Codifiche Multimediali

Abbiamo visto che qualsiasi dato può essere trasformato in una sequenza di bit. Ma mentre testi e numeri sono informazioni naturalmente discrete (composte da singoli simboli separati), il mondo fisico in cui viviamo è fatto di fenomeni continui: suoni, luci, colori, temperature, movimenti.

Per permettere a un calcolatore di elaborare questi dati del mondo reale, dobbiamo comprendere la distinzione fondamentale tra grandezze analogiche e digitali e imparare come avviene il processo di digitalizzazione.

---

1. Dal mondo reale al computer: Analogico, Digitale e Digitalizzazione

Grandezze Analogiche vs Grandezze Digitali

Caratteristica	Grandezza Analogica (Analog)	Grandezza Digitale (Digital)
Natura dei valori	Continua (Continuous): può assumere infiniti valori intermedi all’interno di un intervallo.	Discreta (Discrete): può assumere solo un insieme finito di valori numerici ben definiti (cifre/bit).
Natura temporale	Varia in modo continuo e fluido nel tempo.	Misurata a istanti di tempo separati e specifici.
Esempi fisici	La temperatura dell’aria, l’onda di pressione dell’aria creata da una voce, la lancetta dei secondi di un orologio analogico, un disco in vinile.	Un termometro digitale (es. $21{,}4^\circ\text{C}$), un orologio digitale (14:35), un file audio MP3, un testo al computer.

Perché il digitale ha solo un numero finito di valori?

La differenza fondamentale sta nel modo in cui l’informazione viene memorizzata:

1. Nel mondo reale (analogico): tra due valori qualsiasi (ad esempio tra $20^\circ\text{C}$ e $21^\circ\text{C}$) esistono infiniti valori intermedi ($20{,}1^\circ$, $20{,}15^\circ$, $20{,}1578923\dots^\circ$). La natura non “arrotonda”.
2. Nel computer (digitale): la memoria è composta da un numero finito di bit. Se per memorizzare un dato assegniamo $N$ bit (ad esempio $8$ o $16$ bit), possiamo generare soltanto $2^N$ combinazioni binarie distinte. Non possiamo memorizzare infinite cifre decimali perché richiederebbero una quantità infinita di bit e di memoria!

L’analogia visiva: La Rampa vs La Scala a Gradini

Per visualizzare la differenza pensa a una salita:

• Analogico = Una rampa liscia: puoi fermarti a qualsiasi altezza, in modo continuo e senza interruzioni. Ci sono infiniti punti possibili su cui poggiare il piede.
• Digitale = Una scala con gradini: puoi trovarti solo sul gradino 1, gradino 2, gradino 3… Non puoi appoggiare il piede “a mezz’aria” tra due gradini. Se ti trovi a un’altezza intermedia, devi per forza posizionarti sul gradino più vicino (arrotondamento/quantizzazione).

       MONDO ANALOGICO (Rampa)                   MONDO DIGITALE (Scala)

                /                                          ┌─── Livello 3 (11)
               /                                       ┌───┘
              /                                    ┌───┘        Livello 2 (10)
             /                                 ┌───┘
            /                              ┌───┘                Livello 1 (01)
           /                           ┌───┘
          /                        ┌───┘                        Livello 0 (00)
         /                     ────┘
    Infiniti punti possibili                  Solo 4 livelli ben distinti (2 bit)

Se aumentiamo il numero di bit (es. passando da 8 bit a 16 o 24 bit), i gradini diventano tantissimi e microscopici (con 24 bit abbiamo oltre 16 milioni di gradini!), così vicini da sembrare a occhio nudo una rampa continua. Ma dal punto di vista matematico e fisico rimarranno sempre gradini singoli, separati e in numero finito.

Da dove viene la parola “Digitale”?

La parola italiana digitale deriva dall’inglese digit (che significa “cifra”, a sua volta dal latino digitus, “dito”, con cui si contava). Un sistema digitale è semplicemente un sistema che elabora e memorizza l’informazione sotto forma di cifre numeriche (e nei computer, cifre binarie: $0$ e $1$).

---

Il processo di digitalizzazione: 3 passi fondamentali

La digitalizzazione (digitization o analog-to-digital conversion) è il procedimento con cui una grandezza fisica continua viene trasformata in una sequenza di numeri binari. Si articola in tre fasi sequenziali:

 Segnale Fisico Continuo
 (es. suono nel microfono)
           │
           ▼
 ┌───────────────────────────────────┐
 │ 1. CAMPIONAMENTO (Sampling)       │  ←── Si misura il segnale a intervalli regolari
 └─────────────────┬─────────────────┘
                   │
                   ▼
 ┌───────────────────────────────────┐
 │ 2. QUANTIZZAZIONE (Quantization)  │  ←── Si arrotonda ogni misura al livello più vicino
 └─────────────────┬─────────────────┘
                   │
                   ▼
 ┌───────────────────────────────────┐
 │ 3. CODIFICA (Encoding)            │  ←── Si trasforma ogni livello in numeri binari (bit)
 └─────────────────┬─────────────────┘
                   │
                   ▼
  01101001 11000101 00101110 ...

1. Campionamento (Sampling)

Consiste nel misurare il valore del segnale analogico a intervalli regolari di tempo.

• Il segnale passa dall’essere continuo nel tempo a essere una serie di campioni discreti (samples).
• Frequenza di campionamento (Sample Rate o Sampling Frequency, $f_s$): indica quanti campioni vengono prelevati ogni secondo e si misura in Hertz (Hz) ($1\text{ Hz} = 1\text{ campione al secondo}$).

2. Quantizzazione (Quantization)

Il valore di ampiezza misurato in ciascun campione (che in natura è un numero reale con infinite cifre decimali) deve essere approssimato a uno dei livelli discreti prestabiliti consentiti dal sistema.

• Profondità di bit (Bit Depth o Sample Resolution): il numero di bit dedicati a memorizzare ciascun campione. Se usiamo $N$ bit, abbiamo a disposizione $2^N$ livelli di ampiezza diversi.
• Errore di quantizzazione (Quantization Error / Noise): la piccola differenza tra il valore reale dell’onda e il livello discreto a cui è stato approssimato. Più bit usiamo per campione, più livelli abbiamo a disposizione e minore sarà questa distorsione.

3. Codifica (Encoding)

A ogni livello quantizzato viene assegnato il corrispondente codice numerico espresso in notazione binaria (sequenza di $0$ e $1$), pronto per essere salvato in memoria o trasmesso su una rete.

---

Dispositivi di conversione: ADC e DAC

Per far dialogare la CPU con il mondo fisico circostante, i calcolatori utilizzano circuiti elettronici dedicati:

 ── INGRESSO: Dal mondo fisico al computer ──────────────────────────────────────────

  MONDO REALE (Analogico)                      COMPUTER (Digitale)
 ┌───────────────────────────┐                ┌───────────────────────────────────┐
 │ Onde sonore, luce, calore │                │                                   │
 └─────────────┬─────────────┘                │                                   │
               │                              │                                   │
    [Sensore / Trasduttore]                   │                                   │
    (es. microfono, camera)                   │                                   │
               │                              │                                   │
               ▼                              │                                   │
     Segnale Elettrico                        │                                   │
     (continuo nel tempo)                     │                                   │
               │                              │                                   │
               ▼                              │                                   │
 ┌───────────────────────────┐  Numeri binari │      MEMORIA / DISCO / CPU        │
 │   ADC (Analog-to-Digital) │ ─────────────► │                                   │
 └───────────────────────────┘  (Bit: 0 e 1)  │  I dati vengono memorizzati,      │
                                              │  salvati in file (MP3, WAV, JPG)  │
                                              │  o elaborati dal processore       │
 ── USCITA: Dal computer al mondo fisico ─────│                                   │
                                              │                                   │
 ┌───────────────────────────┐  Numeri binari │                                   │
 │   DAC (Digital-to-Analog) │ ◄───────────── │                                   │
 └─────────────┬─────────────┘  (Bit: 0 e 1)  └───────────────────────────────────┘
               │
               ▼
     Segnale Elettrico
     (ricostruito continuo)
               │
               ▼
    [Attuatore / Dispositivo]
    (es. altoparlante, cuffie)
               │
               ▼
 ┌───────────────────────────┐
 │   Onda Sonora Udibile     │
 └───────────────────────────┘
  MONDO REALE (Analogico)

• Convertitore Analogico-Digitale (ADC — Analog-to-Digital Converter):
  Riceve in ingresso una grandezza fisica (trasformata in tensione elettrica da un sensore / trasduttore come un microfono, un sensore fotografico CMOS o un termometro) e produce in uscita la sequenza corrispondente di numeri binari.
• Convertitore Digitale-Analogico (DAC — Digital-to-Analog Converter):
  Esegue l’operazione inversa: riceve dal computer una sequenza di numeri binari e li riconverte in un segnale elettrico continuo variabile nel tempo. Questo segnale pilota un attuatore (come un altoparlante, una cuffia o un display) per ricreare la sensazione fisica originale per i nostri sensi.

Esempio quotidiano: la Scheda Audio

La scheda audio (sound card) del tuo computer o del tuo smartphone contiene entrambi i dispositivi:

• Quando parli al microfono per registrare un messaggio vocale, l’ADC digitalizza la tua voce.
• Quando ascolti musica con le cuffie, il DAC trasforma i file MP3 o streaming nei segnali elettrici che fanno vibrare le membrane delle cuffie.

---

Regole per non perdere informazione: Nyquist-Shannon e Aliasing

Una domanda cruciale sorge spontanea: quanti campioni al secondo dobbiamo prelevare per essere sicuri di non perdere informazioni e poter ricostruire fedelmente il segnale originale?

Il Teorema del Campionamento di Nyquist-Shannon

Formulato dai matematici e ingegneri Harry Nyquist e Claude Shannon, il teorema stabilisce una regola fondamentale:

Per poter ricostruire perfettamente e senza alcuna ambiguità un segnale analogico continuo a partire dai suoi campioni, la frequenza di campionamento ($f_s$) deve essere almeno il doppio della frequenza massima ($f_{\text{max}}$) contenuta nel segnale originario:

$f_s \ge 2 \cdot f_{\text{max}}$

La frequenza minima teorica richiesta, pari a $2 \cdot f_{\text{max}}$, è denominata Frequenza di Nyquist (Nyquist Rate).

Perché i CD Audio usano proprio 44.100 Hz (44,1 kHz)?

L’orecchio umano di un ragazzo sano può udire frequenze sonore comprese tra circa $20\text{ Hz}$ (suoni molto gravi/bassi) e circa $20.000\text{ Hz} = 20\text{ kHz}$ (suoni molto acuti/alti).

Applicando la regola di Nyquist-Shannon: $f_s \ge 2 \times 20.000\text{ Hz} = 40.000\text{ Hz}$

In fase di progettazione del formato CD Audio (all’inizio degli anni ‘80) si è scelto il valore standard di $44.100\text{ Hz}$ ($44{,}1\text{ kHz}$): una frequenza leggermente superiore a $40\text{ kHz}$ che consente di campionare l’intero spettro udibile lasciando un margine di sicurezza per i filtri elettronici reali.

Cosa succede se campioniamo troppo lentamente? L’Aliasing

Se campioniamo a una frequenza insufficiente ($f_s < 2 \cdot f_{\text{max}}$), si verifica il fenomeno del sottocampionamento (under-sampling), che genera una grave distorsione chiamata Aliasing (o distorsione da aliasing).

• Nell’audio, l’aliasing fa sì che frequenze acute al di sopra del limite vengano “mascherate” (in inglese alias) trasformandosi in frequenze basse e false non presenti nel suono originale, producendo un timbro sgradevole, metallico o stonato.
• Nei video e nelle immagini, un tipico esempio di aliasing è l’effetto carrozza (wagon-wheel effect): quando in un filmato a 24 o 30 fotogrammi al secondo le ruote di un’auto sembrano girare lentamente all’indietro o restare immobili, perché la velocità di rotazione della ruota supera la frequenza di campionamento visivo della telecamera.

---

Glossario dei Termini Tecnici (Italiano ↔ Inglese)

Termine Italiano	Termine Inglese	Significato sintetico
Grandezza analogica	Analog quantity / signal	Grandezza continua nel tempo e nei valori.
Grandezza digitale	Digital quantity / signal	Grandezza discreta rappresentata tramite numeri/bit.
Digitalizzazione	Digitization / A/D conversion	Processo di conversione da analogico a digitale.
Trasduttore / Sensore	Transducer / Sensor	Dispositivo che trasforma un fenomeno fisico in segnale elettrico.
Campionamento	Sampling	Misurazione del segnale a intervalli discreti di tempo.
Frequenza di campionamento	Sample rate / Sampling frequency	Numero di campioni prelevati al secondo (Hz).
Quantizzazione	Quantization	Arrotondamento dell’ampiezza al livello discreto più vicino.
Profondità di bit / Risoluzione	Bit depth / Sample resolution	Numero di bit usati per rappresentare ciascun campione.
Convertitore A/D (ADC)	Analog-to-Digital Converter (ADC)	Circuito che trasforma segnali elettrici analogici in numeri binari.
Convertitore D/A (DAC)	Digital-to-Analog Converter (DAC)	Circuito che trasforma numeri binari in segnali elettrici analogici.
Aliasing	Aliasing	Distorsione generata dal campionamento al di sotto del limite di Nyquist.
Frequenza di Nyquist	Nyquist rate	La soglia minima di campionamento ($2 \cdot f_{\text{max}}$).

---

2. Le unità di misura dell’informazione

Prima di affrontare i calcoli sulle dimensioni dei file, dobbiamo padroneggiare bene le unità di misura dell’informazione digitale, perché negli esercizi troverai sia MB che MiB, sia GB che GiB — e non sono la stessa cosa!

L’unità base: il Byte

L’unità fondamentale è il bit (0 o 1). Nella pratica, la memoria e i file si misurano in byte (B), dove:

$1 \, \text{B} = 8 \, \text{bit}$

Tutto il resto sono multipli del byte.

Il problema: due sistemi di multipli

Il byte ha due famiglie di multipli che convivono (e spesso causano confusione):

Sistema decimale (SI) — prefissi delle scienze fisiche

Usano le potenze di 10, esattamente come nel sistema metrico (km, kg…). Sono usati soprattutto dai produttori di hardware (dischi fissi, chiavette USB) e nelle misure di velocità delle reti.

Prefisso	Simbolo	Valore	Esempio
kilo	kB	$10^3$ B = 1.000 B	un file di testo semplice
Mega	MB	$10^6$ B = 1.000.000 B	una foto JPEG compressa
Giga	GB	$10^9$ B = 1.000.000.000 B	un film compresso
Tera	TB	$10^{12}$ B	un disco fisso moderno

Sistema binario (IEC) — prefissi informatici

Usano le potenze di 2, che si adattano meglio all’architettura binaria dei computer. Sono usati dai sistemi operativi (Windows, macOS, Linux) quando mostrano le dimensioni di file e cartelle.

Prefisso	Simbolo	Valore	Equivalente approssimativo
kibi	KiB	$2^{10}$ B = 1.024 B	≈ 1 kB (+2,4%)
Mebi	MiB	$2^{20}$ B = 1.048.576 B	≈ 1,049 MB (+4,9%)
Gibi	GiB	$2^{30}$ B = 1.073.741.824 B	≈ 1,074 GB (+7,4%)
Tebi	TiB	$2^{40}$ B = 1.099.511.627.776 B	≈ 1,1 TB (+10%)

Nota storica

Prima dello standard IEC (1998), il prefisso “kilo” veniva usato per indicare 1024 anziché 1000. Ancora oggi molte persone scrivono “KB” o “MB” intendendo in realtà KiB e MiB. Negli esercizi di questo capitolo il simbolo usato (MB oppure MiB) è sempre esplicito e significativo.

Confronto fianco a fianco

Per avere un’idea immediata delle differenze:

Unità	Valore esatto	Differenza rispetto all’unità SI
1 kB	1.000 B	—
1 KiB	1.024 B	+2,4%
1 MB	1.000.000 B	—
1 MiB	1.048.576 B	+4,9%
1 GB	1.000.000.000 B	—
1 GiB	1.073.741.824 B	+7,4%
1 TB	1.000.000.000.000 B	—
1 TiB	1.099.511.627.776 B	+10,0%

Il paradosso del disco fisso

Esempio pratico — “Mi hanno fregato 70 GB?”

Compri un disco fisso da 1 TB. Il produttore usa TB decimali:

$1 \, \text{TB} = 10^{12} \, \text{B} = 1.000.000.000.000 \, \text{B}$

Quando colleghi il disco al computer, il sistema operativo (che usa GiB) mostra:

$\frac{10^{12} \, \text{B}}{2^{30} \, \text{B/GiB}} = \frac{1.000.000.000.000}{1.073.741.824} \approx 931 \, \text{GiB}$

Il disco mostra 931 GiB invece di 1000. Non manca spazio: è solo una differenza di unità di misura! Il produttore non mente, il sistema operativo non mente — usano semplicemente scale diverse.

Come convertire

Dati in forma di formule:

$\text{da MB a MiB:} \quad x \, \text{MB} = \frac{x \times 10^6}{2^{20}} \, \text{MiB} = \frac{x}{1{,}048576} \, \text{MiB}$

$\text{da MiB a MB:} \quad x \, \text{MiB} = \frac{x \times 2^{20}}{10^6} \, \text{MB} = x \times 1{,}048576 \, \text{MB}$

Regola pratica

Tra MB e MiB la differenza è circa il 5%: 1 MiB è circa il 5% più grande di 1 MB.
Tra GB e GiB la differenza è circa il 7%: 1 GiB è circa il 7% più grande di 1 GB.

Nei calcoli di stima puoi usare questa regola: se il testo dice MiB, il valore in byte è leggermente più grande dello stesso numero in MB.

---

3. Immagini digitali

Pixel e risoluzione

Un’immagine digitale è una griglia di pixel (picture element). Ogni pixel è il più piccolo punto colorato di un’immagine. La risoluzione di un’immagine si esprime come:

$\text{larghezza} \times \text{altezza} \quad \text{(in pixel)}$

Per esempio, un’immagine “Full HD” ha risoluzione $1920 \times 1080$ pixel, ovvero circa 2 milioni di pixel.

Profondità di colore (bit per pixel)

Per memorizzare un pixel, dobbiamo codificare il suo colore. Quanti colori diversi vogliamo distinguere?

Profondità	Bit per pixel	Colori possibili	Uso tipico
1 bpp	1 bit	$2^1 = 2$	Immagini in bianco e nero puro
8 bpp	8 bit	$2^8 = 256$	Scala di grigi o tavolozza limitata
24 bpp	24 bit	$2^{24} \approx 16{,}7$ milioni	True Color (RGB 8 bit/canale): standard web e fotografico
30 bpp	30 bit	$2^{30} \approx 1{,}07$ miliardi	Deep Color / HDR (RGB 10 bit/canale): video 4K moderni, cinema
32 bpp	32 bit	come 24 + canale alpha	Grafica con trasparenza (formato PNG / RGBA)

• RGB Standard (True Color — 24 bit / 8 bit per canale):
  Il colore di ogni pixel è composto da tre canali: Rosso (8 bit, 0–255), Verde (8 bit, 0–255) e Blu (8 bit, 0–255).
  Ogni pixel occupa $8 + 8 + 8 = 24\text{ bit} = \mathbf{3\text{ byte}}$ per un totale di $256 \times 256 \times 256 \approx 16{,}7\text{ milioni di colori}$.

• RGB HDR / Deep Color (30 bit / 10 bit per canale):
  Nei moderni contenuti HDR (High Dynamic Range) e nei televisori/smartphone di ultima generazione, ogni canale colore usa 10 bit ($2^{10} = 1024$ livelli per canale: 0–1023).
  Ogni pixel occupa $10 + 10 + 10 = \mathbf{30\text{ bit}}$ (ovvero $3{,}75\text{ byte}$), permettendo di rappresentare oltre 1 miliardo di sfumature di colore ($1024 \times 1024 \times 1024 = 2^{30} = 1.073.741.824$), eliminando le striature nei gradienti di luce e cielo.

Calcolo della dimensione di un’immagine

La dimensione di un’immagine non compressa si calcola così:

$\text{dimensione} = \text{larghezza} \times \text{altezza} \times \text{bit per pixel}$

Esempio: immagine Full HD a 24 bpp

$1920 \times 1080 \times 24 \text{ bit} = 49.766.400 \text{ bit} = 6.220.800 \text{ byte} \approx 5.93 \text{ MB}$

Un singolo fotogramma di un film in alta definizione pesa quasi 6 MB se non viene compresso!

---

4. Audio digitale

Campionamento

Il suono è un’onda continua nel tempo. Per digitalizzarlo, si “fotografa” il livello dell’onda a intervalli regolari: questa operazione si chiama campionamento.

• Frequenza di campionamento (sample rate): quante misurazioni al secondo, in Hz (Hertz)
• Profondità di campionamento (bit depth): quanti bit si usano per ogni misura

Qualità	Frequenza	Bit depth	Canali
Telefono digitale	8.000 Hz	8 bit	1 (mono)
CD Audio (standard)	44.100 Hz	16 bit	2 (stereo)
Audio professionale	48.000 Hz	24 bit	2 (stereo)

Calcolo della dimensione di un file audio

$\text{dimensione} = \text{frequenza} \times \text{bit depth} \times \text{canali} \times \text{durata (secondi)}$

Esempio: 1 minuto di CD Audio

$44.100 \times 16 \times 2 \times 60 = 84.672.000 \text{ bit} = 10.584.000 \text{ byte} \approx 10.1 \text{ MB}$

Un CD può contenere circa 650 MB di dati, corrispondenti a circa 65 minuti di musica in qualità CD non compressa.

---

5. Video digitale

Un video è semplicemente una sequenza di immagini (frame) mostrate in rapida successione, accompagnata da una traccia audio.

• Frame rate (fps): numero di immagini al secondo (tipicamente 24, 25, 30 o 60 fps)
• Ogni frame è un’immagine completa con la sua risoluzione e profondità colore

Calcolo della dimensione di un file video

$\text{dimensione video} = \text{dimensione di un frame} \times \text{frame rate} \times \text{durata (secondi)}$

$\text{dimensione totale} = \text{dimensione video} + \text{dimensione audio}$

Esempio: 10 secondi di video Full HD a 24 fps e 24 bpp

Dimensione video: $1920 \times 1080 \times 24 \text{ bit} \times 24 \text{ fps} \times 10 \text{ s} = 1.194.393.600 \text{ bit} \approx 143 \text{ MB}$

Solo 10 secondi di video non compresso pesano più di 140 MB! Ecco perché la compressione (H.264, H.265, AV1…) è indispensabile: riduce le dimensioni di 100–1000 volte.

---

6. La Compressione Multimediale e i Formati più Diffusi

Come abbiamo visto nei calcoli precedenti, i file multimediali non compressi (raw) hanno dimensioni gigantesche:

• Una sola fotografia da $12\text{ Megapixel}$ a 24 bit occuperebbe circa $36\text{ MB}$.
• Una sola canzone di 4 minuti in qualità CD non compressa occupa circa $42\text{ MB}$.
• Un film di due ore in 4K a 60 fps e 10 bit occuperebbe oltre $10\text{ Terabyte}$!

Sarebbe impensabile inviare immagini su WhatsApp, ascoltare musica in streaming su Spotify o guardare un film su Netflix senza la compressione dei dati (data compression).

---

Compressione Lossless vs Lossy

Tutti gli algoritmi di compressione appartengono a due grandi famiglie:

Caratteristica	Compressione Lossless (Senza Perdita)	Compressione Lossy (Con Perdita)
Come funziona?	Elimina le ridondanze matematiche e statistiche. I dati decompressi sono esattamente identici al 100% a quelli originali (come un archivio .zip).	Elimina le informazioni che l’occhio o l’orecchio umano non riescono a percepire facilmente (modelli psicoacustici e psicovisivi).
Fattore di riduzione	Modesto: riduce la dimensione di circa $1{,}5 \times - 3 \times$ (risparmio tipico del 30%–60%).	Elevatissimo: riduce la dimensione di $10 \times, 50 \times$ fino a oltre $100 \times$.
Recupero originale	Perfetto al bit singolo: reversibile.	Irreversibile: i dettagli scartati sono persi per sempre.
Ambiti di utilizzo	Documenti di testo, codice sorgente, grafica con bordi netti, archiviazione master audio, diagnostica medica.	Streaming online (YouTube, Spotify, Netflix), videogiochi, social media, fotografie da smartphone.

Il compromesso fondamentale: Dimensione vs Qualità (

Nella compressione lossy, il livello di compressione non è fisso: si può comprimere virtualmente quanto si vuole!

• Possiamo impostare un file JPEG con qualità al $90\%$ (file più grande, quasi indistinguibile dall’originale) oppure al $10\%$ (file minuscolo, ma pieno di evidenti artefatti e “quadrettoni”).
• Possiamo comprimere una traccia MP3 a $320\text{ kbps}$ (qualità elevatissima) oppure a $64\text{ kbps}$ (file leggerissimo, ma con suono inscatolato e metallico).

Il lavoro di chi gestisce file multimediali e piattaforme di streaming è proprio trovare il miglior compromesso possibile tra peso del file e qualità percepita in base all’esigenza:

• Alta qualità / peso maggiore: per guardare un film su una smart TV 4K da 65 pollici o per masterizzare musica.
• Massima compressione / peso minimo: per inviare un vocale o una foto rapidamente su WhatsApp con connessione dati lenta o instabile.

---

Codec vs Formato Contenitore (Container)

Spesso si fa confusione tra codec ed estensione del file:

• Codec (Coder-Decoder): è l’algoritmo matematico che comprime e decomprime il flusso audio o video (ad esempio: H.264, HEVC/H.265, AV1, AAC, MP3).
• Contenitore (Container): è la “scatola” (il file con la sua estensione, ad esempio .mp4, .mkv, .avi) che racchiude al suo interno contemporaneamente la traccia video, una o più tracce audio (es. italiano e inglese), i sottotitoli e i capitoli sincronizzati.

Metafora

Il contenitore è come una valigia (.mp4), mentre i codec sono il modo in cui sono stati piegati e compressi i vestiti al suo interno (la traccia video H.264 e la traccia audio AAC).

---

I Formati più Comuni Oggi

1. Immagini

• JPEG / JPG (Lossy): il formato fotografico più diffuso al mondo da oltre 30 anni. Ottimo per fotografie con sfumature e paesaggi, pessimo per loghi e testi (dove crea aloni sfocati).
• PNG (Lossless): supporta la trasparenza (canale alpha) e mantiene i bordi nitidi. Ideale per loghi, icone, grafici e screenshot.
• WebP / AVIF (Lossy o Lossless): formati moderni sviluppati per il web. A parità di qualità visiva pesano dal 30% al 50% in meno rispetto a JPEG e PNG.
• SVG (Grafica Vettoriale): non è fatto di pixel, ma di formule matematiche (linee, curve, poligoni). Può essere ingrandito all’infinito senza mai sgranare.

2. Audio

• WAV / AIFF (Non compresso - PCM): registra ogni singolo campione senza alcuna compressione. Usato negli studi di registrazione professionali per l’editing.
• FLAC (Lossless): il formato standard per audiofili. Riduce la dimensione del 40-50% senza perdere neanche un bit di qualità musicale.
• MP3 (Lossy): lo storico formato che ha rivoluzionato la musica digitale negli anni 2000. Ancora universale, ma tecnologicamente superato.
• AAC / Ogg Vorbis / Opus (Lossy moderni): garantiscono una qualità superiore a MP3 a parità di bitrate. Sono usati da YouTube, Apple Music, Spotify e per le chiamate VoIP (WhatsApp, Discord).

3. Video

• H.264 / AVC (Codec Lossy): il codec video più compatibile al mondo, riproducibile su qualsiasi computer, TV, smartphone e browser da oltre 15 anni.
• H.265 / HEVC (Codec Lossy): successore di H.264. A parità di qualità dimezza lo spazio necessario (efficienza doppia), ed è lo standard per i video in 4K ed HDR.
• AV1 (Codec Lossy Open & Royalty-Free): il codec moderno del consorzio AOMedia (Google, Netflix, Amazon, Apple, Microsoft). Offre una compressione ancora migliore di HEVC ed è gratuito da implementare (usato sempre più da YouTube e Netflix).
• MP4 / MKV / WebM (Contenitori):
  • .mp4: standard universale supportato ovunque.
  • .mkv (Matroska): contenitore aperto estremamente potente, capace di contenere decine di tracce audio e sottotitoli in formati diversi.
  • .webm: contenitore ottimizzato per lo streaming web HTML5.

---

7. Mettiti alla Prova: Esercizi ed Esercitazioni Pratiche

Per consolidare tutti i concetti e verificare la tua preparazione:

👉 Vai alla raccolta completa degli Esercizi sulla Rappresentazione dell’Informazione

Nella pagina degli esercizi troverai problemi su:

• Unità di misura: conversioni dirette e differenze tra standard SI (MB) e IEC (MiB)
• File audio: calcolo di dimensioni, durata, sample rate, bitrate e formati compressi (MP3, FLAC)
• Immagini: calcolo di colour depth (True Color, HDR), dimensioni e numero di colori
• Video: bitrate (4K HDR), colour depth e fattori di riduzione dei codec (1:25)