Eu trabalhava na Panasonic em seus sistemas de entretenimento a bordo, por isso sei um pouco sobre esse tipo de coisa. Esta descrição não será 100% tecnicamente precisa (alguns nomes podem estar um pouco errados), mas estou tentando escrevê-la para que qualquer pessoa possa entendê-la. Espero que esta explicação ajude ...
A "mágica" por trás disso pode ser uma combinação das seguintes coisas: amplitude, frequência e modulação do sinal. Diferentes tipos de TVs e sinais funcionam de maneira diferente. É por isso que as TVs antigas tinham que ter uma caixa conversora para aceitar os novos sinais digitais, se tivessem apenas um sintonizador analógico. Mas isso realmente descreve apenas como os dados são apresentados no sinal. Basicamente, os dados de cores de cada pixel são enviados para a linha de TV por linha, pixel por pixel e a TV atualiza a tela tantas vezes por segundo com os novos dados. Embora o vídeo seja realmente apenas um monte de imagens estáticas sendo atualizadas na tela, elas mudam rápido o suficiente para que possamos percebê-las como em movimento, daí o antigo termo "imagem em movimento".
Veja um sinal típico de "barra de cores" usado para testar sistemas de vídeo da Wikipedia .
A imagem em si é dividida em "linhas" de pixels. Cada tela tem tantas colunas e tantas linhas, compondo a resolução total da tela. Cada cor nesta imagem está espalhada por vários pixels da mesma linha. A forma de onda do osciloscópio que o acompanha ajuda a descrever o que está acontecendo aqui (Esta imagem é da Tektronix ):
Esta imagem mostra os dados para duas linhas de pixels. Cada linha começa com um "pulso de sincronização" para alinhar a tela e o sinal. Este pulso (a parte negativa da forma de onda) é seguido por dados para cada pixel da linha. Na verdade, este é um vídeo analógico: os dados de pixel são representados pela amplitude e fase do sinal. Você pode ver as várias cores como uma tensão analógica com diferentes tensões máxima e mínima. Quando uma linha é finalizada, outro pulso de sincronização sinaliza o início da próxima linha. O sinal de vídeo e a tela precisam ter uma resolução correspondente (número de pixels por linha). Se houver dados extras, eles serão descartados. Se não houver dados suficientes, os pixels compartilham os dados (torna a imagem em blocos).
Agradecemos a Pete B por mencionar isso:
Para esclarecer um pouco dos detalhes sobre os sinais de cores, a luminância (brilho) de um pixel é determinada pela amplitude do sinal; enquanto a crominância (matiz) é determinada pela fase do sinal do subportador de croma.
Os sinais digitais são um pouco diferentes, pois o sinal é HI ou LO. O valor de HI pode variar entre os sistemas. Existem diferentes maneiras que isso funciona. Às vezes, um número conhecido de bits de dados constitui um pacote que carrega todos os dados de pixel (semelhante à comunicação de rede). Outra maneira é o tempo em que o sinal é HI versus quanto tempo é LO para representar um valor diferente de pixel. É assim que os controles remotos da TV IR funcionam, embora eles estejam enviando "códigos de controle" em vez de informações em pixels.
Como você pode imaginar, tudo isso ocorre muito, muito rapidamente. Uma TV comum nos Estados Unidos é atualizada (atualização da tela) 60 vezes por segundo (60Hz) ou 30Hz para vídeo entrelaçado. Embora as TVs modernas e HD normalmente sejam atualizadas com mais frequência (acima de 240Hz). O que essa taxa de atualização significa é que cada pixel na tela inteira é atualizado tantas vezes por segundo. Quanto mais ele é atualizado, mais detalhes ficam disponíveis na imagem, especialmente quando há muitas imagens em movimento rápido no vídeo (como uma sequência de perseguição).
Diferentes canais de TV (AIR ou Cable) são entregues na TV pelo mesmo método, apenas com frequências base diferentes. O sintonizador de TV selecionará uma dessas frequências básicas a serem exibidas (selecionando um canal) e atualizará os pixels com base nas frequências moduladas na portadora base. As frequências que representam os dados de cores dos pixels são muito, muito mais rápidas que a taxa de atualização real da tela, porque cada dado de pixel precisa ser atualizado tantas vezes por segundo e existem, como você disse, milhares de pixels.
Como os seres humanos apenas ouvem som em um espectro de 20Hz a 20kHz, os dados do som podem ser facilmente adicionados ao sinal na parte superior do vídeo e filtrados pela TV, embora, para "som de alta definição", o sinal sonoro seja enviado através um fio separado para a TV para caber em todos os dados.
Para realmente entender o que está acontecendo, é necessário compreender as frequências de sinal, amplitude, divisão de tempo, modulação e análise de espectro. Mas espero que isso explique um pouco disso ...