MPEG
Az ISO-MPEG (International Organization for Standardization - Moving Picture Experts Group) a "Nemzetközi Szabvány Szervezet - Mozgókép Szakértői Csoport" rövidítése. Az MPEG egy széles körben alkalmazott szabvány a videó (kép és hang) digitális adatfolyamának tömörítésére, az ehhez kapcsolódó specifikációkat tartalmazza. A különböző MPEG formátumok kidolgozása és fejlesztése folyamatos, az MPEG formátumokról kiforrott, de nem lezárt szabványok rendelkeznek.
Az MPEG tömörítés a videó/audió adatfolyam mértékét csökkenti, rendkívül számításigényes, veszteséges tömörítő eljárással (meghatározott keretek között skálázhatóan), kezelhető mértékűre*. Egy MPEG adatfolyam (bitstream) jól elkülöníthető video- és audioadatokat, a hozzájuk tartozó szinkron információkat és egyéb lejátszással és tömörítéssel kapcsolatos információkat tartalmazhat. Az MPEG videó képváltási frekvenciája és az MPEG audió mintavételi frekvenciája szigorúan meghatározott. A különféle MPEG formátumok a különböző felhasználási területekhez igazodó adatátvitelt és minőséget célozzák meg, kódjuk azokhoz optimalizált:
MPEG-1 > CDROM alkalmazások, Video-CD, általában 1,5 Mbit/sec-ig, MPEG1-Audio: professzionális alkalmazások
MPEG-2 > DVD, broadcast videó, telekommunikáció, többnyire 4-9 Mbit/sec,
MPEG-3 > HDTV alkalmazások 1920x1080 felbontásig, 20-40 Mbit/sec adatátviteli sebesség. Az MPEG-2 kiegészítésekkel megvalósította az MPEG-3 célkitűzéseit is.
MPEG-4 > különösen alacsony adatátviteli igényű alkalmazások (videotelefon analóg vonalon, elektronikus újságok, interaktív multimédia adatbázisok stb.); 176x144-ig/10 fps, 4,8-64 Kbit/s-ig.
* Egy full PAL videó cca. 21-30 MB/sec (YUV 4:2:2 vagy RGB) tömörítetlen digitális adattal írható le szabványos, 24 bites színmélységben. Nagyobb videó archívumok ilyen adatátvitel mellett gazdaságosan nem tárolhatók gyors adatelérésű számítógépes környezetben. 60 perc tömörítetlen videó helyigénye > 90-110 GB, tehát néhány kazetta tárigénye Tbyte-os nagyságrendbe tartozik.
Az MPEG a szükséges tömörítési arányt a video-adatfolyamban képkockán belüli kódolással (intra frame coding) a JPG-hez hasonló módon; és a képkockák közötti kódolással (inter frame coding) az ismétlődő (redundáns) vizuális információk kiszűrésével valósítja meg.
A képkockán belüli (I frame) kódolásnak a JPEG tömörítés az alapja.
A képkockák közötti tömörítés azt használja ki, hogy a mozgóképek rendszerint olyan képszekvenciákat tartalmaznak, amelyekben a legtöbb képkocka hasonlít a megelőző ill. következő képkockára, vagy azonos velük.
Az MPEG videó képcsoportokból (GOP - Group Of Pictures) épül fel, amelyekben három különböző képtípus előre meghatározott sorrendben követi egymást:
- I-képek: Intra frame coded - csak képkockán belül kódolt. Csak olyan információt használ fel, amely a képkockán belül megtalálható. Az egyes képkockákon belül JPEG tömörítést alkalmaz, amely az MJPEG tömörítésnél ismertetett DCT transzformációra épül. Az I-képek tömörítési aránya viszonylag csekély, de közvetlen hozzáférési pontokként szolgálnak az MPEG video-adatfolyamhoz, ami a pozicionáláskor, szerkesztésnél, vágásnál (ebből adódóan a broadcast MPEG2-nél) nagyon fontos.
- P-képek: a P (predicted) képkocka az őt megelőző "I" vagy "P" képen alapul, azokat használja referenciaként. Ezt nevezik "forward prediction"-nek ~ előre haladó jóslásnak. A P kép a megelőző I vagy P frame képrészleteinek elmozdulását, illetve a képtartalmak közti különbséget rögzíti. A videó egymást követő képkockáiban az objektumok alakja általában nem változik. Az MPEG a P (és B) képekben az objektumok elmozdulását mozgásvektorokkal írja le, a mozgáskompenzációs eljárás segítségével. Az eltérő alak- és színinformációk meghatározása a megelőző (I, P) kép megfelelő információira épül, a különbséget, változást kódolja. A P-képek tömörítési aránya nagyobb, mint az I-képeké. Mivel a P-képek P-képből is származtathatók, előfordulhatnak közöttük hibásak is, és további hibaforrásul szolgálhatnak a hibás frame-et referenciaként használó képkockák kódolásakor.
- B-képek: a B (bidirectional) kép a megelőző és rákövetkező "I" vagy "P" képkockákat is felhasználja referenciaként. A kódolás a mozgáskompenzációs technika felhasználásával, a P-képekhez hasonló módon, de két irányból történik. Ezt az eljárást "bidirectional prediction" ~ kétirányú (két irányból történő) jóslásnak nevezik. Az eltérő alakinformáció rögzítése a megelőző és következő I vagy P kép alakinformációinak átlagolásán alapul. A B-képeknek a tömörítési aránya a legnagyobb. A B-kép nem szolgál referenciaként más képek kódolásakor, ezért nem terjeszt hibákat sem.
Kódolás:
A GOP-n belül az I és P képtípusok számát (amelyekből következik a B képek száma is) a kódoló határozza meg. Az I, P vagy B képek különböző aránya nagyban befolyásolja az elérhető képminőséget az adott adatátviteli sebesség mellett. Legkedvezőbb beállításuk nagyon sok változó függvénye, igen nagy szakértelmet vagy tapasztalatot igényel.
A képcsoportban (GOP) az I képek frekvenciáját, másképpen fogalmazva a köztük lévő intervallumot jelölik
N-nel. Az előbbi példaképeken tehát N=9.
A GOP további alcsoportra osztható. A GOP-re alapozva a P illetve a megfelelő B képkockák frekvenciájának jele:
M, a különféle tömörítők ezt nevezhetik
SubGOP-nak is. Az előbbi példaképeken M=3.
A gyakorlatban egy másodpercnyi MPEG videó rendszerint 2 I frame-et tartalmaz. PAL (25 fps) rendszerben tehát általában N=12, NTSC-ben (30 fps) N=15, de a különböző igényekhez nagyon sokféle beállítás tartozhat.
Mivel az I és P képekhez (ha van) ugyanannyi B kép tartozik (ha van) és I
P vagy B, ezért N mindig osztható M-mel.
Szélsőséges esetben a GOP N lehet 1, ekkor minden képkocka I frame. Ez a képkocka-pontosan szerkeszthető MPEG. Szerkezetéből adódóan adatátvitele az MJPEG-hez hasonló. Többnyire MPEG-2 alapú broadcast nemlineáris editáló eszközökben (NLE) használják. Az "N" és "M" értékek Video-CD formátumnál meghatározottak, és a DVD-videónál is szabályozott.
A különböző képtípusok beállítása mellett az MPEG képminősége szempontjából fontos a mozgásvektorok pontos beállítása. Erre a jobb minőségű hardveres- és szoftveres tömörítők adnak lehetőséget. Minél nagyobb területre terjed ki a különböző képrészletek elmozdulásának figyelése, a mozgásvektorok kiszámítása, annál nagyobb a műveletek számítási igénye.
Az MPEG tömörítés során elérhető minőséget az állandó- (Constant BitRate - CBR) vagy változó adatátviteli sebesség (Variable BitRate - VBR) mellett, az MPEG-1 minőségénél részletezett képtartalom is befolyásolja.
Könnyen belátható, hogy ha a tömöríthetőség szempontjából változó (eltérő redundanciájú) képtartalmat kódolunk (és majdnem minden felvétel ilyen), a VBR tömörítés azonos tárfoglalás mellett (tehát azonos átlagos bitráta értéket feltételezve) rendszerint jobb minőséget eredményez, mint a CBR kódolás. VBR tömörítésnél a jól tömöríthető (mozgásszegény, nagy homogén felületeket tartalmazó) felvétel-részek alacsony bitrátára kódolása lehetőséget ad az enkódernek a nehezen tömöríthető (gyors mozgásokat tartalmazó, részletgazdag, vagy zajos) részek magasabb bitrátán történő kódolására , ami a képminőség szempontjából biztosít(hat)ja az egyenletességet, szemben a CBR-rel, ahol az állandó adatátviteli sebesség kényszere miatt a előbbi képtartalmaknál (az eltérő tömöríthetőséghez viszonyítva) hol feleslegesen nagy bitráta mellett, hol pedig - a nehezen tömöríthető részeken - relatíve túl alacsony értéken történik a kódolás, ami változó és gyakran nem megfelelő képminőséget eredményez.
A VBR tömörítés viszont problémás lehet az átlagos adatátviteli sebesség (avarage bitrate) szempontjából (ami fontos, ha pl. hosszabb anyagot írunk lemezre - tehát csak meghatározott méretű tárfoglalás engedélyezett), hiszen a kóder nem tudhatja előre, hogy milyen képtartalommal találkozik a jövőben (azaz, a még nem kódolt videoszakaszon), ennélfogva a kvantálás mértékét is csak becsülni tudja, tehát előfordulhat, hogy vagy a képminőség nem lesz a legideálisabb, vagy az átlagos bitráta tér el jelentősen a beállítottól. Mindezen segíthet, ha a tömörítő képes a többmenetes VBR kódolásra, amely - nevéhez híven - végigelemzi a teljes videofile-t, majd ezt követően készülhetnek a beállított bitráta paramétereknek (átlagos-, minimális-, maximális bitráta) pontosan megfelelő "menetek"; a végső MPEG stream elkészítése. Ezekből adódik, hogy az MPEG kódolása során a legjobb képminőség a többmenetes VBR tömörítést alkalmazó szoftverekkel érhető el. Az ilyen programok, ha a kódolási sebességük is megfelelő volt, egészen a közelmúltig meglehetősen drágán: akár több ezer $-ért voltak beszerezhetőek. Ma már néhány ezer Ft-os kiadás mellett, szinte hihetetlen teljesítményt nyújtó tömörítők kaphatók (CinemaCraft Encoder Basic™, Canopus® ProCoder Express™) .
/forrás:GAIA/
