Video i en datamaskin er representert ved hjelp av en kombinasjon av bilder og lyd , som begge er lagret og behandlet digitalt. Her er et sammenbrudd:

1. Bilder:

* rammer: Video er egentlig en sekvens av stillbilder som kalles rammer, vist i rask rekkefølge for å skape illusjonen av bevegelse.

* piksler: Hver ramme består av et rutenett med bittesmå firkanter kalt piksler (forkortelse for "bildeelementer").

* Farge: Hver piksel har informasjon om fargen, vanligvis ved hjelp av en fargemodell som RGB (rød, grønn, blå) eller YUV (luminans, krominans).

* Oppløsning: Antall piksler i en ramme bestemmer oppløsningen, med høyere oppløsning som betyr mer detaljert.

* komprimering: For å redusere filstørrelsen komprimeres ofte videodata ved bruk av algoritmer som H.264, MPEG-4 eller VP9. Disse algoritmene fjerner overflødig informasjon, noe som gjør videoen mindre uten å ofre kvaliteten betydelig.

2. Lyd:

* lydprøvetaking: Lyden assosiert med en video er også digitalisert ved å prøve den med jevne mellomrom. Dette betyr å konvertere den kontinuerlige lydbølgen til en serie diskrete verdier som representerer amplituden (volumet) på forskjellige tidspunkter.

* Prøvehastighet: Antall prøver tatt per sekund bestemmer lydkvaliteten, med høyere prøvehastigheter som fanger opp mer detaljer.

* lydkomprimering: I likhet med video, kan lyddata også komprimeres ved bruk av algoritmer som MP3, AAC eller OPUS, for å redusere filstørrelsen.

Generell representasjon:

* Datastrukturer: En videofil lagrer typisk bilde- og lyddata i spesifikke formater (som AVI, MOV, MP4, etc.). Disse formatene inneholder metadata om videoen, for eksempel bildefrekvens, oppløsning og lydkodingsinformasjon.

* avspilling: Når du spiller en video, leser datamaskinen dataene, dekomprimerer den og sender dem til displayet og lydutgangsenhetene for å gjenskape bildet og lyden.

Eksempel:

Se for deg en 10-sekunders video med 30 rammer per sekund (FPS) og en oppløsning på 1920x1080 piksler (1080p). Denne videoen vil inneholde 300 rammer (10 sekunder * 30 bilder/sekund) og hver ramme vil inneholde 2.073.600 piksler (1920 * 1080). Fargeinformasjonen for hver piksel, sammen med lydprøvene, vil bli lagret og behandlet i et spesifikt dataformat, og skape en fullstendig representasjon av videoen.

Den nøyaktige måten videodata blir lagret og behandlet på kan variere avhengig av videoformat og programvaren som brukes til avspilling. Kjerneprinsippene for å representere bilder og lyd som digitale data forblir imidlertid konsistente.