本書為普通高等教育“十一五”國家級規劃教材。本書系統地介紹了多媒體計算機技術的基本原理和多媒體計算機系統的組成，詳述了數字聲音、圖像和視頻處理中的關鍵技術；簡要介紹了多媒體數據的采集與編輯、多媒體文檔的組織與設計、多媒體數據存儲與管理、多媒體計算機網絡及多媒體數據安全涉及的關鍵技術。在此基礎上，本書對多媒體技術的一些典型應用——數據可視化與信息可視化、指紋識別、人臉識別、唇語識別、視頻監控與目標跟蹤相關技術以及多媒體即時通信系統等進行了扼要介紹。本書還結合即時通信系統的設計案例以附錄形式給出了一個綜合應用課程設計。本書既可作為高等院校相關課程的教材，也可供從事多媒體應用研究與開發的工程技術人員參考。
魯宏偉，華中科技大學計算機學院教授，工學博士，主持與某研究院合作項目5項、校教學改革項目1項、其他各類橫向項目10余項。
目 錄
第1章 多媒體計算機技術概述 1
1.1 多媒體計算機技術的基本概念 1
1.1.1 媒體 1
1.1.2 多媒體 2
1.2 多媒體計算機技術的發展歷史 4
1.3 多媒體計算機技術 5
1.3.1 多媒體的軟件和硬件平臺 6
1.3.2 高速處理器 6
1.3.3 數據壓縮及編碼技術 7
1.3.4 多媒體同步 8
1.3.5 多媒體計算機網絡與分布式處理技術 9
1.3.6 信息的組織與管理 9
1.3.7 多媒體數據存儲 10
1.3.8 虛擬現實和增強現實技術 10
1.3.9 人機界面設計 12
1.3.10 高速多媒體通信技術 13
1.4 多媒體計算機技術的應用 13
1.5 多媒體計算機技術的發展趨勢 15
思考與練習1 16
第2章 多媒體計算機系統的組成 17
2.1 概述 17
2.2 計算機I/O接口 18
2.2.1 計算機I/O的變遷史 18
2.2.2 USB接口發展史 19
2.2.3 顯示器接口 20
2.3 常用I/O設備 22
2.3.1 輸入設備 22
2.3.2 輸出設備 24
2.4 數字音頻/視頻設備 30
2.4.1 聲卡 31
2.4.2 顯卡 33
2.4.3 視頻采集卡 36
2.4.4 數碼產品 36
2.5 存儲設備和存儲技術 40
2.5.1 存儲設備 40
2.5.2 存儲技術 43
思考與練習2 45
第3章 圖形、圖像處理技術及其應用 46
3.1 信號處理的基本術語 46
3.1.1 采樣和量化 47
3.1.2 采樣長度的選擇與頻率分辨率 48
3.1.3 離散傅里葉變換 48
3.1.4 小波變換 49
3.2 圖像數據壓縮基礎 51
3.2.1 色彩的基本概念 51
3.2.2 彩色空間及其變換 53
3.2.3 圖像數據壓縮的可能性 55
3.3 圖像數據壓縮算法 56
3.3.1 信息熵編碼 57
3.3.2 詞典編碼 60
3.3.3 預測編碼 61
3.3.4 變換編碼 62
3.3.5 模型編碼 63
3.4 常用圖形、圖像文件 63
3.4.1 BMP文件格式 64
3.4.2 GIF文件格式 68
3.4.3 PNG文件格式 69
3.4.4 JPEG文件格式 70
3.5 二維碼編碼原理及其應用 73
3.5.1 QR碼的基本結構 73
3.5.2 QR碼的編碼過程 74
3.5.3 二維碼應用 75
3.6 動態圖像壓縮技術和標準 76
3.6.1 MPEG標準概述 76
3.6.2 MPEG-1標準 77
3.6.3 MPEG-2標準 80
3.6.4 MPEG-4標準 82
3.6.5 MPEG-7標準 84
3.7 H.26x標準 85
3.7.1 H.261標準 86
3.7.2 H.263標準 86
3.7.3 H.264標準 88
3.7.4 H.265標準 91
3.8 AVS標準 92
3.8.1 AVS與H.264比較 93
3.8.2 AVS2的特點 94
3.9 Theora和WebM簡介 96
思考與練習3 97
第4章 音頻信號及其處理 98
4.1 音頻編碼基礎 98
4.1.1 音頻信號的特點 98
4.1.2 音頻信號處理的方法 100
4.1.3 音頻文件的存儲格式 101
4.1.4 音頻質量的度量 102
4.2 音頻信號壓縮技術 103
4.2.1 脈沖編碼調制 105
4.2.2 增量調制 106
4.2.3 DSD編碼 107
4.2.4 自適應脈沖編碼調制 108
4.2.5 差分脈沖編碼調制 109
4.2.6 自適應差分脈沖編碼調制 109
4.2.7 子帶編碼 109
4.3 音頻編碼標準 110
4.3.1 CCITT G系列音頻壓縮標準 110
4.3.2 MP3壓縮標準 112
4.3.3 AAC編碼 112
4.3.4 Ogg Vobis 113
4.3.5 移動平臺常用的音頻編碼 114
4.4 語音合成技術及應用 117
4.4.1 語音合成的基本方法 117
4.4.2 語音合成的三個層次 119
4.4.3 語音合成技術的應用 119
4.5 語音識別技術的發展及應用 120
4.5.1 語音識別的發展歷史 120
4.5.2 語音識別技術 121
4.5.3 語音識別系統的類型 123
4.6 聲紋識別技術及其應用 126
思考與練習4 127
第5章 多媒體數據采集與編輯 129
5.1 多媒體數據采集 129
5.1.1 Windows環境下聲音數據的采集 129
5.1.2 Windows環境下視頻數據的采集 132
5.2 Microsoft DirectX 135
5.2.1 DirectX的特性 136
5.2.2 Microsoft DirectSound簡介 139
5.2.3 Microsoft DirectShow簡介 141
5.2.4 DirectShow應用程序的開發 144
5.2.5 DirectShow應用示例 145
5.3 多媒體創作工具 147
5.3.1 多媒體創作工具的分類 147
5.3.2 音頻處理軟件 147
5.3.3 圖形、圖像及動畫制作與編輯軟件 148
5.3.4 網絡音頻、視頻文件制作 150
5.4 圖像特效 150
5.4.1 圖像特效的常用手法 151
5.4.2 圖像特效的技術手段 152
5.4.3 圖像特效在人臉美化中的應用 157
5.5 多媒體應用軟件 158
5.6 多媒體播放器 159
思考與練習5 160
第6章 多媒體文檔的組織與設計 161
6.1 超文本和超媒體 161
6.1.1 超文本概述 161
6.1.2 超文本系統的基本特征 162
6.2 HTML簡介 165
6.2.1 HTML的發展歷史 165
6.2.2 HTML文件結構 166
6.2.3 HTML的標簽和屬性 167
6.2.4 超鏈接 167
6.2.5 HTML的多媒體實現 169
6.3 HTML5 171
6.3.1 HTML5的主要特性 171
6.3.2 HTML5在移動開發中的應用 175
6.4 XML簡介 176
6.4.1 XML的特點 177
6.4.2 XML與HTML的區別 177
6.5 SMIL及其應用示例 178
6.5.1 SMIL簡介 178
6.5.2 SMIL的基本語法規則 178
6.5.3 SMIL應用設計 179
6.5.4 SMIL應用示例 183
6.6 設計超文本的工具 184
6.6.1 JavaScript 184
6.6.2 動態網頁設計 190
6.6.3 Ajax技術 191
6.6.4 SVG 192
6.6.5 Web 2.0和Web 3.0 192
思考與練習6 194
第7章 多媒體數據存儲與管理 195
7.1 多媒體數據的特點 195
7.2 多媒體數據的管理 196
7.2.1 多媒體數據模型 196
7.2.2 多媒體數據庫體系結構 198
7.3 多媒體數據檢索與查詢 200
7.3.1 查詢方法 200
7.3.2 萬維網文檔的檢索技術 201
7.3.3 基于內容的多媒體數據檢索 203
7.4 結構化查詢語言SQL 210
7.4.1 SQL簡介 210
7.4.2 SQL的數據類型 211
7.4.3 SQL的基本語法 214
7.4.4 多媒體數據保存與獲取示例 216
7.5 多媒體數據挖掘 218
7.5.1 數據挖掘的概念 218
7.5.2 Web挖掘 219
7.5.3 多媒體數據挖掘 219
思考與練習7 221
第8章 多媒體計算機網絡 222
8.1 多媒體網絡通信技術 222
8.1.1 三大定律和互聯網的特性 222
8.1.2 多媒體通信網絡的基本結構和特點 223
8.1.3 計算機網絡概述 224
8.1.4 網絡接入技術 226
8.1.5 短距離無線通信技術 229
8.1.6 移動通信技術及標準 233
8.2 分布式多媒體計算機系統 240
8.2.1 分布式多媒體計算機系統的基本特征 240
8.2.2 分布式多媒體計算機系統服務模型 241
8.2.3 分布式多媒體系統的層次結構 242
8.2.4 網格 243
8.2.5 云計算 244
8.3 P2P網絡 246
8.3.1 P2P技術體系結構與分類 246
8.3.2 P2P網絡的特點 248
8.3.3 P2P技術的應用 248
8.4 無線多媒體傳感器網絡 250
8.4.1 無線傳感器網絡的特點 251
8.4.2 無線傳感器網絡的結構 252
8.4.3 無線傳感器網絡的設計 252
8.4.4 無線多媒體傳感器網絡 253
8.5 物聯網 254
8.6 流媒體傳輸協議 257
8.6.1 RTP/RTCP 257
8.6.2 RSVP 259
8.6.3 RTSP 260
思考與練習8 261
第9章 多媒體數據安全 262
9.1 多媒體數據安全的主要內容 262
9.2 基于多媒體數據的信息隱藏 263
9.2.1 基于圖像的信息隱藏 264
9.2.2 基于音頻的信息隱藏 266
9.2.3 基于視頻的信息隱藏 269
9.3 多媒體內容安全 271
9.3.1 語音數據加密 272
9.3.2 視頻數據加密 273
9.3.3 VoIP媒體流安全通信 274
9.4 音/視頻版權保護 278
9.4.1 數字版權管理技術現狀 279
9.4.2 基于設備的密鑰綁定版權保護方法 280
9.5 家庭數字影院版權保護 282
9.5.1 家庭數字影院發行版制版安全機制 282
9.5.2 家庭數字影院節目內容的授權訪問機制 282
9.5.3 家庭數字影院放映終端的安全播放機制 283
思考與練習9 284
第10章 多媒體應用 285
10.1 數據可視化與信息可視化 285
10.1.1 可視化概述 285
10.1.2 數據可視化的圖表類型 286
10.1.3 信息可視化 288
10.1.4 數據新聞 289
10.2 圖像識別及其應用 292
10.2.1 圖像識別過程 292
10.2.2 指紋識別 294
10.2.3 人臉識別 297
10.2.4 唇語識別 301
10.3 視頻監控與目標跟蹤 303
10.3.1 視頻監控系統的原理 303
10.3.2 視頻監控系統的發展方向 304
10.3.3 視頻目標檢測與跟蹤 305
10.3.4 視頻監控在平安城市中的應用 306
10.4 即時通信系統 307
10.4.1 即時通信系統的設計要求 307
10.4.2 即時通信的標準 308
10.4.3 即時通信的基本流程 309
10.4.4 即時通信系統的結構 309
10.4.5 Skype系統簡介 310
思考與練習10 311
第11章 多媒體應用系統設計案例 312
11.1 基于Python的數據可視化 312
11.1.1 實例一的運行環境 312
11.1.2 分析方法與過程 313
11.1.3 實例一小結 320
11.2 基于騰訊優圖的人工智能應用 320
11.2.1 實例二的運行環境 320
11.2.2 使用騰訊優圖API的過程 320
11.2.3 實例二小結 325
11.3 基于百度AI的人臉檢測微信小程序 325
11.3.1 注冊小程序賬號 325
11.3.2 安裝并運行小程序開發平臺 325
11.3.3 人臉檢測微信小程序設計 327
11.3.4 實例三小結 333
11.4 智能嬰兒床系統設計 333
11.4.1 設計背景 333
11.4.2 設計過程 333
11.4.3 功能需求 334
11.4.4 所用硬件設備 334
11.4.5 系統開發環境 335
11.4.6 系統設計 335
11.4.7 實例四小結 347
11.5 基于人臉識別的智能儲物柜設計 347
11.5.1 OpenCV與人臉識別 347
11.5.2 總體架構 348
11.5.3 開發平臺 349
11.5.4 儲物柜數據結構設計 349
11.5.5 人臉樣本庫設計 350
11.5.6 存柜功能模塊設計 350
11.5.7 界面設計 353
11.5.8 實例五小結 354
11.6 籃球投籃訓練輔助系統設計 354
11.6.1 設計目標 354
11.6.2 處理流程 355
11.6.3 實例六小結 363
11.7 基于Maya的顯示器模型設計 363
11.7.1 模型設計 363
11.7.2 實例七小結 371
附錄A 課程設計 372
A.1 設計內容 372
A.2 設計提示 372
參考文獻 374
新書資訊