Ang MPEG4 ay isang teknolohiya ng compression na angkop para sa pagsubaybay
Ang MPEG4 ay inihayag noong Nobyembre 1998. Ang pang-internasyonal na pamantayang MPEG4, na orihinal na inaasahang mailalapat noong Enero 1999, ay hindi lamang para sa video at audio coding sa isang tiyak na rate ng bit, ngunit nagbibigay din ng higit na pansin sa kakayahang umangkop at kakayahang umangkop ng mga multimedia system. Ang mga eksperto ng pangkat ng dalubhasa ng MPEG ay nagsusumikap para sa pagbabalangkas ng MPEG-4. Ang pamantayan ng MPEG-4 ay pangunahing ginagamit sa Video Phone, Video Email at Electronic News, atbp. Ang mga kinakailangan sa rate ng paghahatid ay medyo mababa, sa pagitan ng 4800-64000bits / sec, at ang resolusyon ay nasa pagitan ng 4800-64000bits / sec. Ito ay 176X144. Gumagamit ang MPEG-4 ng isang napaka-makitid na bandwidth, nag-compress at nagpapadala ng data sa pamamagitan ng teknolohiya ng muling pagtatayo ng frame, upang makakuha ng pinakamaliit na data at makuha ang pinakamahusay na kalidad ng imahe.
Kung ikukumpara sa MPEG-1 at MPEG-2, ang katangian ng MPEG-4 ay mas angkop ito para sa mga interactive na serbisyo ng AV at malayuang pagsubaybay. Ang MPEG-4 ay ang unang pamantayang dinamikong imahe na nagbabago sa iyo mula sa passive hanggang sa aktibo (hindi na lamang sa panonood, pinapayagan kang sumali, iyon ay, interactive); isa pang tampok nito ay ang pagiging kumpleto nito; mula sa pinagmulan, sinisikap ng MPEG-4 na ihalo ang mga likas na bagay sa mga bagay na gawa ng tao (sa kahulugan ng mga visual effects). Ang layunin ng disenyo ng MPEG-4 ay mayroon ding mas malawak na kakayahang umangkop at kakayahang sumukat. Sinusubukan ng MPEG4 na makamit ang dalawang layunin:
1. Multimedia komunikasyon sa ilalim ng mababang rate ng bit;
2. Ito ay ang pagbubuo ng komunikasyon sa multimedia sa maraming industriya.
Ayon sa layuning ito, ipinakilala ng MPEG4 ang mga bagay na AV (Audio / Visaul Objects), na ginagawang posible ang mas maraming interactive na operasyon. Ang resolusyon sa kalidad ng video ng MPEG-4 ay medyo mataas, at ang rate ng data ay medyo mababa. Ang pangunahing dahilan ay ang MPEG-4 na gumagamit ng teknolohiya ng ACE (Advanced Decoding Efficiency), na isang hanay ng mga patakaran sa pag-coding ng algorithm na ginamit sa MPEG-4 sa kauna-unahang pagkakataon. Ang orientation ng target na nauugnay sa ACE ay maaaring paganahin ang napakababang mga rate ng data. Kung ikukumpara sa MPEG-2, makakatipid ito ng 90% ng espasyo sa imbakan. Ang MPEG-4 ay maaari ding malawak na ma-upgrade sa mga audio at video stream. Kapag nagbago ang video sa pagitan ng 5kb / s at 10Mb / s, maaaring maproseso ang audio signal sa pagitan ng 2kb / s at 24kb / s. Lalo na mahalaga na bigyang-diin na ang pamantayan ng MPEG-4 ay isang pamamaraan ng compression na nakatuon sa object. Hindi ito simpleng paghahati ng imahe sa ilang mga bloke tulad ng MPEG-1 at MPEG-2, ngunit ayon sa nilalaman ng imahe, ang mga bagay (object, character, Background) Pinaghiwalay ito upang maisagawa ang intra-frame at inter-frame encoding at compression, at pinapayagan ang kakayahang umangkop na paglalaan ng mga rate ng code sa iba't ibang mga object. Higit pang mga byte ang inilalaan sa mahahalagang bagay, at mas kaunting mga byte ang inilalaan sa mga pangalawang bagay. Kaya, ang ratio ng compression ay napabuti, upang maaari itong makakuha ng mas mahusay na mga resulta sa isang mas mababang rate ng code. Ang pamamaraan ng compression na nakatuon sa object ng MPEG-4 ay gumagawa din ng paggana ng detection ng imahe at kawastuhan na mas masasalamin. Nagbibigay-daan ang pagpapaandar ng imahe ng detection system ng hard disk video recorder upang magkaroon ng mas mahusay na pagpapaandar ng paggalaw ng video.
Sa madaling sabi, ang MPEG-4 ay isang pamantayan sa pag-coding ng bagong video na may mababang rate ng bit at mataas na ratio ng compression. Ang rate ng paghahatid ay 4.8 ~ 64kbit / s, at sumasakop ito sa isang maliit na puwang sa pag-iimbak. Halimbawa, para sa isang screen ng kulay na may resolusyon na 352 × 288, Kapag ang puwang na sinasakop ng bawat frame ay 1.3KB, kung pipiliin mo ang 25 mga frame / segundo, mangangailangan ito ng 120KB bawat oras, 10 oras bawat araw, 30 araw bawat buwan , at 36GB bawat channel bawat buwan. Kung 8 channel ito, 288GB ang kinakailangan, na halatang katanggap-tanggap.
Maraming uri ng mga teknolohiya sa lugar na ito, ngunit ang pinaka pangunahing at ang pinaka malawak na ginagamit nang sabay-sabay ay ang MPEG1, MPEG2, MPEG4 at iba pang mga teknolohiya. Ang MPEG1 ay isang teknolohiya na may mataas na ratio ng compression ngunit mas mahirap ang kalidad ng imahe; habang ang teknolohiya ng MPEG2 ay pangunahing nakatuon sa kalidad ng imahe, at ang ratio ng compression ay maliit, kaya't nangangailangan ito ng isang malaking puwang sa imbakan; Ang teknolohiyang MPEG4 ay isang tanyag na teknolohiya sa kasalukuyan, ang paggamit ng teknolohiyang ito ay maaaring Mag-save ng puwang, may mataas na kalidad ng imahe, at hindi nangangailangan ng mataas na bandwidth ng paghahatid ng network. Sa kaibahan, ang MPEG4 na teknolohiya ay medyo popular sa Tsina at nakilala rin ng mga dalubhasa sa industriya.
Ayon sa pagpapakilala, dahil ang pamantayan ng MPEG4 ay gumagamit ng mga linya ng telepono bilang medium ng paghahatid, ang mga decoder ay maaaring mai-configure on-site alinsunod sa iba't ibang mga kinakailangan ng aplikasyon. Ang pagkakaiba sa pagitan nito at ng pamamaraan ng pag-coding ng compression batay sa nakatuon na hardware ay ang sistema ng pag-coding ay bukas at ang bago at mabisang mga module ng algorithm ay maaaring idagdag sa anumang oras. Inaayos ng MPEG4 ang pamamaraan ng compression ayon sa spatial at temporal na mga katangian ng imahe, upang makakuha ng isang mas malaking ratio ng compression, mas mababang stream ng compression code at mas mahusay na kalidad ng imahe kaysa sa MPEG1. Ang mga layunin ng application nito ay para sa transmission ng makitid na banda, de-kalidad na compression, interactive na operasyon, at mga expression na nagsasama ng mga likas na bagay sa mga bagay na gawa ng tao, habang partikular din na binibigyang diin ang malawak na kakayahang umangkop at kakayahang sukatin. Samakatuwid, ang MPEG4 ay batay sa mga katangian ng paglalarawan ng eksena at disenyo ng oriented na bandwidth, na ginagawang angkop para sa larangan ng video surveillance, na higit sa lahat ay makikita sa mga sumusunod na aspeto:
1. Ang puwang ng imbakan ay nai-save-ang puwang na kinakailangan upang magpatibay ng MPEG4 ay 1/10 ng MPEG1 o M-JPEG. Bilang karagdagan, dahil maaaring awtomatikong ayusin ng MPEG4 ang pamamaraan ng pag-compress ayon sa mga pagbabago sa eksena, masisiguro nito na ang kalidad ng imahe ay hindi masisira para sa mga imahe pa rin, pangkalahatang mga eksenang pampalakasan, at matinding mga eksena ng aktibidad. Ito ay isang mas mabisang pamamaraan ng pag-encode ng video.
2. Mataas na kalidad ng imahe - Ang pinakamataas na resolusyon ng imahe ng MPEG4 ay 720x576, na malapit sa epekto ng larawan ng DVD. Ang MPEG4 batay sa mode ng compression ng AV ay tumutukoy na maaari nitong garantiya ang mahusay na kahulugan para sa paglipat ng mga bagay, at ang oras / oras / kalidad ng imahe ay naaayos.
3. Ang kinakailangan para sa bandwidth ng paghahatid ng network ay hindi mataas - dahil ang ratio ng compression ng MPEG4 ay higit sa 10 beses kaysa sa MPEG1 at M-JPEG ng parehong kalidad, ang bandwidth na inookupahan sa panahon ng paghahatid ng network ay halos 1/10 lamang nito. ng MPEG1 at M-JPEG ng parehong kalidad. . Sa ilalim ng parehong mga kinakailangan sa kalidad ng imahe, ang MPEG4 ay nangangailangan lamang ng isang mas makitid na bandwidth.
====================
Mga Highlight na Teknikal ng Bagong Video Coding Standard H.264
buod:
Para sa mga praktikal na aplikasyon, ang rekomendasyong H.264 na magkasamang binubuo ng dalawang pangunahing mga organisasyong pang-internasyunalisipikasyonisasyon, ang ISO / IEC at ITU-T, ay isang bagong pag-unlad sa teknolohiya ng pag-coding ng video. Mayroon itong natatanging mga tampok sa pagtatantya ng paggalaw ng multi-mode, pagbabago ng integer, pinag-isang pag-coding ng simbolo ng VLC, at layer ng syntax ng coding. Samakatuwid, ang H.264 algorithm ay may mataas na kahusayan sa pag-coding, at ang mga prospect ng aplikasyon ay dapat na maliwanag.
Mga keyword: komunikasyon sa imahe ng pag-coding ng video JVT
Mula noong 1980s, ang pagpapakilala ng dalawang pangunahing serye ng mga pamantayan sa pag-coding ng internasyonal na video, ang MPEG-x na formulated ng ISO / IEC at H.26x na formulated ng ITU-T, ay nagsimula sa isang bagong panahon ng mga aplikasyon ng komunikasyon sa video at imbakan. Mula sa mga rekomendasyon sa pag-coding ng H.261 ng video hanggang sa H.262 / 3, MPEG-1/2/4, atbp., Mayroong isang pangkaraniwang layunin na patuloy na hinabol, iyon ay, upang makakuha ng hangga't maaari sa ilalim ng pinakamababang posibleng rate ng bit (o kapasidad sa pag-iimbak). Magandang kalidad ng imahe. Bukod dito, habang tumataas ang pangangailangan ng merkado sa paghahatid ng imahe, ang problema kung paano umangkop sa mga katangian ng paghahatid ng iba't ibang mga channel ay lalong naging maliwanag. Ito ang problemang malulutas ng bagong pamantayang video na H.264 na magkakasamang binuo ng IEO / IEC at ITU-T.
Ang H.261 ay ang pinakamaagang mungkahi sa pag-coding ng video, ang layunin ay upang gawing pamantayan ang teknolohiya ng pag-coding ng video sa mga aplikasyon ng telebisyon sa network ng ISDN at mga aplikasyon ng video ng telepono. Ang algorithm na ginagamit nito ay pinagsasama ang isang hybrid coding na pamamaraan ng inter-frame na hula na maaaring mabawasan ang temporal na kalabisan at pagbago ng DCT na maaaring mabawasan ang kalabisan sa spatial. Tumutugma ito sa ISDN channel, at ang rate ng output code ay p × 64kbit / s. Kapag ang halaga ng p ay maliit, ang mga imaheng may mababang kahulugan lamang ang maaaring mailipat, na angkop para sa harapan na mga tawag sa TV; kapag ang halaga ng p ay malaki (tulad ng p> 6), ang mga imaheng TV ng kumperensya na may mas mahusay na kahulugan ay maaaring mailipat. Inirekumenda ng H.263 ang isang pamantayan sa mababang compression ng imahe ng mababang rate ng rate, na kung saan ay isang teknikal na pagpapabuti at pagpapalawak ng H.261, at sumusuporta sa mga application na may bit rate na mas mababa sa 64kbit / s. Ngunit sa katunayan ang H.263 at mas bago ang H.263 + at H.263 ++ ay binuo upang suportahan ang buong aplikasyon ng bit rate. Makikita ito mula sa katotohanang sinusuportahan nito ang maraming mga format ng imahe, tulad ng Sub-QCIF, QCIF, CIF, 4CIF at maging ang 16CIF at iba pang mga format.
Ang rate ng code ng pamantayan ng MPEG-1 ay tungkol sa 1.2Mbit / s, at maaari itong magbigay ng 30 mga frame ng mga imahe ng kalidad na CIF (352 × 288). Ito ay formulated para sa imbakan ng video at pag-playback ng mga CD-ROM disc. Ang pangunahing algorithm ng MPEG-l standard na bahagi ng pag-coding ng video ay pareho sa H.261 / H.263, at ang mga panukala tulad ng prediksyon na inter-frame na binayarang paggalaw, dalawang-dimensional na DCT, at VLC run-length coding ay pinagtibay din. Bilang karagdagan, ang mga konsepto tulad ng intra frame (I), predictive frame (P), bidirectional predictive frame (B) at DC frame (D) ay ipinakilala upang higit na mapabuti ang kahusayan sa pag-coding. Sa batayan ng MPEG-1, ang pamantayan ng MPEG-2 ay gumawa ng ilang mga pagpapabuti sa pagpapabuti ng paglutas ng imahe at pagiging tugma sa digital TV. Halimbawa, ang kawastuhan ng paggalaw ng vector nito ay kalahating pixel; sa mga pagpapatakbo sa pag-coding (tulad ng pagtantiya ng paggalaw at DCT) Makilala ang pagitan ng "frame" at "patlang"; ipakilala ang mga teknolohiya ng scalability ng pag-coding, tulad ng spatial scalability, temporal scalability, at signal-to-noise ratio na scalability. Ang pamantayang MPEG-4 na ipinakilala sa mga nagdaang taon ay nagpakilala ng pag-coding batay sa mga audio-visual na bagay (AVO: Audio-Visual Object), na lubos na nagpapabuti sa mga kakayahang interactive at kahusayan sa pag-cod ng mga komunikasyon sa video. Ang MPEG-4 ay nagpatibay din ng ilang mga bagong teknolohiya, tulad ng coding ng hugis, adaptive DCT, di-makatwirang hugis ng pag-coding ng object ng video at iba pa. Ngunit ang pangunahing encoder ng video ng MPEG-4 ay kabilang pa rin sa isang uri ng hybrid encoder na katulad ng H.263.
Sa madaling sabi, ang rekomendasyong H.261 ay isang klasikong pag-coding ng video, ang H.263 ay ang pag-unlad nito, at unti-unting papalitan ito sa pagsasanay, higit sa lahat na ginagamit sa mga komunikasyon, ngunit ang maraming mga pagpipilian ng H.263 ay madalas na nagwawala sa mga gumagamit. Ang serye ng mga pamantayan ng MPEG ay umunlad mula sa mga application para sa storage media sa mga application na umangkop sa transmission media. Ang pangunahing balangkas ng pangunahing pag-coding ng video ay pare-pareho sa H.261. Kabilang sa mga ito, ang nakakaakit na bahagi ng "object-based coding" na bahagi ng MPEG-4 ay dahil pa rin May mga teknikal na hadlang, at mahirap na mag-aplay sa pangkalahatan. Samakatuwid, ang bagong panukala sa pag-coding ng video na H.264 na binuo sa batayan na ito ay nagagapi sa mga kahinaan ng dalawa, nagpapakilala ng isang bagong pamamaraan ng pag-cod sa ilalim ng balangkas ng hybrid coding, nagpapabuti sa kahusayan sa pag-coding, at nakaharap sa mga praktikal na aplikasyon. Sa parehong oras, ito ay sama-sama na binuo ng dalawang pangunahing mga internasyonal na pamantayan sa mga samahan, at ang mga prospect ng aplikasyon nito ay dapat na maging maliwanag.
1. H.264 ni JVT
Ang H.264 ay isang bagong pamantayan sa pag-coding ng digital video na binuo ng pinagsamang koponan ng video (JVT: pinagsamang koponan ng video) ng VCEG (Video Coding Experts Group) ng ITU-T at MPEG (Moving Picture Coding Experts Group) ng ISO / IEC. Ito ay bahagi 10 ng H.264 ng ITU-T at MPEG-4 ng ISO / IEC. Ang paghingi ng mga draft ay nagsimula noong Enero 1998. Ang unang draft ay nakumpleto noong Setyembre 1999. Ang modelo ng pagsubok na TML-8 ay binuo noong Mayo 2001. Ang FCD board ng H.264 ay naipasa sa ika-5 pulong ng JVT noong Hunyo 2002.. Ang pamantayan ay kasalukuyang nasa ilalim ng pag-unlad at inaasahang opisyal na tatanggapin sa unang kalahati ng susunod na taon.
Ang H.264, tulad ng dating pamantayan, ay isang hybrid coding mode din ng DPCM plus transform coding. Gayunpaman, nagpatibay ito ng isang maigsi na disenyo ng "bumalik sa pangunahing kaalaman", nang walang maraming mga pagpipilian, at nakakakuha ng mas mahusay na pagganap ng compression kaysa sa H.263 ++; pinalalakas nito ang kakayahang umangkop sa iba't ibang mga channel at nagpatibay ng isang "network-friendly" na istraktura at syntax. Kaaya-aya sa pagproseso ng mga error at pagkawala ng packet; isang malawak na hanay ng mga target ng application upang matugunan ang mga pangangailangan ng iba't ibang mga bilis, iba't ibang mga resolusyon, at iba't ibang mga okasyon sa paghahatid (imbakan); ang pangunahing sistema nito ay bukas at walang kinakailangang copyright para magamit.
Sa teknikal na paraan, maraming mga highlight sa pamantayan ng H.264, tulad ng pinag-isang pag-coding ng simbolo ng VLC, mataas na katumpakan, pagtatantiya ng multi-mode na pag-aalis, pagbabago ng integer batay sa 4 × 4 na mga bloke, at layer ng syntax ng pag-coding. Ang mga hakbang na ito ay gumagawa ng H.264 algorithm na may napakataas na kahusayan sa pag-coding, sa ilalim ng parehong itinayong muli na kalidad ng imahe, makakatipid ito ng halos 50% ng rate ng code kaysa sa H.263. Ang istraktura ng code ng H.264 ay may malakas na kakayahang umangkop sa network, pinapataas ang mga kakayahan sa pag-recover ng error, at maaaring umangkop nang maayos sa aplikasyon ng IP at mga wireless network.
2. Teknikal na mga highlight ng H264
Layered na disenyo
Ang H.264 algorithm ay maaaring nahahati sa konsepto sa dalawang mga layer: ang layer ng pag-coding ng video (VCL: Video Coding Layer) ay responsable para sa mahusay na representasyon ng nilalaman ng video, at ang layer ng abstraction ng network (NAL: Network Abstraction Layer) ay responsable para sa naaangkop na paraan kinakailangan ng network. I-pack at ipadala ang data. Ang hierarchical na istraktura ng H.264 encoder ay ipinapakita sa Larawan 1. Ang isang interface na nakabatay sa packet ay tinukoy sa pagitan ng VCL at NAL, at ang pagpapakete at kaukulang pagbibigay ng senyas ay bahagi ng NAL. Sa ganitong paraan, ang mga gawain ng mataas na kahusayan sa pag-coding at pagkamagiliw sa network ay nakumpleto ng VCL at NAL ayon sa pagkakabanggit.
Kasama sa layer ng VCL ang block-based na paggalaw ng kompensasyon hybrid coding at ilang mga bagong tampok. Tulad ng nakaraang mga pamantayan sa pag-coding ng video, hindi kasama sa H.264 ang mga pagpapaandar tulad ng paunang pagproseso at pag-proseso sa post, na maaaring dagdagan ang kakayahang umangkop ng pamantayan.
May pananagutan ang NAL sa paggamit ng format ng paghihiwalay ng mas mababang layer ng network upang mai-encapsulate ang data, kabilang ang pag-frame, lohikal na pagbibigay ng senyas ng channel, paggamit ng impormasyon sa oras, o signal ng pagtatapos ng pagkakasunud-sunod, atbp. Halimbawa, sinusuportahan ng NAL ang mga format ng paghahatid ng video sa mga circuit-switch na channel, at sumusuporta sa mga format ng paghahatid ng video sa Internet gamit ang RTP / UDP / IP. Nagsasama ang NAL ng sarili nitong impormasyon ng header, impormasyon sa istraktura ng segment, at aktwal na impormasyon sa pag-load, iyon ay, ang data ng itaas na layer na VCL. (Kung ginagamit ang teknolohiya ng paghihiwalay ng data, ang data ay maaaring binubuo ng maraming bahagi).
Mataas na katumpakan, multi-mode na pagtatantya ng paggalaw
Sinusuportahan ng H.264 ang mga vector ng paggalaw na may katumpakan na 1/4 o 1/8 pixel. Sa katumpakan ng 1/4 pixel, maaaring magamit ang isang 6-tap filter upang mabawasan ang ingay ng mataas na dalas. Para sa mga paggalaw ng mga vector na may katumpakan na 1/8 pixel, maaaring magamit ang isang mas kumplikadong 8-tap filter. Kapag nagsasagawa ng pagtatantya ng paggalaw, ang encoder ay maaari ding pumili ng "napahusay" na mga pagsasabog ng interpolation upang mapabuti ang epekto ng hula
Sa hula ng paggalaw ng H.264, ang isang macro block (MB) ay maaaring nahahati sa iba't ibang mga sub-block ayon sa Larawan 2 upang makabuo ng 7 magkakaibang mga mode ng mga laki ng block. Ang multi-mode na nababaluktot at detalyadong paghahati ay mas angkop para sa hugis ng mga aktwal na gumagalaw na mga bagay sa imahe, na lubos na nagpapabuti
Ang kawastuhan ng pagtatantya ng paggalaw ay napabuti. Sa ganitong paraan, ang bawat macro block ay maaaring maglaman ng 1, 2, 4, 8, o 16 na mga vector vector.
Sa H.264, pinapayagan ang encoder na gumamit ng higit sa isang nakaraang frame para sa pagtatantya ng paggalaw, na kung saan ay tinatawag na teknolohiyang sanggunian ng multi-frame. Halimbawa, kung ang 2 o 3 na mga frame ay naka-code lamang na mga frame ng sanggunian, ang encoder ay pipili ng isang mas mahusay na frame ng hula para sa bawat target na macroblock, at ipahiwatig para sa bawat macroblock kung aling frame ang ginagamit para sa hula.
4 × 4 block ng integer na pagbabago
Ang H.264 ay katulad ng nakaraang pamantayan, gamit ang block-based transform coding para sa natitira, ngunit ang transform ay isang integer na operasyon sa halip na isang tunay na pagpapatakbo ng bilang, at ang proseso ay karaniwang katulad sa DCT. Ang bentahe ng pamamaraang ito ay ang parehong pagbabago ng katumpakan at kabaligtaran na pagbabago ay pinapayagan sa encoder at ang decoder, na nagpapadali sa paggamit ng simpleng nakapirming-point na aritmetika. Sa madaling salita, walang "inverse transformation error" dito. Ang yunit ng pagbabago ay 4 × 4 na mga bloke, sa halip na 8 × 8 na mga bloke na karaniwang ginagamit sa nakaraan. Habang ang laki ng transform block ay nabawasan, ang paghati ng gumagalaw na bagay ay mas tumpak. Sa ganitong paraan, hindi lamang ang halaga ng pagkalkula ng pagbabago ay medyo maliit, kundi pati na rin ang error ng tagpo sa gilid ng gumagalaw na bagay ay lubos na nabawasan. Upang makagawa ang maliit na sukat na paraan ng pagbabagong-anyo ng block na hindi makagawa ng grayscale na pagkakaiba sa pagitan ng mga bloke sa mas malaking makinis na lugar sa imahe, ang DC coefficient ng 16 4 × 4 na mga bloke ng intra-frame macroblock brightness data (bawat maliit na bloke ng Isa , isang kabuuang 16) ay gumaganap ng isang pangalawang pagbabago ng 4 × 4 block, at gumaganap ng isang 2 × 2 block na pagbabago sa mga coefficients ng DC na 4 4 × 4 na mga bloke ng data ng chrominance (isa para sa bawat maliit na bloke, 4 sa kabuuan).
Upang mapabuti ang kakayahan sa rate control na H.264, ang pagbabago ng laki ng hakbang sa dami ng dami ay kinokontrol sa halos 12.5% sa halip na isang pare-pareho na pagtaas. Ang normalisasyon ng transform coefficient amplitude ay naproseso sa proseso ng kabaligtaran na dami upang mabawasan ang pagiging kumplikado ng computational. Upang bigyang-diin ang katapatan ng kulay, isang maliit na laki ng hakbang sa pagsukat ang pinagtibay para sa koepisyent ng chrominance.
Pinag-isang VLC
Mayroong dalawang pamamaraan para sa entropy coding sa H.264. Ang isa ay ang paggamit ng pinag-isang VLC (UVLC: Universal VLC) para sa lahat ng mga simbolo upang ma-code, at ang iba pa ay ang paggamit ng content-adaptive binary arithmetic coding (CABAC: Context-Adaptive). Binary Arithmetic Coding). Ang CABAC ay isang opsyonal na pagpipilian, ang pagganap ng pag-coding nito ay medyo mas mahusay kaysa sa UVLC, ngunit ang pagiging kumplikado ng computational ay mas mataas din. Gumagamit ang UVLC ng isang set ng code na salita na walang limitasyong haba, at ang istraktura ng disenyo ay napaka-regular, at ang iba't ibang mga bagay ay maaaring naka-code na may parehong talahanayan ng code. Madali ang pamamaraang ito upang makabuo ng isang codeword, at ang decoder ay madaling makilala ang unlapi ng codeword, at ang UVLC ay maaaring mabilis na makakuha ng muling pagsasaayos kapag may kaunting error na nangyayari
Narito, ang x0, x1, x2, ... ay mga INFO na bit, at 0 o 1. Inililista ng 4 na larawan ang unang 9 na mga codeword. Halimbawa, ang ika-4 na bilang na salita ay naglalaman ng INFO01. Ang disenyo ng code code na ito ay na-optimize para sa mabilis na muling pag-synchronize upang maiwasan ang mga error sa bit.
intra pagsasalita
Sa nakaraang mga pamantayan ng serye ng H.26x at MPEG-x serye, ginagamit ang mga pamamaraan ng paghuhula sa pagitan ng frame. Sa H.264, magagamit ang hula ng intra-frame kapag nag-encode ng mga imahe ng Intra. Para sa bawat bloke na 4 × 4 (maliban sa espesyal na paggamot ng edge block), ang bawat pixel ay maaaring mahulaan ng iba't ibang weighted sum ng 17 pinakamalapit na dating naka-encode na pixel (ang ilang mga timbang ay maaaring 0), iyon ay, ang pixel na ito na 17 pixel sa kaliwang sulok sa itaas ng bloke. Malinaw na, ang ganitong uri ng hula ng intra-frame ay wala sa oras, ngunit isang hula ng pag-coding algorithm na isinagawa sa spatial domain, na maaaring alisin ang kalabisan ng spatial sa pagitan ng mga katabing bloke at makamit ang mas mabisang compression.
Sa 4 × 4 square, a, b, ..., p ay 16 pixel na mahuhulaan, at A, B, ..., P ay naka-encode na mga pixel. Halimbawa, ang halaga ng point m ay maaaring mahulaan ng pormula (J + 2K + L + 2) / 4, o ng pormula (A + B + C + D + I + J + K + L) / 8, at iba pa. Ayon sa napiling mga puntos ng sanggunian ng hula, mayroong 9 iba't ibang mga mode para sa ilaw, ngunit mayroon lamang 1 mode para sa intra-frame na hula ng chrominance.
Para sa mga IP at wireless na kapaligiran
Naglalaman ang draft ng H.264 ng mga tool para sa pag-aalis ng error upang mapadali ang paghahatid ng naka-compress na video sa isang kapaligiran na may madalas na mga pagkakamali at pagkawala ng packet, tulad ng pagiging matatag ng paghahatid sa mga mobile channel o IP channel.
Upang mapigilan ang mga pagkakamali sa paghahatid, ang oras na pag-synchronize sa stream ng video na H.264 ay maaaring magawa sa pamamagitan ng paggamit ng pag-refresh ng imahe ng intra-frame, at ang spatial na pagsabay ay sinusuportahan ng hiwa ng nakabalangkas na pag-coding. Sa parehong oras, upang mapadali ang muling pagtataguyod pagkatapos ng kaunting error, ang isang tiyak na punto ng muling pag-synchronize ay ibinigay din sa data ng video ng isang imahe. Bilang karagdagan, pinahihintulutan ng intra-frame macroblock refresh at maraming sanggunian na mga macroblock ang encoder na isaalang-alang hindi lamang ang kahusayan sa pag-coding, kundi pati na rin ang mga katangian ng channel ng paghahatid kapag tinutukoy ang mode ng macroblock.
Bilang karagdagan sa paggamit ng pagbabago ng laki ng hakbang sa pagsukat upang umangkop sa rate ng code ng channel, sa H.264, ang pamamaraan ng paghihiwalay ng data ay madalas na ginagamit upang makayanan ang pagbabago ng rate ng channel code. Sa pangkalahatan, ang konsepto ng paghihiwalay ng data ay upang makabuo ng data ng video na may iba't ibang mga priyoridad sa encoder upang suportahan ang kalidad ng serbisyo QoS sa network. Halimbawa, isang pamamaraan ng paghati ng data na nakabatay sa syntax ay pinagtibay upang hatiin ang data ng bawat frame sa maraming bahagi alinsunod sa kahalagahan nito, na nagpapahintulot sa itapon na hindi gaanong mahalagang impormasyon kapag umapaw ang buffer. Ang isang katulad na temporal na data na paghati ng data ay maaari ding gamitin, na kung saan ay magagawa sa pamamagitan ng paggamit ng maraming mga frame ng sanggunian sa mga P at B na frame.
Sa application ng wireless na komunikasyon, maaari naming suportahan ang mga malalaking pagbabago ng rate ng rate ng wireless channel sa pamamagitan ng pagbabago ng katumpakan ng dami o resolusyon ng puwang / oras ng bawat frame. Gayunpaman, sa kaso ng multicast, imposibleng kailanganin ang encoder na tumugon sa iba't ibang mga rate ng bit. Samakatuwid, hindi katulad ng pamamaraan ng FGS (Fine Granular Scalability) na ginamit sa MPEG-4 (na may mas mababang kahusayan), ang H.264 ay gumagamit ng stream switching SP frames sa halip na hierarchical coding.
========================
3. Pagganap ng TML-8
Ang TML-8 ay ang mode ng pagsubok ng H.264, gamitin ito upang ihambing at subukan ang kahusayan sa pag-coding ng video ng H.264. Ang PSNR na ibinigay ng mga resulta ng pagsubok ay malinaw na ipinakita na kumpara sa pagganap ng MPEG-4 (ASP: Advanced Simple Profile) at H.263 ++ (HLP: High Latency Profile), ang mga resulta ng H.264 ay may halatang mga pakinabang. Tulad ng ipinakita sa Larawan 5.
Ang PSNR ng H.264 ay malinaw na mas mahusay kaysa sa MPEG-4 (ASP) at H.263 ++ (HLP). Sa paghahambing ng pagsubok ng 6 na bilis, ang PSNR ng H.264 ay 2dB mas mataas kaysa sa MPEG-4 (ASP) sa average. Mas mataas ito ng 3dB kaysa sa H.263 (HLP) sa average. Ang 6 na mga rate ng pagsubok at ang kanilang mga kaugnay na kundisyon ay: 32 kbit / s rate, 10f / s frame rate at QCIF format; 64 kbit / s rate, rate ng 15f / s na frame at format ng QCIF; 128kbit / s rate, 15f / s Frame rate at CIF format; 256kbit / s rate, 15f / s frame rate at QCIF format; 512 kbit / s rate, 30f / s frame rate at CIF format; 1024 kbit / s rate, 30f / s frame rate at CIF format.
4. hirap ng mapagtanto
Para sa bawat inhinyero na isinasaalang-alang ang mga praktikal na aplikasyon, habang binibigyang pansin ang nakahihigit na pagganap ng H.264, ito ay nakasalalay upang masukat ang kahirapan ng pagpapatupad nito. Sa pangkalahatan, ang pagpapabuti ng pagganap ng H.264 ay nakuha sa halaga ng mas mataas na pagiging kumplikado. Gayunpaman, sa pag-unlad ng teknolohiya, ang pagtaas ng pagiging kumplikado na ito ay nasa loob ng katanggap-tanggap na saklaw ng aming kasalukuyan o malapit sa hinaharap na teknolohiya. Sa katunayan, isinasaalang-alang ang limitasyon ng pagiging kumplikado, H.264 ay hindi nagpatibay ng ilang mga partikular na computationally mamahaling pinahusay na mga algorithm. Halimbawa, ang H.264 ay hindi gumagamit ng pandaigdigan na teknolohiya ng kompensasyon sa paggalaw, na ginagamit sa MPEG-4 ASP. Nadagdagan ang pagiging kumplikado sa pag-coding.
Ang parehong H.264 at MPEG-4 ay may kasamang mga B-frame at mas tumpak at compmga filter ng interpolation ng lex motion kaysa sa MPEG-2, H.263 o MPEG-4 SP (Simpleng profile). Upang mas mahusay na makumpleto ang pagtantiya ng paggalaw, ang H.264 ay makabuluhang tumaas ang mga uri ng mga laki ng variable block at ang bilang ng mga variable na frame ng sanggunian.
Ang mga kinakailangan sa H.264 RAM ay pangunahing ginagamit para sa mga imahe ng frame ng sanggunian, at ang karamihan sa mga naka-code na video ay gumagamit ng 3 hanggang 5 mga frame ng mga sanggunian na imahe. Hindi ito nangangailangan ng mas maraming ROM kaysa sa karaniwang encoder ng video, dahil ang H.264 UVLC ay gumagamit ng isang maayos na istraktura ng talahanayan ng pagtingin para sa lahat ng uri ng data
5. pangwakas na pangungusap
Ang H.264 ay may malawak na mga prospect ng aplikasyon, tulad ng real-time na komunikasyon sa video, paghahatid ng video sa Internet, mga serbisyo sa streaming ng video, multi-point na komunikasyon sa magkakaiba-ibang mga network, naka-compress na imbakan ng video, mga database ng video, atbp.
Ang mga teknikal na katangian ng mga rekomendasyon ng H.264 ay maaaring ibuod sa tatlong mga aspeto. Ang isa ay mag-focus sa pagiging praktiko, magpatibay ng may sapat na teknolohiya, ituloy ang mas mataas na kahusayan sa pag-coding, at maigsi na pagpapahayag; ang isa pa ay magtuon sa pagbagay sa mga mobile at IP network at magpatibay ng hierarchical Technology, na pinaghihiwalay ang pag-encode at ang channel nang pormal, sa esensya, isinasaalang-alang ang mga katangian ng channel nang higit sa pinagmulan ng encoder algorithm; ang pangatlo ay sa ilalim ng pangunahing balangkas ng hybrid encoder, ang pangunahing mga pangunahing sangkap nito ay ginawa lahat. Ang mga pangunahing pagpapabuti, tulad ng pagtatantya ng paggalaw ng multi-mode, hula ng intra-frame, hula ng multi-frame, pinag-isang VLC, 4 × 4 na dalawang-dimensional na integer transformation, atbp.
Sa ngayon, ang H.264 ay hindi pa natatapos, ngunit dahil sa mas mataas na ratio ng compression at mas mahusay na kakayahang umangkop sa channel, magiging mas at mas malawak itong gagamitin sa larangan ng digital video na komunikasyon o pag-iimbak, at ang potensyal na pag-unlad nito ay walang limitasyong
Panghuli, dapat pansinin na ang nakahihigit na pagganap ng H.264 ay hindi walang gastos, ngunit ang gastos ay isang malaking pagtaas sa pagiging kumplikado ng computational. Ayon sa mga pagtatantya, ang pagiging kumplikado ng computational ng pag-encode ay humigit-kumulang na tatlong beses kaysa sa H.263, at ang pagiging kumplikado ng pag-decode Humigit-kumulang 2 beses ng H.263.
===========================
Tamang maunawaan ang mga produktong teknolohiya ng H.264 at MPEG-4, at alisin ang maling propaganda ng gumawa
Kinikilala na ang pamantayan ng H.264 video codec ay may isang tiyak na antas ng pagsulong, ngunit hindi ito ang ginustong pamantayan ng encoder ng video, lalo na bilang isang produkto ng pagsubaybay, dahil mayroon din itong ilang mga teknikal na depekto.
ay kasama sa pamantayang MPEG-4 Bahagi 10 bilang pamantayan ng H.264 video codec, na nangangahulugang nakakabit lamang ito sa ikasampung bahagi ng MPEG-4. Sa madaling salita, ang H.264 ay hindi lalampas sa saklaw ng pamantayan ng MPEG-4. Samakatuwid, hindi tama na ang pamantayan ng H.264 at kalidad ng paghahatid ng video sa Internet ay mas mataas kaysa sa MPEG-4. Ang paglipat mula sa MPEG-4 hanggang H.264 ay mas hindi maintindihan. Una, maunawaan natin nang tama ang pag-unlad ng MPEG-4:
1. Ang MPEG-4 (SP) at MPEG-4 (ASP) ay ang mga unang teknolohiya ng produkto ng MPEG-4
Ang MPEG-4 (SP) at MPEG-4 (ASP) ay iminungkahi noong 1998. Ang teknolohiya nito ay umunlad hanggang sa kasalukuyan, at talagang may ilang mga problema. Samakatuwid, ang kasalukuyang mga tauhan ng teknikal na pagmamay-ari ng estado na may kakayahang paunlarin ang MPEG-4 ay hindi pinagtibay ang paatras na teknolohiyang ito sa mga MPEG-4 na video surveillance o mga produktong kumperensya sa video. Ang paghahambing sa pagitan ng mga produktong H.264 (mga teknikal na produkto pagkatapos ng 2005) at ang maagang teknolohiya ng MPEG-4 (SP) na na-promosyon sa Internet ay talagang hindi naaangkop. Maaari bang makumbinsi ang paghahambing sa pagganap ng mga produktong IT noong 2005 at 2001? . Ang kailangang ipaliwanag dito ay ito ay isang teknikal na pag-uugali ng hype ng mga tagagawa.
Mangyaring tingnan ang paghahambing ng teknolohiya:
Ang ilang mga tagagawa ay maling pagkakamali sa mga paghahambing: Sa ilalim ng parehong itinayong muling kalidad ng imahe, binabawasan ng H.264 ang bit rate ng 50% kumpara sa H.263 + at MPEG-4 (SP).
Ang data na ito ay mahalagang ihinahambing ang H.264 bagong data ng produkto ng teknolohiya sa MPEG-4 na maagang data ng produkto ng teknolohiya, na walang katuturan at nakaliligaw para sa paghahambing ng kasalukuyang mga produktong MPEG-4 na teknolohiya. Bakit hindi inihambing ng mga produktong H.264 ang data sa mga bagong produktong produktong MPEG-4 noong 2006? Ang pag-unlad ng teknolohiya ng pag-coding ng video ng H.264 ay talagang napakabilis, ngunit ang epekto ng pag-decode ng video na ito ay katumbas lamang ng epekto ng video ng Windows Media Player 9.0 (WM9) ng Microsoft. Sa kasalukuyan, halimbawa, ang teknolohiyang MPEG-4 na ginamit ng hard disk ng server ng video ng Huayi at kagamitan sa pagpupulong ng video ay naabot na ang (WMV) na panteknikal na pagtutukoy sa teknolohiyang pag-decode ng video, at ang pagsabay sa audio at video ay mas mababa sa 0.15s (sa loob ng 150 milliseconds ). Hindi maitugma ang H.264 at Microsoft WM9
2. Ang pagbuo ng MPEG-4 na video decoder na teknolohiya:
Sa kasalukuyan, ang MPEG-4 na video decoder na teknolohiya ay mabilis na umuunlad, hindi bilang mga hype ng mga tagagawa sa Internet. Ang bentahe ng kasalukuyang pamantayan ng imahe ng H.264 ay nasa compression at imbakan lamang nito, na 15-20% mas maliit kaysa sa kasalukuyang file ng MPEG-4 na imbakan ng mga produkto ng Huayi, ngunit ang format ng video na ito ay hindi isang karaniwang format. Ang dahilan dito ay ang H.264 ay hindi gumagamit ng isang internasyonal na format na pag-iimbak, at ang mga file ng video nito ay hindi mabubuksan gamit ang pang-internasyonal na software na ginagamit ng internasyonal. Samakatuwid, sa ilang mga pamahalaang pang-domestic at ahensya, kapag pumipili ng kagamitan, malinaw na nakasaad na ang mga file ng video ay dapat buksan gamit ang internasyonal na tinanggap na software ng third-party. Ito ay talagang mahalaga para sa pagsubaybay ng mga produkto. Lalo na kapag nangyari ang pagnanakaw, ang pulisya ay kailangang kumuha ng ebidensya, pag-aralan, atbp.
Ang na-upgrade na bersyon ng MPEG-4 video decoder ay (WMV), at ang audio ay naiiba ayon sa teknolohiya ng pag-coding at karanasan ng bawat tagagawa. Ang kasalukuyang mature na MPEG-4 na mga bagong produkto ng teknolohiya mula 2005 hanggang 2006 ay mas mataas kaysa sa mga produktong teknolohiya ng H.264 sa mga tuntunin ng pagganap.
Sa mga tuntunin ng paghahatid: Kung ikukumpara sa bagong MPEAng produktong teknolohiya ng G-4 na H.264, may mga sumusunod na depekto:
1. Pagsabay sa audio at video: Ang pagsasama-sama ng audio na H.264 ay mayroong ilang mga problema, pangunahin sa mga tuntunin ng pagkaantala. Ang pagganap ng paghahatid ng H.264 ay katumbas ng Windows Media Player 9.0 (WM9) ng Microsoft. Sa kasalukuyan, ang teknolohiya ng MPEG-4 na pinagtibay ng Huayi network video server ay nakakamit ng pagkaantala ng mas mababa sa 0.15 segundo (150 milliseconds) sa larangan ng video surveillance at video conferencing, na lampas sa abot ng mga produktong H.264;
2. Kahusayan sa paghahatid ng network: kumuha ng H.2
Ang aming iba pang mga produkto:
