Theory
आपका चेहरा, गणित की भाषा में
shop पर एक online class demo के दौरान Chirag laptop screen के ऊपर लगी उस छोटी सी आंख की तरफ इशारा करके कहते हैं: "अभी इसी वक्त यह चीज़ आपके चेहरे को numbers में बदल रही है, हर second में 30 बार, और उन्हें Ahmedabad भेज रही है।"
सुनने में यह मज़ाक लगता है। पर असल में यह एकदम सही technical description है।
light numbers में कैसे बदलती है, और हम per second कितने numbers की बात कर रहे हैं, यही आज का topic है। और मज़े की बात यह है कि यह एक ही झटके में binary, pixels और bandwidth तीनों को आपस में जोड़ देता है।
Theory
छोटे छोटे light meters से भरा एक stadium
एक cricket stadium की कल्पना कीजिए जहां हर seat पर एक इंसान बैठा है, हाथ में light meter लिए, और सब एक ही scene की तरफ देख रहे हैं। जैसे ही whistle बजती है, हर इंसान अपने meter की reading लिख लेता है। अब उन लाखों readings को seat order में इकट्ठा कर लीजिए, तो आप पूरा scene दोबारा बना सकते हैं। camera sensor बस यही stadium है, इतना छोटा कि नाखून पर आ जाए: हर seat एक pixel है, और हर whistle एक frame है।
Theory
Webcam, formally कहें तो
एक web camera एक input device है जो live image और video capture करती है:
- lens light को image sensor पर focus करता है;
- sensor असल में millions light-sensitive cells का एक grid है, जिन्हें हम pixels (picture elements) कहते हैं;
- हर pixel अपने ऊपर पड़ने वाली light को numbers के रूप में measure करता है (brightness, और filters के ज़रिए colour भी);
- megapixels = grid में कितने millions cells हैं (एक 2 MP webcam एक 1920×1080 grid capture करती है);
- और यह सब काम 30 times per second (30 fps) करने से still frames video बन जाते हैं।
Quiz
camera sensor का एक single pixel असल में क्या record करता है?
- light की brightness और colour को number values के रूप में
- पूरे scene की एक छोटी सी photograph
- सामने रखी object का नाम
- sound और light दोनों को मिलाकर
Show the answer
light की brightness और colour को number values के रूप में
एक pixel सिर्फ अपनी ही छोटी सी cell पर पड़ने वाली light देखता है और उसे numbers के रूप में बता देता है, इससे ज़्यादा कुछ नहीं। पूरी picture तभी बनती है जब ऐसी millions readings grid में एक दूसरे के बगल में बैठ जाती हैं। कोई भी pixel यह नहीं जानता कि वह "क्या" देख रहा है; पहचानना (recognition) तो software का काम है, वो भी pipeline में बहुत बाद में।
Think first
इस बाढ़ को गिनिए
एक 1080p frame यानी 1920 × 1080 pixels, हर एक को करीब 3 bytes का colour data चाहिए, और यह 30 frames per second चलता है। अंदाज़ा लगाइए कि आपकी online class का एक second कितना raw data पैदा करता है। फिर सोचिए कि फिर भी आपका video आपके data pack में कैसे समा जाता है।
Show the answer
1920 × 1080 ≈ 20 लाख pixels × 3 bytes ≈ 6 MB per frame, × 30 fps ≈ 180 MB per second raw। आपका data pack टिका रहता है सिर्फ compression की वजह से: software दोहराव फेंक देता है (जैसे frames के बीच जो background नहीं बदलता) और वो detail भी जो आंखों को मुश्किल से दिखती है, और इस तरह stream को 100 गुना से भी ज़्यादा छोटा कर देता है। compression है इसीलिए video calls मुमकिन हैं, वरना नहीं।
Watch out
यहां marks कटते हैं
webcam को output device कह देना: यह तो capture करती है (input); जो screen आपको दिखा रही है वो output वाला हिस्सा है। "more megapixels = better camera" को नियम की तरह लिख देना: grid size तो सिर्फ एक factor है; असल में lens quality और sensor size तय करते हैं कि हर pixel की reading कितनी साफ आएगी, इसीलिए एक अच्छा 12 MP phone camera एक सस्ते 48 MP से बेहतर निकलता है। और fps का ताल्लुक video की smoothness से है, sharpness से नहीं।
Theory
पूरा circle
पूरा सफर देखिए: light → pixel numbers → binary (आपके Unit 2 के lessons) → compressed stream → internet (Unit 4 आगे आएगा) → किसी की screen इन numbers को दोबारा light में बदल देती है। input और output devices असल में एक दूसरे के आईने हैं, बस translation उलटी दिशा में। अगला lesson सीधे उसी आईने पर जाता है: monitors, जहां numbers फिर से picture बन जाते हैं।
Summary
Key takeaways
- webcam एक input device है: lens light को sensor grid पर focus करता है।
- हर pixel अपनी light को numbers में measure करता है; megapixels = grid size millions में।
- Video = frames per second, आमतौर पर 30 fps।
- Raw video बहुत बड़ा होता है (1080p पर ~180 MB/s); compression की वजह से ही यह travel कर पाता है।
- अकेले megapixels quality तय नहीं करते; lens और sensor size मायने रखते हैं।
- याद रखने का तरीका: छोटे light meters से भरा एक stadium, जिसमें per second 30 बार whistle बजती है।