js中的儲存問題
2進位制儲存
2進位制
早期為打點儲存 打點為1 不打點為0
後來磁碟儲存 正磁極為1 負磁極為0(由電報機轉變而來)
早期磁碟儲存為5英寸軟盤512kb 後來為 3.5英寸軟盤 1.4MB
再後來是硬碟儲存、光碟、高壓縮光碟、高容量壓縮級硬碟(磁儲存)
固態硬碟(儲存晶片 用XPoint顆粒技術，用磁導性儲存)
數字、字母、字元儲存
ASCII碼 數字字母字元儲存為十進位制資料，然後轉換為二進位制 儲存到計算機中
中國建立的碼錶叫 GB-5 後來叫GB-2312 臺灣叫BIG-5
聯合國把各國的編碼表合併起來 叫萬國碼，unicode編碼，Unicode編碼為十進位制不利於二進位制儲存轉換，運算速度慢，於是改編為八進位制叫UTF-8 用八進位制來寫，更容易解析成二進位制，後來UTF-8 變為UTF-16，因為相容UTF-8相容老瀏覽器，所以UTF-8常用
顏色儲存
每個顏色為rgba() 四位組成
0xFF 00 00 00 紅色
R G B A 由8位16進位制組成
R顏色最大為255 G最大255 B最大255 A最大255
FF 00 00 紅
00 FF 00 綠
00 00 FF 藍
FF FF 00 黃
FF 00 FF 紫
00 FF FF 靛
FF AA 00 橙 (紅色 和 綠色混色 綠色偏少，紅色和綠色一樣多為黃色，綠色向下降一些)
若變成亮橙色，所有顏色為FF是白色，00是黑色，所以將最後的值調高一些
FF AA 66 如果 最後兩位 還要增大，那麼中間兩位顏色也要高一些 FF EE 88
如果是暗橙色 所有顏色向下降
如果是草綠色 最前兩位顏色降低 中間最高 最後兩位控制綠色亮度
AA FF 99
最後兩位的十六進位制的透明度控制 要用 0-1.0 的取值來乘255
如果完全顯示出來
AA FF 99 FF
十六進位制是數值，可以轉為二進位制來運算，任何一個顏色儲存，儲存的是數字，儲存的是二進位制
圖片儲存
每個圖片由畫素點構成，每個畫素點由一個顏色構成
每個顏色有個對應的值，每個值為十六進位制的值
圖片分為兩種情況，一種是點陣圖，一種是向量圖
點陣圖：放大後，會看到很多小格，每個小格都是純色，認為在一個圖片中色彩點越多，圖片越鮮豔，圖片越清晰，色彩點越少，圖片越模糊
實際上把圖片放大的結果，說明圖片到底有多少顆粒
圖片的所有顏色儲存在一個陣列當中，每一個陣列的數值儲存一個顏色值，第0位，第一位，第二位，第三位，儲存第一個畫素顏色，第四位，第五位，第六位，第七位儲存第二個畫素顏色，以此類推，將圖片整個儲存到陣列中
如果圖片為10*10畫素的圖片，當滑鼠點選到(4，3)畫素時候(從零開始)，該畫素顏色為(3*10*4+5*10*4)的位置的顏色，這種方法可以應用到取色板取色的時候，也可以應用到判斷使用者是否點選該圖片，邏輯為判斷使用者點選該畫素位置的周圍畫素，是否和原圖片中該畫素周圍的畫素相同
圖片壓縮
FF 00 00 00中 FF佔一個位元組，該顏色總共佔4個位元組，可以應用到計算圖片大小的時候
如果計算一個180*180的圖片大小，計算方法應該是 180*180*4 = 129500 大小為129K,但是圖片實際大小為38.1K 也就是說圖片被壓縮，壓縮方式為臨近色彩被取消代替，這個色彩不給設了，會取上一個色彩值，做偏移完成色彩壓縮，所以圖片大小變小
如果不計算透明度的話，180*180*3=97200 97K 明顯小很多，有透明通道和沒透明通道要小很多
圖片展開問題
因為圖片設計製作的時候要考慮到以顏色儲存陣列，展開時候也一定以顏色方式展開陣列，當展開陣列時會有嚴重問題，要求以二進位制方式展開，而二進位制方式展開時，要求尺寸大小必須按照二進位制模式，也就是二的N次冪方式展開，256，512，1024，如果圖片設計為1024 * 513，雖然比1024* * 512多了1畫素，但是實際上它以1024 * 1024展開，因為大了一位 在原有512無法展開，這時候會擴充2的N次冪，這時候就變成了1024 * 1024 ，此時 1024 * 1024 *4 圖片展開大小會翻很大一倍，當然這並不是儲存大小，而這是記憶體中的展開大小，圖片雖然讀取時候不大，但是進入記憶體後直接變成兩兆，因為以2的N次冪展開 所以記憶體裡會變很大
此時解決辦法有兩種，
1. 想辦法將1畫素去除
2. 在原有的基礎上加入別的圖片，這也就是精靈圖的由來
聲音儲存
聲音也可以儲存，任何聲音由波形圖組成，波形就有上下的數字，所以波形可以轉換為二進位制，因為波形力度大，所以波形轉換數字，由若干的波形組成，早期的波形只有四個，只有四個單一音階組成，音量較小，因為當時電腦儲存只能儲存小資料，雖然由高解析，但是不能大量資料解析
後來聲音的聲律擴充套件，儲存量變大，擴充套件開也變大，聲音複雜度變高，出現高保真聲音，各種音波組成的資料，合併一起形成的二進位制資料流，這就是聲音二進位制資料流處理方式
視訊儲存
當把聲音的二進位制流和圖片的二進位制流合併起來就叫做視訊流
視訊是一秒鐘有若干張圖片，60FPS指的是60幀頻，指的是1秒鐘經過60張圖片
視訊播放的知識擴充套件
若思考一秒鐘儲存60張圖片，然後再加上聲音的資料，所形成的就叫做視訊，所以原始視訊展開量非常大，之前180*180的圖片，原大小為129K，129K*60是一秒鐘的大小，如果要播放一個半小時，需要 129 *60 * 90 為4G 這還沒帶聲音 還是180*180的圖片，可想而知 高保真 高清畫面是非常大的資料，CPU無法執行很大的資料，這時候我們就介入了一個硬體 叫做顯示卡，顯示卡的視訊記憶體可以解析很大的資料，視訊記憶體和顯示卡的執行速度就尤其重要(GPU)，而控制GPU運算，如果好的顯示卡完成高保真、高清晰、無壓縮的原版60幀頻視訊，顯示卡大概要造價20W左右
一般壓縮後的電影都為23幀頻、24幀頻
聲音識別、視訊搜尋
說話的聲音轉換為數字，搜尋數字即可
視訊搜尋，看視訊中的人在視訊當中什麼時候出現過，把人所在的區域的顏色提取出來，在每一張的圖片中對幀尋找對應的顏色值，是不是在同等區域中類似存在，灰度演算法當中執行找到資料，人就可以精確識別，可能會遇到兩種情況，一種叫精確識別，一種叫模糊識別，模糊識別還要再進行分類