UD - 6 SISTEMAS DE COMPRENSIÓN DE IMÁGENES

Transcripción

1 UD - 6 SISTEMAS DE COMPRENSIÓN DE IMÁGENES Eduard Lara 1

2 1. INTRODUCCIÓN La digitalización de las imágenes de TV genera una alta cantidad de información Tratamiento y distribución complicado. Necesidad de reducir drásticamente la cantidad de información Sin reducción notable de la calidad de imagen 2

3 1. ESTANDARES MPEG ISO/IEC creó en 1988 una comisión de expertos con el encargo de desarrollar un estándar para comprimir señales con mezcla de audio y vídeo para aplicaciones multimedia, para que se pudiesen transmitir por un canal analógico. Se basaron en trabajos anteriores para la compresión de imágenes fijas, desarrollando técnicas adicionales de reducción del flujo binario necesario para transmitir y almacenar señales de vídeo. El resultado fue un grupo de estándares de procesado de imágenes para diferentes aplicaciones, llamados MPEG (Motion PiCture Experts Group), que van seguidos de un número que define la variante y sus aplicaciones. 3

4 2. MPEG-1 - En agosto de 1993 se aprobó el estándar ISO/IEC "Código de imágenes en movimientos y audio digital asociado para medios de almacenamiento digital para 1,5 Mbps, más conocido como MPEG 1 - Está dividido en varias partes: 1. Sincronización y multiplexión de vídeo y audio. 2. Códecs de compresión para señal vídeo no entrelazada. 3. Códecs de compresión para la codificación perceptual de señales de audio. Esta parte se divide a su vez en tres niveles (capas) de compresión. Cada nivel proporciona mayores ratios de compresión que el anterior, intentando que la calidad se mantenga similar a la original, provocando mayor coste de cómputo para la codificación. 4

5 2. MPEG-1 Se diseñó para introducir vídeo en un CD-ROM. La idea original fue que el disco pudiera contener tanto tiempo de vídeo como su equivalente en audio. Fue originalmente diseñada para ratios de hasta 1,5 Mbps y resoluciones de 352x240 píxeles en vídeo no entrelazado, pero mejoras posteriores le han permitido alcanzar los 4 Mbps. Más 2 canales de audio, con 250 Kbits/seg. Se usa para videoconferencias, el CD-i, etcétera. 5

6 2. FORMATO VCD El popular formato VCD utiliza el estándar de compresión MPEG-1, en la que la calidad de salida habitual es similar a la que se obtiene en un aparato de vídeo doméstico (calidad VHS). Permite almacenar 78 minutos de vídeo, con 2 canales de sonido, sobre un CD-ROM de 700 MBytes Su principal limitación reside en el bajo flujo que utiliza, por lo que ante imágenes complejas o escenas en movimiento rápido aparecen los efectos de pixelación. Esto se traduce en una pérdida de resolución instantánea de la imagen, en la que se observan pequeños cuadrados en algunas zonas de la imagen, que desaparecen al volver a planos estáticos. 6

7 2. FORMATO MP3 La capa de nivel 3 de MPEG-1 es conocida como MP3 (de MPEG-1 Audio Layer 3) y es la protagonista de una revolución sin precedentes en el campo de la música. Elevada capacidad de comprensión de sonido con calidad cercana a la del CD, produciendo una corriente de salida de entre Kbps, por los Mb/s del CD. MP3 puede reducir 30 MB de un tema musical de 2.5 minutos en formato CDA (de CD-ROM) hasta 2,5 MB. Divide por 12 el espacio necesario para almacenar/ transmitir un tema musical. Internet se ha convertido en el paraíso de los piratas musicales y en un infierno para los sellos musicales clásicos. MP3 también se emplea en radio digital. 7

8 3. MPEG-2 Norma ISO/IEC publicado en Noviembre 1994 Es un estándar de compresión para imágenes con movimiento y audio para señales NTSC, PAL y HDTV Se usa ampliamente en: Apl caciones multimedia sobre CDROM, Difusión de vídeo sobre demanda para televisión por cable Transmisión de televisión punto a punto por satélite Almacenamiento de vídeo, etc. Con algunos retoques MPEG-2 se emplea también en la codificación de las películas comerciales en formato DVD. 8

9 3. MPEG-2 Principal ventaja Capacidad de adaptarse a múltiples aplicaciones diferentes, según la calidad deseada y el ancho de banda del cual dispongamos para transmitir. Ofrece mayor calidad con mayor ancho de banda. Proporciona flujo binario estándar de 4 a 15 Mbps, ampliables hasta 100 Mbps En esa banda, proporciona 720 x 576 píxeles de resolución de vídeo entrelazado, es decir, calidad TV. Puede incorporar, además, hasta cinco canales de audio asociados, así como capas de detalles adicionales para las resoluciones mejoradas. 9

10 3. MPEG-2 MPEG-2 consta de tres partes o estándares: 1- Sistema: define los flujos de transporte, para llevar vídeo y audio digital sobre medios de comunicación no fiables (aplicaciones de TV por cable o satélite). 2- Vídeo: Similar a MPEG-1 pero suministrando también soporte para vídeo entrelazado y progresivo. Cualquier descodificador de señal de vídeo (lector DVD) que cumpla MPEG-2 ha de ser capaz de procesar MPEG Audio: amplía MPEG-1 permitiendo la codificación de señales de audio con más de dos canales. Mantiene la compatibilidad hacia atrás: los descodificadores MPEG-1 interpreten una señal de audio multicanal MPEG-2 como señal estéreo (de dos canales). 10

11 3. MPEG-2 El estándar de vídeo MPEG-2 consta de seis perfiles, referido a la complejidad del algoritmo de compresión en función del área de aplicación y cuatro niveles, los cuales se refieren a la resolución de vídeo original. Los denominados nivel principal (ML, main level) y perfil principal (MP, main profile) son la combinación más usada por las opciones MPEG x 576 puntos a 30 fotogramas por segundo y un máximo de 1.5 Mb/s de flujo de datos. A diferencia de MPEG-1, que manejaba la imagen en bloques de ¼ del tamaño completo, MPEG-2 es capaz de funcionar a pantalla completa y reproducir hasta 60 fotogramas/seg. 11

12 3. MPEG-2 Bajo este estándar se han desarrollado la mayoría de los sistemas de vídeo digital que utilizamos. El SVCD (hermano mayor del VCD), trabaja en MPEG-2, con una resolución de 640 x 480 puntos y una velocidad de datos de 2300 Kbits/s. También el DVD utiliza este sistema, con resolución de 720 x 576 puntos y 6 Mbits/s. 12

13 4. MPEG-3 Fue una propuesta de estándar para la TV de alta resolución, pudiendo llegar a resoluciones de 1920 x Poco después de su creación, la comisión de expertos que la formaban decidió que el sistema MPEG-2 podía cubrir también formatos de alta definición, por lo que esta propuesta quedó abandonada. 13

14 5. MPEG-4 Norma MPEG-4 AVC, también conocida como ISO/IEC , ITU-T H.264 o H.264/AVC Nuevo formato de comprensión surgido en 1998 debido a nuevas necesidades de distribución de señal audio-video por Internet mediante CD, o para videoconferencias de mediana definición con hasta 10 fotogramas/seg. MPEG-4 consigue con bajas velocidades de transmisión (64 Kbps-RDSI), mejores resoluciones (176x144 versión básica) que sus antecesores Proporciona alto ratio de comprensión de video, logrando una calidad final muy superior a la obtenida por MPEG-2 clásico, incrementando la complejidad del algoritmo de comprensión. 14

15 5. MPEG-4 Utiliza un criterio abierto, con múltiples velocidades binarias y resoluciones de imagen Indicado para grabación de video sobre CD, transmisión de programas entre emisoras a través de radioenlaces o difusión de video digital a través de Internet. Sistema de compresión de vídeo elegido por la siguiente generación de lectores de DVD (HD-DVD, Blu-ray Disc) DVB europeo incluye H.264/AVC. Telefonía móvil de tercera generación Adoptada como estándar por el Departamento de Defensa de los EUA y por la OTAN (fines militares) Para vídeo conferencia 15

16 5. MPEG-4 Es conocido especialmente por haber servido de base al famoso codec de compresión divx, que junto con alguno de sus pares (xvid, 3ivx, ffmpeg) constituyen la actual pesadilla de todas las productoras de DVD. Codec Divx: Gran capacidad de comprimir secuencias de vídeo procedentes de DVD alcanzando ratios de compresión grandes con pérdidas de calidad moderada. Una película típica de DVD de entre 4-9 GB puede ser comprimida (ripeada) con DIVX hasta ocupar 1 o 2 CD s de 700 MB. 16

17 6. SISTEMA DE COMPRENSIÓN PARA TDT El sistema de comprensión de video implantado mayoritariamente para aplicaciones de Radiodifusión de Televisión Digital (DVB) es el MPEG-2. Presenta una magnífica solución para el tratamiento, codificación, compresión y transmisión de las señales de vídeo de alta calidad, así como de las señales de audio asociadas. 17

18 7. SISTEMA DE COMPRENSIÓN DE IMÁGENES Los sistemas analógicos de televisión transmiten una imagen tras otra, barriendo secuencialmente la pantalla sin tener en cuenta cuál es el contenido de la escena. En una imagen de vídeo aparece una gran cantidad de información redundada que no es necesario enviar: Redundancia temporal La imagen no varia durante largo tiempo. (p.e. el fondo de una imagen permanece estable en la imagen durante mucho tiempo) Redundancia espacial Frecuentemente, un punto de la imagen es igual a los que le rodean, puesto que rara vez se utilizan imágenes de elevada complejidad. (p.e. el fondo está formado por grandes áreas del mismo color). 18

19 7. SISTEMA DE COMPRENSIÓN DE IMÁGENES IDEA para el ahorro de información: Enviar la información completa correspondiente a algunos puntos, repartidos estratégicamente por la imagen, y que servirán como referencia. Para el resto, bastará con decir si son iguales que su referencia (lo que se producirá a menudo) o, en su caso, en qué medida difieren de ésta. 19

20 7. SISTEMA DE COMPRENSIÓN DE IMÁGENES Qué pasa en la transmisión de objetos móviles? Casi todos los movimientos (excepto los iniciales y los cambios de escena) son continuos, y predecibles. Analizando varias imágenes podemos saber, con un alto grado de acierto, cuál será la siguiente imagen. MPEG-2 plantea métodos de compresión de imágenes desde varios frentes, aplicándose todos ellos simultáneamente para conseguir la máxima reducción: - Comprensión Intracampo (intra-fotograma) - Comprensión Intercuadro (fotogramas predictivos hacia delante y fotogramas de predicción bidireccional) 20

21 8. COMPRENSIÓN INTRACAMPO Codifica los puntos correspondientes a una misma semiimagen, aplicando un algoritmo similar al del formato de fotografía JPEG. Divide la imagen en grupos de 8x8 píxeles, que llamaremos bloques. Analizando estos bloques se detecta el elevado índice de redundancia que contienen entre sus puntos, por lo que son susceptibles de comprimir. Al muestrear las señales Y, CR y CB por separado, obtendremos bloques independientes de estas 3 componentes. 21

22 8. COMPRENSIÓN INTRACAMPO La transformada discreta del coseno (DCT), es la operación utilizada para la reducción de la información Analiza y asigna coeficientes a los puntos del bloque en función de su variación respecto otros puntos vecinos. Sólo asigna valores reales a una serie de puntos iniciales. El resto de puntos únicamente se codificaran mediante las variaciones respecto de los anteriores. Se demuestra que al tener un alto número de puntos cercanos información muy parecida Muchos coeficientes tomarán un valor cero. La transformación de los puntos de imagen en coeficientes de frecuencia, reduce considerablemente la cantidad de información 22

23 8. COMPRENSIÓN INTRACAMPO Para conseguir un mayor ahorro de flujo binario, la lectura y codificación de los coeficientes del bloque se hará utilizando el menor número de bits posibles. También se aplican factores psicológicos para eliminar información difícilmente perceptible por el ojo humano. Añadiendo otros datos de sincronización e identificación, se crea una trama digital con entidad propia, denominada fotograma de tipo I (Intraframe) El fotograma I, al contener la información de todos los puntos de la pantalla, en la referencia para poder reconstruir otras imágenes, que se transmitirán con un nivel de compresión mayor. 23

24 9. COMPRENSIÓN INTERCUADRO: PREDICCIÓN DE IMÁGENES MPEG podría comprimir cada fotograma utilizando fotogramas I únicamente, pero no es muy eficiente Normalmente los fotogramas consecutivos suelen muy similares, y contienen mucha redundancia temporal IDEA: A partir de la información de la imagen I, se puede recrear la siguiente imagen observando los cambios que se han producido entre la captación de ambas, y recolocando los objetos en sus nuevas ubicaciones. Bastará con añadir aquellos elementos nuevos que han aparecido en la escena para tener toda la info. necesaria. Reducción significativa de los datos necesarios para una imagen completa 24

25 9. COMPRENSIÓN INTERCUADRO: PREDICCIÓN DE IMÁGENES MPEG intentará identificar los objetos en movimiento, para aprovechar esta redundancia Una vez detectados los objetos en movimiento, los fotogramas siguientes al fotograma I inicial se describen mediante un vector de movimiento respecto al fotograma anterior. Así se construyen los fotogramas P (Predictivos) Vector de posición e información nueva en una imagen P 25

26 9. COMPRENSIÓN INTERCUADRO: PREDICCIÓN DE IMÁGENES Análisis de movimientos producidos entre dos imágenes Se comparan macrobloques (grupos de 16 x 16 píxeles) correspondientes a dos imágenes distintas, tomadas en áreas de 64 x 48 píxeles de extensión. Son zonas suficientemente grandes para detectar desplazamientos de elementos de la imagen en movimiento Del análisis se obtienen dos informaciones importantes: Vectores de movimiento, que definen el cambio de posición de cada macrobloque de la imagen. Información de la diferencia entre el contenido de cada imagen, conteniendo los elementos nuevos surgidos en la segunda imagen. 26

27 9. COMPRENSIÓN INTERCUADRO: PREDICCIÓN DE IMÁGENES Estas dos informaciones forman el grueso de la imágenes predichas (tipo P). Esta imagen sufre los mismos procesos aplicados a la imagen I A las diferencias entre los macrobloques de imágenes y a los vectores de movimiento se les aplica: Transformada discreta del coseno el proceso de cuantificación La codificación de longitud variable. Si al aplicar la DCT se obtenían muchos valores cero en la señal original, al transformar únicamente Las diferencias aparecerá un número aún más alto de estos valores, por lo que el grado de compresión conseguido aumenta notablemente. 27

28 9. COMPRENSIÓN INTERCUADRO: PREDICCIÓN DE IMÁGENES Las imágenes predichas no se transmitirán inmediatamente después de la imagen de referencia utilizada, sino que entre la predicción y la original se insertarán otras imágenes bidireccionales o tipo B. 28

29 9. COMPRENSIÓN INTERCUADRO: PREDICCIÓN DE IMÁGENES Las imágenes tipo B, distintas entre sí, se forman por comparación no sólo con la referencia pasada, sino también con la imagen P que se transmitirá posteriormente. Interpolando estas dos imágenes, se consegue una predicción bidireccional en el tiempo que, con una mínima cantidad de datos, permite obtener imágenes con un alto grado de precisión. 29

30 9. COMPRENSIÓN INTERCUADRO: PREDICCIÓN DE IMÁGENES Para rizar aún más el rizo, una imagen predicha, recompuesta a partir de los vectores de desplazamiento y sus diferencias con otra anterior se puede convertir en nueva referencia para la siguiente imagen de tipo P. Esto supone que se pueden formar Grupos de Imágenes (Group Of Pictures, GOP), que se iniciarán necesariamente a partir de una imagen I. En la Figura 7.11 se puede observar este intercalado de imágenes, con las relaciones de predicción existentes 30

31 9. COMPRENSIÓN INTERCUADRO: PREDICCIÓN DE IMÁGENES Cada cierto número de fotogramas se intercala un nuevo I con lo que la secuencia comienza de nuevo. MPEG puede intercalar entre fotogramas P consecutivos otros que realicen una interpolación de los vectores de movimiento, en base a la información del fotograma anterior y posterior. Estos fotogramas son los conocidos como B o Bidireccionales, porque para su codificación y descodificación es necesario disponer del fotograma I o P anterior y posterior. Con la introducción de los fotogramas B se consigue maximizar la compresión, pero maximizando también la complejidad de cálculo. Un fotograma P puede alcanzar el 10% del fotograma I correspondiente y un B el 2%. 31