有很多场合会使用的音视频，比如安防、视频闸机、影音播放器、视频通话，短视频等等。

从摄像头采集到用户观看，这中间涉及到了很多技术。

用户一般观看的高清视频1080P30帧。若按24位RGB对视频进行存储，一个60分钟视频所占空间

size=60*60*1920*1080*30*3=625G

也就是说，一个60分钟的视频需要625G的硬盘容量，这么大的数据量，是现在的计算机系统所无法允许的。

因而对于摄像头采集的RGB或者YUV数据而言，我们需要将其占有的空间变小，这一步压缩视频的操作要作编码，市面上将原始视频编码成H264或H265，而将H264或H265还原成RGB或YUV的操作，要作解码。

音频的原始数据是PCM格式，将其编码可得G711和AAC格式的音频数据，同样也存在解码的操作。

我们看见一个电影，一般是MP4等格式，并且MP4视频是有音频，视频，字幕的。原因就是将音频，视频等数据进行了Mp4封装。

视频封装，其实就是把所有相关信息（视频、音频、字幕、媒体信息等）打包为一个文件。比如，将H.264编码的视频和MP3编码的音频按照MP4的封装标准封装起来，这样我们看到的就是MP4格式的视频文件了。

因而，摄像头设备端所完成事情就是将源音视频数据编码，封装成一个MP4或RMVB文件，而客户端需要完成的是将Mp4视频解封装, 解码成视频RGB，PCM显示与播放。

另外现在的抖音，网站，或者电影，我们会发现大多数情况下，采集端与播放端并不是一个设备，播放端获取获取采集端视频的方法，最普遍的就是网络传输。

现在我们清楚了音视频领域所要完成的工作，后面我们对每一种工作所用的最常用的技术进行举例：

 

1.编码：

视频编码方式：YUV->H264

音频编码：PCM->G711A

2.写封装

H264,G711A->MP4

3.网络传输

按协议封包

解协议

4.解封装

MP4->H264，G711A

5.解码

H264->YUV

G711A->PCM