Kódování

Aktuální verze z 29. 4. 2012, 18:40

• co to je kódování (obecně)
• komprese dat
• samodetekující kód (příklady)
• přenosové kódování (MIME)
• kódové stránky (jednobytové a vícebytové)
• kodek

Kódování

• záznam informace pomocí pevně stanovené znakové tabulky nebo znakové sady (např. melodie je zapsaná v notách)
• kódování často znamená také převod již kódované informace do jiného kódu, jako je například transliterace textu do jiné abecedy nebo převod elektronické informace do jiného kódu či normy
• zvláštní význam má převod „otevřené“ informace do kódu, který je znám jen určitým osobám, čili šifrování (kryptografie)
• převod kódované informace do obecně přístupného tvaru je dekódování nebo dešifrování.

Komprese dat

• speciální postup, při ukládání nebo transportu dat
• úkolem komprese dat je zmenšit datový tok
• vhodné např. pro archivaci nebo pro přenos dat přes síť s omezenou rychlostí (snížení doby nutné pro přenos)
• komprese může být také nutná při omezené datové propustnosti (mobilní telefony komprimují hovor pro přenos přes GSM síť)

Lze rozdělit do 2 základních kategorií:

• komprese ztrátová
  • některé informace jsou nenávratně ztraceny a nelze je zpět rekonstruovat
  • používá se tam, kde je možné ztrátu některých informací tolerovat a kde nevýhoda určitého zkreslení je bohatě vyvážena velmi výrazným zmenšením souboru
  • používá se pro kompresi zvuku a obrazu, kde si člověk do určité míry chybějících údajů nevšimne nebo si je dokáže domyslet (je využíváno nedokonalostí lidského zraku a sluchu)
  • např. JPEG, MPEG, MP3, ...

• komprese bezeztrátová
  • obvykle není tak účinná jako ztrátová komprese
  • komprimovaný soubor lze opačným způsobem rekonstruovat do původní podoby (ale ztráta jediného znaku může znamenat nenávratné poškození souboru)
  • např. FLAC, GIF, PNG, soubory ZIP, RAR, apod.

• Kompresní poměr je podíl velikosti původních dat ku velikosti dat komprimovaných
  • Při kompresi 10MB souboru do 2MB souboru je kompresní poměr 5 : 1 (pětkrát zmenšeno), úspora je tedy 80%
  • Kompresní poměr je ovlivněn volbou kompresního algoritmu i typem komprimovaných dat
  • Například nekomprimované skladby na audio CD mají datový tok přibližně 1,35Mb/s, zatímco komprimované zvukové soubory (MP3, AAC) mají datový tok 128Kb/s

Samodetekující kódy

• slouží k jednoduchému ověření správnosti zadaných dat
• princip je založen na tom, že zadaná data jsou (buď rovnou, nebo po určité matematické operaci) dělitelná daným číslem, nejčastěji bývá voleno 11 (tzv. jedenáctkový samodetekující kód)
• daný dělitel by měl splňovat několik kritérií:
  • dvoucifernost (aby se dala vždy odhalit chyba zadaná v jedné cifře)
  • prvočíselnost
• čím vyšší dělitel se zvolí, tím větší bude pravděpodobnost odhalení chyby (ale o to delší kód)
• příklady
  • EAN-13 (čárový kód)
  • rodná čísla vytvořená od roku 1986 (jsou dělitelná jedenácti - poslední čtyři číslice jsou voleny tak, aby každé rodné číslo tuto vlastnost splňovalo)
  • ISBN (jedinečná identifikace knižního titulu), ISSN (jedinečná identifikace periodických publikací - noviny, časopisy, včetně těch vycházejících online)
  • čísla bankovních účtů a kreditních karet
• nedostatky
  • je možné ověřit správnost zadání, při chybě ale není možné zjistit původní informaci
  • tento nedostatek bývá odstraněn pomocí redundance informace u samoopravných kódů

Redundance znamená informační nebo funkční nadbytek, například větší množství informace, prvků nebo zařízení než je nezbytné. Zejména zápisy čísel, kódů a programů mají velmi nízkou redundanci, která se často plánovitě zvyšuje například paritou, kontrolní číslicí nebo kontrolním součtem, které umožňují aspoň odhalení části chyb. Ještě daleko složitější a nákladnější redundance se užívají v podobě tzv. „samoopravného kódování“ (samodetekující kódy), které dovoluje automatickou opravu jedné nebo i více chyb.

Přenosné kódování (MIME)

• internetový standard, jedná se o rozšíření internetové pošty
• umožňuje:
  • zasílat zprávy s diakritikou (podpora textu psaného ve znakových sadách jiných než US-ASCII)
  • podpora příloh (obrázky, zvuky, atp.)
  • vícedílné zprávy
  • využít funkci digitálního podpisu
  • informace v hlavičce v jiné znakové sadě než ASCII
• v současné době používán i dalšími protokoly (např. HTTP)

Kódové stránky (jednobytové a vícebytové)

Kódová stránka (znaková sada nebo také kódování) je kód, který páruje sekvence znaků z dané množiny (abecedy) s jejich jinou reprezentací, jako je sekvence přirozených čísel, bajtů nebo elektrických pulzů, za účelem ukládání textu v počítači nebo přenosu textu telekomunikačními sítěmi. Kódová stránka např. říká, že bajt s číselnou hodnotou 65 má být považován za písmeno velké A.

Může se jednat např. o Morseovu abecedu, v prostředí počítačů o znakovou sadu ASCII. Kódování je také prostředkem pro kompresi (tj. zmenšení) anebo šifrování (tj. utajování) dat.

• ASCII - standard z roku 1963, kóduje 128 znaků americké abecedy (společně s číslicemi a dalšími symboly) jako 7bitová čísla
  • jedná se o základní kódování, z kterého vychází v euro-americkém prostoru ostatní standardy
  • drtivá většina osmibitových (jednobytových) znakových sad pouze rozšiřuje ASCII tím, že přidávají významy kódům 128-255, které se v ASCII nepoužívají

• 8-bitová kódování - jeden byte odpovídá jednomu konkrétnímu znaku (byte s hodnotou 65 = písmeno velké A)
  • 8-bitová kódování pro češtinu
    • Windows-1250 (někdy také označován jako CP-1250; na platformě Windows)
    • ISO 8859-2 (UNIXové systémy)
    • Kód Kamenických (kódování částečně kompatibilní s CP437 (zachovává semigrafické znaky))
  • 8-bitová kódování nejsou schopna pojmout znaky některých abeced, které obsahují víc jak 255 znaků (např. čínština, apod.)

• Vícebytová kódování - jednomu znaku odpovídá sekvence více bytů
  • takováto kódování (především standard Unicode) se používají, kvůli možnosti uložit a zobrazit písmena všech myslitelných abeced v rámci jedné znakové sady
  • díky vícebytovým kódováním lze např. v rámci jednoho textového souboru přirozeně kombinovat znaky anglické, české a japonské abecedy
  • to je hlavní rozdíl od 8-bitových kódování, u kterých je možné v rámci dokumentu použít jenom omezený počet znaků (max. 255)
  • Unicode - tabulka znaků všech existujících abeced, která v současnosti obsahuje několik stovek tisíc znak
    • každý znak má jednoznačný číselný kód a svůj název
    • definuje u každého znaku některé základní vlastnosti jako např. zda se jedná o písmeno, symbol atd., zda je písmeno velké či malé atp.
    • prvních 128 znaků (tj. sedmibitové kódy) obsahuje znakovou sadu ASCII
    • Unicode se kóduje různými způsoby - mezi základní metody patří:
      • UTF-32 (každý znak reprezentován přímo 32bitovým číslem)
      • UTF-16 (každý znak reprezentován jedním 16bitovým číslem, znaky, které není možné uložit jako 16bitové číslo, jsou reprezentovány párem 16bitových čísel)
      • UTF-8
  • UTF-8
    • každý znak má jinou délku (1-4 bajty)
    • prvních 128 znaků (U+0000 – U+007F (0-127)) je zapsáno pomocí 1 bajtu (odpovídají ASCII kódování)
    • jedná se o výchozí kódování pro XML dokumenty (v případě, že neurčíme jinou znakovou sadu)
    • Výhody
      • používá se hlavně pro přenos dat, neboť je prostorově úsporné (znaky běžných písem jsou kódovány krátkými posloupnostmi; nevýhodu mají uživatelé písem Dálného východu)
      • odolné proti chybám
      • zpětně kompatibilní s ASCII
    • Nevýhody
      • odlišné délky jednotlivých znaků

Kodek

• zkratka dvou slov KOder + DEKoder (respektive komprese, dekomprese)
• zařízení nebo počítačový program, který dokáže transformovat datový proud nebo signál
• software, který se používá ke kompresi a dekompresi digitálního mediálního souboru, například skladby nebo filmu. Program Windows Media Player a další programy používají kodeky k přehrávání a vytváření digitálních mediálních souborů
• počítačový program nebo hardwarové zařízení, které kóduje a dekóduje video do/z určitého formátu, zpravidla za účelem zmenšení objemu dat.; takový video proud se pak běžně ukládá do tzv. multimediálního kontejneru, který umožňuje kombinovat různé multimediální datové proudy (audio, video, titulky) do jednoho souboru

• kodeky se dají rozdělit několika způsoby; základním je dělení na bezeztrátové a ztrátové
  • bezeztrátové:
    • Huffyuv – využívá Huffmanova kódování, které je založeno na různé četnosti znaků
      • výhodou je rychlá komprese a dekomprese
  • ztrátové:
    • DivX
      • používá standardní kompresi MPEG-4 ASP, nikoli vlastní formát videa (je kompatibilní s ostatními MPEG-4 ASP kodeky)