public/uni

Files

Michael Czechowski 512fbd9d3d add erklaerung slides to 223015b course files

- add erklaerung css class and 6 explanation slides to 01-grundlagen-text-audio.md
- add erklaerung css class and 9 explanation slides to 02-bild-audio-video.md
- add erklaerung css class and 2 explanation slides to 03-speichermedien-schnittstellen.md
- regenerate klausurfolien.md with updated content

2026-02-02 14:25:04 +01:00

38 KiB

Raw Blame History

marp, theme, paginate, backgroundColor, header, footer, title

marp	theme	paginate	backgroundColor	header	footer	title
true	gaia	true		Dateiformate, Schnittstellen, Speichermedien & Distributionswege (223015b)	Michael Czechowski – HdM Stuttgart	Dateiformate, Schnittstellen, Speichermedien & Distributionswege

Dateiformate, Schnittstellen, Speichermedien & Distributionswege

223015b · Modul "Technik 1" · 1. Semester Digital- und Medienwirtschaft Hochschule der Medien Stuttgart

https://librete.ch/hdm/223015b/

Teil 2: Bild- & Videoformate

Warum verschiedene Dateiformate?

Ein Dateiformat definiert:

Ob und wie Daten komprimiert werden
Welche Metadaten enthalten sind
Wie Daten codiert und decodiert werden (Co·dec)

Ziel	Bild	Audio	Dokument
Kleine Dateien	JPEG	MP3	—
Perfekte Qualität	PNG, RAW	FLAC	PDF
Animation/Video	GIF	—	—
Skalierbarkeit	SVG	—	PDF

Digitale Bilder

Raster- und Vektorgrafiken

Was ist ein digitales Bild?

Ein digitales Bild ist ein Raster aus Farbpunkten (Pixel). Jeder Pixel speichert einen RGB-Farbwert (3 Bytes).

Beispiel: Full HD (1920×1080) = 2.073.600 Pixel × 3 Bytes = 6,2 MB

Rastergrafiken

Aufbau: Liste von Pixeln mit Farbwerten (2D-Array)

Speicherbedarf (unkomprimiert): Breite × Höhe × Farbtiefe (in Bytes)

Beispiele: JPEG, PNG, WebP

Bits (Farbtiefe)	Farben	Anwendung
1	2	Schwarz/Weiß (Fax)
8	256	Graustufen, GIF
24	16,7 Mio.	True Color (Standard)
32	16,7 Mio. + Alpha	Transparenz

Rastergrafiken: Erklaerung

Definition: Bilder als zweidimensionales Raster (Array) von Pixeln mit Farbwerten.

Speicherberechnung (unkomprimiert):

Breite × Hoehe × (Farbtiefe ÷ 8) = Bytes

Beispiel: 1920×1080 bei 24 Bit

1920 × 1080 × 3 = 6.220.800 Bytes ≈ 6,2 MB

Farbtiefe	Farben	Anwendung
1 Bit	2	S/W, Fax
8 Bit	256	Graustufen, GIF
24 Bit	16,7 Mio	True Color (RGB)
32 Bit	16,7 Mio + Alpha	Transparenz

Merkhilfe: "24 Bit = 3 Bytes = RGB" (8+8+8)

Das Problem der Skalierung

Vergrößern: Fehlende Pixel müssen erfunden werden (Interpolation)

Verkleinern: Pixel müssen zusammengefasst werden

Interpolationsverfahren:

Nearest Neighbor: Schnell, pixelig
Bilinear: Glättet, Standardverfahren
Bicubic: Hohe Qualität, rechenintensiv
Lanczos: Beste Qualität, mathematisch komplex

Vektorgrafiken

Speicherung als geometrische Primitive:

Pfade (Bézierkurven mit Kontrollpunkten)
Grundformen (Rechteck, Ellipse, Polygon)
Text (Glyphen als Outlines)

SVG-Beispiel:

<circle cx="50" cy="50" r="40" fill="#ff0000"/>

SVG beschreibt WAS gezeichnet werden soll, nicht WIE jeder Pixel aussieht.

Vektorgrafiken: Erklaerung

Definition: Bilder als mathematische Beschreibung geometrischer Formen (Pfade, Kurven, Formen).

Eigenschaft	Raster	Vektor
Speicherung	Pixel-Array	Geometrie-Anweisungen
Skalierung	Qualitaetsverlust	Verlustfrei
Ideal fuer	Fotos	Logos, Icons
Formate	JPEG, PNG	SVG, PDF, AI

SVG-Beispiel:

<circle cx="50" cy="50" r="40" fill="red"/>

→ Beschreibt WAS, nicht WIE (deklarativ)

Konvertierung:

Vektor → Raster: Einfach (Rasterisierung)
Raster → Vektor: Schwierig (Tracing)

Raster- und Vektorgrafiken

	Raster	Vektor
Optimal für	Fotos, komplexe Bilder	Logos, Icons, Illustrationen
Skalierung	Qualitätsverlust	Verlustfrei
Dateigröße	Abhängig von Auflösung	Abhängig von Komplexität
Formate	JPEG, PNG, WebP	SVG, PDF, AI
Bearbeitung	Pixel-basiert	Objekt-basiert

Menschliche Wahrnehmung

Psychovisuelle Kompression

Die Schwächen des Auges

Menschen sehen:

Helligkeit besser als Farbe
Große Flächen besser als feine Details
Niedrige Frequenzen besser als hohe

JPEG nutzt das aus:

Farbauflösung reduzieren (Helligkeit behalten)
Glatte Flächen effizient speichern
Hohe Frequenzen (feine Details) verwerfen

Psychovisuelle Wahrnehmung: Erklaerung

Definition: Das menschliche Auge hat Schwaechen, die Kompressionsverfahren gezielt ausnutzen.

Was Menschen schlecht sehen:

Eigenschaft	Wahrnehmung	JPEG-Strategie
Farbe vs. Helligkeit	Helligkeit besser	Farbaufloesung reduzieren
Hohe Frequenzen	Schlechter	Feine Details verwerfen
Kleine Unterschiede	Kaum merkbar	Quantisierung

Raeumliche Frequenz:

Niedrig: Langsame Aenderung = grosse Flaechen
Hoch: Schnelle Aenderung = feine Details, Kanten

Biologische Grundlage:

Mehr Staebchen (Helligkeit) als Zapfen (Farbe) im Auge
Aehnlich: Psychoakustik bei MP3 (Maskierungseffekte)

Grenzen der Kompression: JPEG-Artefakte

Bei starker Kompression sichtbar:

Posterization: Farbverläufe werden stufig
Blocking: 8×8-Blöcke werden sichtbar
Ringing: "Geister" an scharfen Kanten

JPEG-Qualität in der Praxis

Quality	Typische Größe (12 MP)	Artefakte
100	2–3 MB	Minimal
85–90	200–400 KB	Kaum sichtbar
60	~100 KB	Bei genauem Hinsehen
30	~50 KB	Deutlich sichtbar

Sweet Spot: 85–90 ~10× Kompression, für Menschen kaum unterscheidbar

JPEG-Kompression

Sechs Schritte im Detail

JPEG Schritt 1: Farbraumkonversion

RGB → Y'CbCr

Y = Helligkeit (Luminanz)
Cb = Blau-Gelb-Anteil (Chrominanz)
Cr = Rot-Grün-Anteil (Chrominanz)

Warum? Y (Helligkeit) behält volle Auflösung Cb/Cr (Farbe) kann reduziert werden

JPEG Farbraumkonversion: Erklaerung

Definition: Umwandlung von RGB (Rot-Gruen-Blau) in YCbCr (Helligkeit + Farbdifferenzen).

Kanal	Bedeutung	Behandlung
Y	Luminanz (Helligkeit)	Volle Aufloesung behalten
Cb	Blau-Gelb-Differenz	Kann reduziert werden
Cr	Rot-Gruen-Differenz	Kann reduziert werden

Warum diese Trennung?

Menschliches Auge: empfindlicher fuer Helligkeit als Farbe
Y behaelt volle Aufloesung → Schaerfe erhalten
Cb/Cr reduziert (Chroma Subsampling) → Daten sparen

Chroma Subsampling 4:2:0:

4 Pixel teilen sich einen Farbwert
Jeder Pixel behaelt eigene Helligkeit
= 50% Datenreduktion bei kaum sichtbarem Verlust

JPEG Schritt 2: Chroma Subsampling

Notation J:a:b (bezogen auf 4×2 Pixel-Block):

J = Referenzbreite (immer 4)
a = Farbsamples in Zeile 1
b = Farbsamples in Zeile 2

Schema	Bedeutung	Farbdaten
4:4:4	Volle Farbauflösung	100%
4:2:2	Halbe horizontale Auflösung	50%
4:2:0	Viertel Auflösung (2×2 teilt Farbe)	25%

4:2:0 ist JPEG-Standard

JPEG Schritt 3: Block-Aufteilung

Das Bild wird in 8×8-Pixel-Blöcke zerlegt

Jeder Block wird unabhängig verarbeitet. Bei 1920×1080: 240 × 135 = 32.400 Blöcke

Level Shift: Pixelwerte um −128 verschieben

Vorher: 0 bis 255
Nachher: −128 bis +127

Warum? DCT arbeitet besser mit Werten um Null

JPEG Schritt 4: DCT (Discrete Cosine Transform)

Jeder 8×8-Block wird transformiert: 64 Pixelwerte → 64 Frequenzkoeffizienten

Die 64 Koeffizienten:

Position	Name	Bedeutung
(0,0)	DC	Durchschnittshelligkeit
Rest	AC	Helligkeitsänderungen

Energy Compaction: 90% der Information in den ersten 10–15 Koeffizienten DCT selbst ist verlustfrei und reversibel!

JPEG Schritt 5: Quantisierung

Hier passiert der Datenverlust!

Die DCT hat sortiert – jetzt wird aufgeräumt:

Wichtige Werte (niedrige Frequenz) → präzise behalten
Unwichtige Werte (hohe Frequenz) → vergröbern oder Null setzen

Ergebnis: Von 64 Werten pro Block bleiben oft nur 5–15 übrig Rest wird zu Nullen → extrem gut komprimierbar

Quality-Einstellung: Hoch = mehr Werte behalten = größere Datei Niedrig = mehr Nullen = kleinere Datei, mehr Artefakte

JPEG Schritt 5b: Zigzag & RLE

Nach Quantisierung: Viele Nullen (v.a. bei hohen Frequenzen)

Zigzag-Scan: Matrix diagonal durchlaufen → Nullen sammeln sich am Ende

┌────────────────┐
│ 1  2  6  7 ... │   Niedrig → Hoch
│ 3  5  8 ...    │   (diagonal)
│ 4  9 ...       │
└────────────────┘

RLE (Run-Length Encoding): 0 0 0 0 0 0 0 0 → (8, 0) = "acht Nullen"

JPEG Schritt 6: Huffman-Coding

Verlustfreie Kompression der Restwerte

Idee: Variable Bitlänge statt fester 8 Bit Häufige Werte → kurze Codes

Zeichen	Häufigkeit	Code
e	40%	`0` (1 Bit)
a	25%	`10` (2 Bit)
i	20%	`110` (3 Bit)
o	10%	`1110` (4 Bit)
u	5%	`1111` (4 Bit)

Huffman-Coding: Erklaerung

Definition: Verlustfreie Kompression durch variable Codelaengen basierend auf Zeichenhaeufigkeit.

Prinzip:

Haeufige Zeichen → kurze Codes
Seltene Zeichen → lange Codes
Praefix-frei: Kein Code ist Anfang eines anderen

Beispiel ABRACADABRA:

Zeichen	Haeufigkeit	Code
A	5×	`0` (1 Bit)
B	2×	`10` (2 Bit)
R	2×	`110` (3 Bit)

Kompression: 88 Bit → 23 Bit = 74% gespart

Einsatz: JPEG, ZIP, PNG, MP3, DEFLATE

Andere Bildformate

PNG, GIF, WebP, AVIF

15:33 Uhr weiter

PNG: Verlustfrei mit Transparenz

PNG = Portable Network Graphics (1996)

Entstehung: GIF-Patent-Streit → Community entwickelt Alternative

Features:

Verlustfrei (Lossless)
Alpha-Transparenz (8-Bit, 256 Stufen)
Millionen Farben (24/48 Bit)
Patent-frei

Ideal für: Grafiken, Screenshots, Text, Logos

GIF: Der Meme-Veteran

GIF = Graphics Interchange Format (1987)

Features:

256 Farben (8-Bit Palette)
Verlustfrei (innerhalb der Palette)
Animationen

Das Patent-Drama (1994): Unisys fordert Lizenzgebühren für LZW-Kompression → "Burn All GIFs!"-Kampagne → PNG als Alternative

Heute: Kulturell unsterblich (Memes, Reaktionen)

WebP & AVIF: Moderne Alternativen

WebP (Google, 2010):

Lossy und Lossless
Transparenz und Animationen
25–35% kleiner als JPEG

AVIF (2019):

Basiert auf AV1-Video-Codec
50% kleiner als JPEG
HDR-Unterstützung, patent-frei

Browser-Support 2025: WebP universell, AVIF wächst

WebP & AVIF: Erklaerung

Definition: Moderne Bildformate mit besserer Kompression als JPEG.

Format	Jahr	Basis	Vorteil
WebP	2010	VP8 (Google)	25-35% kleiner als JPEG
AVIF	2019	AV1	50% kleiner als JPEG

WebP Features:

Lossy und Lossless
Transparenz (Alpha)
Animationen (ersetzt GIF)

AVIF Features:

HDR-Unterstuetzung
Patent-frei (Alliance for Open Media)
Beste Kompression, aber langsamer

Browser-Support 2025: WebP universell, AVIF waechst Realitaet: JPEG bleibt dominant (Kompatibilitaet)

Formatwahl in der Praxis

Anwendung	Format
Fotos fürs Web	JPEG (85), WebP
Screenshots	PNG
Logos, Icons	SVG, PNG
Animationen	GIF, WebP, APNG
Archivierung	TIFF, PNG, RAW
Social Media	Was die Plattform erlaubt

Warum Instagram eure Fotos "ruiniert"

Die Upload-Pipeline:

Euer Foto: 12 MP, 8 MB
Instagram skaliert: max. 1080px Breite
Re-Kompression: JPEG Quality ~75
Ergebnis: 200–400 KB

Warum?

Speicherkosten (Milliarden Fotos)
Ladezeiten (Mobile-First)
Bandbreite (günstiger für alle)

Video

Bilder + Zeit + Audio

Das Größenproblem bei Video

4K-Video (3840×2160), unkomprimiert:

3840 × 2160 × 3 Bytes = 24,8 MB pro Frame

× 30 fps = 744 MB/Sekunde

× 60 Sekunden = 44,6 GB pro Minute

Ein 2-Stunden-Film: über 5 Terabyte

Container und Codec

Container = Dateiformat (z.B. MP4) Die "Box", die verschiedene Streams zusammenpackt:

Video-Stream
Audio-Stream(s)
Untertitel
Metadaten

Codec = Kompressionsalgorithmus (z.B. H.264) Bestimmt, WIE komprimiert wird

Container vs. Codec: Erklaerung

Definition: Container und Codec sind zwei verschiedene Konzepte bei Videodateien.

Begriff	Bedeutung	Beispiele
Container	Dateiformat/"Box"	MP4, MKV, WebM, MOV
Codec	Kompressionsalgorithmus	H.264, H.265, VP9, AV1

Container enthaelt:

Video-Stream (komprimiert mit Codec)
Audio-Stream(s)
Untertitel
Metadaten (Kapitel, Thumbnail)

Wichtig: Gleiche Endung ≠ gleicher Inhalt!

film.mp4 kann H.264, H.265 oder AV1 enthalten
Tool-Tipp: MediaInfo zeigt beides an

Merkhilfe: "Container = Schachtel, Codec = Verpackungsart"

Gängige Container

Container	Verwendung
MP4 (.mp4)	Web, Streaming, universell
MKV (.mkv)	Archiv, viele Streams, offen
MOV (.mov)	Apple-Ökosystem
WebM (.webm)	Web, nur VP9/AV1 + Opus
AVI (.avi)	Legacy, veraltet

Video-Codecs im Überblick

Codec	Jahr	Status
H.264/AVC	2003	Universal, überall
H.265/HEVC	2013	Effizienter, Patent-Chaos
VP9	2013	YouTube, patent-frei
AV1	2018	Zukunft, patent-frei

Container + Codec = Video

┌─────────────────────────────┐
│  Container (z.B. MP4)       │
│  ┌────────────────────────┐ │
│  │ Video-Stream (H.264)   │ │
│  ├────────────────────────┤ │
│  │ Audio-Stream (AAC)     │ │
│  ├────────────────────────┤ │
│  │ Untertitel (SRT)       │ │
│  ├────────────────────────┤ │
│  │ Metadaten              │ │
│  └────────────────────────┘ │
└─────────────────────────────┘

Video-Kompression

Raum und Zeit nutzen

Drei Kompressionsprinzipien

1. Spatial Compression (Intra-Frame) Jedes Bild einzeln komprimieren (wie JPEG)

2. Temporal Compression (Inter-Frame) Nur Änderungen zwischen Bildern speichern

3. Motion Compensation Bewegung beschreiben statt Pixel kopieren

Spatial Compression (Intra-Frame)

Jedes Bild einzeln komprimieren – wie JPEG

Analysiert Redundanz innerhalb eines Frames:

DCT (Frequenzanalyse)
Quantisierung
Entropie-Coding

→ I-Frame (Keyframe) Vollständiges Bild, unabhängig dekodierbar

Temporal Compression (Inter-Frame)

Nur Änderungen zwischen Bildern speichern

Frame-Typ	Referenziert	Typische Größe
I-Frame	Nichts (Keyframe)	100%
P-Frame	Vorherige Frames	~30%
B-Frame	Vorherige + zukünftige	~15%

GOP (Group of Pictures): I - B - B - P - B - B - P - B - B - I

Motion Compensation

Bewegung beschreiben statt Pixel kopieren

Beispiel: Ein 16×16 Pixel-Block

Frame 1: Block an Position (100, 200) Frame 2: Block an Position (120, 200)

Statt Block zweimal speichern: → Motion Vector: "verschiebe um (+20, 0)"

H.264 / AVC

Advanced Video Coding (2003)

Warum dominant?

Exzellente Kompression (~100:1 möglich)
Hardware-Decoder in jedem Gerät seit ~2010
YouTube, Netflix, Blu-ray – alles H.264

Features:

Variable Block-Größen (16×16 bis 4×4)
Deblocking-Filter (reduziert Artefakte)

H.264/AVC: Erklaerung

Definition: Der dominierende Video-Codec seit 2003, der modernes Video-Streaming erst ermoeglichte.

Warum so erfolgreich?

Eigenschaft	Bedeutung
Kompression	~100:1 moeglich
Hardware	Decoder in jedem Geraet seit ~2010
Verbreitung	YouTube, Netflix, Blu-ray

Technische Features:

Variable Block-Groessen (16×16 bis 4×4)
Deblocking-Filter (reduziert Blocking-Artefakte)
I-, P-, B-Frames (temporale Kompression)

Patent-Situation:

MPEG-LA Pool: 2000+ Patente
"Internet Broadcast" fuer Endnutzer kostenlos
Hardware-Decoder: ~$0,20/Geraet

Das Patent-Problem

H.264 ist nicht frei

MPEG-LA (Patent Pool):

2.000+ Patente von ~30 Unternehmen
Apple, Microsoft, Sony, Panasonic...

Lizenzgebühren:

Hardware-Decoder: $0,20 pro Einheit
"Internet Broadcast": Kostenlos (YouTube etc.)

Problem: Open-Source-Projekte in Grauzone

H.265 / HEVC: Effizienter, aber...

High Efficiency Video Coding (2013)

50% bessere Kompression als H.264

Das Problem: Patent-Chaos

Drei konkurrierende Patent-Pools:

MPEG-LA
HEVC Advance
Velos Media

Unklare Kosten, rechtliche Unsicherheit → Viele bleiben bei H.264 oder wechseln zu AV1

VP9: Googles Antwort

VP9 (2013)

Google kaufte On2 Technologies (2010, $133M) VP8 → VP9 → AV1

Eigenschaften:

Ähnliche Effizienz wie H.265
Patent-frei (laut Google)
YouTube nutzt VP9 für 4K

Nachteil: Höherer CPU-Aufwand als H.264

AV1: Die offene Zukunft

AV1 (2018)

Alliance for Open Media: Google, Netflix, Amazon, Microsoft, Apple, Mozilla...

Eigenschaften:

30% besser als H.265
Royalty-free, Open Source
8K, HDR, hohe Frame-Rates

Stand 2025: YouTube, Netflix nutzen AV1 für 4K/8K Hardware-Encoder in aktuellen GPUs

AV1: Erklaerung

Definition: Der offene, lizenzfreie Video-Codec der Zukunft, entwickelt von der Alliance for Open Media.

Alliance for Open Media (AOM):

Gegruendet 2015: Google, Netflix, Amazon, Microsoft, Apple, Mozilla
Ziel: Patent-freier Standard nach H.265-Chaos

Eigenschaft	AV1
Effizienz	30% besser als H.265
Lizenz	Royalty-free, Open Source
Features	8K, HDR, hohe Frame-Rates

Stand 2025:

YouTube, Netflix nutzen AV1 fuer 4K/8K
Hardware-Encoder in aktuellen GPUs
Emmy-Gewinner 2024 fuer technische Innovation

Nachteil: Encoding sehr langsam (Hardware loest das)

Fragen & Diskussion

Kontakt: lb-czechowski@hdm-stuttgart.de Folien: librete.ch/hdm/223015b

Lizenz & Attribution

Diese Präsentation ist lizenziert unter Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)

Erlaubt Teilen & Anpassen mit Namensnennung
Adaptionen müssen unter gleicher Lizenz geteilt werden

Vollständige Lizenz: creativecommons.org/licenses/by-sa/4.0/

Selbstlernen: Bildkompression

Öffne squoosh.app
Lade ein Foto hoch
Vergleiche: JPEG (verschiedene Quality) vs. WebP vs. AVIF
Beobachte: Dateigröße, Artefakte, Ladezeit

Fragen zum Erkunden:

Ab welcher Quality werden Artefakte sichtbar?
Wie viel kleiner ist WebP bei gleicher Qualität?

Selbstlernen: Video analysieren

Video herunterladen (z.B. Big Buck Bunny)
Mit MediaInfo analysieren: Container, Codec, Bitrate
Optional: Mit HandBrake konvertieren

H.264 vs. H.265 bei gleicher Qualität
Größe und Encoding-Zeit vergleichen

Tools:

MediaInfo (Online oder Desktop)
HandBrake (Desktop)

38 KiB Raw Blame History Unescape Escape

Dateiformate, Schnittstellen, Speichermedien & Distributionswege

Teil 2: Bild- & Videoformate

Warum verschiedene Dateiformate?

Digitale Bilder

Raster- und Vektorgrafiken

Was ist ein digitales Bild?

Rastergrafiken

Rastergrafiken: Erklaerung

Das Problem der Skalierung

Vektorgrafiken

Vektorgrafiken: Erklaerung

Raster- und Vektorgrafiken

Menschliche Wahrnehmung

Psychovisuelle Kompression

Die Schwächen des Auges

Psychovisuelle Wahrnehmung: Erklaerung

Grenzen der Kompression: JPEG-Artefakte

JPEG-Qualität in der Praxis

JPEG-Kompression

Sechs Schritte im Detail

JPEG Schritt 1: Farbraumkonversion

JPEG Farbraumkonversion: Erklaerung

JPEG Schritt 2: Chroma Subsampling

JPEG Schritt 3: Block-Aufteilung

JPEG Schritt 4: DCT (Discrete Cosine Transform)

JPEG Schritt 5: Quantisierung

JPEG Schritt 5b: Zigzag & RLE

JPEG Schritt 6: Huffman-Coding

Huffman-Coding: Erklaerung

Andere Bildformate

PNG, GIF, WebP, AVIF

PNG: Verlustfrei mit Transparenz

GIF: Der Meme-Veteran

WebP & AVIF: Moderne Alternativen

WebP & AVIF: Erklaerung

Formatwahl in der Praxis

Warum Instagram eure Fotos "ruiniert"

Video

Bilder + Zeit + Audio

Das Größenproblem bei Video

Container und Codec

Container vs. Codec: Erklaerung

Gängige Container

Video-Codecs im Überblick

Container + Codec = Video

Video-Kompression

Raum und Zeit nutzen

Drei Kompressionsprinzipien

Spatial Compression (Intra-Frame)

Temporal Compression (Inter-Frame)

Motion Compensation

H.264 / AVC

H.264/AVC: Erklaerung

Das Patent-Problem

H.265 / HEVC: Effizienter, aber...

VP9: Googles Antwort

AV1: Die offene Zukunft

AV1: Erklaerung

Fragen & Diskussion

Lizenz & Attribution

Selbstlernen: Bildkompression

Selbstlernen: Video analysieren

38 KiB

Raw Blame History