Codificación de vídeo
Transcripción
Codificación de vídeo
Tema 4: Codificación y compresión de vídeo. 1. Introducción. 2. Características del vídeo. Captura de vídeo analógico. Digitalización. Tipos de vídeo (según su calidad). Parámetros específicos de red. 3. Compresión de vídeo. Redundancia temporal. Estimación de movimiento. Estándares: MPEG y H.261. Bibliografía [FLU95] Fluckiger, “Understanding networked multimedia” [TSU99] Introduction to video coding standards for multimedia communication [H.264] Overview of the H.264 / AVC Video Coding Standard [MPEG4] MPEG-4 Overview [HiJa94] Compressing still and moving images with wavelets 4. Conclusiones. Arquitecturas de red para la distribución de contenidos Arquitecturas de red para la distribución de contenidos 1. Introducción Una secuencia de vídeo es una sucesión de imágenes que producen sensación de movimiento. El proceso completo de transmisión de vídeo con compresión consiste en: Adquisición del vídeo a transmitir. Captura analógica de la secuencia de imágenes. Digitalización del vídeo. (Re)codificación y subsampling de las muestras. Típicamente se pasa de RGB a YCbCr Subsampling de la crominancia (de 4:4:4 a 4:2:0 ó 4:2:2) Compresión del vídeo. Transmisión progresiva del vídeo comprimido (a ser posible usando protocolos con soporte multimedia) 2 Arquitecturas de red para la distribución de contenidos 2.1 Captura de vídeo analógico I Las imágenes (dos dimensiones) son convertidas en una señal analógica. Se capturan las imágenes a intervalos regulares. Cada imagen (cuadro o frame) es barrida calculando la intensidad de cada punto (B&W). Para reproducir la imagen se realiza el proceso inverso. Líneas de barrido 1 3 5 7 9 Placa de barrido a Lentes Líneas de barrido mostradas t 483 3 Arquitecturas de red para la distribución de contenidos 2.1 Captura de vídeo analógico II La captura (y reproducción) de imágenes en color es muy similar a la de blanco y negro. En este caso se utilizan tres haces de barrido (RGB). Conversión RGB a YUV (compatibilidad con señales B&W). Filtros R Lentes Placa de barrido Y: Luminancia (intensidad). U y V: Diferencias de color. El ojo humano es más sensible a la intensidad (brillo) que a la información de color (subsampling). a G a B a t t Divisor TV Color t Y+C Y R G Cámara B Demod. Conv. R G B CRT U V C Codificador Modulador TV B&W Y+C Filtro Y CRT 4 Arquitecturas de red para la distribución de contenidos 2.1 Captura de vídeo analógico III Parámetros de barrido: Relación de aspecto (ancho:alto): 4:3 Existen distintos estándares: NTSC (Usa y Japón): 525 líneas, 30 frames/s PAL/SECAM (Resto): 625 líneas, 25 frames/s. Algunas líneas (superiores e inferiores) no son visibles. Barrido entrelazado y progresivo. Entrelazado. Cada cuadro se representa con dos campos sucesivos (uno con las líneas impares y otro con las pares) (60 c/s ó 50 c/s). 5 Arquitecturas de red para la distribución de contenidos 2.1 Captura de vídeo analógico IV Parpadeo de imagen (flicker) Continuidad de movimiento. Efecto que aparece cuando la imagen no es refrescada con suficiente rapidez. (70-90Hz suficiente) La retina mantiene una imagen durante un tiempo antes de que desaparezca. Valor mínimo: 50 imágenes/segundo Viene determinada por el número de cuadros diferentes por segundo. No se recomienda utilizar menos de 25 cuadros/s. Ancho de banda de una señal de vídeo analógico: 6 MHz. 6 Arquitecturas de red para la distribución de contenidos 2.2 Digitalización I ITU-R (CCIR-601): Estándar para la digitalización de señales de TV. Define los parámetros de muestreo, cuantificación, barrido y resolución de imagen que se deben tomar para digitalizar una señal de TV analógica. Parámetros de barrido: Dos formatos (NTSC y PAL/SECAM) 525 líneas y 858 muestras/línea - 30 frames/seg. 625 líneas y 864 muestras/línea - 25 frames/seg. Las muestras corresponden a la luminancia (Y): Intensidad de luz de cada pixel (cantidad de blanco). Las diferencias de color Cr (U) y Cb (V) se muestrean a la mitad (429/línea, 432/línea): Sub-sampling 4:2:2. 7 Arquitecturas de red para la distribución de contenidos 2.2 Digitalización II Cada línea tiene una zona visible (línea activa). Este estándar define una línea activa de 720 pixeles. Se define un número de líneas visibles por cuadro: 480 (NTSC), 576 (PAL/SECAM). Barrido entrelazado: Un cuadro (frame) está formado por dos campos: El primero con las líneas impares y el segundo con las pares. Línea completa Tiempo Línea activa 720 muestreos Frecuencia de muestreo única. 525x858x30* = 625x864x25 = 13,5 MHz. 8 Arquitecturas de red para la distribución de contenidos 2.2 Digitalización III Codificación y recodificación. Cada muestra RGB se codifica con 24 bits/color. La conversión de RGB a YCbCr (YUV) se realiza mediante una matriz de conversión (aproximada): Y = 0.3R + 0.6G + 0.1B U = B - Y (Diferencia de color azul) (equiv. Cb=U/2+128) V = R - Y (Diferencia de color rojo) (equiv. Cr=V/1.6+128) Cada uno de los componentes se codifica con 8 bits. Y (8 bits): rango 16-235 Cb (8 bits) y Cr (8 bits): rango 16-240 720 360 720 480 o 576 R G 480 o 576 B 480 o 576 Y Cb Cr Subsampling 4:2:2 9 Tema 4: Codificación y compresión de vídeo. 1. Introducción. 2. Características del vídeo. Captura de vídeo analógico. Digitalización. Tipos de vídeo (según su calidad). Parámetros específicos de red. 3. Compresión de vídeo. Redundancia temporal. Estimación de movimiento. Estándares: MPEG y H.261. Bibliografía [FLU95] Fluckiger, “Understanding networked multimedia” [TSU99] Introduction to video coding standards for multimedia communication [H.264] Overview of the H.264 / AVC Video Coding Standard [MPEG4] MPEG-4 Overview [HiJa94] Compressing still and moving images with wavelets 4. Conclusiones. Arquitecturas de red para la distribución de contenidos Arquitecturas de red para la distribución de contenidos 2.4 Tipos de vídeo (según su calidad) I La percepción de calidad de una señal de vídeo se basa en tres parámetros: La resolución de las imágenes. La frecuencia de reproducción (cuadros/s.). El tipo de barrido (progresivo o entrelazado) Televisión de alta definición (HDTV). Existen diferentes variantes acerca HDTV. 1920x1080/60, 1920x1080/30-24, 1280x720/30-24 Relación de aspecto 16:9 Vídeo digital profesional (studio-quality). Estándar ITU-R (CCIR-601) de vídeo digital. 11 Arquitecturas de red para la distribución de contenidos 2.4 Tipos de vídeo (según su calidad) II Vídeo de difusión (TV broadcast). Reproductor de Vídeo (VCR-quality). Difusión de señales de televisión analógicas. Estándares NTSC y PAL/SECAM. Grabación de vídeo analógico (en VHS) Menor resolución de imagen (la mitad de PAL/SECAM). Videoconferencia (Low-speed). Tasas de bits pequeñas (alrededor de 128 Kbps) Resolución de imagen 4 veces inferior al vídeo digital. ITU-TS H.261: Common Intermediate Format (CIF) 352x288 La secuencia de cuadros/s se reduce entre 5 y 10. 12 Tema 4: Codificación y compresión de vídeo. 1. Introducción. 2. Características del vídeo. Captura de vídeo analógico. Digitalización. Tipos de vídeo (según su calidad). Parámetros específicos de red. 3. Compresión de vídeo. Redundancia temporal. Estimación de movimiento. Estándares: MPEG y H.261. Bibliografía [FLU95] Fluckiger, “Understanding networked multimedia” [TSU99] Introduction to video coding standards for multimedia communication [H.264] Overview of the H.264 / AVC Video Coding Standard [MPEG4] MPEG-4 Overview [HiJa94] Compressing still and moving images with wavelets 4. Conclusiones. Arquitecturas de red para la distribución de contenidos Arquitecturas de red para la distribución de contenidos 2.5 Parámetros específicos de red I Lo que debe suministrar una red para el envío en tiempo real de una secuencia de vídeo. Tasa de bits. Calidad Estándar Sin comprimir Mbps Comprimido Mbps HDTV 1920x1080/60 2000 Sin comprimir Comprimido MPEG-2 25 a 34 ITU-R digital TV Sin comprimir ITU-R 601 166 Comprimido MPEG-2 3a6 TV broadcast MPEG-2 2a4 VCR MPEG-1 1,2 H.261 0.1 Videoconferencia 14 Arquitecturas de red para la distribución de contenidos 2.5 Parámetros específicos de red II Retardo y varianza del retardo. Normalmente se envían una secuencia de vídeo sincronizada con el audio correspondiente. La sincronización es muy importante y necesaria desde HDTV hasta VCR. En Videoconferencia no es tan importante ya que la imagen no es continua (pocos cuadros/s). En estos casos, los requerimientos para estos parámetros los impone el audio (más sensible). Valores indicativos para la varianza del retardo: HDTV: 50 ms. Vídeo difusión: 100 ms. Videoconferencia: 400 ms. 15 Arquitecturas de red para la distribución de contenidos 2.5 Parámetros específicos de red III Tasa de error. El vídeo comprimido es más sensible a los errores. La degradación de la calidad de vídeo percibida depende: BER de la red Del tipo de error (simple, ráfaga, bloque, etc.) Donde se produce ese error. El índice de compresión de vídeo. Mecanismos de recuperación ante errores: Técnicas de protección de la señal. – FEC (Forward Correction Codes). – Marcas de resincronización. – Reversible VLC. – Técnicas de paquetización. Ocultación de errores (error concealment) – Cuando se pierden bloques o llegan demasiado tarde. – Técnicas de extrapolación e interpolación de cuadros. 16 Tema 4: Codificación y compresión de vídeo. 1. Introducción. 2. Características del vídeo. Captura de vídeo analógico. Digitalización. Tipos de vídeo (según su calidad). Parámetros específicos de red. 3. Compresión de vídeo. Redundancia temporal. Estimación de movimiento. Estándares: MPEG y H.261. Bibliografía [FLU95] Fluckiger, “Understanding networked multimedia” [TSU99] Introduction to video coding standards for multimedia communication [H.264] Overview of the H.264 / AVC Video Coding Standard [MPEG4] MPEG-4 Overview [HiJa94] Compressing still and moving images with wavelets 4. Conclusiones. Arquitecturas de red para la distribución de contenidos Arquitecturas de red para la distribución de contenidos 3.1 Redundancia temporal. Se basa en la similitud de cuadros sucesivos en una secuencia de vídeo. Ej.: Secuencias de plano estático. Se utilizan técnicas de codificación diferencial o transformada 3D Sólo se codificarán las diferencias entre cuadros sucesivos (DPCM). La reconstrucción de un cuadro puede estar basado en otro(s) anterior(es). Un algoritmo típico de eliminación de redundancia temporal (motion compensation) es el que emplea MPEG. 18 Arquitecturas de red para la distribución de contenidos Redundancia temporal (MPEG-1) Cuadros de referencia y cuadros auto-contenidos Si F1 lo usamos para construir F2, se dice que F1 es un cuadro de referencia (reference frame). Si un cuadro no se construye a partir de ningún otro, se dice que es auto-contenido (intracoded frame) Normalmente estos sirven de referencia para otros. Macrobloques (macroblocks) 16x16 pixeles (6 bloques de 8x8: 4Y,1U y 1V). F1 F2 F3 19 Arquitecturas de red para la distribución de contenidos Redundancia temporal (MPEG-1) Vectores de movimiento (motion vector) Identifican el desplazamiento de un determinado macrobloque en el cuadro actual respecto a la posición que tenía en el cuadro de referencia. Los vectores de movimiento se aplican cuando se identifica un macrobloque existente en el cuadro de referencia (matching blocks) Vector de movimiento Δx = -20, Δy = 0 Cuadro de referencia Macrobloques idénticos F1 F2 20 Arquitecturas de red para la distribución de contenidos Redundancia temporal (MPEG-1) Búsqueda de macrobloques. Se buscan los macrobloques del cuadro a codificar en el cuadro de referencia. Si se encuentra el mismo macrobloque, sólo se codifica el vector de movimiento correspondiente. Si no se encuentra exactamente el mismo se elige el más parecido (macrobloque INTER). Se codifica el vector de movimiento. Se calcula el macrobloque error (las diferencias) aplicándole codificación estilo JPEG (DCT, quant, RLE+VLC en zigzag). Si no se encuentra ningún bloque similar (mb. INTRA) Se codifica dicho macrobloque con codificación estilo JPEG. 21 Arquitecturas de red para la distribución de contenidos Redundancia temporal (MPEG-1) Tipos de cuadros I (Intracoded frames): Cuadro codificado usando JPEG (autocontenido). P (Predictive frames): Cuadro basado en las diferencias respecto a un cuadro de referencia anterior (tipo I). B (Bidirectional frames): Cuadros basados en la interpolación de un cuadro anterior y otro posterior en la secuencia (tipo I o P). Cuadro de tipo I autocontenido Cuadro de tipo B basado en F1 y F3 F1 F2 Macrobloque encontrado!! Cuadro de tipo P basado en F1 Macrobloque encontrado!! F3 22 Arquitecturas de red para la distribución de contenidos Redundancia temporal (MPEG-1) Secuencias de cuadros (Group Of Pictures) Los cuadros de tipo I son los menos comprimidos, a continuación los de tipo P y por último los que más compresión obtiene son los de tipo B. Secuencias típicas: IBBBPBBBI IBBPBBPBBI (PAL) IBBPBBPBBPBBI (NTSC) I B B P B B P B B I 23 Arquitecturas de red para la distribución de contenidos Redundancia temporal (MPEG-1) La importancia de los cuadros de tipo I. En un sistema de vídeo es habitual el usar los controles de avance, retroceso, pausa, etc. Si queremos detener la secuencia de vídeo, necesitamos encontrar el último cuadro I para reconstruir el cuadro donde se ha detenido la imagen. Sirven como puntos de sincronización. Se estima que deben aparecer al menos un cuadro I cada 300-400 ms. Si se está difundiendo una secuencia de vídeo comprimida (TV broadcast, videoconferencia, etc) Permite “engancharse” rápidamente y recuperarse ante la recepción de algún cuadro dañado. 24 Tema 4: Codificación y compresión de vídeo. 1. Introducción. 2. Características del vídeo. Captura de vídeo analógico. Digitalización. Tipos de vídeo (según su calidad). Parámetros específicos de red. 3. Compresión de vídeo. Redundancia temporal. Estimación de movimiento. Estándares: MPEG y H.261. Bibliografía [FLU95] Fluckiger, “Understanding networked multimedia” [TSU99] Introduction to video coding standards for multimedia communication [H.264] Overview of the H.264 / AVC Video Coding Standard [MPEG4] MPEG-4 Overview [HiJa94] Compressing still and moving images with wavelets 4. Conclusiones. Arquitecturas de red para la distribución de contenidos Arquitecturas de red para la distribución de contenidos 3.2 Estimación de movimiento: Algoritmos. La parte más costosa de la estimación de movimiento corresponde a los algoritmos de búsqueda de macrobloques en el cuadro(s) de referencia. Provoca codificación asimétrica Los algoritmos más conocidos son los siguientes: Búsqueda completa (Full-Search). TTS (Three-Step Search) Búsqueda logarítmica. Búsqueda en cruz (Cross-Search) OTS (One-at-a-Time Search) Vecinos más próximos (Nearest Neighbours Search) Búsqueda jerárquica. 26 Arquitecturas de red para la distribución de contenidos Estimación de movimiento. Se define una función de coste que calcula el error entre dos macrobloques, por ejemplo, SAE (Sum of Absolute Errors)* : N 1 M 1 SAE i, j C i, j Ri, j i 0 j 0 (i,j) está definido dentro del área de búsqueda (NxM) determina las dimensiones del macrobloque. C(i,j) y R(i,j) definen los pixeles del macrobloque actual y referencia respectivamente. Las coordenadas (i,j) que menor SAE exhiban determinarán el vector de movimiento del macrobloque actual. (*) Más conocido como SAD (Sum of Absolute Differences) 27 Arquitecturas de red para la distribución de contenidos Algoritmos: Full Search. Examina todos los puntos del área de búsqueda (+/- p) Complejidad computacional por macrobloque: Número total de posiciones: (2p + 1)2 Cada posición (i,j), MxN pixeles. Cada píxel requiere: 1 resta, 1 suma y 1 valor absoluto. OMB 2 p 1 3MN 2 Complejidad (secuencia IxJ pixeles @ F fps) OFS IJF OMB MN Ejemplo: Broadcast TV (I=720, J=480, F=30, N=M=16) Coste de este algoritmo: 29.89 GOPS (p=15) ó 6.99 GOPS (p=7) 28 Arquitecturas de red para la distribución de contenidos Algortimos: Three-Step Search. (-7,-7) (0,-7) (7,-7) MV: (7,-2) 1 1 1 1 2 3 3 3 2 3 2 3 3 3 3 2 1 2 2 2 1 1 1 2 1. 2. 3. 4. 1 5. (0,7) (-7,7) Coste: (7,7) 6. Busca en la posición (0,0) S=2N-1 (step size) Busca 8 posiciones a +/-S píxeles alrededor de (0,0) De las nueva posiciones elige aquella con el SAD menor. S=S/2 y el nuevo origen de búsqueda el punto obtenido en 4. Repetir pasos 3-5 hasta que S=1. Examina 8 log 2 p 1 puntos 1.02 GOPS (p=15) ó 770 MOPS (p=7). 29 Arquitecturas de red para la distribución de contenidos Algoritmos: Búsqueda logarítmica. (-7,-7) (0,-7) (7,-7) MV: (5,-3) 1 4 5 5 5 2 5 3 5 4 5 5 5 1 2 1 2 3 1 1 1. 2. 3. 4. (0,7) (-7,7) Coste: (7,7) 5. 6. Busca en la posición (0,0) y establece S=N (step size) Selecciona 4 posiciones a S píxeles del origen en los ejes X e Y. Calcula la posición que ofrece el menor SAD, fijándola como el nuevo origen de la búsqueda Si esta posición es la central de las 5 seleccionadas S=S/2 Si S=1 ir al paso 6, sino ir al paso 2. Selecciona el origen actual y las 8 posiciones de alrededor, y calcula aquella que minimiza el SAD Examina 20 puntos 616 MOPS (p=7 y N=2). 30 Arquitecturas de red para la distribución de contenidos Algoritmos: Búsqueda en cruz (Cross Search) (-7,-7) (0,-7) 2 MV: (-2,-4) 2 4 1 3 2 (7,-7) 4 1 3 1. 3 2. 2 3 1 3. 1 1 4. (-7,7) Coste: (0,7) Examina 4 log 2 523 MOPS (p=7). (7,7) p 5 puntos 5. Establece el origen en la posición (0,0). S=2N-1 (step size) Selecciona 4 posiciones a +/-S píxeles del origen formando una cruz (X) y el propio origen. Calcula la posición que ofrece el menor SAE, fijándola como el nuevo origen de la búsqueda Si (S>1) entonces S=S/2 y va al punto 2. Sino ir al punto 5. Si la mejor posición está en el punto superior izquierda o inferior derecha de la X, evaluar 4 puntos más en forma de X a una distancia de +/-1 pixel. Sino hacer lo mismo pero con los 4 puntos distribuidos en “+”. 31 Arquitecturas de red para la distribución de contenidos Algoritmos: OTS (One-at-a-Time Search) (-7,-7) (0,-7) (7,-7) MV: (-4,-3) 5 9 8 7 6 4 3 6 2 1 1. 2. 1 1 3. 4. (0,7) (-7,7) Coste: Examina 12 puntos 369 MOP. (7,7) 5. Establece el origen en (0,0). Selecciona el origen y las dos posiciones vecinas en el eje X Calcula la posición que menor SAD exhiba. Si es el origen ir al paso 5. Establece el nuevo origen en la posición que ha ofrecido el menor SAD. Ir al paso 2. Repetir los pasos 2 al 4 seleccionando las posiciones en el sentido vertical (eje Y). Puede dar lugar a mínimos locales ! 32 Arquitecturas de red para la distribución de contenidos Algoritmos: Vecino más próximo. (-7,-7) (0,-7) (7,-7) MV: (-3,-4) 3 2 3 2 1 1 1 1 2 1 1. 2. 0 3. 4. (-7,7) (0,7) Coste: Examina 12 puntos 369 MOP. (7,7) Calcula el SAD del (0,0). Establece el origen de búsqueda a la posición del vector supuesto (predicted vector) Selecciona 4 posiciones alrededor del origen en forma de “+”. Si el origen de búsqueda (o la posición 0,0 en la primera iteración) ofrece el menor SAD entonces “fin de búsqueda”. Sino establece el nuevo origen de búsqueda en la posición que menor SAD ha ofrecido. Propuesto para H.263 y MPEG-4. 33 Arquitecturas de red para la distribución de contenidos Estimación de movimiento: Otras consideraciones. Estimación de movimiento con fracciones de píxel Se basa en realizar la estimación de movimiento con mayor precisión, ya que a veces el movimiento real no se ajusta a desplazamientos de píxel enteros. Half-Pixel motion estimation Se obtiene un imagen de mayor resolución interpolando un punto de la imagen entre cada dos píxeles. A b A b A c d c d c A b A b A c d c d c A b A b A Se incrementan notablemente las prestaciones del algoritmo de estimación de movimiento a expensas de un mayor coste computacional. H.263 utiliza está técnica, incluso se propone utilizar ¼ y 1/8 de píxel para el estándar H.264 A: Pixeles reales (Enteros) b,c,d: Pixeles interpolados. Las flechas indican la dirección de interpolación. 34 Arquitecturas de red para la distribución de contenidos Estimación de movimiento: Mejoras propuestas. Vectores de movimiento fuera del cuadro de referencia. Para estimar correctamente el movimiento que se produce en los bordes del cuadro. Tamaño de bloque variable. Para realizar estimación de movimiento más precisa. Se utiliza en H.263 (Anexo F) y H.264. Tamaños: 16x16;8x8;4x4;8x16;16x8.... OBMC (Overlapped Block Motion Compensation) Objetivo: Suavizar los efectos de “blocking” que aparecen en los bordes de los macrobloques. Incremento significativo del coste computacional. H.263 recomendo utilizar filtros de salida (deblocking filters) que realizan esta operación a un coste computacional muy inferior. Modelos de estimación más complejos: Region-based, Picture Warping, Mesh-based, Object-based... 35 Tema 4: Codificación y compresión de vídeo. 1. Introducción. 2. Características del vídeo. Captura de vídeo analógico. Digitalización. Tipos de vídeo (según su calidad). Parámetros específicos de red. 3. Compresión de vídeo. Redundancia temporal. Estimación de movimiento. Bibliografía [FLU95] Fluckiger, “Understanding networked multimedia” [TSU99] Introduction to video coding standards for multimedia communication [H.264] Overview of the H.264 / AVC Video Coding Standard [MPEG4] MPEG-4 Overview [HiJa94] Compressing still and moving images with wavelets Estándares: MPEG y H.261. 4. Conclusiones. Arquitecturas de red para la distribución de contenidos Arquitecturas de red para la distribución de contenidos 3.3 Estándar MPEG. Conjunto de estándares ISO para la grabación y transmisión digital de audio y vídeo. En su evolución se han desarrollado varias versiones del estándar MPEG: MPEG-1 (ISO 11172) (‘91): CD-ROM vídeo (1,5 Mbps). MPEG-2 (ISO 13818) (‘93): TV Broadcast (4-6 Mbps). HDTV (25-34 Mbps). MPEG-4 (ISO 14496) (‘99): Originalmente: Videoconferencia (4,8 a 64 Kbps). Enfoque universal de tratamiento de elementos multimedia. MPEG-7 (00-?): Descripción de contenido multimedia (videodatabases) MPEG-21 (01-?): Uso transparente de contenido multimedia entre redes y usuarios heterogéneos. 37 Arquitecturas de red para la distribución de contenidos Relación entre los estándares MPEG. 38 Arquitecturas de red para la distribución de contenidos MPEG-1. MPEG-1 (ISO 11172) (‘91) MPEG-Vídeo (IS 11172-2) MPEG-Audio (IS 11172-3) (Tema siguiente) MPEG-System (IS 11172-1): Multiplexado y sincronización. MPEG-Conformance Testing (IS 11172-4) Patrones de prueba, medida de calidad, etc MPEG-Software Coding (IS 11172-5) Directrices para la codificación de los algoritmos. Propósito de MPEG-1 Almacenamiento en CD-ROM de audio (calidad CD) y vídeo (calidad VCR) sincronizado (1,5 Mbps). 39 Arquitecturas de red para la distribución de contenidos MPEG-1 Características de MPEG-1: Resolución de imagen: 352x(288 ó 240) (PAL/NTSC). Reducción de color (sub-sampling): 4:2:0. Barrido progresivo (no entrelazado). Tasa de cuadros: 25/30 (PAL/NTSC). Incluye cuadros de tipo D (DC-coded): Operaciones de avance rápido (Fast Forward). Codificador/decodificador asimétrico. Tasa de compresión: 27:1. Los codificadores de audio y vídeo trabajan por separado. Utilizan un reloj común para establecer el tiempo de cada una de sus capturas (system). Audio encoder Salida MPEG-1 Reloj System Mux. Vídeo encoder 40 Arquitecturas de red para la distribución de contenidos MPEG-2 Conjunto de estándares ISO 13818 (‘93). Propósito: Aplicación: Mejorar la calidad de imagen respecto al anterior sin incrementar excesivamente la tasa de bits requerida Calidad de vídeo profesional (studio-quality) y HDTV Difusión de señales de TV, HDTV, VOD La codificación/decodificación es muy similar a la de MPEG-1 salvo algunas diferencias: No se incluyen cuadros de tipo D. Permite bloques de 16x8 para vídeo entrelazado. Otras mejoras (permite DC de hasta 10 bits, cuantización no lineal, nuevas tablas VLC, escalabilidad SNR y multiresolución) 41 Arquitecturas de red para la distribución de contenidos MPEG-2 Características de MPEG-2. Soporta barrido entrelazado y progresivo. Puede trabajar con distintas resoluciones (nivel): CIF: 352x288/240 (VCR quality) (Compatibilidad MPEG-1) Principal: 720x576/480 (studio-quality) High-1440: 1440x1152 (HDTV) High: 1920x1080 (HDTV) Define varios perfiles de implementación Detalles de los algoritmos de compresión y parámetros de imagen, barrido, etc. El multiplexado y sincronización es más general y flexible que MPEG-1 Se pueden multiplexar/sincronizar varias fuentes de audio, vídeo y datos (ej.: subtítulos en varios idiomas). 42 Arquitecturas de red para la distribución de contenidos MPEG-4 Propósito: Diseño de aplicaciones multimedia interactivas distribuidas. Aplicación: Televisión digital Compatibilidad con MPEG-2 (backware compatibility) Aplicaciones multimedia interactivas El usuario puede interaccionar con los objetos multimedia de la sesión. Distribución de información multimedia (tipo WWW) A través de una red, se permitirá el acceso y distribución a información multimedia, facilitando su diseño y presentación. 43 Arquitecturas de red para la distribución de contenidos MPEG-4 Características: Accesibilidad de la información de manera universal y robusta. Alta interactividad con la información multimedia. Definición de escenarios virtuales compuestos por objetos independientes (AVOs). El usuario puede modificar/configurar el escenario actual. Codificación conjunta de datos sintéticos y reales. Codificación eficiente de la información. Mejoras en la compresión y multiplexación de la información. Codificación de objetos con forma irregular. 44 Arquitecturas de red para la distribución de contenidos MPEG-4 45 Arquitecturas de red para la distribución de contenidos 3.3 Estándar H.261. Pertenece al conjunto de estándares H.320 del ITU dedicados a videoconferencia sobre RDSI. H.320: Definición de la familia de estándares H.221: Multiplexado, sincronización sobre uno o varios canales RDSI y empaquetamiento (framming). H.242/H.230: Establecimiento y control de sesión. H.224/H.281: Control remoto de cámaras. H.233 y H.234: Cifrado y autenticación de los datos. T.120: Soporte para aplicaciones (transferencia de imágenes, anotaciones compartidas, etc.) G.711, G.72x ...: Algoritmos de compresión de audio H.261: Compresión de vídeo (conocido como px64). 46 Arquitecturas de red para la distribución de contenidos Estándar H.261. Características de H.261: Formato de imagen: YCbCr CIF: 352x288 (opcional) QCIF: 176x144 (obligatorio) Reducción de color: 4:2:0 Tasa de cuadros/seg: como máximo 30 max. Mecanismo de compresión similar a MPEG-1: Para la redundancia temporal se emplean mecanismos similares a MPEG, basados en macrobloques (16x16). H.261 define el concepto de GOB (Group Of Blocks) 1 GOB = 3x11 macrobloques (QCIF: 3 GOBs) 47 Arquitecturas de red para la distribución de contenidos Estándar H.261. Sólo se definen dos tipos de cuadros: I y P. No existen secuencias predefinidas de cuadros. Decisión de codificación I o P para cada cuadro. Estimación de movimiento (motion estimation): Se realiza a nivel de macrobloque Búsqueda restringida en un área de +-15 pixels, usando sólo la información de luminancia (Y). Resultado de la búsqueda: Macrobloque del cuadro de anterior que más se parece al actual Cálculo de las diferencias (macrobloque error). Si superan un cierto umbral se codifican (DCT), si no se elimina el macrobloque error, utilizando sólo el vector de movimiento. Cuantificación lineal (menos costosa). Se siguen utilizando run-length y Huffman (VLC). 48 Arquitecturas de red para la distribución de contenidos Estándar H.261. PSC Esquema del formato H.261 TR PType GOB Start Addr Type DC GOB1 Grp# Quant Run, Valor GOB2 Quant Vector ... MB1 CBP .... GOBm ... b0 Run, Valor MBn b1 ... b5 EOB 49 Arquitecturas de red para la distribución de contenidos Otros estándares H.26x. H.263: Mejora, amplía y sustituye el H.261 H.263+: Añade nuevas características a H.263 Escalabilidad SNR, espacial y temporal Predicción de los valores de los coeficientes de la DCT H.264: Mejora la eficiencia en codificación De propósito general (no sólo para videoconf.) Incluye compensación de movimiento de “medio-píxel” Soporta cinco resoluciones (SQCIF, QCIF, CIF, 4CIF y 16CIF) Permite estimación de movimiento bidireccional y sin restricción en el tamaño de la ventana de búsqueda DCT con enteros y tam. bloque 4x4, compensación de movimiento con bloques de tamaño variable, Predicción INTRA, etc. HEVC (H.265?): Evolución natural del H.264 Aumenta los modos de predicción tanto INTER como INTRA, mas flexibilidad en los tamaños y estructura de MB, mejora en el post-filtrado y las etapas de estimación de movimiento, etc… 50 Arquitecturas de red para la distribución de contenidos Otros estándares H.26x. Comparación subjetiva entre MPEG-4 y H.264. Secuencia de vídeo Foreman (CIF @ 30 fps) comprimida a 32 Kbits/s Comparación R/D MPEG2, H.263, MPEG-4, H.264/AVC y HEVC 51 Arquitecturas de red para la distribución de contenidos 4. Conclusiones Las imágenes son captadas por cámaras de vídeo que proporcionan una señal analógica RGB. La digitalización está basada en el estándar ITU-R En función de la calidad de vídeo deseada, existen diversos formatos de imagen, barrido, etc. Se definen distintos parámetros de red de importancia para el transporte de vídeo Algoritmos de compresión de vídeo Fundamentos: Redundancia temporal Algoritmos de estimación de movimiento: Alto coste computacional. Estándares de compresión: Familia MPEG: 1-2-4 – Diseñados para procesar vídeo digital de calidad (Sector consumo). Familia ITU: H.261-3-4 – Diseñados para comunicaciones audiovisuales en distintos tipos de redes (RDSI, IP, telefonía, etc.) 52