阅读有关视频质量的文章时，我发现它取决于分辨率、每秒帧数和比特率，这决定了视频的大小。
我的问题是如何计算比特率以及它如何不同。
假设视频的分辨率为 360x240。每帧需要 86400 个像素。帧速率为 30 Hz。因此，视频每秒需要 86400 × 30 = 2592000 个像素。
因此假设 1 个像素是 3 字节（24 位）的数据：我们有每秒 2592000 × 24 位的视频（62208000 位），即 62208 kBits（这听起来不对，也许是我的计算有问题）。
但它有何不同以及它对质量有何影响？
答案1
您计算的是原始、未压缩视频的比特率。除了在研究或其他专业应用中，您通常不会找到这些。即使是广播公司也会使用压缩视频，尽管比特率比典型的 YouTube 视频高得多。
因此，视频质量与视频的压缩方式有很大关系。压缩得越多，每帧占用的比特数就越少。此外，压缩得越多，质量就越差。现在，有些视频比其他视频更容易压缩——本质上，这就是为什么即使它们的分辨率和帧速率相同，它们的比特率也较低。
为了理解为什么会这样，你需要了解视频压缩使用的两个主要原理。它们被称为“空间冗余”和“时间冗余”。
空间冗余
显示自然内容的图像存在空间冗余。这就是原因JPEG效果非常好——它可以压缩图像数据，因为像素块可以编码在一起。例如，这些像素块是 8 × 8 像素。这些被称为“宏块”。
现代视频编解码器也一样：它们基本上使用与 JPEG 类似的算法来逐块压缩帧。因此，您不再按像素存储比特，而是按宏块存储比特，因为您将像素“汇总”为更大的组。通过汇总，算法还会丢弃人眼不可见的信息——这是您可以降低大部分比特率的地方。它的工作原理是量化数据。这将保留更容易感知的频率，并“丢弃”我们看不到的频率。量化因子在大多数编解码器中表示为“QP”，它是质量的主要控制旋钮。
你现在可以继续预测宏块来自之前在同一幅图像中编码的宏块。这称为帧内预测。例如，灰色墙壁的一部分已编码在帧的左上角，因此我们可以在同一帧中再次使用该宏块，例如将其用于紧挨着的宏块。我们只需存储它与前一个宏块的差异并保存数据即可。这样，我们就不必对两个彼此非常相似的宏块进行编码。
为什么相同图像大小的比特率会发生变化？因为有些图像比其他图像更容易编码。空间活动性越高，实际需要编码的就越多。平滑纹理占用的比特数比细节纹理少。帧内预测也是如此：灰色墙壁的帧允许您使用一个宏块来预测所有其他宏块，而流动水的帧可能效果就没那么好了。
时间冗余
之所以存在这种情况，是因为一帧接一帧可能与前一帧非常相似。大多数情况下，只有一点点变化，完全编码是没有意义的。视频编码器所做的只是编码不同之处在两个连续帧之间，就像它们对宏块所做的一样。
以维基百科的文章为例运动补偿，假设这是你的原始框架：
那么与下一帧的区别就如下：
编码器现在只存储实际的差异，而不是逐像素值。这就是为什么每个帧使用的位每次都不相同。这些“差异”帧依赖于完全编码的帧，这就是为什么现代编解码器至少有两种类型的帧：
您偶尔需要在视频中插入 I 帧。实际比特率还取决于使用的 I 帧的数量。此外，两个后续帧之间的运动差异越大，编码器需要存储的内容就越多。“无”运动的视频比运动视频更容易编码，并且每帧使用的比特数更少。
答案2
我相信你的数学实际上是正确的，但还有更多内容；压缩是这里缺失的环节。
您计算了未压缩的比特率，并得出了压缩存在的原因。未压缩视频的比特率变得大得不可思议。因此，他们在源端压缩视频，在接收端解压缩，然后比特率就变得可控了。您只需要一个足够快的解压缩器，可以是硬件也可以是软件。
因此，问题变成了可以容忍多少压缩 - 通常情况下，压缩不是无损的，所以会丢失信息，但他们会尝试使其足够智能，以丢失不太明显、不太重要的数据。通常情况下，压缩相当容易，直到出现大量运动，然后就会变得更加复杂。
编辑：忘记添加，但实现压缩方法的部分是编解码器；我注意到您在帖子中使用了它作为标签。