冲刺5数字媒体

数字媒体及应用•媒体：又称媒介/媒质，承载信息的载体，是信息的各种表示形式（如数值、文字、图象、声音、视频等）•数字媒体：数值、文字、声音、图像等的二进制数字表示，数字媒体是随着计算机功能的不断增强、计算机应用的不断深入而发展起来的•5种与计算机信息处理有关的媒体：感觉媒体、表示媒体、存储媒体、表现媒体、传输媒体•多媒体技术：能够交互式地综合处理多种不同感觉媒体的信息处理技术。具有这种功能的计算机就是多媒体计算机，具有这种能力的通信系统就是多媒体通信，能够有效地存储、管理、检索多种感觉媒体的数据库系统就是多媒体数据库系统。•特点：多样性、集成性、交互性•文字：一种书面语言，由一系列称为“字符”的书写符号构成•文本（text）：文字信息在计算机中的表示形式，是计算机中最常用的一种数字媒体–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•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。•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。字符的编码•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别，构成该字符集的代码表。•美国标准信息交换码：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。•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），0（48），A（65），a（97）–大小写之间32•标准ASCII码是七位的编码，但字节是计算机中最基本处理单位，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，在很多应用中无法满足要求。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。（1）GB2312-80汉字编码《信息交换用汉字编码字符集·基本集》，含字符7445个，其中汉字6763个。•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，按偏旁部首排列汉字编码•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•从小到大的阵列：依次是图形符号、一级、二级汉字•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（即二进制00100000，16进制的20H）–经过这样处理得到的代码称为汉字的“国标交换码”（简称交换码）。•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”。称为GB2312汉字的“机内码”，又称内码。–对国标交换码两个字节分别加80HGBK：1995年发布，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。GBK/1：GB2312中的符号；GBK/2：GB2312中的全部汉字；GBK/4和GBK/3：包括繁体字在内的大量汉字；GBK/5：符号。•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UCS/Unicode：通用编码字符集，约有6800种语言和文字在使用，UCS（通用多8位编码字符集），Unicode（统一码或联合码，微软、IBM等联合制定）•UCS/Unicode用4个字节对全世界现代书面文字所使用的所有字符、符号进行编码•目标与途径：实现所有字符在同一字符集中统一编码•优点：编码空间极大，能容纳足够多各种字符集（13亿字符）•缺点：4字节的字符编码使存储空间浪费严重•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（称为基本多文种平面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•CJK统一编码汉字：指中、日、韩、新、马及我国台湾、香港、澳门地区使用的汉字，不论其字义和读音有无区别，只要字形相同，该汉字就只有一个代码。CJK汉字集以现有各国和地区的标准字符集（中国大陆的GB国标字符集，中国台湾的CNS11643标准，日本的JIS标准及韩国的KS标准）作为源字符集，将其中的汉字按统一的认同规则进行认同／甄别后，构成UCS/Unicode中的共27484个字符的汉字部分。•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•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–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•汉字键盘输入：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•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–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等，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•手写汉字识别：以平常书写的习惯，把要输入的汉字写在一块叫书写板的设备上，书写板将笔尖的运动按时间采样后发送到计算机中，由计算机软件自动进行识别，然后用该汉字（或符号）对应的代码进行保存。如：汉王笔•语音识别：使用语音输入文本的系统，其最高目标：非特定人大词汇量的连续语音识别技术•光学字符识别OCR（OpticalCharacterRecognition）：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。•印刷体文字识别的过程扫描后的图像文本预处理版面分析文字切分特征提取字符识别后处理识别后的编码文本•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）：由一连串字符组成，除了“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。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：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（richtext、fancytext、formattedtext）：RTF格式、word、wps、xls、ppt等；•超文本(hypertext)：非线形结构文本–节点（node）–超链（hyperlink）–链源•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•文本编辑的主要功能–对字、词、句、段落进行添加、删除、修改等操作–字的处理：设置字体、字号、字的排列方向、间距、颜色、效果等–段落的处理：设置行距、段间距、段缩进、对称方式等–页面布局的处理：设置页边距、每页行列数、分栏、页眉、页脚等•文本处理内容：–字数统计，字频统计，简/繁体相互转换，汉字/拼音相互转换–词语排序，词语错误检测，文句语法检查–自动分词，词频统计，词性标注，词义辨识，大陆/台湾术语转换–文本压缩，文本加密，文本著作权保护–关键词提取，文摘自动生成，文本分类–文本检索（关键词检索、全文检索），文本过滤–文语转换（语音合成），文种转换（机器翻译）–篇章理解，自动问答，自动写作等常用文本处理软件（1）面向通信的文本处理软件:计算机网络上最普及的应用是用电子邮件进行通信。大多数情况下电子邮件正文的内容一般都是简单文本，因此电子邮件内嵌的文本编辑器功能比较简单，操作使用方便。•典型软件：微软公司的OutlookExpress，具有文字的增、删、改以及字体、字号的设置功能，也可以设定一些简单的格式和插入一些图片。当然邮件所带的附件并不受此限制。在互联网上进行聊天所使用的文本处理软件更加简单。（2）面向办公的文本处理软件•功能要求：–文本制作的高效率、高质量–软件面向非专业用户，易学好用–文本处理能力，既功能丰富，又操作简单–排版功能•典型软件：–MS-Office–WPS2000–永中Office中的文本处理软件（3）面向出版的文本处理软件主要功能：将文字、图形和图像等合理地安排在页面内•.ps文件：排版软件的输出的一种使用页面描述语言（例如PostScript）描述的文件，该文件记录了每一个页面的排版结果，它被送到装有栅格图像处理器（RIP）的激光照排机去，经过RIP的解释，产生页面的图像，然后驱动激光束对感光材料进行扫描曝光，以得到用于制版的胶片•典型排版软件：–方正集团公司的“飞腾”排版软件–美国Adobe公司的PageMaker和PDFWriter（4）面向网络信息发布和电子出版的文本处理软件•制作HTML文件的软件：微软的FrontPage，使用Word也可以产生HTML文件输出。•HTML文件：一种使用HTML语言（超文本标记语言）进行描述的文本文件。能描述超链。•超链的链宿有两种：–书签，指的是文本内部标记有书签的某个地方–互联网上的某个信息资源（文件），它用统一资源定位器（URL）指定•包括：面向电子出版的软件、PDF格式文件•文本输出：在屏幕上显示文本，用打印机打印文本等操作。•文本输出过程：首先要对文本的格式描述进行解释，然后生成文字和图表的映像（bitmap），最后再传送到显示器或打印机输出。•文本阅读器：承担上述文本输出任务的软件，也称为浏览器。它们可以是嵌入在文本处理软件中的一个模块，如微软的Word，也可以是独立的软件，如Adobe公司的AcrobatReader，微软公司的IE等。