称图像（image）

2）计算机合成的图像（syntheticimage），称为：

矢量图形（vectorgraphics），简称图形（graphics）

2.图像的数字化

1）图像获取的过程实质上是模拟信号的数字化过程，它的处理步骤：

●扫描

●取样

●分色

●量化

2）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（行）*N（列）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（pictureelement,简写为pel）。

彩色图像的像素是矢量，它由多个彩色分量组成，黑白图像的像素只有1个亮度值

●图像的属性信息

A.图像大小，也称图像分辨率（包括垂直分辨率和水平分辨率）

B.位平面的数目，即矩阵的数目，也就是彩色分量的数目

C.颜色空间的类型，指彩色图像所使用的颜色描述方法，也叫颜色模型。

常用颜色模型：

RGB（红、绿、蓝）、CMYK（青、品红、黄、黑）、HSV（色彩、饱和度、亮度）、YUV（亮度、色度）等

D.像素深度，即像素的所有颜色分量的位数之和，它决定了不同颜色（亮度）的最大数目

3）图像的压缩编码

●一幅图像的数据量可按下面的公式进行计算（以字节为单位）：

图像数据量＝图像水平分辨率×图像垂直分辨率×像素深度／8

●数据压缩类型

A.无损压缩:

压缩以后的数据进行图像还原（也称为解压缩）时，重建的图像与原始图像完全相同

B.有损压缩：

使用压缩后的数据进行图像重建时，重建后的图像与原始图像虽有一定的误差，但不影响人们对图像含义的正确理解。

如变换编码、矢量编码等

●压缩编码方法优劣的评价

压缩倍数的大小

重建图像的质量（有损压缩时）

压缩算法的复杂程度

图像的压缩编码

✓图像压缩编码方法的国际标准和工业标准：

ISO和IEC两个国际机构联合组成了一个专家组（JointPhotographicExpertsGroup,JPEG），制定了一个静止图像数据压缩编码的国际标准，称为JPEG标准

JPEG标准的特点：

适用范围广；能处理各种连续色调的彩色或灰度图像；算法复杂度适中；既可用硬件实现，也可用软件实现；图像的压缩比可控制（压缩比越低，图像质量越好；压缩比越高，图像质量越差）

JPEG2000：

适用于各种不同类型（黑白、灰度、彩色等）和不同特性（自然、医学、遥感、合成）的图像，可用于不同的应用模式（实时传输、检索、存档等）。

采用了小波分析等先进算法，提供了更好的图像质量，更低的码率，更适合在WWW网上传输等，它兼容JPEG

常用图像文件格式

常用图像文件格式

✓BMP（BitMaP-file）图像：

微软公司在Windows操作系统下使用的一种标准图像文件格式，一个文件存放一幅图像，可以使用行程长度编码（RLC）进行无损压缩，也可不压缩。

不压缩的BMP文件是一种通用的图像文件格式，几乎所有Windows应用软件都能支持。

✓TIFF（TaggedImageFileFormat）图像文件格式：

用于扫描仪和桌面出版，能支持多种压缩方法和多种不同类型的图像，有许多图像图形应用软件支持这种文件格式。

由文件头、文件目录、目录条目三个部分组成。

✓GIF（GraphicsInterchangeFormat）：

互联网上广泛使用的一种图像文件格式，它的颜色数目较少（不超过256色），文件特别小，适合网络传输。

由于颜色数目有限，GIF适用于插图、剪贴画等色彩数目不多的应用场合。

GIF格式能够支持透明背景，具有在屏幕上渐进显示的功能。

尤为突出的是，它可以将许多张图像保存在同一个文件中，显示时按预先规定的时间间隔逐一进行显示，从而形成动画的效果，因而在网页制作中大量使用。

由CompuServe公司1987年开发，基于Lempel-ZivWalch（LZW）压缩算法、使用特殊码、可变长度。

4）数字图像处理

●数字图像处理：

使用计算机对来自照相机、摄像机、传真机、扫描仪、医用CT机、X光机等的图像，进行去噪、增强、复原、分割、提取特征、压缩、存储、检索等操作处理

●对图像进行处理的主要目的

提高图像的视感质量

图像复原与重建

图像分析

图像的存储、管理、检索，以及图像内容与知识产权的保护等

●图像处理软件：

使用较多的是面向办公、出版与信息发布的图像处理软件，也称为图像修饰（imageretouching）或图像编辑软件，支持多种不同的图像文件格式，提供多种图像编辑处理功能，可制作出生动形象的图像。

如美国Adobe公司的PhotoShop，集图像扫描、图像编辑、绘图、图像合成及图像输出等多种功能于一体，是一个流行的图像处理工具。

PhotoShop的主要功能包括

●数字图像的应用

图像通信

遥感

医疗诊断

工业生产中的应用

机器人视觉

军事、公安、档案管理

5）计算机图形

景物的模型（model）：

景物在计算机内的描述

景物的建模（modeling）：

人们进行景物描述的过程

绘制（rendering）：

也称图像合成（imagesynthesis），根据景物的模型生成图像的过程，所产生的数字图像称为计算机合成图像

计算机图形学（ComputerGraphics）：

研究如何使用计算机描述景物并生成其图像的原理、方法与技术

●计算机合成图像的绘制，使用计算机合成图像的主要优点：

能生成实际存在的具体景物的图像，还能生成假想或抽象景物的图像，能生成静止图像，还能生成各种运动、变化的动态图像

●计算机合成图像的应用：

计算机辅助设计和辅助制造（CAD／CAM）

利用计算机生成各种地形图、交通图、天气图、海洋图、石油开采图等

作战指挥和军事训练

计算机动画和计算机艺术

其他：

电子出版、数据处理、工业监控、辅助教学（CAI）、软件工程等

●矢量绘图软件

矢量图形：

计算机合成图像

矢量绘图软件：

制作矢量图形的软件:

如：

AutoCAD、MAPInfo、ARCInfo等

2D的矢量绘图软件：

Corel公司的CorelDraw。

Adobe公司的Illustrator。

Macromedia公司的FreeHand。

微软公司的MicrosoftVisio。

微软公司Office办公套件中的Word和PowerPoint

3.数字声音及应用

1）声音信号的数字化

●声音：

由振动而产生，通过空气进行传播。

它由许多不同频率的谐波所组成，谐波的频率范围称为声音的带宽（bandwidth），带宽是声音的一项重要参数。

●多媒体技术处理的声音信号主要是人耳可听到的20～20kHz的音频信号（audio）

言语（speech）/语音：

人说话的声音，其频率范围约为300～3400Hz

全频带声音：

音乐声、风雨声、汽车声等其他声音，其带宽可达到20～20kHz

2）声音信号的数字化

●声音信号的数字化：

将模拟声音信号转换成数字编码形式以便于计算机进行处理的过程

●声音信号数字化的过程：

取样

量化

编码

●模拟的声音信号转变成数字形式进行处理的优点：

以数字形式存储的声音重放性能好，复制时没有失真

数字声音的可编辑性强，易于进行效果处理

数字声音能进行数据压缩，传输时抗干扰能力强

数字声音容易与其他媒体相互结合（集成）

数字声音为自动提取“元数据”和实现基于内容的检索创造了条件

3）波形声音的获取设备

●麦克风：

将声波转换为电信号

●声卡（soundcard）：

进行数字化

波形声音的获取：

把模拟的声音信号转换为数字形式。

（话筒或线路输入、单双道）

波形声音的重建与播放

MIDI（MusicalInstrumentDigitalInterface）声音的输入

MIDI声音的合成与播放

4）波形声音的主要参数

●

取样频率

●量化位数

●声道数目

●使用的压缩编码方法

●数码率（bitrate）：

指的是每秒钟的数据量，也称比特率、码率

●数字声音未压缩前，其计算公式为：

波形声音的码率＝取样频率×量化位数×声道数

●压缩编码以后的码率＝压缩前的码率/压缩倍数

1）数字视频的应用

●CD（CompactDisc）：

小型光盘,最早应用于数字音响领域,代表产品是CD唱片。

每张CD唱片的存储容量是650MB左右，可存放1小时的立体声高保真音乐

●VideoCD（简称VCD）：

1994年由JVC、Philips等公司联合定义的一种以数字技术在CD光盘上存储视频和音频信息的规范。

规定了将MPEG-1音频/视频数据记录在CD光盘上的文件系统的标准，使一张普通的CD光盘可记录约60分钟的音视频数据，图像质量达到家用录放像机的水平，可播放立体声。

VCD播放机体积小,价格便宜,音视频质量较好。

VCD的一个派生产品是KaraokeCD光盘,它同VCD保持兼容

●DVD（DigitalVersatileDisk）：

数字多用途光盘。

有多种规格，用途广泛。

其中的DVD-Video（日常简称为DVD）就是一种类似于LD或VideoCD的家用影碟。

●DVD影碟与VCD相比：

存储容量大得多。

CD光盘容量650MB，存放74分钟VHS质量（352×240）的视频图像；单面单层DVD容量4.7GB，以平均码率4.69Mb/s播放视频图像，能存放133分钟的接近于广播级图像质量（720×480）的整部电影

2）数字电视接收机（简称DTV接收机）的三种形式：

●数字电视接收机——传统模拟电视接收机的换代产品

●传统模拟电视机外加一个数字机顶盒

●可以接收数字电视的PC机

3）VOD（VideoOnDemand）：

视频点播（也称为点播电视）技术的简称,即用户可以根据自己的需要收看电视节目