Số hóa chuyển thông tin sang dạng số như thế nào?

Vì vậy, cốt lõi của số hóa là tạo một biểu diễn số của thông tin gốc. Biểu diễn này có thể rất sát nguồn ban đầu, nhưng độ trung thực luôn phụ thuộc vào cách thu nhận, mật độ lấy mẫu, số mức lượng tử hóa và cách dữ liệu được lưu sau đó.

Số hóa là gì?

Số hóa, hay digitization, là quá trình chuyển thông tin tồn tại ở dạng vật lý hoặc tín hiệu tương tự thành dữ liệu được biểu diễn bằng các giá trị số. Ở mức lưu trữ, các giá trị này được mã hóa thành bit để hệ thống số có thể ghi, truyền và xử lý.

Điểm quan trọng là “dạng số” không đồng nghĩa với việc máy tính giữ nguyên mọi chi tiết của nguồn. Khi một máy quét đọc trang giấy, nó không cất giữ tờ giấy mà ghi lại các phép đo ánh sáng tại rất nhiều vị trí. Khi một bộ chuyển đổi tương tự–số xử lý âm thanh, nó không giữ sóng âm liên tục mà lấy giá trị của tín hiệu tại các thời điểm xác định.

Do đó, số hóa có hai lớp ý nghĩa gắn chặt với nhau: đo thông tin từ nguồn và biểu diễn kết quả đo bằng các giá trị rời rạc. Chính hai lớp này giải thích vì sao chất lượng bản số phụ thuộc vào thiết bị và các tham số kỹ thuật, thay vì chỉ phụ thuộc vào việc tệp có “ở trên máy tính” hay không.

Thông tin vật lý trở thành dữ liệu số qua 4 bước

Thu nhận thông tin thành tín hiệu có thể đo

Quá trình bắt đầu bằng một thiết bị thu nhận. Máy quét hoặc camera dùng cảm biến ảnh để đo ánh sáng phản xạ từ tài liệu; microphone biến dao động áp suất âm thành tín hiệu điện; các cảm biến khác có thể biến nhiệt độ, lực hoặc chuyển động thành đại lượng điện có thể đo.

Ở giai đoạn này, chất lượng nguồn và cảm biến đã đặt ra một giới hạn đầu tiên. Chi tiết không được cảm biến ghi nhận, vùng sáng bị bão hòa hoặc tín hiệu bị nhiễu sẽ không thể được “khôi phục nguyên vẹn” chỉ bằng việc tăng chất lượng tệp ở bước sau.

Lấy mẫu biến thông tin liên tục thành các điểm rời rạc

Nếu tín hiệu thay đổi liên tục, hệ thống không lưu vô hạn giá trị. Thay vào đó, nó lấy mẫu tại những vị trí hoặc thời điểm xác định.

Với hình ảnh, lấy mẫu diễn ra theo không gian: mỗi pixel tương ứng với một vùng đo trên bề mặt ảnh. Quét ở 300 ppi có nghĩa là hệ thống tạo khoảng 300 mẫu trên mỗi inch theo một chiều tuyến tính; tăng mật độ mẫu cho phép mô tả chi tiết nhỏ hơn nếu cảm biến và quang học thực sự hỗ trợ mức đó.

Với âm thanh, lấy mẫu diễn ra theo thời gian. Tốc độ 44,1 kHz tương ứng 44.100 mẫu mỗi giây. Theo nguyên lý Nyquist–Shannon, một tín hiệu giới hạn băng tần cần được lấy mẫu với tần số lớn hơn hai lần thành phần tần số cao nhất muốn tái tạo để tránh hiện tượng chồng phổ trong điều kiện lý tưởng. Vì vậy, tốc độ lấy mẫu không phải một con số tùy ý; nó xác định miền biến thiên mà hệ thống có thể biểu diễn đúng.

Lượng tử hóa gán mỗi mẫu vào một giá trị số

Sau khi có các mẫu, hệ thống phải biến biên độ đo được thành một trong số hữu hạn mức giá trị. Bước này gọi là lượng tử hóa.

Nếu mỗi mẫu được biểu diễn bằng (n) bit, về nguyên tắc có (2^n) mã khả dụng. Ảnh xám 8 bit có 256 mức giá trị; một mẫu âm thanh 16 bit có 65.536 mã. Số bit càng lớn thì khoảng cách giữa các mức lượng tử càng nhỏ, nhờ đó hệ thống có thể phân biệt những biến thiên tinh hơn, đổi lại lượng dữ liệu thường tăng.

Lượng tử hóa cũng tạo ra sai số vì giá trị thực phải được làm tròn về một mức có thể biểu diễn. Sai số này có thể rất nhỏ khi độ sâu bit đủ cao, nhưng nó cho thấy bản số là một mô hình rời rạc của tín hiệu chứ không phải bản sao toán học liên tục của nguồn.

Mã hóa và lưu trữ tạo thành tệp số

Các giá trị sau lượng tử hóa được tổ chức theo một cấu trúc mà phần mềm có thể hiểu: thứ tự pixel, kênh màu, chuỗi mẫu âm thanh, bảng ký tự, thông tin kích thước hoặc các metadata cần thiết. Cuối cùng chúng được mã hóa thành bit và lưu trong một định dạng tệp hoặc hệ thống dữ liệu.

Từ đây, dữ liệu có thể được sao chép nhiều lần mà không cần đo lại nguồn vật lý. Tuy nhiên, bước lưu trữ còn có thể áp dụng nén. Nén không mất dữ liệu giữ nguyên thông tin cần thiết để tái tạo dữ liệu đã mã hóa, còn nén mất dữ liệu chủ động loại bỏ một phần thông tin để giảm kích thước. Vì vậy, chất lượng cuối cùng không chỉ do quá trình thu nhận quyết định mà còn có thể bị ảnh hưởng bởi cách tệp được tạo và nén.

Tài liệu, hình ảnh và âm thanh được số hóa khác nhau ở đâu?

Cơ chế chung vẫn là thu nhận, lấy mẫu, lượng tử hóa và mã hóa, nhưng đại lượng được đo khác nhau tùy loại nguồn.

Với tài liệu giấy hoặc ảnh, máy quét đo ánh sáng tại các vị trí trên bề mặt và tạo ma trận pixel. Một trang chữ được quét thành PDF hoặc TIFF đã là dữ liệu số ngay cả khi máy tính chưa biết các pixel đó tạo thành chữ nào. OCR là bước nhận dạng bổ sung: phần mềm phân tích hình ảnh đã số hóa để suy ra ký tự và biến nội dung thị giác thành văn bản có thể tìm kiếm, sao chép hoặc xử lý như ký tự.

Với ảnh màu, mỗi pixel thường cần nhiều thành phần giá trị, chẳng hạn ba kênh đỏ, lục và lam. Ảnh RGB 24 bit dùng 8 bit cho mỗi kênh có khoảng 16,7 triệu tổ hợp màu có thể mã hóa. Con số này mô tả không gian mã màu của dữ liệu, không bảo đảm cảm biến đã ghi chính xác từng sắc độ của vật thể thật; độ chính xác còn phụ thuộc quang học, cảm biến, hiệu chuẩn và điều kiện chiếu sáng.

Với âm thanh, microphone tạo tín hiệu điện thay đổi theo dao động âm. Bộ chuyển đổi tương tự–số lấy mẫu tín hiệu theo thời gian, lượng tử hóa biên độ của từng mẫu rồi ghi chuỗi giá trị đó vào dữ liệu âm thanh. Khác biệt chính so với hình ảnh nằm ở trục lấy mẫu: ảnh chủ yếu lấy mẫu theo không gian, còn âm thanh lấy mẫu theo thời gian.

Độ chính xác của dữ liệu số phụ thuộc vào đâu?

Độ trung thực của bản số hình thành qua cả chuỗi, nên tăng một tham số riêng lẻ không thể bù cho mọi giới hạn khác.

Độ phân giải hoặc tốc độ lấy mẫu quyết định mức độ dày của các điểm đo. Quá ít mẫu có thể bỏ sót chi tiết không gian hoặc gây sai lệch khi biểu diễn biến thiên nhanh theo thời gian. Nhưng tăng mật độ lấy mẫu cao hơn khả năng thực của cảm biến hoặc nguồn không tự động tạo thêm chi tiết hữu ích.

Độ sâu bit quyết định số mức giá trị có thể biểu diễn cho mỗi mẫu. Nhiều mức hơn giảm bước lượng tử và cho phép mô tả biến thiên tinh hơn, nhưng cũng làm tăng lượng dữ liệu. Đây là một trade-off kỹ thuật: mục tiêu không phải luôn chọn con số lớn nhất mà chọn mức đủ để giữ thông tin cần thiết cho mục đích lưu trữ hoặc xử lý.

Chất lượng thu nhận thường là giới hạn khó sửa nhất. Một trang bị nhòe, cảm biến nhiễu, microphone méo tín hiệu hay camera phơi sáng sai đều tạo dữ liệu đầu vào thiếu hoặc sai. Số hóa chỉ có thể mã hóa những gì hệ thống đã đo được.

Định dạng và nén ảnh hưởng đến phần thông tin còn lại sau khi dữ liệu đã được tạo. Nếu cần bảo toàn tối đa dữ liệu gốc đã số hóa, định dạng và phương pháp nén không mất dữ liệu phù hợp hơn. Nếu ưu tiên kích thước hoặc truyền tải, nén mất dữ liệu có thể chấp nhận được, nhưng phần bị loại bỏ không thể phục hồi hoàn toàn từ chính tệp đã nén.

Khi nào một quá trình số hóa được xem là hoàn tất?

Về mặt kỹ thuật, quá trình số hóa đã tạo ra kết quả khi thông tin thu nhận được biểu diễn dưới dạng dữ liệu số có cấu trúc và có thể lưu, đọc hoặc xử lý bằng hệ thống số. Tuy nhiên, “hoàn tất” trong thực tế còn phụ thuộc mục đích sử dụng.

Nếu mục tiêu là lưu giữ hình thức của một trang giấy, tệp ảnh đạt yêu cầu có thể là đầu ra cuối. Nếu mục tiêu là tìm kiếm nội dung chữ, bản quét mới chỉ hoàn thành phần số hóa hình ảnh; OCR là bước xử lý tiếp theo để nhận dạng pixel thành ký tự. Điều này giải thích vì sao một PDF quét có thể là tài liệu số nhưng vẫn không tìm kiếm được toàn văn.

Cũng cần tách số hóa khỏi các hoạt động diễn ra sau đó. Chuẩn hóa metadata, nhận dạng nội dung, phân loại, đưa dữ liệu vào hệ thống nghiệp vụ hoặc tự động hóa quy trình có thể dùng kết quả số hóa làm đầu vào, nhưng chúng không phải bản thân thao tác chuyển tín hiệu vật lý sang biểu diễn số.

Theo cùng logic, digitalization hay chuyển đổi số có phạm vi rộng hơn: chúng nói đến việc dùng dữ liệu và công nghệ số để thay đổi cách vận hành hoặc cung cấp dịch vụ. Số hóa chỉ là lớp nền tạo dữ liệu số từ thông tin ban đầu. Việc phân biệt này giúp đánh giá đúng đầu ra: một bản quét có thể hoàn thành nhiệm vụ số hóa, nhưng chưa đồng nghĩa nội dung đã được hiểu, cấu trúc hóa hay tích hợp vào một quy trình số.

Số hóa diễn ra khi thông tin từ nguồn vật lý được thiết bị thu nhận, lấy mẫu thành các điểm rời rạc, lượng tử hóa thành các mức số rồi mã hóa để lưu trữ và xử lý. Với tài liệu, quá trình này tạo pixel; với âm thanh, nó tạo chuỗi mẫu theo thời gian. Chất lượng bản số phụ thuộc vào toàn bộ chuỗi từ cảm biến đến tham số lấy mẫu, độ sâu bit và cách lưu tệp. Vì thế, hiểu số hóa đúng nhất là hiểu nó như quá trình tạo một biểu diễn số có độ chính xác hữu hạn của thông tin gốc, chứ không phải sự biến đổi vật thể vật lý thành một bản sao tuyệt đối trong máy tính.