COMPRESIÓN DIGITAL CAPITULO PRINCIPIOS

Transcripción

1 CAPITULO 4 COMPRESIÓN DIGITAL 4.1 PRINCIPIOS En un sistema digital PCM la velocidad de bit (bit rate) es el producto de la frecuencia de muestreo por el número de bits en cada muestra. Este último generalmente es constante. Se debe tener en cuenta que la velocidad de información (information rate) de una señal real varía constantemente. A la diferencia entre la velocidad de bit (bit rate) y la velocidad de información (informatión rate) se la conoce como redundancia. Los sistemas de compresión son diseñados para eliminar la redundancia. Una manera de hacerlo es utilizando predicciones estadísticas en las señales. La información contenida en una muestra o entropía es una función de lo diferente que es ésta del valor predecible. Muchas señales poseen algún grado de predicción. Un ejemplo de ello es la onda seno, una señal altamente predecible debido a la uniformidad de sus ciclos. Cualquier señal totalmente predecible carece de información, es representada por una simple frecuencia y, por lo tanto, no tiene ancho de banda. En el lado opuesto, se ubican las señales impredecibles como, por ejemplo, el 84

2 ruido. Los codecs (Compresor - Expansor) no pueden trabajar con señales ruidosas. Esto obedece a que en su diseño se utilizan estadísticas de material real que no podrían ser probados con ruido aleatorio dado que este es un elemento impredecible. Otro problema podría ocurrir si un codec que se desempeña correctamente con material limpio lo hace en forma errónea al trabajar con un material que contenga ruido. Por lo expuesto, las unidades de compresión requerirán de un proceso previo a la etapa de compresión. Una apropiada reducción del ruido se podría incorporar en esta etapa previa, si las señales ruidosas son anticipadas. Otro requerimiento será limitar el grado de compresión aplicada a las señales ruidosas. Cualquier señal real puede ubicarse en algún lugar entre los extremos de ser predecible o impredecible. Si empleamos el ancho de banda (fijado por la frecuencia de muestreo) y el rango dinámico (fijado por la longitud de palabra) de un sistema de transmisión para denotar un área. Esta fija un límite en la capacidad de información de un canal. En la figura 4.54 se puede observar esta área y una señal real que sólo ocupa parte de la misma. Esta señal no puede contener todas las frecuencias o no puede tener un total dinamismo en ciertas frecuencias. La entropía es el área ocupada por la señal y esta es el área que debe ser transmitida. El área remanente es llamada redundancia dado que esta no se añade a la información transmitida. En un compresor (coder) ideal se extraería exclusivamente la forma de la entropía para ser transmitida y se podría obtener la información original con un expansor (decoder) ideal. A este sistema ideal es posible aproximarse, pero esto originará el 85

3 Coder - Ideal sin perdidas Nivel de la señal Entropia Entropia Redundancia frecuencia Coder con perdidas Figura 4.54 Entropia aumento de la complejidad del compresor, además se tendría que contar con un canal que aceptase cualquier entropía y si la capacidad del canal no fuese la suficiente, el compresor descargaría parte de la entropía y con esto se eliminaría información útil. Para evitar este problema se modera el factor de compresión (coding gain) para que solamente se remueva la redundancia necesaria sin originar elementos indeseables, lográndose un sistema subjetivamente sin pérdida (subjectively lossless). Cuando se convierte una señal de video analogica a digital utilizando PCM se obtiene un gran flujo de datos (data rate) resultante. Este puede ser almacenado en grabadoras digitales, pero cuando se trata de manipular este flujo de datos como en el caso de los procesos de edición, postproducción y transmisión deberá considerarse la forma de manipular esta cantidad de flujo de datos sin perder información ni calidad. Para conseguirlo, se realiza el proceso de compresión digital que nos permite comprimir este flujo de datos ( data rate) conservando la calidad y cantidad necesaria de información. 86

4 La compresión nos permite además reducir costos, especialmente cuando se trata de transmitir señales. En este proceso el costo está relacionado con la velocidad de bit, por lo que al disminuir el flujo de datos (data rate) se aminora la velocidad de bit (bit rate) y con éste los costos. Podríamos mencionar como ejemplo los equipos de alta definición: estos requieren de un flujo de datos de aproximadamente cinco veces más que la de un equipo de video convencional. En esta razón reside el hecho de que la compresión en vídeo digital permita realizar algunos procesos que de otra forma resultarían impracticables y ejecutar los ya conocidos de manera económica. Los términos compresión, bit rate reduction y data reduction tienen el mismo significado en este contexto. La aplicación de la compresión en los equipos digitales de vídeo ha permitido que estos se fabriquen para usos domésticos y también sea aprovechada en computadoras gráficas, equipos de videoconferencia, videotelefónos, equipos multimedia y de vídeo interactivo. Diferentes niveles de compresión serán empleados en estos equipos acorde al requerimiento de calidad. Esta característica nos permite afirmar que la técnica de compresión es flexible porque se puede variar el rango la compresión y el grado de complejidad de la codificación (coding) de acuerdo a la aplicación requerida. Cuando se trata de postproducción de televisión el factor de compresión no puede ser tan alto porque podría perderse parte de la entropía de la señal. No se puede eliminar toda la redundancia de la señal, debido a que se necesitaría un algoritmo perfecto que podría resultar extremadamente complejo. En la práctica, el factor de compresión será mínimo y como consecuencia algoritmos simples podrán ser 87

5 adoptados. Este es el caso del sistema betacam digital de Sony que cuenta con un factor de compresión de 2 a 1. En otras aplicaciones, como en el de videoconferencia, la entropía es reducida y la señal final no es la misma que la original. Para el caso de la editoras no-lineales off-line, la entropía también es reducida porque las imágenes son utilizadas solamente para tomar decisiones de edición. De esta forma, el producto acabado será una lista final de edición (edit list), las grabaciones originales se conformarán siguiendo esta lista final y la calidad será preservada. Los sistemas de compresión presentan un número de requerimientos que no se pueden cumplir con una simple solución. Por este motivo, en postproducción se utiliza la compresión Intracuadro, que trabaja con un rango mínimo de compresión y permite una máxima libertad de edición con insignificante ocurrencia de errores. Los algoritmos de compresión que se utilizan para la transmisión de imágenes fijas en otras aplicaciones pueden adaptarse a este tipo de compresión. El Codec ISO-JPEG (Joint Photographic Experts Group) es uno de estos algoritmos. Pueden aplicarse también los codecs basados en transformadas Wavelet. Este tipo de compresión se utiliza en editoras no lineales en las que, en algunos casos, el rango de compresión puede ser manipulado. Cuando se requiera de grandes rangos de compresión y la libertad de edición no sea una prioridad se puede utilizar la compresión Intercuadro. El Codec ISO MPEG (Moving Picture Experts Group) utiliza este tipo de compresión, al igual que el Codec MPEG-1. Este último presenta una menor velocidad de bit (1.5Mbits/seg) y no reconoce el entrelazo con lo que reduce la entropía de la 88

6 señal. El Codec MPEG- 2 emplea también este tipo de compresión y posee una gran velocidad de bit (bit rate) que lo hace lo suficientemente flexible tanto para aceptar fuentes que emplean el entrelazado cuanto otras que no la emplean. A continuación, veamos de una manera general el proceso de compresión. En la figura 4.55a. Se observa cómo el flujo de datos (data rate) es reducido en la fuente por un compresor (compressor). Los datos comprimidos son enviados por un canal de comunicación hasta un expansor (expander) donde vuelve a su forma original. La relación entre el flujo de datos (data rate) de la fuente y el flujo de datos (data rate) del canal es conocida como factor de compresión (compression factor). Se recurre también al término coding gain para definir esta relación. El compresor puede ser referido como coder y el expansor como decoder y finalmente nos podemos referir al par en serie como Codec. En comunicaciones el costo del enlace para la comunicación de datos (data link) es proporcional al flujo de datos (data rate) y, por este motivo, existe la presión económica para utilizar un factor de compresión alto. En la figura 4.55b se puede observar el empleo de un codec con una grabadora. El uso de la compresión en aplicaciones de grabación es potente. El tiempo de reproducción del medio es extenso en proporción al factor de compresión. En el caso de cintas, el tiempo de acceso está perfeccionado porque la longitud de la cinta necesaria para una grabación dada es reducida lo que implica que puede ser rebobinada más rápidamente. En Transmision digital; Radio y Televisión, la compresión es usada para reducir el ancho de banda. En esta área de las telecomunicaciones existe un mercado masivo 89

7 para decoders, y estos puedan ser implementados a bajo costo. En cambio, como son pocos los encoders que se utilizan, no interesa si son caros. Otro ejemplo de aplicación de la compresión lo encontramos en los sistemas no lineales de edición de audio y vídeo. En ellos, el material se almacena en discos duros de alta capacidad y rápido acceso. El factor de compresión de estos equipos aminora sus costos. Los sistemas de edición no lineales que no comprimen resultan los más costosos. Fuente de la data Compresor o coder Canal de Transmisión Expansor o decoder Data recuperado (a) Fuente de la data Data recuperado (b) Compresor o coder Expansor o decoder Dispositivo de almacenamiento: Cinta, RAM, disco, etc... Figura

8 4.2 ALGORITMOS DE COMPRESIÓN Existen dos tipos de algoritmos de compresión: los que no tienen pérdidas (lossless) y los que sí la tienen (lossy). Estos sugestivos nombres nos indican la principal característica de cada uno de ellos. Los conocidos como lossless son aquellos que al reproducir a su forma original los datos mediante la descompresión, lo hacen bit por bit. El factor de compresión de estos algoritmos es bajo, del orden de 2 a 1. Una técnica común en un algoritmo de compresión lossless es codificar en series (Run length encoding). En esta, las series del mismo valor de data son comprimidas para transmitirlas en un codigo pre-ordenado en líneas de unos o líneas de ceros seguidas por un número con la longitud de la línea. Otra técnica de algoritmo de compresión lossless se asemeja al código Morse pues en ella se utilizan códigos de longitud variable. Esto es posible aplicando análisis estadístico en la frecuencia con la que son utilizadas determinadas letras. Así, cuando se trata de letras de uso frecuente se emplean códigos cortos mientras los códigos largos se reservan para representar letras con poca frecuencia de uso. El código Huffman utiliza este principio: la probabilidad con la que un código es transmitido es estudiada y los códigos más repetidos son organizados para ser transmitidos mediante símbolos de longitud de palabra corta. A los códigos menos frecuentes se les permitirá longitudes de palabra largas. Este código es usado en conjunción con un número de técnicas de compresión. Los algoritmos de compresión lossy usan técnicas lossless cuando es posible, 91

9 pero su característica principal es la de poder obviar información. Para este fin, la imagen es procesada o transformada en dos grupos de datos. Un grupo que contiene idealmente toda la información importante y el otro toda la información irrelevante. Únicamente los datos importantes necesitan ser mantenidos y transmitidos. Este tipo de algoritmo de compresión es muy utilizado en aplicaciones de audio y vídeo ya que permite grandes factores de compresión. En los codecs que emplean algoritmos lossy, las diferencias son arregladas de tal manera que se hacen subjetivamente no detectables a los sentidos humanos de oído y visión. Este tipo de codecs se basan en comprender cómo trabaja la percepción psicoacústica y psicovisual del ser humano. Por esta razón se les conoce como códigos de percepción (perceptive codes). Una aplicación de este tipo de codificación es la generación de las señales diferencia de color RGB en vídeo. La visión humana no percibe el cambio en la calidad cuando el ancho de banda de las señales diferencia de color se reduce. Los codecs que utilizan algoritmos lossy también explotan la disminución en nuestra habilidad para percibir detalles después de un cambio de imagen, en la diagonal o en objetos en movimiento. Este tipo de codecs no puede ser utilizado en los sistemas de prueba bit-error-rate, debido a que la señal reconstruida de un código de percepción no es exactamente bit a bit. 92

10 4.3 TÉCNICAS DE COMPRESION EN VIDEO DIGITAL Se puede dividir la técnica de compresión en vídeo digital en espacial y temporal. Cuando la técnica de compresión ( bit rate reduction) está basada íntegramente en la redundancia existente dentro de la imagen que está siendo comprimida se la denomina compresión Intracuadro (intraframe). Si la técnica de compresión ( bit rate reduction) se basa en la redundancia de la información en un grupo de imágenes continuas, la llamaremos compresión Intercuadro (interframe) COMPRESION INTRACUADRO Este tipo de compresión se aplica a imágenes fijas como en el caso de la fotografía y busca aprovechar la redundancia en éstas, conocidas también como redundancia espacial. En virtud de que el vídeo es una sucesión de imágenes fijas, la compresión intracuadro es aplicable a los cuadros de una secuencia de video. El Codec M-JPEG es el más utilizado en la compresión de vídeo cuando se emplea la compresión intracuadro. Esto obedece a su bajo costo de implementación y a las facilidades que brinda en la edición al permitir el acceso a cada cuadro. Este Codec fue inicialmente el más empleado por la mayoría de los sistemas de edición no lineales. En este tipo de compresión se recurre, principalmente, a las transformadas discretas del coseno - DCT, aunque también se utiliza transformadas Wavelet. Las transformadas DCT son las mas empleadas por los siguientes codecs que trabajan con la compresión intraframe; JPEG, M-JPEG y MPEG y por los 93

11 formatos de videograbadoras; betacam digital, digital-s, DV, DVCAM y DVCPRO. La compresión intracuadro es un proceso de conversión de imagen que consiste en transformar una imagen del dominio espacial al dominio de frecuencia. Como la transformación de una imagen podría resultar muy compleja, esta es usualmente separada en pequeños bloques cuadrados de píxeles (4x4, 8x8 ó 16x16) y luego cada bloque es codificado separadamente. Cuando la transformada discreta del coseno es aplicada al bloque, la data de las muestras son transformadas del dominio espacial al dominio de la frecuencia. Los coeficientes DCT resultantes son ordenados de acuerdo con el espectro que contienen las muestras, representando al bloque como una matriz de coeficientes. En la fig.4.56 se puede observar cómo la muestra de información ha sido reordenada en el dominio de la frecuencia. La esquina superior izquierda de la matriz de coeficientes contiene el coeficiente DC: este es el valor promedio de todo el bloque y es el único coeficiente requerido para representar un bloque sólido de luminancia o de información de color. El valor de este coeficiente es unipolar (positivo) en el caso de la luminancia y será el valor más grande del bloque. El coeficiente de la esquina inferior derecha representa la frecuencia espectral más elevada dentro de la matriz. Los demás coeficientes DCT se encuentran distribuidos entre estos dos. A la derecha del coeficiente DC encontraremos coeficientes que difieren de éste debido al incremento de la frecuencia horizontal que contienen. Si nos movemos hacia abajo encontraremos incrementos en la frecuencia vertical. Todos estos coeficientes son bipolares y la polaridad de cada uno de ellos indicará si la forma de onda original fue invertida en 94

12 Incrementa los detalles horizontales Incrementa los detalles verticales c c 1 c 2 c 3 c 1 c 2 c 3 c 11 C = Coeficiente DC Figura

13 esa frecuencia. Grandes diferencias revelan la presencia de altas frecuencias en el borde de la información dentro del bloque. En tanto, pequeñas diferencias son indicadores de cambios graduales como en el caso del cielo en el que se produce un desplazamiento sutil en la luminancia o en el color. A la luz de estos hechos, podemos inferir que las pequeñas diferencias son más difíciles de tratar que las grandes. En el sistema NTSC se emplean técnicas de filtrado para limitar la frecuencia máxima de la luminancia y de las componentes de color de la señal de vídeo. Basándonos en el espectro contenido en una imagen de vídeo, y sin considerar la cantidad total de la información de una imagen, encontraremos porciones significativas en la señal NTSC que contienen poca o ninguna información. Si añadimos a esto las porciones de la señal que contienen información de sincronización para las pantallas de TRC, se observará que hay mucho espacio a la izquierda de la señal. En esta zona se acumula más información acerca de la imagen incluyendo detalles de alta frecuencia removidos por los filtros pasa banda. Con la aplicación de las transformadas DCT es posible cuantificar coeficientes en una base selectiva. Los detalles en alta frecuencia pueden ser preservados para muchas escenas. La calidad en las imágenes resultantes dependerá de dos factores: la información completa contenida en la imagen y el bit rate seleccionado. Si el nivel de cuantificación es constante, la velocidad de bit ( bit rate) del flujo de la imagen comprimida variará basándose en el contenido de la información. Si la velocidad de bit ( bit rate) es constante, el nivel de cuantificación tendrá que variar para compensar los cambios en el contenido de la información de las imágenes. 96

14 La cuantificación de los coeficientes DCT se realiza dividiendo los coeficientes entre valores contenidos en una tabla de cuantificación. La función de esta ponderación es adaptar la significación de los coeficientes individuales al sistema visual humano. Dado que este es poco sensible a detalles de alta resolución, a los coeficientes de alta frecuencia se le asignan factores de ponderación menores que 1; a continuación, los coeficientes ponderados se redondean, dando como resultado una matriz de transformadas DCT cuantificada, un ejemplo de esta aplicación se observa en la figura A la combinación de ponderación y redondeo se la puede denominar cuantificación de los coeficientes DCT. En esta matriz se distingue que un gran número de coeficientes son iguales a cero y que varios coeficientes de este valor se encuentran agrupados. Estos coeficientes son eliminados aplicando una codificación de longitud variable (Run Length Coding). Estos valores son leídos en zigzag para maximizar la longitud (Run Lengths) de los coeficientes, como se observa en la figura La división entre 1 deja un coeficiente invariable: la división entre un número más grande reduce las diferencias entre coeficientes. Así decrece el número de coeficientes diferentes y, como secuela, se mejora la eficiencia de la compresión. El Código Huffman es aplicado a los coeficientes resultantes (entropía de la señal) con el objetivo de reducir aun más la data. La aplicación de las transformadas DCT y la compresión de la entropía no originan pérdida de la información de la imagen. Como el contenido de la información varía de escena a escena, la cantidad de data que es producida por cada cuadro al aplicarse las transformadas DCT también varía 97

15 Bloque DCT Tabla de cuantificación Bloque DCT cuantificado Figura Figura

16 con el contenido de la escena. En la mayoría de imágenes de vídeo, a las cuales se les aplica las transformadas DCT, la compresión promedio producida es de 2 a 1. Como muchos sistemas de edición no lineal tienen la capacidad necesaria para la compresión 2 a 1, pueden utilizar los algoritmos sin pérdida (lossless) en los codecs M-JPEG. La tabla de cuantificación puede ser variada con el fin de alcanzar determinados niveles de compresión o para especificar el tipo de información de la imagen. Los codecs JPEG y M-JPEG se valen de la misma tabla de cuantificación para todos los bloques DCT (8x8 píxeles) de una imagen. En DV y cuando se aplica un codec MPEG se permite que las tablas de cuantificación sean ajustadas para cada macrobloque de la imagen. Un macrobloque es un pequeño grupo de bloques DCT, frecuentemente conformado por bloques ordenados en forma cuadrada o rectangular. Basándose en las estadísticas de una imagen, obtenidas de la aplicación de las transformadas DCT a ésta, el nivel de cuantificación puede ser ajustado para cada macrobloque asignando mayor cantidad de bits a la región de mayor demanda de la imagen. La gran selectividad en el proceso de cuantificación ubica a los bits codificados en las frecuencias en las que nuestro sistema visual es más sensitivo. Si se usa con moderación, la cuantificación de los coeficientes DCT resulta una efectiva técnica de compresión. La presencia de transiciones en altas frecuencias dentro de un bloque codificado DCT, como las que se presentan en textos y gráficos, influye totalmente en los 99

17 coeficientes del bloque. En una correcta descompresión de imagen, cada coeficiente debe ser restaurado a su valor original. Si muchos coeficientes fueron modificados en el proceso de cuantificación, el resultado es una alteración periódica de los píxeles que se encuentran alrededor de las transiciones en alta frecuencia. Estas alteraciones se conocen como errores de cuantificación. Una señal analógica de video componente de buena calidad, cuando es convertida a digital a una frecuencia de muestreo acorde a la Norma ITU-R 61, puede ser codificada con un factor de compresión en el rango de 2 :1 a 5:1, sin que se aprecien pérdidas en la calidad de la imagen. Si el nivel se incrementa, se podrá ver el ruido alrededor de los bordes de las altas frecuencias. Otro defecto del proceso de cuantificación de los coeficientes DCT más notorios que el ruido de cuantificación de las altas frecuencias, ocurre cuando se presentan cambios sutiles dentro de una región de la imagen, como en el ejemplo del cielo o de una pendiente lisa. Grandes niveles de cuantificación en los coeficientes DCT eliminarán las pequeñas diferencias originando que todo el bloque se convierta en sólido más que en variable. Como resultado, la región tomará una apariencia acolchada. Y si nos referimos a toda la imagen, ésta aparecerá como pixeleada M-JPEG Este codec se desarrolló a partir del estándar JPEG muy utilizado en la compresión de imágenes estáticas. Se hizo muy popular en los sistemas nolineales, pero desafortunadamente no fue estandarizado lo que motivó que se desarrollaran versiones incompatibles, hecho que impidió el intercambio de 1

18 archivos entre sistemas. En la actualidad esta técnica es poco utilizada. M-JPEG utiliza la transformada DCT en bloques y limita la compresión al dominio espacial bidimensional. No hace uso de compresión temporal fuera de los límites del fotograma. La herramienta principal de esta técnica para lograr la compresión es la cuantificación de los coeficientes DCT. La compresión es efectuada por un codificador de longitud variable, un proceso en el que no tiene lugar pérdida alguna y que es absolutamente reversible. Tras la cuantificación, la probabilidad de equivaler a cero es mucho mayor en los coeficientes que representan frecuencias espectrales elevadas. El proceso de codificación de longitud variable suministra menos bits (o una menor velocidad de datos) para los coeficientes con menor probabilidad de equivaler a cero y más bits para los coeficientes con mayor probabilidad de ser cero. En el dominio digital los datos son, unos y ceros. Este tipo de codificación es un complejo método matemático orientado a ganar eficiencia. Si se ordena cuidadosamente la secuencia o jerarquía de los coeficientes, el codificador de longitud variable intenta evitar el desperdicio de bits en la transmisión de coeficientes de valor cero. La velocidad de datos de salida no es constante, sino que depende del contenido de la escena y de la granulosidad seleccionada del cuantificado. El sistema de compresión M-JPEG permite una gran variedad de parámetros de diseño. El ajuste de cuantificación se realiza seleccionando y aplicando una tabla de cuantificación específica. Esta selección ofrece la posibilidad de adaptar la velocidad de datos y la calidad de imagen de la señal comprimida para una aplicación específica. 11

19 4.3.3 COMPRESION INTERCUADRO Este tipo de compresión aprovecha la presencia de redundancia entre imágenes contiguas para lograr grandes niveles de compresión y es aplicada sólo si se permite el retardo de códigos largos y restricciones de edición. La compresión intercuadro está basada en la técnica llamada Modulación Diferencial por Código de Pulsos (DPCM - Diferencial Pulse Code Modulation). En la codificación diferencial DPCM únicamente la diferencia entre dos imágenes necesita ser transmitida. En un sistema de no entrelazado, la codificación DPCM se realiza insertando en el sistema un fotograma de un periodo de retardo de modo tal que al compararlo con el fotograma actual solamente se obtienen los píxeles diferentes para transmisión. (Ver fig. 4.59a). Si el fotograma fuera fijo o tuviera un movimiento lento, las imágenes sucesivas serían similares y, por lo tanto, las diferencias serían pequeñas. Estas diferencias pueden ser transmitidas con palabras cortas obteniéndose así una factor de compresión (coding gain). Cuando se trata de un sistema de entrelazado, los píxeles de un campo no coinciden espacialmente con los píxeles del campo previo. Es necesario, por ello, interpolar el campo previo en sentido vertical para producir un campo de referencia antes de que se calcule la diferencia de datos. En el decoder se necesitará realizar una interpolación similar a fin de recrear la salida entrelazada. Los datos que se envían son, la diferencia entre el campo de referencia y el campo presente. Luego en el decoder se añaden los datos diferentes al campo de referencia para obtener un campo de salida. Si el encoder y el decoder contienen idénticos interpoladores lineales, ambos realizarán las mismas aproximaciones 12

20 Entrada PCM Retardo de imagen - Salida de DPCM (a) + Entrada de un campo Campo previo Campo interpolado Entrada PCM Retardo de imagen Interpolador vertical - Salida DPCM (b) + Figura

21 en el cálculo del campo de referencia el cual se cancelará. (Ver fig.4.59b). De esta manera, no habrá pérdida de calidad, pero el incremento de la diferencia de datos reducirá el factor de compresión obtenido. Los distintos valores de un arreglo de dos dimensiones pueden ser transformados y codificados para lograr una factor de compresión adicional. Demasiada redundancia espacial no se puede esperar en una imagen diferente. Las estadísticas de las diferentes imágenes no son las mismas que las propias imágenes. El proceso de diferenciación resulta enfatizando las altas frecuencias espaciales en presencia de movimiento. Cuando volvemos a cuantificar los coeficientes, podemos tomar en cuenta que el ruido en una imagen diferente también será percibido de forma diferente al ruido en una imagen propia. En la práctica, los movimientos reducen la similitud entre imágenes sucesivas y la diferencia de datos se incrementa. Como resultado, los datos que fluyen en la modulación DPCM subirán y bajarán con el contenido del fotograma y será necesario almacenarlos para promediar la salida del flujo de datos (data rate). Una manera de restaurar el factor de compresión (coding gain) es el uso de la compensación de movimiento. Si es conocido el movimiento de una parte de la imagen, de fotograma a fotograma, el encoder puede usar el vector de movimiento para seleccionar el píxel de la imagen de referencia y moverlo para crear una imagen (predictive image) que posteriormente será comparada con la imagen que se presente. La imagen es separada en macrobloques, los que a su vez serán múltiplos enteros del tamaño de los bloques DCT. En la compresión intercuadro, el macrobloque se 14

22 define como el área de un cuadro en la cual se aplica un vector de movimiento. En la figura 4.6 aparece un ejemplo de codificación de acuerdo a la Norma CCIR, Resolución 723. En este ejemplo se enseña un macrobloque que consiste en dos bloques situados lado a lado. El vector de movimiento tiene las componentes horizontal y vertical. En la Resolución 273 se especifica que la componente horizontal es un número complemento de dos de 6 bits y la componente vertical es representada por 5 bits, esto debido a que el movimiento vertical se presenta menos en las imágenes. La posición del macrobloque es fijada con respecto de la pantalla y, por lo tanto, el mecanismo de compensación trabaja buscando valores de píxeles desde algún lugar del fotograma de referencia hasta el macrobloque. Si el movimiento estimado es exacto, la diferencia entre el bloque que se pronostica y el que está presente será más pequeña que en un compresor diferencial. Si los vectores de movimiento son transmitidos conjuntamente con los datos de diferencia, el decoder puede usar los vectores para pronosticar sus propios macrobloques en los que se incluye a los datos de diferencia. La diferencia entre las imágenes pronosticadas y las presentes, puede ser tratadas también como imágenes y, consecuentemente, ser comprimida por sistemas que se basan en DCT. En la codificación DPCM también los coeficientes DCT llegan a ser cantidades bipolares. El tamaño del macrobloque es un compromiso. Si los bloques son pequeños pueden seguir movimientos complejos lográndose exactitud en la predicción y un mayor factor de compresión (coding gain). La ganancia, sin embargo, es compensada por la necesidad de transmitir más vectores. Partiendo en dos el área del macrobloque se duplicara el número de vectores. 15

23 Pixel data Parte de la imagen pevia pixels Vector de movimiento vertical Macroblock de referencia pixels Vector de movimiento horizontal Figura

24 El desplazamiento de los contenidos de la memoria de la imagen de referencia para pronosticar un macrobloque es fácil. Si los vectores de movimiento especifican desplazamientos del orden igual a un píxel, son simplemente añadidos a la dirección usada para leer la memoria de referencia. No obstante, los movimientos reales no son de ese orden y pueden ser de una exactitud igual a un subpíxel. El vector de movimiento real tendrá, entonces, una parte entera que modificará la dirección real y una fraccional que controlará un interpolador para calcular los valores entre píxeles. Este interpolador se encontrará dentro del codificador. Esta técnica de codificación es usualmente empleada cuando se realiza transmisión de señales comprimidas y cuando son requeridos altos niveles de compresión MPEG Este Codec utiliza la técnica intercuadro y su principal característica es la gran asimetría existente entre los procesos de codificación y decodificación. Por esta razón, se precisa un mayor esfuerzo en el procesamiento para codificar un flujo de datos MPEG que para decodificarlo. Este codec presenta variantes de acuerdo a su aplicación; MPEG-1, MPEG-2, MPEG-4 y MPEG-7. MPEG-1 y MPEG-2 fueron desarrollados para modificar fotogramas en movimiento con una variedad de de velocidad de bit (bit rate) que va desde 1.5 Mbps (calidad cercana a VHS) hasta 15 ó 3 Mbps, (similar a HDTV) MPEG-1 codifica los cuadros de vídeo con velocidades de bit (bit rates) que van de 1 a 3 Mbps; MPEG-2 puede codificar campos o cuadros de vídeo con velocidades de bit (bit rates) que van de 3 a 1 Mbps para SDTV y de 15 a 3 Mbps para HDTV. 17

25 En MPEG-2, las herramientas de codificación de vídeo inter e intracuadros, conjuntamente con las técnicas de codificacion de audio y protocolos de transporte de data son parte de lo que se conoce como caja de herramientas (toolbox). A las combinaciones específicas de herramientas, optimizadas para diversas labores y aplicaciones requeridas, se las conoce como Perfiles (Profiles). (Ver fig. 4.61). Los Seis Perfiles MPEG-2 reúnen diferentes juegos de herramientas de compresión dentro de un grupo de herramientas para diferentes aplicaciones. Los Niveles (Levels) acomodan cuatro grados diferentes de vídeo de entrada, que van desde una definición limitada similar a la de los de los equipos de consumo, hasta llegar a la alta definición. Los Niveles y Perfiles proporcionan demasiadas combinaciones prácticas. Las que se eligen, por lo tanto, tienen que especificar los puntos de conformidad dentro de toda la matriz. Así por ejemplo 12 puntos de conformidad han sido definidos desde el Simple Profile at Main Level (SP@ ML) hasta el High Profile at High level (HP@ HL). El Main Profile at Main Level (MP@ ML) es el que más se aproxima, cuando se trata de calidad de vídeo para transmisión (Broadcast). Cualquier decoder que esté certificado para un punto de conformidad tiene que poder reconocer y decodificar las herramientas y resoluciones usadas en otro punto de conformidad ubicado debajo de éste y a la izquierda. Por lo tanto, un decoder de MP@ LL también puede decodificar un punto SP@ ML y MP@ LL. Un decoder MP@ HLtiene que decodificar un MP@ H14L, MP@ ML, MP@ LLy SP@ ML. Como con MP@H14L, no todos los puntos de conformidad han encontrado un 18

26 HIGH SPATIALLY SCALABLE PROFILES SNR SCALABLE H14L LL H14L 4:2:2 ML SIMPLE MAIN MP@LL MP@ML MP@ H14L ML MP@HL LOW MAIN HIGH 144 HIGH L E V E L S 325x24x3 325x288x25 1Mb/s 72x48x3 72x576x25 8Mb/s 6Mb/s 4Mb/s 2Mb/s 144x18x3 144x1152x25 MA BIT RATES 192x18x3 192x1152x25 MA. NUMBER OF SAMPLES Figura

27 uso práctico. El que más se ha acercado a este objetivo es el MP@ML; y para propósitos de sistemas HDTV, los contenidos dentro del punto MP@HL. MP@ML soporta una frecuencia de muestreo para el área activa de la imagen de vídeo de 1,4 muestras por segundo y se encuentra optimizado para manejar los formatos existentes de vídeo digital basados en las especificaciones de muestreo ITU-R 61. La diferencia en las frecuencias de muestreo (1,4 millones versus13,5 millones) está relacionada con el tiempo que dura el muestreo de los intervalos del blanking de vídeo. MPEG también se basa en la modulación diferencial DPCM para eliminar la redundancia temporal. Si podemos predecir cómo se verá un cuadro, las diferencias serán significativamente más pequeñas que los cuadros mismos. En imágenes fijas la diferencia consistirá en ruido o grano de película. Esta proporciona un significativo refuerzo a la eficiencia de la compresión cuando la comparamos con la técnica intracuadro. MPEG especifica tres tipos de fotogramas que pueden ser codificados en un flujo de data. Estos son: Fotograma Intracodificado (I) (Intra-coded picture): La imagen original es codificada usando únicamente su propia información. Las técnicas de compresión DCT son empleadas para codificar el cuadro de la imagen o los dos campos entrelazados. Los fotogramas I proporcionan puntos de acceso a un grupo de datos. Fotograma codificado de Predicción (P): este es un fotograma codificado utilizando la predicción de la compensación de movimiento a partir de un fotograma de referencia pasado. La diferencia entre la imagen actual y la imagen 11

28 pronosticada es codificada utilizando técnicas de compresión DCT. Fotograma codificado de Predicción Bidireccional (B): este es un fotograma codificado utilizando la predicción de la compensación de movimiento a partir de los fotogramas de referencia pasado y futuro. La diferencia entre la imagen actual y la imagen pronosticada es codificada utilizando técnicas de compresión DCT. Este no es un promedio del cuadro previo y futuro. Los fotogramas B proporcionan la codificación más eficiente, sin embargo una tercera memoria de almacenamiento es requerida para agregarla a los fotogramas almacenados de referencia pasado y futuro (I y P). Los modos de búsqueda rápida son facilitados ignorando los fotogramas B. Los flujos MPEG pueden ser codificados usando solo cuadros I, cuadros I y P, cuadros I y B o cuadros I, P, y B. La codificación de solo cuadros I es idéntica a la técnica de codificación intracuadro. Los Perfiles MPEG para distribución de programas utilizan muestreo 4:2:, cuadro IP o IPB. The MPEG-2 Studio Profile fue creado para la producción y contribuye a la calidad de la codificación del vídeo. Este Perfil permite el uso del muestreo 4:2:2, de cualquier combinación de los cuadros I, P y B; y de velocidades de bit (bit rates) de hasta 5 Mbps. Por ejemplo, el formato Betacam S de Sony emplea un muestreo de 4:2:2, cuadros I y B y una velocodad de (bit rate) de 18 Mbps. La sintaxis de un grupo de datos MPEG está constituida en una arquitectura de capas. A continuación, detallaremos esta conformación empezando por el nivel mínimo y avanzando hasta el superior. Bloque (Block): Esta es la unidad básica y está formada por 8 líneas y 8 columnas 111

29 ortogonales de píxeles. Aesta unidad básica le son aplicadas las DCT. Macrobloque (Macroblock): Es la unidad básica adoptada para pronosticar la compensación del movimiento. Está integrada por varios bloques dependiendo del tipo de codificación que se utilice. Para el caso de MPEG-2, el macrobloque consta de 4 bloques de data de luminancia de 8x8 píxeles (resultando un arreglo de 16x16) y de dos bloques de data de las señales diferencia de color de 8x8 píxeles. Estos bloques cubren el área de la componente luminancia. En este caso la frecuencia de muestreo para MPEG-2 será 4:2:. (Ver fig. 4.62). División (Slice): Compuesta por una serie de macrobloques, es la unidad básica de sincronización para la reconstrucción de la data de la imagen y la forman todos los bloques en un intervalo horizontal del cuadro (16 líneas del cuadro). Fotograma (Picture): Es el origen de una imagen o los datos de reconstrucción para un simple cuadro o dos campos entrelazados. Un fotograma consiste en tres matrices rectangulares de números de 8 bits que representan a la señal luminancia y a las dos señales diferencias de color. Grupo de Fotogramas (Group of Pictures-GOP): Secuencia de fotogramas que comienza con un cuadro I y continúa con un número variable de cuadros P y B. (Ver fig.4.63). El circuito de codificación MPEG requiere de uno o dos cuadros de una secuencia de video almacenada en la memoria, que proporciona la imagen de referencia para el pronóstico de la compensación del movimiento. Los cuadros pronosticados requieren de una segunda o tercera memoria de almacenamiento. En MPEG, la estimación del movimiento involucra un fuerte calculo 112

30 Macrobloque de luminancia 4:x:x Bloques DCT de las señales diferencia de color :2:2 :2: Bloques DCT de luminancia Figura 4.62 Bloques DCT R-Y Bloques DCT B-Y Las muestras de las señales diferencia de color cubren la misma área de la imagen como lo hace un macrobloque de luminancia. Grupo de imagenes GOP Nuevo GOP Formación pronosticada I B B P B B P B B P B B I Predicción bidireccional Figura

31 computarizado - cuando se busca la igualdad de un macrobloque en dos cuadros, para determinar la dirección y la distancia que un macrobloque se ha movido entre los cuadros (vector de movimiento). El decoder utiliza los vectores de movimiento para reponer los macrobloques desde una imagen de referencia, reuniéndolos en una memoria de almacenamiento para pronosticar una imagen (P). El Encoder también contiene un decoder, el cual es utilizado para producir la imagen P; esta predicción es substraída del cuadro original sin comprimir, con la esperanza de dejar solo pequeñas diferencias. Estas diferencias son codificadas usando la misma técnica basada en transformadas DCT, utilizada para codificar los cuadros I. El circuito de codificación MPEG es mas eficiente cuando se pueda ver que las cosas lucen igual en el futuro. Cuando se comienza a codificar una nueva secuencia de imágenes con un cuadro I, y hay presencia de movimiento de objetos oscuros en el fondo de esta secuencia; no hay forma de predecir que estos pixels del fondo luzcan iguales hasta que estos puedan ser vistos. Pero si saltamos algunos cuadros hacia delante, se puede confirmar que los pixels que se muestran se ven igual y a los vectores de movimiento de los objetos que se movieron. Un encoder MPEG tiene que tener multiples cuadros de almacenamiento para permitir el cambio en el orden en el cual las imágenes son codificadas. Aesto se le conoce como orden de codificación (coding order). Con una memoria de almacenamiento de un cuadro, la siguiente predicción puede ser usada para crear el siguiente cuadro P. Con una memoria de almacenamiento de dos cuadros, las predicciones bidireccionales pueden ser usadas para uno o más 114

32 cuadros B entre la imagen de referencia I y los cuadros P. Un encoder que trabaja a menos de la velocidad de tiempo real no tiene problema en trasgredir tiempo. Este llena sus memorias de almacenamiento con un grupo de imágenes, a las que codifica fuera de orden. En función de observar hacia el futuro, un encoder MPEG de tiempo real tiene que introducir un periodo de confusión entre el periodo actual de un evento y el periodo en que uno lo ve- la confusión es igual al numero de cuadros de retardo instalados en el encoder. Si un Encoder que trabaja en tiempo no- real ejecuta una difícil secuencia codificada, este puede hacerla mas lenta y así realizar un mejor trabajo en el calculo del movimiento. Pero un encoder MPEG de tiempo real tiene una cantidad finita de tiempo para realizar decisiones de codificación y de esta modo se puede hacer algunos compromisos- como el de permitir elementos indeseables en la imagen o el de una gran velocidad de data para alguna imagen de calidad. El Decoder MPEG utiliza la data de las imágenes I y P y el vector de movimiento para reconstruir las imágenes B. La diferencia de información se añade luego a las predicciones para reconstruir las imágenes que serán mostradas. Los Encoders de tiempo real pueden aprovechar del nivel de la división (Slice) de la sintaxis MPEG que separa la imagen en secciones que pueden ser codificadas en paralelo. Cada pedazo de la imagen es codificada utilizando un procesador distinto y varios procesadores adicionales son utilizados para seguir la información que se esta moviendo entre los pedazos. Los primeros encoders de tiempo real utilizaban como máximo 14 procesadores en paralelo para codificar una imagen. 115

33 La codificación de imágenes entrelazadas requiere de una adicional capa de sofisticación, debido al oblicuidad (skewing) temporal entre los campos que conforman cada cuadro. Si los campos están combinados, la oblicuidad entre las muestras interfiere con la normal correlación entre las muestras. Para solucionar este problema, primero se aplica la codificación basada en el campo/cuadro a nivel macrobloque. Como un macrobloque MPEG contiene cuatro bloques de codificación DCT. Si se detecta una significativa oblicuidad dentro de los bloques DCT. Las muestras de un campo son movidas a los dos bloques superiores, mientras que las muestras del otro campo se mueven a los bloques inferiores. De este modo se mejora la correlación de los datos de la imagen y significativamente es mejorada la eficiencia de codificación de cada bloque DCT. La combinación de la cuantificación a nivel de macrobloque con la codificación del macrobloque basado en el campo/caudro, en promedio, permite a la codificación intraframe MPEG-2 una mejora 2:1 en eficiencia de compresión si la comparamos con la codificación M-JPEG. Esto permite el uso de los cuadros I codificados en MPEG-2, en ediciones de video. La segunda técnica, añadida en MPEG-2 para tratar con el entrelazado, consiste en adoptar la predicción del movimiento basada en el campo/cuadro. Esto complementa el uso de la aplicación de la codificación de bloque basada en el campo/cuadro permitiendo generar distintos vectores de movimiento para los bloques que conforman cada campo. MPEG tiene problemas cuando se trabaja con ciertos efectos en producción de video, como por ejemplo; en las disolvencias entre imagenes y la disolvencia a 116

34 negro. Durante estos efectos, cada muestra esta cambiando con cada nuevo campo o cuadro: hay una pequeña redundancia por eliminar. La disolvencia entre dos imágenes se complica por la co-ubicación de dos imágenes con objetos moviéndose en diferentes direcciones. Otro Codec que se utiliza en la actualidad es el MPEG- 4. Esta norma tiene una serie de herramientas que pueden ser agrupadas en Perfiles (Profiles) y Niveles (Levels) para diferentes aplicaciones de video. El kit de herramientas de esta norma permitirá a los futuros autores de multimedia y usuarios; almacenar, acceder, manipular y presentar a la data de los audiovisuales en una forma que cubra sus necesidades individuales en el momento, sin tener que ver por los detalles subalternos. Esta norma se utiliza en las paginas web, los CD, los videoteléfonos y en la transmisión de televisión. En MPEG-4, la estructura de codificación de video comienza con un núcleo de video que tiene muy baja velocidad de bit (VLBV- Very low bit rate video) en el que se incluyen algoritmos y herramientas para una velocidad de datos (data rate) que varia de 5Kilobits/seg hasta 65Kbit/seg. Trabajando con muy bajas velocidades de bits (bit rate) la compresión del movimiento, el enmascaramiento y las correcciones de errores han sido mejoradas, las velocidades de refresco se mantienen bajas (entre y 15 cuadros/seg) y la resolución es limitada a un rango de unos poco pixels por linea hasta un formato intermedio común (CIF- Common Intermedia Format) (352x288). MPEG-4 no tiene que ver directamente con la protección a errores que se necesita en canales específicos como en el caso de radio celular, pero ha permitido mejorar 117

35 la forma en que los bits de carga útil son ordenados de este modo la recuperación será mas fuerte. Si se cuenta con un canal que permita una velocidad que va de 64 Kb/seg a 2Mb/seg, MPEG-4 tiene una alta velocidad de bit para un modo de video (HBV- High bit rate Video mode) que soporta resoluciones y velocidades de cuadro permitidas por la norma ITU-R 61. Las herramientas y los algoritmos son esencialmente los mismos como en el caso de VLBV, mas algunos adicionales unos que sirven para manipular fuentes entrelazadas. Este nuevo MPEG suena igual que el antiguo MPEG con unos pocos arreglos para el ruido en canales de baja velocidad de bit (bit rate). Lo que lo diferencia sustancialmente de los esquemas de codificación anteriores son sus herramientas para codificar objetos de video. No realiza solamente la codificación convencional de imágenes rectangulares, porque tiene un grupo de herramientas para codificar formas arbitrarias. Algunos ejemplos de aplicación de MPEG-4 los tenemos en los siguientes casos ; la codificación de una noticia separada de su fondo estático, y la codificación de un jugador de tenis independientemente de la cancha de juego. Una vez que los objetos de una escena han sido codificados discretamente, el usuario puede interactuar con estos individualmente. Los Objetos pueden ser agregados y extraídos, se les puede variar de tamaño y moverlos en la escena. Además la eficiencia de codificación puede ser mejorada enviando la información de un fondo estático como un simple cuadro. Luego se necesitara enviar solo los objetos móviles, sus relaciones con el fondo y como estos podrían conformar la escena 118

36 final. Los fondos estáticos son llamados Sprites. Estos pueden tener dimensiones mas grandes que las que se verían en cualquier cuadro simple. Un sistema de coordenadas es proporcionado para posesionar los objetos en relación a otros y a los Sprites. La capacidad de descripción de una escena en MPEG-4 ha sido fuertemente influenciada por un trabajo previo que fue realizado por la comunidad de Internet en el Virtual Reality Modeling Language (VRML) e incluye muchas de sus herramientas. La codificación y la manipulación arbitraria de las formas de los objetos es una cosa. Extraerlos de su escena natural es completamente diferente y no es fácil. Demostraciones de MPEG-4 han requerido de mucha mano de obra en el lado del procesamiento de la entrada, los beneficiarios inmediatos de la nueva técnica de codificación de objetos son los juegos, los programas basados en imágenes sintéticas y las separaciones de Chroma key. Los Encoders y decoders en MPEG-4 son mas complejos y mas caros que en las normas MPEG-1 y MPEG

37 4.4 COMPENSACIÓN DE MOVIMIENTO La compresión en vídeo digital depende de la eliminación de la información redundante en una señal. En consecuencia, grandes factores de compresión se pueden alcanzar eliminando los datos comunes en imágenes sucesivas y transmitiendo solo los datos diferentes. Un movimiento origina que la imagen se mueva con respecto a la red de muestreo provocando que todos los valores de muestra en un área de movimiento cambien y se preparen para una reducción efectiva. Mediante el cálculo del movimiento, la imagen en movimiento puede ser cancelada porque la comparación puede ser hecha a lo largo del eje de movimiento en lugar de utilizar el eje del tiempo. Por lo tanto, un gran factor de reducción se puede lograr porque solo será necesario enviar los parámetros del movimiento y un pequeño número de diferentes imágenes genuinas. En imágenes en movimiento también debemos considerar el ruido aleatorio que se podría presentar. La reducción de ruido en señales de vídeo se logra por la combinación de cuadros sucesivos en el eje del tiempo de modo tal que el contenido de la imagen de la señal se refuerza fuertemente mientras que esto no lo puede hacer el elemento aleatorio en la señal debido al ruido. La reducción del ruido aumenta con el número de cuadros sobre los cuales el ruido está integrado, pero el movimiento de imagen previene de una simple combinación de cuadros. Si se dispone del cálculo del movimiento, la imagen de un objeto en movimiento en un cuadro particular puede ser compuesta a partir de las imágenes en diferentes cuadros, los cuales han sido sobrepuestos en el mismo lugar de la pantalla por los 12