این چند وقت که غیبم زده بود! داشتم راجع به فشرده سازی عکس تحقیق میکردم.
از خطا های دید که چشم انسان مرتکب میشه میتونیم بفهمیم که چشم خیلی از ویژگی ها رو از منظره خودش فاکتور میگیره و بیخیال خیلی از ویژگی ها میشه! خب پس ما میتونیم این ویژگی ها رو که برای چشم ما در تشخیص تصویر مهم نبوده رو از عکسمون فاکتور بگیریم. که باعث به وجود اومدن دسته الگوریتم های Lossy برای فشرده سازی عکس میشه.

داخل مقاله هایی که بررسی کردم اکثر این روش ها (از روش های کلاسیک JPEG و JPEG2000 گرفته تا روش های مبتنی بر شبکه های عصبی ضمنی INR) میان عکس رو از اون دامنه پیکسلی (Spatial) به دامنه فرکانس-زمان تبدیل میکنن (با تبدیل های ریاضی مثل تبدیل فوریه و ...) و بعدش روی اون دامنه اطلاعات تکراری و البته همون اطلاعات با فرکانس بالا رو که از چشم ما پنهان هست رو حذف میکنن.

داخل این مخزن گیتهاب کد مربوط به این تبدیل ها رو گذاشتم که میتونید به چشم ببینید این تبدیل ها چطور کار میکنن. خلاصه اومدم بگم که عکس ها اونجوری که شما میبینید توی سیستمتون ذخیره نشدن و یجورایی decode میشن و از اون دامنه transform درمیان تا شما بتونید عکس رو ببینید .👾

همونطور که میدونید زبانی که مرورگر ها باهاش سروکله میزنن و برای "برنامه نویسی وب استفاده میشه" جاوا اسکریپته، پس جاوا اسکریپت به عنوان یک هدف کامپایل درنظر گرفته میشه; یعنی در نهایت با هر زبانی نوشته باشید کدتون رو باید به جاوا اسکریپت کامپایل بشه که قابل اجرا روی مرورگر کلاینت باشه!

فکر کنم خودتون فهمیدید چقدر محدودیت ایجاد میکنه این قضیه چون JS خودش یک زبان سطح بالا به حساب میاد و کلی ویژگی های زبان های سطح پایین تر مثل مولتی ترد یا پوینتر ها رو ساپورت نمیکنه.

برای رفع این محدودیت ها WASM یا وب اسمبلی ساخته شده که امکان کامپایل زبان هایی مثل C, C#, Rust و ... رو داخل مرورگر (Client Side) فراهم میکنه. علی قهرمانی داخل ارائش میگه که یه زبون ساخته با Rust که اسمشو گذاشته چپ...

ارائه علی قهرمانی در رویداد تهلاگ

انسان این را دید و گفت:
"جهنم بله! بیاید با جبر خطی این را باز سازی کنیم." 🧠

اگر تا حالا ویدیویی در یوتیوب دیدی، ریلزی آپلود کردی، به پادکستی در اسپاتیفای گوش دادی، یا توی لایو اینستاگرام شرکت کردی... بدون اینکه بدونی، از FFmpeg استفاده کردی.

این کتابخانه‌ی متن‌باز، ستون اصلی فشرده‌سازی، تبدیل فرمت و پردازش صدا و تصویر در تقریباً همه‌ی پلتفرم‌های بزرگ دنیاست. از Facebook و Netflix گرفته تا TikTok، Twitch و Google Meet.

از سال 2000 و تا به امروز توسط کامیونیتی و بدون حمایت هیچ غول تکنولوژی‌ای نگهداری شده و در پشت پرده قلپ تپنده multimedia و جریان استریم اینترنته!

اگر لینوکس داری FFMPEG از خیلی ابزار ها بی نیازت میکنه :)

استخراج صدای یک ویدیو:

ffmpeg -i video.mp4 -q:a 0 -map a audio.mp3

تبدیل فرمت ها بهم:

ffmpeg -i input.mov output.mp4

برش بخشی از فایل:

ffmpeg -i input.mp3 -ss 00:00:30 -to 00:01:00 -c copy clip.mp3

Astro Terminal 🎥 #معرفی