多媒体系统是指利用计算机技术和数字通讯网技术来处理和控制多媒体信息的系统。从广义上分，多媒体系统就是集电话、电视、媒体、计算机网络等于一体的信息综合化系统。

从狭义上分，多媒体系统就是拥有多媒体功能的计算机系统；

从广义上分，多媒体系统就是集电话、电视、媒体、计算机网络等于一体的信息综合化系统。

多媒体系统由两部分组成：1、多媒体硬件系统；2、多媒体软件系统。其中硬件系统主要包括：计算机主要配置和各种外部设备以及与各种外部设备的控制接口卡（其中包括多媒体实时压缩和解压缩电路），软件系统包括多媒体驱动软件、多媒体*作系统、多媒体数据处理软件、多媒体创作工具软件和多媒体应用软件。

Android的多媒体系统主要包括Java框架层，C语言框架层（Media API）以及OpenCore。Java框架层上面和Java应用层相连，Java框架层和C语言框架层的中间是Java本地调用部分（Media JNI）。Android多媒体部分的C语言部分的核心是media库，它主要提供了媒体播放器和媒体记录器的框架。media库向上层通过JNI提供接口，下层通过Packet Video等实现。

信息类型：

多媒体信息包括文本、图形、图像、声音、影视、动画等多种不同的形式，不同类型的媒体由于内容和格式的不同，相应的内容管理和处理方法也不同，存储量的差别也很大。

文字

文字是人们在现实中进行通信交流的主要形式，也是人与计算机之间进行信息交换的主要媒体。在计算机中，文字用二进制的编码表示，即使用不同的二进制编码来代表不同的文字。常用的文字包括西文与汉字。

(1)西文字符编码。在计算机中，西文采用ASCII(American Standard Code for Information Interchange，美国信息交换标准代码)码表示。ASCII码包括大小写英文字母、标点符号、阿拉伯数字、数学符号、控制字符等共128个字符，一个ASCII码占一个字节，用7位二进制数编码组成。

(2)汉字编码。汉字编码包括：汉字的输入编码、汉字内码和汉字字模码。

①汉字的输入编码。西文可以直接通过键盘输入到计算机中，而汉字则不同，要使用键盘输入汉字，就必须为汉字设计相应的输入编码方法，如微软拼音输入法、五笔字型输入法等。

②汉字内码。不管用什么编码输入汉字，每个汉字在计算机内部都由的编码～汉字内码来表示，汉字内码是用于汉字信息的存储、交换、检索等*作的机内代码。当前的汉字编码有二字节、三字节甚四字节的。其中GB231280(标准信息交换用汉字编码，简称国标码)是二字节码，用两个7位二进制数编码表示一个汉字。在计算机内部，汉字编码和西文编码是共存的，为了能够相互区别，国标码将两个字节的位都规定为1，而ASCII码所用字节的位为0，然后由软件(或硬件)根据字节位来判断。

③汉字字模码。字模码是用点阵表示的汉字字形代码，它是汉字的输出形式。根据汉字输出的要求不同，点阵的多少也不同。简易汉字为16×16点阵，提高型汉字为24×24点阵、32×32点阵，甚更高。因此字模点阵的信息量是很大的，所占存储空间也很大。例如16×16点阵的每个汉字要占用32个字节，而32×32点阵的每个汉字要占用128个字节。

由此可见，汉字的输入编码、汉字内码、字模码是计算机中用于输入、内部处理、输出三种不同用途的编码。

传统的文字输入方法是利用键盘进行输入，可以通过手写输入设备直接向计算机输入文字，也可以通过光学符号识别(OCR)技术自动识别文字进行输入。较理想的输入方法是利用语音进行输入，让计算机能听懂人的语言，并将其转换成机内代码，同时计算机可以根据文本进行发音，真正地实现“人机对话”，这正是多媒体技术需要解决的问题。

图形

图形是指由点、线、面以及三维空间所表示的几何图。在几何学中，几何元素通常用矢量表示，所以图形也称矢量图形。矢量图形是以一组指令集合来表示的，这些指令用来描述构成一幅图所包含的直线、矩形、圆、圆弧、曲线等的形状、位置、颜色等各种属性和参数。

图像

图像是一个矩阵，其元素代表空问的一个点，称为像素(Pixel)，每个像素的颜色和亮度用二进制数来表示，这种图像也称为位图。对于黑白图用1位值表示，对于灰度图常用4位(16种灰度等级)或8位(256种灰度等级)来表示某一个点的亮度，而彩色图像则有多种描述方法。位图图像适合于表现比较细致、层次和色彩比较丰富、包含大量细节的图像。

声音

声音是多媒体信息的一个重要组成部分，也是表达思想和情感的一种必不可少的媒体。声音主要包括波形声音、语音和音乐三种类型。声音是一种振动波，波形声音是声音的一般形态，它包含了所有的声音形式；语音是一种包含丰富的语言内涵的波形声音，人们对于语音，可以经过抽象，提取其特定的成分，从而达到对其意义的理解，它是声音中的一种特殊媒体；音乐就是符号化了的声音，和语音相比，它的形式更为规范，如音乐中的乐曲，乐谱就是乐曲的规范表达形式。

影视

人类的眼睛具备一种“视觉停留”的生物现象，即在观察过物体之后，物体的映像将在眼睛的视网膜上保留短暂的时间。因此，如果以足够快的速度不断播放每次略微改变物体的位置和形状的一幅幅图像，眼睛将感觉到物体在连续运动。影视(Video)系统(如电影和电视)就是应用这一原理产生的动态图像。这一幅幅图像被称为帧(Frame)，它是构成影视信息的基本单元。

传统的广播电视系统采用的是模拟存储方式，要用计算机对影视进行处理，必须将模拟影视转换成数字影视。数字化影视系统是以数字化方式记录连续变化的图像信息的信息系统，并可在应用程序的控制下进行回放，甚可以通过编辑*作加入特殊效果。

动画

动画和影视类似，都是由一帧帧静止的画面按照一定的顺序排列而成，每一帧与相邻帧略有不同，当帧以一定的速度连续播放时，视觉暂留特性造成了连续的动态效果。

计算机动画和影视的主要差别类似图形与图像的区别，即帧画面的产生方式有所不同。计算机动画是用计算机表现真实对象和模拟对象随时间变化的行为和动作，是利用计算机图形技术绘制出的连续画面，是计算机图形学的一个重要的分支；而数字影视主要指模拟信号源(如电视、电影等)经过数字化后的图像和同步声音的混合体。在多媒体应用中有将计算机动画和数字影视混同的趋势。

超文本与超媒体

在当今的信息社会，信息不断地迅猛增加，而且种类也不断增长，除了文本、数字之外，图形、图像、声音、影视等多媒体信息已在信息处理领域占有越来越大的比重；如何对海量的多媒体信息进行有效的组织和管理，以便于人们检索和查看，已成为重要课题。超文本/超媒体技术的出现，使这一课题得到了较好的解决，它已成为Internet上信息检索的核心技术。

人类的记忆是以一种联想的方式构成的网络结构。网状结构有多种路径，不同的联想检索必然导致不同的路径。网状信息结构用传统的文本形式是无法管理的，必须采用一种比文本更高一次层的信息管理技术——超文本。

超文本(Hyper text)可以简单地定义为收集、存储和浏览离散信息，以及建立和表示信息之间关系的技术。从概念上讲，一般把已组成网(web)的信息称为超文本，而把对其进行管理使用的系统称为超文本系统。

超文本具有非线性的网状结构，这种结构可以按人脑的联想思维方式把相关信息块联系在一起，通过信息块中的“热字”、“热区”等定义的链来打开另一些相关的媒体信息，供用户浏览。

随着多媒体技术的发展，超文本中的媒体信息除了文字外，还可以是声音、图形、图像、影视等多媒体信息，从而引入了“超媒体”这一概念，超媒体一多媒体+超文本。“超文本”和“超媒体”这两个概念一般不严格区分，通常可看做同义词。